比亞迪自研的端到端智駕模型，起步晚了，如今世界模型不能晚。

文|魯彥博

編輯|冒詩陽

汽車像素(ID:autopix)原創

為了跟上高階智能駕駛的自研進度，比亞迪嘗試越過別人踩過的坑。

我們獨家了解到，比亞迪已經成立了一個專攻世界模型的研究團隊，組織架構上歸屬于先進技術研發中心。比亞迪的世界模型研究還處于很早期的預研階段，春節假期前預計將進行一期結果的交付。但與真正的目標，距離還有很遠。

與車型等項目的開發不同，世界模型的研究是前沿技術，沒有成熟方向可參考，結果很難控制。我們了解到，比亞迪的世界模型研究保持了小團隊作戰，目的是提高效率、快速試錯。先要完成的任務是先把世界模型研究的鏈路走完整，探索研究路徑。

比亞迪的世界模型，是高階智能駕駛研發的一部分，是端到端智駕大模型研發的前置環節，目前擬定的主要用途，是為后者提供訓練數據。

端到端智駕大模型需要對各種駕駛案例進行深度學習，來優化模型的算法。簡單來說，就是讓智駕系統通過觀看人類司機的駕駛視頻，來學習開車。

但學習量非常大。現在的算法條件下，端到端智駕大模型的每一次微小進步，都需要用海量的海量的數據堆疊起來。比如華為的智駕大模型，每天需要學習近 3500 萬公里的駕駛數據。這導致了一個問題，數據不夠用。

比亞迪 2024 年賣了 427 萬輛新能源車，其中 425 萬輛都是乘用車。理論上，比亞迪可以搜集到規模領先行業的真實駕駛數據，來提供給智駕大模型的訓練。

但一位接近比亞迪智駕研發的負責人告訴我們，與整個智駕行業所面臨的問題相似，比亞迪的智駕訓練數據有兩個問題，一是雖然數量龐大，但重復性高，豐富度不夠，不能覆蓋所有可能出現的場景；二是數據質量不夠高，很多老款車型的技術受限，甚至很多此前上市的比亞迪高端車型，依然無法回傳高質量的駕駛數據。

為了解決數據問題，世界模型是智駕行業找到的最新方法，它可以讓仿真數據的質量變高。通過建立一套高度仿真的世界模型，在虛擬場景中搜集駕駛數據，尤其是搜集場景更豐富的 “coner case”，來提供給智駕大模型做訓練。

一位行業人士告訴我們，國內智能駕駛行業的公司都會參考特斯拉路徑，因此從時間點的先后來說，普遍都是先啟動的端到端智駕模型的研發，遇到數據限制后，去年開始，世界模型才逐漸成為行業未來的趨勢。

今年 1 月初的 CES（國際消費電子展）期間，英偉達發布了自己的世界模型 Cosmos，用于智能駕駛和具身智能的仿真訓練。

比亞迪真正開始自研端到端智駕大模型的時間很晚，大約比華為、小鵬等第一梯隊選手晚了 1 到 2 年。起步晚的結果是技術的暫時落后，好處是路徑更為成熟。

我們獨家了解到，比亞迪的世界模型研究項目，最早從去年 8 月開始啟動，與端到端大模型研發團隊的起步時間相當。

隨后在去年 9 月，比亞迪重新整合了與算法、大數據相關的多個部門，成立了先進技術研發中心，團隊規模超過 500 人。世界模型、端到端兩個團隊都被歸攏在了新成立的研發中心下。

與研發的挑戰一樣的是管理。比亞迪的大部分研發部門遵從工程師文化，會投入大量人力和精力攻克技術難題，結果導向、控制成本。

但先進技術研發中心所研究的都是前沿技術，類似于科研單位，與工程師所需要的管理方式有很大差異。比亞迪正在新部門探索一套更合理的管理方式，現在還在試錯、摸索之中。

本文為汽車像素（autopix）原創內容

未經授權，請勿轉載