過(guò)去十年，智能駕駛的發(fā)展始終圍繞“感知”展開。車內(nèi)攝像頭分辨率不斷提高，激光雷達(dá)數(shù)量持續(xù)增加，算法對(duì)目標(biāo)的識(shí)別精度被反復(fù)推高到接近極限。但現(xiàn)實(shí)已經(jīng)反復(fù)驗(yàn)證：看得更清楚，并不能等同于駕駛更安全。

真正制約高階輔助駕駛能力上限的，并非單點(diǎn)感知精度，而是系統(tǒng)是否具備對(duì)真實(shí)世界進(jìn)行整體理解與推演的能力。

進(jìn)入 2025 年，一個(gè)清晰的變化正在行業(yè)內(nèi)部顯現(xiàn)：視覺(jué)系統(tǒng)不再只是感知鏈路中的前端模塊，而是開始承載更高層級(jí)的認(rèn)知任務(wù)，逐步成為世界模型、端到端決策與推理能力連接現(xiàn)實(shí)世界的關(guān)鍵入口。這一變化，正在重塑智能駕駛的技術(shù)底座。

圖片來(lái)源： notateslaap

拐點(diǎn)初現(xiàn)：視覺(jué)系統(tǒng)從“感知輸入”走向“認(rèn)知基礎(chǔ)”

在傳統(tǒng)自動(dòng)駕駛架構(gòu)中，視覺(jué)系統(tǒng)承擔(dān)的角色相對(duì)清晰：采集圖像、完成目標(biāo)檢測(cè)與語(yǔ)義分割，然后將結(jié)構(gòu)化結(jié)果交給后續(xù)模塊。整個(gè)系統(tǒng)強(qiáng)調(diào)模塊解耦，感知、預(yù)測(cè)、規(guī)劃各自獨(dú)立優(yōu)化。這種模式在 L2 階段行之有效，卻在更復(fù)雜的城市場(chǎng)景中逐漸顯露出瓶頸。

問(wèn)題并不在于“是否看得清”，而在于系統(tǒng)是否始終看得見。在雨霧、強(qiáng)逆光、夜間或復(fù)雜氣候條件下，傳統(tǒng)視覺(jué)、雷達(dá)和激光雷達(dá)各自存在失效區(qū)間，感知的不連續(xù)性，直接限制了系統(tǒng)對(duì)現(xiàn)實(shí)世界狀態(tài)的穩(wěn)定理解。

也正是在這一背景下，新的視覺(jué)感知形態(tài)開始進(jìn)入智能駕駛體系。

Teradar在CES 2026上發(fā)布的太赫茲視覺(jué)傳感器Summit，正是這一趨勢(shì)的縮影。太赫茲波段位于雷達(dá)與激光雷達(dá)之間，兼具較高分辨率與全天候穿透能力，使車輛在霧、雨、雪和強(qiáng)眩光條件下仍能獲取穩(wěn)定的環(huán)境信息。

圖片來(lái)源： Terada

從工程基礎(chǔ)看，這種升級(jí)并非偶然。2024–2025年，多攝像頭方案成為主流，8顆甚至更多攝像頭進(jìn)入量產(chǎn)車型；高帶寬傳輸方案（如基于GMSL2的多攝像頭系統(tǒng)）與更精確的時(shí)序同步能力，使跨視角、跨時(shí)間的特征融合成為現(xiàn)實(shí)。視覺(jué)數(shù)據(jù)不再是孤立幀圖像，而是構(gòu)成一個(gè)高頻、全域、時(shí)間一致的連續(xù)信息流。

真正的變化發(fā)生在模型層面。

隨著端到端架構(gòu)成為行業(yè)共識(shí)，感知、預(yù)測(cè)、規(guī)劃不再通過(guò)規(guī)則化接口串聯(lián)，而是在統(tǒng)一網(wǎng)絡(luò)中協(xié)同優(yōu)化。在這種結(jié)構(gòu)下，視覺(jué)不再只是“提供目標(biāo)框”，而是直接參與環(huán)境狀態(tài)的隱空間建模。模型從圖像中學(xué)習(xí)到的不只是物體類別，而是空間幾何關(guān)系、動(dòng)態(tài)演化趨勢(shì)以及行為先驗(yàn)。

