蔚来高级副总裁任少卿：用一个世界模型统一两套芯片、四个平台、十几款车
蔚来高级副总裁任少卿在沟通会上详解其智驾系统工程能力：如何通过统一模型架构、自研AI编译器和AI Agent，将世界模型跨代际部署到NT2/NT3、蔚来/乐道等不同平台与车型上。核心挑战在于适配不同芯片（Orin与神玑）、传感器组合与硬件差异，同时兼顾老车更新与商业闭环。
事件概述
2026年6月，蔚来对其世界模型进行重大升级，并计划跨蔚来、乐道两个品牌，覆盖Banyan、Cedar、Cedar S、Coconut+四个平台，从2022年的ET7到乐道L60激光雷达版，核心能力保持一致。蔚来高级副总裁任少卿在沟通会上重点阐述了实现这一目标所需的系统工程能力，而非仅强调模型本身的性能。
核心信息
-
硬件预埋与智能生命周期：NT2平台（2021年推出）选择车顶瞭望塔式激光雷达、800万像素摄像头、四颗Orin大算力平台，当初看似超前，但蔚来认为这是为长期软件升级预留能力。任少卿表示，硬件部署需支撑两代车型（约6年），订阅模式背后是维护老车的成本逻辑。
-
自研芯片神玑NX9031的取舍：蔚来在设计神玑时预判下一代神经网络将走向Transformer，其对内存带宽的需求是CNN的8-70倍。因此神玑重点提升内存带宽（例如7B模型、30Hz、每赫兹5次解码需500GB/s带宽），一颗神玑可达到四颗Orin-X的类似性能。
-
统一部署方案：蔚来从2020年底开始假设会有不同芯片，因此自研AI编译器（基于CUDA层），实现自动算子优化和图优化，将模型部署周期从一到两周缩短至一到两天，推理效率比通用工具链提升20%以上。同时，AI Agent被用于自动化模型部署流程，从一天级压到两小时以内。
-
传感器差异处理：不同平台摄像头、毫米波雷达、激光雷达版本不同。蔚来的神经网络设计允许传感器“热插拔”，有对应输入就接入，没有也能正常运行。侧向激光雷达（如ET9）被视为“智能气囊”，日常用户感知无差别，但在长尾风险中托住边界。
-
数据闭环与Corner case筛选：任少卿认为数据的本质是算力。真正价值在于针对特定模型的Corner case，需要车端和云端算力共同筛选。蔚来通过制造非常规驾驶场景（如离白线三米变道）训练模型，并利用量产车作为验证网络，每周验证里程超1亿公里（主动安全测试超4000万公里）。
值得关注
- 蔚来强调工程系统能力而非单纯模型指标，通过统一编译器、AI Agent、量产车验证池等方式实现跨芯片、跨平台、跨车型的模型快速部署。
- NT2老车主可继续获得与新平台相似的核心模型能力，但升级成本由订阅模式平衡。
- 自研芯片设计思路从单纯算力（TOPS）转向内存带宽，以适应Transformer架构的未来演进。