贾浩楠 发自 凹非寺

量子位 | 公众号 QbitAI

" 我自己就是 ET7 车主，四年多了还能用上最好的软件 " ——

说这话的人是任少卿，"21 世纪被引次数最多的 AI 论文 "（Nature 统计结果）ResNet 核心作者，也是现在蔚来汽车的智能驾驶研发的掌舵人。

他的座驾是 2022 年交付的首代蔚来 ET7。

同他一样，几天前超 70 万蔚来和乐道车主用户都收到了最新版世界模型的推送更新。

巧的是，几乎同一时间马斯克在做相同的事：给最早 7 年前的 HW3 硬件车主更新 FSD V14 Lite（蒸馏版）。

但不同的是，任少卿面临的挑战更加复杂：

两个品牌、四个平台、2 种芯片方案、4 种传感器硬件配置、十几款不同车型……

一套代码、一个模型、一次推送，覆盖了全部。

而且，没有 "Lite"。

蔚来的 " 通吃 " 型 OTA

超 70 万辆车，蔚来和乐道两个品牌，四个平台—— Banyan、Cedar、Cedar S、Coconut+ ——最早能追溯到 2022 年 3 月交付的第一批 ET7。

芯片有两套：英伟达 Orin-X 和蔚来自研神玑 NX9031。

传感器也不一样—— NT2 的 3D 毫米波雷达，NT3 的 4D 毫米波雷达；NT2 的 SiPM 激光雷达，Coconut+ 的 SPAD 激光雷达；摄像头 ISP 因芯片不同也有差异。

行业常规做法是：新芯片配新算法，老硬件要么 " 降级 " 要么停更。就比如特斯拉 HW3 车主等了一年多终于等到 V14，只不过后面跟了个 "Lite" ——知识蒸馏压缩出来的小模型。

蔚来的版本号后面什么都没有。

不管你的车是四年前买的还是昨天提的，不管上面是 Orin 还是神玑—— OTA 收到的模型代码一样。

斌哥的诚意没得说，但真正让人在意的，是技术上可行吗？

特斯拉能做到的也只是蒸馏出一个规模只有完整版 FSD V14 15% 左右的小模型，这使得 Lite 版本的 FSD V14，在某些场景，尤其是不规则路口、恶劣天气条件下，能力有明显短板。

任少卿的解释是：" 不同的摄像头用同一个网络处理，靠神经网络把性能拉平。激光雷达和毫米波雷达是热插拔接口，有就输入，没有也能跑。"

但车企层面，模型不同，需要的 Corner case 也不同；车企内部，不同传感器方案，不同车型，数据可能也不尽相同。

一般来说，各自的数据只能在各自的技术方案里产生价值。

但任少卿给出了反常识的认知：

" 数据不是零成本拷贝的文件。真正有价值的数据，是针对某一个模型的 Corner case。要找到它，必须让模型在场景里跑起来 " ——

蔚来 "70 万辆车 " 的真正意义，不仅是销量数字——是蔚来能调度这 70 万辆车的闲置算力做验证、做筛选。

每周主动安全验证里程超 4000 万公里，整体超 1 亿公里，相当于 1000 辆测试车跑一整年……

而为了做到这一点，蔚来自研搭建的整套 AI 技术体系，远比传统认知的 " 影子模式 " 更为复杂。

怎么做到的？

2021 年 1 月 9 日在 NIO Day 2020 上第一次亮相的 ET7，其实已经完整体现了蔚来智能技术布局，只不过当时不被行业和用户理解。

比如 800 万像素摄像头，比如高线束激光雷达，以及四颗 Orin ——超 1000TOPS 算力。

内部有人觉得 " 用不了那么多 "、" 太贵了 "，外部有人批评是 " 过度配置 "。

四年后回头看，2022 年的 ET7 能跑 2026 年的模型，恰恰是因为当年的 " 过度 "。

这可能是巧合，或者是任少卿和他的团队在技术路线未收敛的情况下，一次大胆的 " 投石问路 "。

但蔚来在后面数年内一步步落地交付的产品、方案，似乎不支持 " 巧合 "" 押注 " 的猜测。

紧接着首款 ET7 交付，2022 年蔚来在做的还有自主设计芯片神玑 NX9031。

当时行业主流还是 CNN，Transformer 架构还没等到 2023 年一战成名的 ChatGPT Moment。

但蔚来的芯片团队和 AD 团队在反复讨论：下一代神经网络会不会变成纯 Transformer？

如果是的话，那么相比堆计算单元，内存带宽反而会是新范式最大的瓶颈。

因为 CNN 与 Transformer 计算存在本质差异。

CNN 的核心操作是卷积，同一组权重在输入特征图上滑动复用，数据一旦被加载到片上缓存就能完成大量乘加运算，复用率高、算术强度大，对带宽的依赖相对温和。

Transformer 的灵魂是自注意力机制，每个 token 需要与序列中所有其他 token 计算相关性，这种全局依赖导致了大矩阵乘法和动态生成的 KV Cache：

自回归推理每解码一步都要把不断膨胀的 KV Cache 从内存中完整搬运一遍，数据复用率低、搬运次数多。

CNN 芯片可能在算力上很好看，但它的设计假设是数据能被喂饱；但当 Transformer 来了，再高的 TOPS 也会被内存墙卡住——算得动但喂不进来。

最终，蔚来在 ChatGPT 震惊世界之前，选择了 Transformer 作为芯片设计的主要驱动导向，做出了 546GB/s 的内存带宽，行业最高。即使今年量产的几款最新芯片，内存带宽也只有蔚来的一半。一块神玑芯片，就能产生与四块 Orin 类似的性能。

