芯耀
与非AI
395
作者 | 本一 编辑 | 德新
2023年的一天，陶吉走进了长安汽车W1大楼。在结束了百度的12年和上一站创业后，这家总部位于重庆的自主品牌车企是他的下一站。
在自动驾驶圈子里，陶吉是一个不需要太多介绍的名字。2016年轰动一时的乌镇无人车队，就是他在一线带队。行业里有段时间有这样一个说法，「外界追逐自动驾驶大牛，大牛们都在谈论陶吉的去向。」
上段创业结束后，陶吉本打算投身具身智能创业，甚至已经拿到了投资意向。同时期有几家车企伸出橄榄枝，长安最终打动了他。长安有非常务实的气质，在与长安高层交流时，有几句话让陶吉印象深刻，「先做自动驾驶，以后做机器人，我一定支持你。」
躬身入局先做量产，这个态度后来成了陶吉在长安做研发决策的核心考量。
三年后，由陶吉带队自研的端到端辅助驾驶系统量产。启源Q06开启预售后2小时订单破了1.1万辆，这个车型搭载了天枢领航Ultra和天枢领航Pro，分别采用地平线J6P和J6M计算平台，软件算法都是搭配的长安自研的一段式端到端。
大约一年半之前，HiEV曾经体验过当时长安自研的高速NOA方案；而这次Q06预售发布后，我们在重庆也体验了天枢领航Ultra版的城市NOA，主观感受刷新认识。尽管当天试驾的模型版本偏保守，但明显感受安全边界很强，系统上限很高。
如果撇开新势力的3家，甚至可以说这是目前自主品牌车企中做得最好的自研方案。
过去几年，国内喊出「自研」口号的车企众多，但交出答卷的实际并不多。「（今天）行业里真正量产了一段式端到端的车企和供应商，不到一只手的数量。」陶吉说。
在重庆闷头研发三年之后，长安在掌握智能化的核心科技方面迈出了关键一步。
别人退出，长安悄悄赶上
长安其实并不缺接触成熟智驾方案的机会。
回头看，长安对智能化的探索可以梳理成四个阶段。2016到2020年是萌芽期，靠内部自研探索与外部协作方式起步，深蓝的智驾模块由地平线和大陆合资公司提供。2021年到2023年上半年，内部组织了多线并行，探索智驾的前沿研发。在一段时间内，最受外界关注的是随阿维塔创立，华为带来了全栈的智舱智驾方案，包括带激光雷达的城市NOA。
阿维塔和华为的合作，对长安的意义非凡。通过这项合作，也让长安看到高阶智驾落地的全链条，比如底层电子电气架构、AI体系化能力以及需要什么量级人才和战略资源。
长安汽车从上海洋炮局起步有一百多年的历史，从上海搬迁南京再到重庆，从军转民再从微车进入乘用车，历史烙印塑造了长安是一家危机意识极强的车企，掌握自己的命运与核心科技几乎刻入骨髓。所以2023年之后，随着产业技术与时机成熟，长安的智驾自研再次提速。
陶吉在接受媒体采访拿OTA举例谈到自研的好处，供应商需要服务多家车企，OTA得配合大版本节奏，如果选自研，长安就可以按用户反馈更快改进。他的思考还延伸到了智驾之外，未来座舱、底盘和驾驶辅助需要更紧密地协同，多种数据可能在训练阶段就要放到一起。
主机厂要参与产品定义，就得先掌握处理数据、训练模型和验证结果的能力。长安管理层的态度也很明确。董事长朱华荣把百亿级投入定性为「长安历史上规模最大的战略投资项目之一」。执行副总裁杨大勇更是直接，「长安品牌车型会搭载、且仅搭载长安自研天枢领航。」
自研不是备选，是唯一选项。
2023年下半年，长安正式切换到自研体系建设。过去的十余年里，长安在智能化方向（含智驾、智能座舱等）的累计投入超过600亿元，相关研发团队超过7500人。端到端项目，后来拿到了高层审批的百亿元规模的专项预算。
在许多交流中，他回顾从百度无人车到创业的经历，提到商业化没有完全落地时，难掩缺憾。到了长安，他有机会把技术做成真正有人购买、有人使用的产品。
自研端到端，「先盖厨房再做菜」
陶吉刚到长安时，当时做智驾的团队大概有数百人，但做数据基建和开发工具的只有三十来人，连自研BEV感知方案也还没有。
长安过去智驾研发的积累更多在规划、控制和工程交付。车辆怎样执行指令，工程师有经验；怎样持续生产训练数据，让模型学会开车，需要另一套组织逻辑。
陶吉没有急着推进算法研发，他推行了一个叫「AI 基石计划」的项目，为了让项目看起来更吸引人，甚至起了一个英文名字。然后把校招新人优先投入基建工作，数据闭环、训练平台、仿真系统一样一样搭建。