換句話說(shuō)，視覺(jué)正在承擔(dān)三項(xiàng)新的“認(rèn)知職責(zé)”：

第一，是構(gòu)建連續(xù)空間表達(dá)。通過(guò)多視角融合與BEV建模，視覺(jué)輸出的不再是離散檢測(cè)結(jié)果，而是統(tǒng)一的三維場(chǎng)景表示，為后續(xù)預(yù)測(cè)提供穩(wěn)定基礎(chǔ)。

第二，是提供時(shí)間一致的狀態(tài)演化信息。時(shí)序建模讓系統(tǒng)能夠理解“變化趨勢(shì)”，而不僅是當(dāng)前畫面。視覺(jué)開始成為時(shí)間建模的核心信號(hào)源。

第三，是參與隱式行為理解。在大模型與世界模型框架下，視覺(jué)特征被映射到高維語(yǔ)義空間，成為推理與反事實(shí)預(yù)測(cè)的輸入。這意味著視覺(jué)不僅回答“這里有什么”，還參與回答“接下來(lái)可能發(fā)生什么”。

至此，視覺(jué)系統(tǒng)完成了角色轉(zhuǎn)變。

它不再是傳感器層的輸入模塊，而成為認(rèn)知體系的現(xiàn)實(shí)錨點(diǎn)——世界模型與端到端決策之所以能夠成立，是因?yàn)橐曈X(jué)提供了穩(wěn)定、連續(xù)、可泛化的環(huán)境表達(dá)。模型的“理解能力”并非憑空產(chǎn)生，而是建立在視覺(jué)連續(xù)性和信息密度之上。

這一拐點(diǎn)的真正含義在于：當(dāng)視覺(jué)具備跨場(chǎng)景穩(wěn)定性、跨時(shí)間連續(xù)性以及高維語(yǔ)義表達(dá)能力時(shí)，它不再只是看見世界，而是成為系統(tǒng)理解世界的起點(diǎn)。

從感知連續(xù)性到行為推演：世界模型如何補(bǔ)上“下一步”的空缺

當(dāng)視覺(jué)系統(tǒng)完成從“感知輸入”到“認(rèn)知基礎(chǔ)”的轉(zhuǎn)變后，一個(gè)更核心的問(wèn)題隨之浮現(xiàn)：如果系統(tǒng)已經(jīng)能夠穩(wěn)定、連續(xù)地理解環(huán)境狀態(tài)，那么它是否具備推演環(huán)境演化的能力？

這正是世界模型登場(chǎng)的邏輯起點(diǎn)。

如果說(shuō)端到端解決的是系統(tǒng)結(jié)構(gòu)問(wèn)題，那么世界模型要解決的，則是智能駕駛長(zhǎng)期存在的“預(yù)測(cè)盲區(qū)”。

在真實(shí)道路中，許多風(fēng)險(xiǎn)并非來(lái)自目標(biāo)識(shí)別錯(cuò)誤，而是源于系統(tǒng)無(wú)法合理判斷環(huán)境的演化趨勢(shì)。例如，系統(tǒng)可以識(shí)別行人，卻難以判斷其是否即將橫穿馬路；可以識(shí)別前車，卻難以預(yù)測(cè)其是否會(huì)突然變道。這類問(wèn)題，本質(zhì)上源于對(duì)世界狀態(tài)缺乏連續(xù)、可推演的內(nèi)部表達(dá)。

傳統(tǒng)規(guī)則驅(qū)動(dòng)或模塊化的系統(tǒng)，本質(zhì)上依賴人工設(shè)計(jì)的邏輯與先驗(yàn)假設(shè)。一旦場(chǎng)景超出預(yù)設(shè)邊界，系統(tǒng)便難以應(yīng)對(duì)。而世界模型的核心是通過(guò)對(duì)真實(shí)世界的高維建模，使系統(tǒng)具備理解、預(yù)測(cè)與內(nèi)部模擬能力，從而在決策前“先在腦中跑一遍未來(lái)”。

從技術(shù)角度看，世界模型至少具備三層價(jià)值。

首先是時(shí)間連續(xù)性建模。真實(shí)世界并非離散幀的拼接，而是連續(xù)演化的系統(tǒng)。世界模型強(qiáng)調(diào)在時(shí)間維度上保持狀態(tài)一致性，使車輛能夠理解行為趨勢(shì)，而不僅理解當(dāng)前狀態(tài)。

