芯耀
与非AI
87
作者 | 本一，编辑 | 德新
朱江明在技术日上说，2026 年 3 月 9 日，零跑跑通了世界模型智驾的 demo 版本。
17 天后，A10 上市，零跑在对外材料里使用了「World Model ADAS」这个说法，并且强调这套架构不需要极端算力。
又过了五个月，8 月 19 日，一篇题为 DA-WAM: Decision-Aligned Future Latents for Driving World Models 的论文上传 arXiv，署名单位里出现 Leapmotor。这是零跑第一篇智驾世界模型相关的论文。
9 月 16 日晚上，零跑 2026 技术日，LWM 零跑世界模型正式发布。
我们 8 月拆解过华为、理想、小鹏、小米的七篇智驾相关的论文，得出的结论是各家虽然在学术路径选择上各有侧重，但谁都没有真正否定「预测未来」这件事，也就是说，把预测式世界模型整合进自动驾驶，已经成为行业共识。
零跑也不例外。
借着 2026 技术日的契机，我们希望从学术和量产的角度，一起看看零跑的世界模型到底做了什么技术选择，这些选择的代价是什么，以及它承诺的那个「10 万内就可拥有的」世界模型智驾系统，现在走到了哪一步。
内部「田忌赛马」，4.0 胜出
零跑内部给这套世界模型驱动的智驾系统命名为「智驾 4.0」。
2025 年 10 月，零跑内部三条路线同时开跑。2.0 是已经量产的两段式端到端，发布会 PPT 上把它叫作 CNAP 2.0。3.0 则沿用两段式架构，加大模型比重、弱化规则。4.0 更激进，一段式端到端的世界模型，直接输入图像，辅以少量规则输出决策。
3.0 和 4.0 各由一支 20 多人的队伍推进。零跑高级副总裁周洪涛形容，那是零跑少有的迷茫期，两个方向在一次次讨论中难以取舍。
4.0 的第一行代码始于 2025 年末。今年 3 月，两套算法做 PK 测试，零跑请了第三方机构和群体来打分，分主客观两个维度。结果是 3.0 上车后体验优于 2.0，但仍然不敌 4.0。
周洪涛给出的关键指标是综合接管率，4.0 只有头部车企的三分之一。这个指标包含效率接管和安全接管两种情况，前者包含智驾绕不开前车这种情况，后者是比如存在碰撞或闯红灯风险。
这次测试之后，3.0 被停掉，内部资源集中到 4.0。周洪涛回顾这段经历时说，那些做得不够好的决策，就像智驾 3.0 一样，也及时停掉了。他对两段式端到端的批评很直白。「就像团建时做的传话游戏，后面的人接收到的信息会损失很多，需要多次确认，这个过程加大了延时。」
支撑这场内部「田忌赛马」举措的是一次大的组织重整。
2024 年零跑把相关部门整合成智能技术研究院，由周洪涛统筹，人员接近 700 人，算力资源增长两倍，训练服务器接近 600 台。目前零跑智驾团队的规模已经在 800 人以上。
同一年，零跑的产品技术战略委员会定下目标，2026 年要跻身智驾第一梯队，2027 和 2028 年推进 L3。朱江明从 2025 年 9 月起把智驾定为自己的一号项目，每半个月给智驾管理团队开一次会。
这套 4.0 系统算法的训练数据来自零跑过往车型。激光雷达的另一个身份在训练环节。B、C 车型的激光雷达数据被当作真值，监督模型的预训练。D 系列更大，传感器安装位置不同，提供多样化的样本。经过清洗筛选，约 3000 万个视频片段进入 4.0 的预训练阶段。
零跑披露的端云架构中，云端基座模型承担理解、预测和场景生成，车端模型则在 200、640、1280 TOPS 等不同算力平台部署｜图片来源：零跑 2026 技术日发布会
抛弃 BEV，零跑给了第三个答案
在介绍世界模型的演讲中，可量化的说法只有两个地方，「只用五分之一的算力就达到了同样的模型效果」和「运行代码量减少 90%」。
前一条没说对照的是谁，也没说「同样的效果」按什么指标衡量。全程没有公开基准、没有延迟数字、没有消融对比，也没有提到任何一篇论文。
但发布会 PPT 上有一页写着「抛弃传统 BEV 视角」，成功引起了我们的注意。
零跑把“抛弃传统 BEV 视角”和“运行代码量减少 90%”列为世界模型的核心设计，并将其解释为模仿人类驾驶的第一性原理。｜图片来源：零跑 2026 技术日发布会