在行业普遍急着跑出demo的氛围里，花一整年做这些看不见直接产出的事需要定力。他给内部打气，用的比喻是「基建是厨房，算法是菜，没有好厨房，再好的厨师也做不出菜。」
陶吉入职后还推了一件事，建横评体系。场景分成四类，用老司机的标准做基准对照，所有模型版本都得过这一关。我们可以从几组数字一窥这个「厨房」的规模。
500 PB存储容量，100万小时数据总池，300多组模型并行训练，100多组新模型同时迭代。4DGS场景重建用于仿真，15000多个核心场景构成测试库，每天做模型打榜。在重庆垫江县，长安还建了全球首个数实融合无人化测试场。
陶吉对这个基建「厨房」自认为是满意的，「已经在行业第一梯队。」
目前，行业内基于一段式端到端架构的智驾系统在性能增长上逐渐进入平台期，这也是为什么当前有众多关于VLA、WAM等新路线争议的根本原因。但长安研发团队告诉我们，目前内部评估基于他们设计的架构以及数据闭环，仍有非常陡峭的增长曲线。
除了数据体系，人才组织是自研智驾的核心。
陶吉把人才组织概括为1比4比N，一名能判断方向的负责人，配几名有实操经验的骨干，再带动执行团队。百度系、华为系、互联网出身和传统车企背景的人合在一起，前期有文化碰撞，磨合之后变成互补。
启源Q06预售发布会之后的小范围媒体沟通上，陶吉拉来的几位智驾研发leader来自不同的背景。
数据平台与工具链的负责人是老长安人，在长安工作了16年；端到端算法负责人来自百度视觉大模型团队；智驾产品负责人，有蔚来和理想等新势力的经历。以数据平台团队为例，虽然负责人是老长安人，但直接向她直接汇报的核心负责人都来自外部，以补齐数据平台、仿真和云端模型等能力。
组织初步成型后，团队先用感知大模型加手写规控的方法做高速NOA，一边补工具链。到2024年下半年，基建差不多搞了一年，「厨房」基本就位的时候，陶吉认为继续沿用旧方法开发城区NOA已经不合适，开始推端到端项目。
选一段式，不走捷径
端到端有两种做法。两段式把感知和规控分开训练再拼接，工程上好调试。一段式从传感器输入到驾驶行为输出一个模型打通，更难炼但上限更高。
长安两条路线都跑过，用三四个月并行实验。两段式需要补充城区感知数据和高精度标注，长安此前在高速上的储备不够。一段式减少了中间处理环节，但对仿真和验证的要求更高。两边都有大量工作要补。
到2025年一季度末，团队决定全力做一段式。陶吉的原话是，「做到 70分有理论可参考，做到足够好真是靠实验科学。」没有捷径，只有一版版试。
训练的流程通路pipeline是一个漏斗。预训练、有监督微调、强化学习、兜底干预，问题逐层收敛。团队内部把这套方法论归纳成两个词，「概率智能+确定性交付」。AI模型的表现天然是有概率的，汽车行业却要求确定性的安全标准。这两件事之间的拉扯，贯穿量产智驾的全过程。
这套方法论服务于同一件具体的工作，车在路上出了问题，下一版怎么改。测试人员回传问题片段，云端分析场景、打标签，再从已有数据中找出相似情况下的优质驾驶样本。我们会先对数据进行筛选和配比，再用不同数据组合训练不同模型；随后借助4DGS等技术重建场景，通过闭环仿真做对比，从而筛选模型。早期最大的挑战是横向位移：当时基本只能做纵向运动、横向不动的场景。现在这个问题已逐步被克服，横向大变化的场景也能用于闭环仿真，因此我们已经在模型筛选上实现规模化使用。
但数据本身也会带来问题。陶吉在之前的采访中提到过，要求采集司机严格守规则，收回的数据可能偏慢；换用网约车数据，效率上来了，又要清除压线、乱变道甚至无故停车的片段。模型会学到哪些行为，取决于团队给它什么数据。长安智驾算法的负责人认为核心是要有强大的模型评估机制——如果没有完善的模型筛选，团队觉得好的版本，到了用户手里可能并不会受到认可。
大规模路测阶段，陶吉介绍，有590名志愿者分布在45个城市，累计跑了超过100万公里实路测试，每天开战区日会对齐问题和迭代节奏。模型每天打榜，每一版都要过横评体系那道关。
陶吉把这段日子形容叫「边开车边换轮子」。团队一边维护着已经在跑的量产系统，一边把端到端架构往上叠。
2025年10月，团队看到了一段式端到端研发的关键成果，判断有机会赶上次年启源Q06的量产节奏。到2026年3月，才基本确认版本可以匹配车型上市的节点。
但时间到，不等于版本自然放行。陶吉列出了几类要求，包括横评得分、接管相关统计指标和质量缺陷。其中一条是汽车工程师熟悉的要求，S类问题清零。