更進(jìn)一步的是因果推理能力。世界模型不再簡(jiǎn)單回答“這是什么”，而是嘗試回答“如果我這樣做，會(huì)發(fā)生什么”。這種反事實(shí)推演能力，是復(fù)雜城市場(chǎng)景中實(shí)現(xiàn)類人決策的關(guān)鍵。

最終是可訓(xùn)練性與數(shù)據(jù)閉環(huán)。世界模型可以在云端仿真環(huán)境中訓(xùn)練，通過(guò)大規(guī)模合成數(shù)據(jù)彌補(bǔ)真實(shí)世界長(zhǎng)尾場(chǎng)景不足，再將能力蒸餾至車端執(zhí)行。這一點(diǎn)，直接影響高階輔助駕駛的工程可行性。

正因如此，世界模型不再停留在學(xué)術(shù)概念層面，而是開始成為主機(jī)廠和頭部智駕供應(yīng)商的重點(diǎn)投入方向。

Nextbase在CES 2026上發(fā)布的InSight全球街景視覺(jué)平臺(tái)，提供了一種不同于傳統(tǒng)“單車采集”的路徑。通過(guò)覆蓋數(shù)十億英里道路的行車記錄儀網(wǎng)絡(luò)，平臺(tái)能夠持續(xù)生成低延遲、匿名化、帶有精確時(shí)空標(biāo)注的真實(shí)世界影像。這些數(shù)據(jù)并非用于即時(shí)駕駛決策，而是用于構(gòu)建更接近真實(shí)道路運(yùn)行狀態(tài)的世界模型，為系統(tǒng)理解“世界如何變化”提供長(zhǎng)期、規(guī)?；臉颖?。

圖片來(lái)源： Nextbase

這種從群體視角獲取世界數(shù)據(jù)的方式，使世界模型不再局限于單一車輛的感知閉環(huán)，而開始具備更宏觀的環(huán)境理解能力。對(duì)世界模型而言，這類高保真、強(qiáng)時(shí)間關(guān)聯(lián)的數(shù)據(jù)，正是進(jìn)行行為推演和因果學(xué)習(xí)的關(guān)鍵資源。

端到端、VLA與世界模型的融合演進(jìn)

如果說(shuō)世界模型解決的是“系統(tǒng)如何理解未來(lái)”，那么一個(gè)更現(xiàn)實(shí)的問(wèn)題是——今天的量產(chǎn)體系，是建立在什么基礎(chǔ)之上？

答案已經(jīng)很清晰：端到端。

端到端自動(dòng)駕駛（End-to-End Autonomous Driving, E2E）并不只是“單一神經(jīng)網(wǎng)絡(luò)”的技術(shù)概念，而是一整套圍繞數(shù)據(jù)驅(qū)動(dòng)構(gòu)建的工程體系。它將多傳感器輸入（攝像頭、毫米波雷達(dá)、激光雷達(dá)、定位信息與車輛狀態(tài)）到駕駛輸出（軌跡規(guī)劃、轉(zhuǎn)向/加速/制動(dòng)控制）的全流程，納入統(tǒng)一訓(xùn)練框架，并通過(guò)“數(shù)據(jù)閉環(huán) + 持續(xù)訓(xùn)練迭代 + 回歸驗(yàn)證 + OTA升級(jí)交付”的機(jī)制替代傳統(tǒng)模塊化規(guī)則開發(fā)。

從產(chǎn)業(yè)實(shí)踐來(lái)看，端到端已經(jīng)成為當(dāng)前智能駕駛的“地基”。根據(jù)某行業(yè)調(diào)研數(shù)據(jù)顯示，全球端到端自動(dòng)駕駛市場(chǎng)未來(lái)幾年將保持19.0%的年復(fù)合增長(zhǎng)率（CAGR）。

這一數(shù)據(jù)背后有一個(gè)更關(guān)鍵的信號(hào)：端到端正在從“技術(shù)探索”轉(zhuǎn)向“規(guī)?；虡I(yè)體系”。

在應(yīng)用層面，乘用車量產(chǎn)搭載頁(yè)已成為核心場(chǎng)景。根據(jù)蓋世汽車研究院的數(shù)據(jù)，截至2025年11月，國(guó)內(nèi)乘用車L2及以上輔助駕駛滲透率已達(dá)64%，高速NOA滲透率29%，城市NOA也達(dá)到 8.5%。端到端架構(gòu)的加速上車，是這一進(jìn)展的重要推動(dòng)力。

