【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：模mo型xing從cong當dang前qian時shi刻ke出chu發fa

，預yu測ce自zi身shen下xia一yi步bu多duo種zhong動dong作zuo
，並bing推tui演yan不bu同tong動dong作zuo對dui周zhou圍wei環huan境jing的de影ying響xiang
，及ji環huan境jing變bian化hua對dui自zi身shen行xing為wei的de反fan作zuo用yong，實shi現xian長chang達da數shu分fen鍾zhong的de長chang時shi序xu思si考kao
，這zhe是shi核he心xin運yun行xing機ji製zhi
；

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。

zheliyaohuidajigeguanjianwenti，qianghuaxuexidaodijiejueleshenmewenti
？zheshigeijieguodafen
，rangmoxingzijixue，moxingshuchuxingweihou，xitonghuigenjujieguogeiyuzhengxianghuofuxiangfankui，rangmoxingzaifanfuchangshizhongxuehuishenmeshi“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。