这条要求让两支团队吵了起来。算法团队认为统计指标已经改善，出问题的比例下降了，可以发版。质量团队不同意，还有严重、不可接受的问题没有解决。算法团队的理由是，AI系统存在不确定性，不能要求所有问题归零。质量团队关心的是，一次问题落到具体用户身上，就是一次完整的失败体验。
后来双方冷静下来，重新看质量团队指出的具体问题，发现有些并非极端突发情况，人类驾驶员也不觉得难。既然如此，就很难只以平均指标改善为由，把这些问题留给用户。质量团队也调整了计数方法，引入单位里程等统计口径，因为持续测试会持续发现新问题，缺陷总数可能越积越高，不能只盯着累计数量判断软件是否进步。
陶吉团队提到，今年一定会冲到第一梯队。产品一切以安全第一。有媒体的试驾实测体验如此，比如在山路遇到前方自行车时，测试车辆减速跟随，没有越过实线绕行，要换取安全余量。
「我不是容易被诱惑的人」
行业里这两年最热的两个概念，VLA和世界模型，陶吉对它们的看法都很冷静。
手里的方案会不会刚做出来就过时？陶吉的判断标准，是看「新技术解决了什么问题」。
陶吉表示长安内部有小团队在进行VLA技术路线的测试，结论是绕障时机、选道和动态交互表现出潜力，但横纵向控制的稳定性、速度合理性与模仿学习方案有差距。陶吉的态度是，VLA没有被证明能全面超越端到端之前，不会押注切换。
「我不是一个容易被诱惑的人。」陶吉说。他也强调，天枢领航已经展示的语音变道和记忆偏好，是通过视觉语言模型与智驾系统打通实现的交互能力，和驾驶模型本身的技术路线要分开看。
坦白说，今天的算法测试方法还是比较原始，以开环仿真为主，再加实车测试。不过启源Q06发布会上，陶吉已经展示了场景重建和泛化测试的新进展，仿真正在帮助筛选模型。
他的判断和主流讨论方向不同。在陶吉看来，当前自动驾驶AI最缺的是「心智模型」。
无论端到端还是VLA，当前AI都缺少理解其他交通参与者意图的能力。人类驾驶员能从另一辆车的微小动作判断它要变道还是在犹豫，前面的外卖车是要靠边停还是继续走。这种读心能力是灵长类智能的核心，也是当前AI进化链条中缺失的一环。陶吉认为，解决这个问题的优先级高于追逐VLA或世界模型。
陶吉把未来的技术图景归纳为「行动AI」，世界模型、本体模型（车辆自身的物理模型）和心智模型三者协同进化。更远的方向是受控RSI（递归自我改进），让模型在沙盒化的云端环境中自主迭代，人类只设定边界条件。
对当前的一段式模型，陶吉认为「仍然看得到提升空间」。当前训练数据约为 2000万段驾驶片段，对应16万小时，已经清洗和打标的数据总量约100万小时。韩钧宇也指出，全国泛化中发现的一些犹豫和体验问题，仍能通过针对性的数据处理改善。
不过在主机厂做量产，陶吉有着和以往工程落地经验不同的困扰。
他在之前的采访中提到过，团队想把高阶智驾做到最好，做完发现平台太贵，车型不愿意搭。长安的产品价格跨度大，研发投入最终要靠实际搭载分摊。因此他现阶段更看重模型跨芯片裁剪、量化和部署的能力。
目前天枢领航Ultra搭载的是地平线的征程6P芯片，单颗算力560 TOPS，算法和整车集成由长安自己完成。通过统一算子库、WBE 自研推理框架和模型裁剪量化工具链，同一套算法可以部署到J6M、J6P、Thor等不同平台上，不会被单一供应商锁定。
「我们有很多招都还没上去。」陶吉在和媒体交流中说道。
目前用于端到端训练的数据（2000万clips、约16万小时）只占清洗后可用数据的六分之一。
长安今年3月已拿到L4Robotaxi 测试牌照，这条线和量产智驾之间正在形成数据上的相互喂养。
长安现在的做法是在集团层面搭一套通用架构，算力和传感器根据品牌车型定位灵活插拔。启源在15万元以下市场已实现稳定盈利，Q06上市后，启源品牌的月均销量有机会达到6万辆左右，全年总销量40万辆左右。这意味着Q06需要贡献每月约1.5万辆，且要打通长安此前从未跑通的15万元至20万元价格带。
长安汽车副总裁、长安科技总裁贺刚对行业终局的预判是，智驾行业或在2028年左右完成洗牌，最终可能只剩五六家方案商。天枢领航的容错窗口并非无限。
接下来，长安需要用用户选择的不同配置、持续迭代的版本，来证明这套自研体系能够长期运转。这些没打出去的牌，会是接下来的关键变量。