也就是說(shuō)，今天絕大多數(shù)高階輔助駕駛系統(tǒng)，已經(jīng)運(yùn)行在端到端體系之上。

但問(wèn)題隨之出現(xiàn)。

端到端解決的是結(jié)構(gòu)問(wèn)題——減少模塊邊界損耗、壓縮延遲、提升泛化能力。但它并未天然解決“理解世界”的深層挑戰(zhàn)。尤其在低頻極端場(chǎng)景、復(fù)雜博弈行為和長(zhǎng)尾分布下，純端到端模型仍面臨數(shù)據(jù)稀缺與推理能力受限的問(wèn)題。

這正是VLA與世界模型開始進(jìn)入體系內(nèi)部的原因。

VLA通過(guò)引入語(yǔ)言模態(tài)，將視覺(jué)信息轉(zhuǎn)化為可推理的語(yǔ)言token，使系統(tǒng)具備一定的解釋和推演能力；而世界模型則更強(qiáng)調(diào)對(duì)物理與行為規(guī)律的整體建模，側(cè)重“理解世界如何運(yùn)轉(zhuǎn)”。從當(dāng)前趨勢(shì)看，這兩種路線并非對(duì)立，而是互補(bǔ)。

主機(jī)廠的選擇已體現(xiàn)出這一融合趨勢(shì)。蓋世汽車觀察得出，新勢(shì)力中，理想、小鵬更偏向VLA路線，蔚來(lái)則押注世界模型；傳統(tǒng)車企則多通過(guò)供應(yīng)商實(shí)現(xiàn)端到端量產(chǎn)，并同步預(yù)研世界模型能力，例如華為的WEWA世界行為模型、Momenta 的強(qiáng)化學(xué)習(xí)大模型、卓馭的世界模型端到端方案等。

這些路徑差異，并不代表技術(shù)路線分歧，而更多反映了各家在數(shù)據(jù)形態(tài)、算力布局和工程節(jié)奏上的不同選擇。

可以預(yù)見，未來(lái)高階智駕系統(tǒng)并不會(huì)在“端到端、VLA或世界模型”中三選一，而是以端到端為基底，融合語(yǔ)言推理與世界建模能力，形成統(tǒng)一的認(rèn)知系統(tǒng)。

現(xiàn)實(shí)約束與落地路徑：視覺(jué)世界模型如何“先上車”

需要明確的是，世界模型并不會(huì)以“完整形態(tài)”一步到位登上量產(chǎn)車。算力成本、數(shù)據(jù)分布偏差、功能安全與法規(guī)驗(yàn)證，仍然是必須跨越的現(xiàn)實(shí)門檻。

從算力趨勢(shì)看，隨著大模型能力上車，車端計(jì)算平臺(tái)正向500 TOPS乃至千TOPS演進(jìn)，云端算力規(guī)模也同步擴(kuò)張。這意味著，世界模型在短期內(nèi)更可能以增強(qiáng)模塊的形式存在，而非完全替代現(xiàn)有系統(tǒng)。

在落地路徑上，更可行的方式是先在云端完成世界模型訓(xùn)練與驗(yàn)證，通過(guò)仿真補(bǔ)齊長(zhǎng)尾場(chǎng)景能力，再將核心能力蒸餾至車端，用于提升預(yù)測(cè)、規(guī)劃或異常處理能力。這種“云端理解 + 車端執(zhí)行”的模式，正在成為行業(yè)共識(shí)。

從功能層級(jí)看，世界模型最先服務(wù)的并非L4，而是L2+/L3階段的安全冗余與體驗(yàn)提升。它解決的不是“自動(dòng)駕駛是否可用”，而是“在復(fù)雜、不確定環(huán)境中，自動(dòng)駕駛系統(tǒng)是否更穩(wěn)健”。

總的來(lái)看，世界模型并非一項(xiàng)孤立技術(shù)，而是視覺(jué)系統(tǒng)、端到端架構(gòu)與大模型能力共同演進(jìn)的結(jié)果。它的成熟，將決定智能駕駛能否真正跨過(guò)“規(guī)則邊界”，邁向更接近人類的決策方式。

如果說(shuō)過(guò)去十年自動(dòng)駕駛比拼側(cè)重于“看見世界”，那么接下來(lái)，競(jìng)賽的核心將是——如何讓自動(dòng)駕駛系統(tǒng)更懂這個(gè)世界。