蔚来汽车组建大模型团队背后

先看一个重要信号：蔚来智驾研发部近期完成了一次意味深长的架构调整，核心就是

。要知道，过去很长时间里，蔚来的智能驾驶研发部分别设有感知、规控和集成等独立部门。这次调整释放出的信号很明确——蔚来打算把筹码押在端到端大模型这条路径上，用一套完整的神经网络去打通高阶智能驾驶。

蔚来智驾研发副总裁任少卿对此的解读很直白：蔚来不再把智能驾驶拆成感知、决策、规控这些割裂的阶段，而是将其整合为一个端到端系统。从外部环境的感知，到最终输出给油门、刹车等部件的控制指令，全流程都由深度神经网络一气呵成。换句话说，这个系统要学的是“从看懂路到踩下刹车”的完整能力，而不是分模块各自为战。

把视野拉宽一点，AI大模型在汽车行业的渗透早已不止步于某个环节。从研发、生产、销售到用户的日常使用，尤其是智能驾驶和智能座舱这两个核心场景，大模型正在全面“上车”。

国内这股浪潮中，蔚来并非孤例。各家车企都在加速把大模型技术应用到智能驾驶领域，动作一个比一个快。

比如，2023年4月，长城汽车旗下的毫末智行率先发布了全球首个自动驾驶生成式大模型

。它的独特之处在于引入真实的人类驾驶接管数据，建立了RLHF（人类反馈强化学习）机制，目标是让自动驾驶的决策逻辑更贴近真人驾驶习惯，从而提升安全性和可靠性。

今年1月，

。这套模型以星睿智算中心为算力底座，把自研的基础大模型与吉利自身的研发体系、造车全链路场景数据做了深度融合。在智能驾驶方面，它整合了多模态、语音和数字孪生三款基础模型，构建起从智能交互到智能驾驶的完整技术体系。

到了今年5月，

，具体包括神经网络XNet、规控大模型XPlanner和大语言模型XBrain。这套组合通过聚合动态XNet、静态XNet以及行业首个量产的纯视觉2K占用网络，大幅提升了深度视觉感知能力，在感知、定位、规划和控制层面都实现了端到端的一体化处理。

那么，端到端大模型到底是什么？它在智能驾驶领域为什么被如此看重？

简单来说，端到端大模型在自动驾驶中的工作方式，是把摄像头图像、激光雷达等多种传感器的数据汇入一个统一的神经网络，由这个网络同时完成感知、理解、规划和控制。相比传统自动驾驶那种复杂的模块化架构，这种方法简化了流程，决策更连贯，延迟更低，系统整体的鲁棒性也更强。

更重要的是，

。因为它不再需要针对每一个功能模块单独优化，训练和调试的周期被大大缩短，产品推向市场的速度自然更快。同时，减少了中间环节的优化和集成成本，研发和生产的总成本也能得到有效控制。

但硬币总有另一面。大模型的训练和运行对算力的需求是极其恐怖的。自动驾驶领域的模型往往拥有数亿乃至数十亿的参数，训练和运行这些模型对GPU、TPU等加速硬件的依赖程度极高。尤其是在车载环境下，模型必须在极短时间内完成计算，这对算力和算法优化都提出了极高要求。

于是，

。

智算中心整合了大规模的计算、存储和网络资源，为大模型提供稳定、高性能的计算底座。同时，集中处理数据也便于清洗、标注、管理和隐私保护，还能减少数据传输带来的安全风险。更重要的是，智算中心为模型的快速迭代、测试和优化提供了平台，进一步缩短了产品上市周期。

几个例子就能说明问题。

的云端总算力达到81亿亿次每秒，通信网络传输速度800GB每秒，存储带宽4.5TB每秒，为自动驾驶模型训练和智能驾驶系统开发提供了强大的算力支撑。

毫末智行与火山引擎合作建设的

，目标明确——加速自动驾驶技术迭代，尤其是针对城市复杂环境的优化。

小鹏汽车在乌兰察布建成的

，通过与阿里云合作，不仅提升了模型训练速度，还能处理更复杂的数据集，加快了自动驾驶功能的商业化进程。

蔚来的

则不止处理自动驾驶数据，还支持车辆远程升级、数据分析、故障预测等功能，增强了整体的智能网联服务能力。

此外，还有比亚迪的“云辇”智算中心、理想汽车智算中心等，各家都在加速布局。

建立自己的智算中心，对车企来说意味着掌握了AI技术栈的主动权。减少对外部供应商的依赖，不仅降低了技术风险和成本，还能更灵活地应对市场需求和技术变化。更深远的影响在于，这会促使汽车制造商与芯片厂商、软件开发商、云计算服务商等上下游企业形成更紧密的合作关系，推动整个智能汽车产业生态走向成熟。

随着智能网联汽车的发展，拥有自主大模型和智算中心的车企，已经在技术层面建立了明显的先发优势。这也预示着，智能汽车行业正在从单一的产品制造，加速向综合解决方案提供商转型。