对 BEV 的观点，各家智驾团队都有着不同的声音。我们八月份发布的那篇稿子里其实留了一个疑问。因为当时小鹏的 X-Mind 技术报告里提到会用 BEV 作为抽象世界的底板，把未来 12 帧压成 96 个词元（Token）表达 BEV 布局。理想的 SparseWorld-TC 明确绕开 BEV 中间表征，认为 BEV 的显式几何约束会限制时空特征的灵活交互。两家的判断相反，我们说要等等更多量产的结果来看。
零跑正好给出了第三个答案，但理由和前两家都不一样。据零跑世界模型智驾负责人冯铭月介绍，零跑放弃 BEV，主要出于三个维度的考量。
首先，BEV 解决的是量纲问题。一张图像上，上面的像素和下面的像素差一个像素，实际可能差十米，因为近大远小。BEV 把这个抹平了。
其次，人开车没有上帝视角，近大远小本身就有用。他举了个 cut-in 的例子。传统两段式要专门做一个 cut-in 的分类头去判断对向车的航向角和状态，可是高速行驶时，一辆车切进本车道，它的航向角和位置变化都非常微小，给模型的梯度信号很弱。而在近大远小的图像里，一辆车从右侧盖到你前方，像素变化非常大。
最后，BEV 转换本身相当耗算力。对追求成本和效率的零跑来说，这是不可容忍的技术「鸡肋」，舍弃正常不过。
所以，3 月那版 demo 实现了「不靠 BEV 的感知」。「人类开车的时候不会在脑中构建 BEV 鸟瞰视角，所以 4.0 的方案确定为纯图像输入直出轨迹，不做冗余转换。」周洪涛指出。
不过，发布会 PPT 上还有一句话不太经得起推敲。「眼睛直连手脚」，底下小字写的是「直接输出方向盘和油门信号」。和周洪涛在采访里讲的有出入。
按照周洪涛的说法，模型本身不直接输出控制信号，只生成未来 4 秒内的预期行驶轨迹，研发团队在这个基础上接入极少量的规则层，把轨迹意图转译为油门与方向盘指令。零跑官方提供的核心信息文档解释得更具体一些，说「规则仅用于红绿灯等交通法规兜底，减少 90% 代码量」。
我们可以理解，规则层确实设计得很薄，周洪涛也强调后处理必须贴合模型意图，不能沿用两段式时代的规则经验。出于安全的考虑，「无论模型精度达到多少个 9，代表未知场景的那个 1 始终存在，最终仍要以少量规则兜底。」
发布会将 LWM 概括为“一个大脑，从看到做一气呵成”，并使用“眼睛直连手脚”的传播表述；但据周洪涛介绍，模型输出的是未来轨迹，仍需少量规则转译和兜底｜图片来源：零跑 2026 技术日发布会
但「直接输出方向盘和油门信号」在事实层面不成立。我们猜，这应该是为了强调「一个大脑一气呵成」，市场传播层把关于「规则」的描述去掉了。
世界模型的论文里，藏着零跑没说的细节
DA-WAM 的论文是由香港科技大学（广州）和零跑合作完成的，标注的项目负责人 Lang Zhang 所属单位是 Leapmotor。
图片来源：DA-WAM 论文首页
有意思的是，我们还找到一篇署名 Lang Zhang 的世界模型论文（LiSTAR: Ray-Centric World Models for 4D LiDAR Sequences in Autonomous Driving），2025 年 11 月上传 arXiv，那一篇里他的单位是理想汽车，同署名的还有理想智驾团队的人。
DA-WAM 的代码仓库挂在一个叫 LeapWM 的 GitHub 组织下，一个是机器人的 LeapBot-WA，一个叫 levelk-wam，另外两个目前还是空仓库。Level-K 是博弈论里的层级推理。
DA-WAM 要解决的问题，跟零跑这次技术日发布会讲的其实是同一件事。
它认为世界模型的价值上限，取决于预测有多直接地影响到候选轨迹的打分。所以它给每一条候选轨迹单独预测一个未来，再用这个未来给这条轨迹评分。
DA-WAM 认为，多条候选轨迹共享同一个未来会造成“预测—动作错配”；它为每条候选轨迹分别预测未来表征，再将对应未来用于该轨迹的评分｜图片来源：DA-WAM，Figure 1
论文里有一张匹配消融表，训练数据、初始化、候选生成器、训练计划和评测协议全部固定，只换未来预测的接法。