与其说是造 " 算力更大的芯片 "，更准确的说法是造 " 能让大模型跑起来的芯片 "。

软件层面的布局，甚至能追溯到更早的 2020 年。

当时蔚来刚搭全栈自研团队，做的决定依然不被行业理解：

英伟达的软件只用到 CUDA 层，之上的部署框架、推理引擎、AI 编译器全部自研。

就比如，蔚来自研的 AI 编译器，实现自动算子优化和图优化，大部分算子自动生成，多层之间自动融合。

效果很直接：模型部署从 1-2 周压缩到 1-2 天，推理效率比通用工具链提升 20% 以上。

而传统做法是，神经网络每一层算子都需要工程师手写优化。算法工程师改个模型，工程团队就得跟着改部署代码。

直白说，类似编译器、工具链，是算法和芯片之间的 " 翻译 "，如果翻译是由他人提供的，可能很难把算力、算法匹配到极致。

任少卿透露坚持自研工具链的原因很简单：2020 年当时已经决定要自研芯片，所以必须从一开始就兼容 Orin 和蔚来的自研芯片。

2026 年蔚来给老车主 OTA 最新世界模型，这件事的逻辑很清晰：

先判断智驾能力的上限会持续拉升，于是把硬件一步到位；

为了让下一代硬件能跟现有硬件共享同一套软件体系，提前自研工具链；

有了自己的工具链，才能让自研芯片按照自己对算法范式的判断去设计，而不是被供应商的既有方案牵着走。

不是三次独立的押注赌博，更不是 " 无心插柳 "，而是每一步都在为下一步铺路—— " 看见十步、落子三步 "。

这个闭环中，所有工具类的 " 生产资料 " 到这一步都已经就绪，差最后的关键 " 原料 "：数据。

AI 有个经典曲线：性能提升 3 个点，往往数据翻 10 倍。

但对于与真实世界交互的 AI 司机来说，有效数据远比大语言模型稀缺：测试会越来越难跑——中早期 corner case 会大量反馈并被解决，但后期越是极端致命的案例，越罕见，最后 1% 的问题，往往要付出巨大成本。

蔚来的解法叫 " 群体智能 "：新版本通过云端下发到量产车的闲置算力，在用户无感的情况下完成验证，NT2 和 NT3 的车进同一个验证池。

蔚来的群体智能当然也是 " 影子模式 " 的一种落地方法，但有效数据必须用车端的真实模型去跑、去筛、去扰动才能产生。

蔚来从 2020 年开始搭建的就是这个体系——车端算力调度加云端验证下发，加 Corner case 自动回收。

六年没改过底层逻辑。

这套体系的效果正在显现：如今蔚来用户保险出险赔付相比 2023 年降低 40%，人驾平均安全里程达 679 万公里，重大事故率随车量增长反而下降。

蔚来没有在技术上 " 追赶 " 过任何人

今年开始，蔚来除了经营业绩上不断给外界惊喜，也越来越多展现技术实力，只不过常被解读为 " 终于追赶上来了 "。

但从这次 OTA 背后的透露出的蔚来技术体系来看，其实这几年中，蔚来从来没追赶、模仿过任何玩家，自然也没有什么转轨、挣扎、沉没成本。

多平台同步升级不是 2026 年才解决的，是 6 年前 "AI 基建马拉松 " 的自然抵达。

即使这个过程的开局，是 2019 年蔚来岌岌可危命悬一线，期间还经历了 2021 年从巅峰陡然坠落…… .

但李斌丝毫没让这些经营层面的麻烦，影响技术团队的探索，让蔚来成为广义 AI 领域中，第一个看清世界模型价值，并且最早在终端落地的玩家：

除了前瞻，现在蔚来作为 " 先驱 " 又有了新的认知：

明确区分了 " 表层算法 "（如端到端、VLA）和 " 底层工程 "，而真正的护城河并不在于今年用了什么模型，最大程度避免模型范式 " 一代版本一代神 " 的困境。

直白地说，蔚来走过的路，其他玩家都免不了要再走一遍。

换电体系投入了八年，自研芯片投入了六年，AI 工具链也投入了六年。这些决策都是前期投入重、回报周期长、过程中一直被质疑。

但 2026 年的结果开始说话——销量在涨，毛利在好转，四年前的车还在同步更新。

换电网络是物理基础设施，工具链、芯片是 AI 基础设施，底层逻辑相同：

对蔚来自己，用户权益、归属感这件事，现在有了新高度：技术即服务、AI 即服务；

建成之后，别人很难复制。

" 技术即服务，服务即技术 " 看似是抽象理念，放到智能车迭代迅猛的当下却格外有分量——当技术更新快到让人眼花缭乱时，能靠技术守住对用户的承诺，用稳定体验筑牢信任，才是真本事。

这种信任会像飞轮一样转起来：技术扎实赢得用户认可，用户信任反过来助推销量和产品迭代，销量上去了又能反哺技术研发，形成越滚越强的正向循环。

这时候，技术就不只是冰冷的参数，而成了串联用户与品牌的纽带，这种由信任驱动的规模化增长，才是最稳当的飞轮动力。

现在的蔚来，有世界上规模最大的 " 物理世界数据采集网络 " 之一。

有 " 让模型在物理世界里持续进化 " 的工程能力。

有正在打通的 " 虚拟 " 和 " 物理 " 闭环。

不需要太久，智能汽车的竞争会变成 " 谁的模型能更快地从物理世界里学习、更聪明地理解世界、更安全地应对未知。"

蔚来在走的这条路，不只是让 2022 年的车跑 2026 年的模型，他们在搭建一个能持续从物理世界学习的智能系统。

这个系统的终点，不是 L3L4，也不会一直停留在 " 汽车 " 这具躯体上。