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 L3\L4，也不会一直停留在“汽车”这具躯体上。