一个完全不做未来预测的普通端到端规划器，拿到 93.31 分。让所有候选轨迹共享同一个预测出来的未来，92.81 分。只把当前时刻的隐状态接进来，93.25 分。每条候选轨迹各自一个未来，93.46 分。再加上安全相关的难负样本监督，93.68 分。
在控制训练数据、初始化、候选生成器和评测协议等条件后，DA-WAM 从不做未来预测的 93.31 分提升到 93.68 分；共享同一个未来时得分反而降至 92.81。上表同时列出其 NAVSIM-v2 的 87.7 EPDMS｜图片来源：DA-WAM，Table 2、Table 3
五个数字之间最大的差距不到一分。全套做下来，从 93.31 到 93.68，涨了 0.37 分。
这五个数字里，第二个最值得关注。
把世界模型接进来，如果所有候选共用一个未来，得分比完全不做未来预测还低半分。论文自己的解释是，共享未来造成预测和动作不匹配，模型学到的是一个被平均掉的表征，反而削弱了候选之间的区分度。
这句话其实可以直接回答「世界模型到底有没有用」。它有用，但接法错了会变成负收益。
这张匹配消融表的分项里还有个关键数据。从不做未来预测到完整版，安全类指标全线上涨，无碰撞率从 98.45 到 99.11，可行驶区域合规从 98.27 到 98.88，碰撞时间从 95.48 到 96.81。同一组里，自车通行进度从 91.36 掉到 89.97。
所以，世界模型买到的是安全，付出去的是通行效率。车开得更稳，但也更保守了。
DA-WAM 展示了大角度左转、拥堵和让行冲突三类场景的轨迹选择。论文称，其方法在后两类场景中避开了基线方案出现的碰撞和 TTC 风险｜图片来源：DA-WAM，Figure 4
「在安全性和效率之间，我们首先一定会考虑安全性。如果说一个上帝的视角就告诉你这个司机他一定是安全的，其实你一定敢开。那其实我慢点，慢点又能如何呢？」冯铭月说。
在 NAVSIM-v1 上，DA-WAM 的 93.7 领先论文对比表里的第二名 0.2 分。NAVSIM-v2 上它拿到 87.7 EPDMS。
DA-WAM 在论文列出的 NAVSIM-v1 对比中取得 93.7 PDMS，比表内第二名高 0.2 分。该研究设置为前视相机两帧历史输入、32 条候选轨迹和 0.5 秒未来预测｜图片来源：DA-WAM，Table 1
把视野放到论文之外，差距更小。小鹏参与的 Drive-JEPA 今年 1 月自报 v1 93.3、v2 87.8，中科院自动化所与重庆长安科技合作的 DreamerAD 3 月自报 v2 87.7。三家在 v2 上挤在 87.7 到 87.8 之间。
这里必须要澄清的是，DA-WAM 不是零跑量产 4.0 智驾系统的基座模型。
论文里使用的 V-JEPA 2.1 初始化视觉编码器，是零跑和香港科技大学用 Meta 的 V-JEPA 2.1 初始化视觉编码器，再做低秩微调，8 张显卡训了 20 个周期，输入只有前视相机的两帧历史，预测未来 0.5 秒，生成 32 条候选轨迹。
据周洪涛介绍，量产的世界模型智驾系统是基于云端约 128B 参数的基座模型打造的，训练数据约 3000 万个视频片段，车端输出 4 秒轨迹。零跑方面称，车端模型在 200 TOPS 平台上的响应时间约 200 毫秒。
对比来看，两者差了几个数量级。DA-WAM 的这篇论文算是零跑自研世界模型这条路线的一个公开切片展示，并不是100% 这套量产 4.0 系统的理论基础。
一家安防公司教出来的算法
零跑为什么会选一条省算力的路，我们可以在这家公司的人事结构里找到答案。
朱江明是大华股份的创始人之一，2015 年创办零跑。周洪涛 2001 年毕业后进入大华，2016 年跟随朱江明加入零跑，现在是零跑高级副总裁，统筹智能技术研究院。
零跑公开发表的一系列智驾论文里出现最多的名字王耀农，和另一位常见作者胡来锋（音译，Laifeng Hu），2020 年还在浙江大华，那年他们用后缀 @dahuatech.com 的邮箱提交了一份 EPIC-Kitchens 目标检测挑战赛的技术报告。2023 年 3 月，同样这两个人的论文署名单位变成了浙江零跑科技。
