【導讀】自特斯拉FSD V12率先將端到端大模型引入量產車以來，"規則驅動"向"數據驅動"的範式轉移已成為行業共識——動作是否流暢
、能否應對長尾場景
、決jue策ce是shi否fou擬ni人ren化hua，取qu代dai了le傳chuan統tong的de功gong能neng清qing單dan
，成cheng為wei衡heng量liang智zhi能neng駕jia駛shi體ti驗yan的de新xin標biao尺chi。在zai這zhe場chang由you方fang法fa論lun革ge新xin引yin發fa的de浪lang潮chao中zhong，蔚wei來lai經jing曆li了le從cong規gui則ze構gou建jian到dao數shu據ju驅qu動dong的de艱jian難nan轉zhuan身shen
，如ru今jin又you以yi"世界模型+閉環強化學習"的全新架構重新出發。當技術路線的迷霧逐漸散去，蔚來新版NOA能否憑借這套端到端強化學習體係
，在複雜的中國城市場景中實現真正的"擬人化"突破
，重回行業第一梯隊？

Part 1、蔚來的輔助駕駛的轉型

在中國智能駕駛的迭代中

，特斯拉提出的端到端一個拐點，在出現了這個技術變化之後
，城市NOA中擬人化變成了非常重要的評價點
，規則味比較重
，是落後的標誌。

體驗上主要是動作機械、加減速轉向不流暢
、卡頓，無法應對各種Corner case， FSD V12、V13 V14 的一路發展
，在方法論上特斯拉是一路牽引整個行業的發展。

在蔚來的第一代車型，是圍繞規則來構建的輔助駕駛，確定變道距離
、確定的加減速邏輯、確定的安全邊界。在中國複雜的城市場景複雜度下並不完善。

從規則開始，蔚來花了很多時間來切換技術路線。轉向數據驅動過程中

，用模型把規則“壓縮”進參數裏，讓係統通過學習大量真實駕駛數據
，自己學會如何變道
、擇道。

數shu據ju驅qu動dong的de問wen題ti是shi，同tong一yi個ge場chang景jing下xia，人ren類lei的de行xing為wei並bing不bu一yi致zhi。在zai道dao路lu上shang，人ren的de習xi慣guan和he交jiao通tong流liu量liang都dou會hui影ying響xiang決jue策ce，從cong結jie果guo來lai看kan，能neng看kan到dao不bu同tong的de駕jia駛shi員yuan在zai不bu同tong的de位wei置zhi換huan道dao
，模mo型xing學xue到dao的de是shi一yi種zhong“折中選擇”，為了安全往往選擇保守跟隨，或者說要真正實現“高效
、主動通行”，伴隨著不少的小事故。

為了平衡風險
，引入更強的地圖和路徑引導、采集專家駕駛數據並減少行為差異，或者加回一部分規則邏輯。這些都是中國在這段時間走過的路。

Part 2

、蔚來新版的NOA

蔚來世界模型在2026年的目標是回到行業的數一數二的位置。方法是對智能輔助駕駛全研發迭代方法進行調整，引入世界模型 + 閉環強化學習的模式。

這也是以端到端係統為基礎
，核心分為三步：

基礎行為習得：通過學習海量人類駕駛行為，讓模型形成駕駛答題本，標記各類場景下的行為概率
，習得駕駛基本肌肉記憶


；

環境深度理解：moxingcongdangqianshikechufa，yucezishenxiayibuduozhongdongzuo
，bingtuiyanbutongdongzuoduizhouweihuanjingdeyingxiang
，jihuanjingbianhuaduizishenxingweidefanzuoyong
，shixianchangdashufenzhongdechangshixusikao，zheshihexinyunxingjizhi；

閉環強化校準：在虛擬「駕駛考場」中
，通過數上億輪專業場景訓練和評估反饋，讓模型精準理解「好行為與差行為的區別」，基於駕駛常識和人類經驗校準行為「答題本」，這一過程即為閉環強化學習。

這zhe裏li要yao回hui答da幾ji個ge關guan鍵jian問wen題ti，強qiang化hua學xue習xi到dao底di解jie決jue了le什shen麼me問wen題ti？這zhe是shi給gei結jie果guo打da分fen
，讓rang模mo型xing自zi己ji學xue，模mo型xing輸shu出chu行xing為wei後hou，係xi統tong會hui根gen據ju結jie果guo給gei予yu正zheng向xiang或huo負fu向xiang反fan饋kui
，讓rang模mo型xing在zai反fan複fu嚐chang試shi中zhong學xue會hui什shen麼me是shi“更優解”，過程本身就是一種自我校正。

在實際訓練中

，通過獎勵評估機製直接給行為打分

；利用真實人類行為反饋，反推出獎勵信號， 模型在其中會經曆自監督學習，逐步形成穩定的決策偏好。

舉例來說先構建一個仿真環境，在其中設定一條“目標線”
，車輛如果順利完成左轉並線
，就得到獎勵
；完成得越快、越平順
，獎勵越高。

在此基礎上，隻保留少量必要的約束，比如壓實線會被扣分，但不再寫複雜規則。在哪個位置變道
、如何跨越三條車道、怎樣兼顧效率與安全，全部交給模型在仿真環境中自行探索。

在這樣的基礎上不需要為每一個特殊路口單獨采集數據。隻要仿真環境中構建出“相似結構”的場景
，模型就能遷移能力
，避免了為成百上千個複雜路口重複采數據的低效過程。目標簡單、約束少，讓模型自己找路徑。

規則一旦極簡，反而更穩定
、更通用。

Part 3、實際的體驗

在我們的實際體驗中，換道策略、導航選道，在道路中的刹車控製都有很大的改善。

偏航和複雜路口，是需要“提前判斷”的場景，NOA的係統在快到路口才反應一般感受會很差或者就錯了（要麼壓實線要麼錯了），需要在更早的階段就意識到，模型會提前接收到“未來懲罰”，從而主動調整決策。

實際上，在擬人化抉擇上，比如判斷安心感充足時果斷切入，不魯莽擠壓旁車；目標車道擁堵時，緩慢前行並持續尋找變道空隙
；通過蠕行尋找通行空隙，這些行為都是挺大的改善。

結論

蔚來的探索揭示了一個核心趨勢：智能駕駛的下半場競爭
，本質上是"學習效率"與"泛化能力"的較量。世界模型賦予係統長時序推演能力，讓車輛能夠"預見"而非"反應"；閉環強化學習則通過虛擬考場中的億級輪次訓練
，使模型在極少規則約束下自主尋優
，實現從"學會開車"到"開好車"的躍遷。實際體驗中換道策略的果斷、複雜路口的提前預判、擁堵場景下的蠕行尋隙

，都是這一技術路線落地的直觀印證。