公开报道显示，王耀农任零跑科技副总裁、智能驾驶负责人。Laifeng Hu 真名和职位不详。
从 CEO 到智驾负责人再到论文作者，整条线都是大华的安防视觉算法班底。「任何一个新的东西，它都不是凭空产生的，都是在总结之前那套方案的缺点」，冯铭月说。
这解释了零跑智驾论文三年来的主题为什么一直是「效率」。2023 年的 GAM 做点云分析的效率优化，2024 年的 ADMap 和 2025 年的 FastMap 处理在线矢量地图的抖动与解码器冗余。这批人不是从自动驾驶的学术圈进来的，安防摄像头这门生意本来就是在最便宜的硬件上做最多的视觉计算。
朱江明今年 6 月在新 C 系列上市沟通会上说过一句话，「AI 智驾芯片，有点过剩了」。他给出的理由是市场上有十几款 AI 智驾芯片，年需求才一两千万片。至于自研芯片，他说等哪天零跑变成丰田汽车，再考虑要不要自己做。
今年的技术日发布会上他把这个判断说得更直接了，「算法创新比堆砌算力更加的重要」。
零跑在发布会上回顾了从车规级智驾芯片到 8797 舱驾一体中央域控的电子产品路线｜图片来源：零跑 2026 技术日发布会
省下来的钱去了哪里，周洪涛给出了一个数字。零跑 EEA4.0 架构的成本只有 1.0 时期的 40%，底层成本下降，才为激光雷达、摄像头和智驾芯片的 BOM 支出腾出预算。这是世界模型能推到 10 万元级 A 平台车型的商业前提。
不过据官方资料称，截至 8 月底已交付 35 万辆带激光雷达、带高阶智驾芯片的车型，零跑承诺给所有激光雷达版用户免费升级最新版本并终身免费使用。最早那一万多台激光雷达版用户，因为硬件平台不一致，算法移植重构至少要花 5000 万。
一万多台车，5000 万，平均一台车要花掉几千块。这是零跑为「技术平权」理念付出的真金白银。
媒体开的是 640，零跑卖的是 200
发布会前一周，零跑请了一些媒体在杭州提前体验了这套世界模型智驾系统。目前公开的实测视频里，试驾车都是 D19。
有一位媒体说，「今天我们只开了 640 TOPS 的一个算力就已经达成了这个了，所以我比较期待后面如果是两个芯片都已经打开的情况」。但其实今年零跑技术日的重点是「10 万内就可拥有世界模型高阶辅助驾驶」，对应的也就是 A10 上的 8650，200 TOPS 算力。
发布会上，零跑将“10 万内就可拥有世界模型高阶辅助驾驶”作为核心承诺，对应的低算力平台落地效果仍有待量产车验证｜图片来源：零跑 2026 技术日发布会
几位媒体提到了试驾过程中印象深刻的场景，有人说这台 D19 能在红灯转绿时抢了半秒，「这是我用过的辅助驾驶里第一个能抢半秒的车」。倒计时数到 5、4、3 的时候它不提前刹车，跟人一样把这段绿灯带过去。
有媒体拍到了一个窄巷会车的场景，对面三台大车加一台把车屁股怼出来的马自达，车没有鲁莽插进去，而是一直调方向等到有位置。同车的人说，它能推演出如果自己扎进去，大家都没得走。
还有媒体遇到一个右转箭头灯配「右转车辆禁止通行」文字的路口，系统等文字灭掉才走。零跑的解释是模型并不理解中文文字，靠摄像头扫描箭头和文字的样式做判断，逻辑跟特斯拉识别 stop sign 类似。
据说退出导航之后还有一个漫游模式，由模型自己决定直行左转右转，不是几条规则写死的右转循环。
大家对零跑这套世界模型驱动的高阶辅助驾驶系统的看法也各异，有的说「还有很明显的成长空间，比如说犹豫、卡顿以及极度复杂场景下的处理」。「我不会说它已经是行业最强的了」，因为这还是内测阶段的第一个版本。也有的人表示「目前的驾驶辅助大家的一个齐平线上，可以再增加一个零跑」。
零跑列出的 LWM 典型能力包括防御性驾驶、低速蠕行、无图漫游、三点式掉头和语音路边停车等｜图片来源：零跑 2026 技术日发布会
有一位行业非常知名的老师给了这套系统 T0 级的评价，还说这属于惊喜，但并不属于超级巨大的惊喜，因为他试过很多高阶辅助驾驶车型，大家做得都不错。他随后问了一个可能很多看完今年零跑技术日发布都想问的一个问题。
「我非常好奇，蒸馏完一版的、可以跑在相对来说低运算能力的处理器上的时候，能保留今天多少的水平？厂家说可以保留百分之百，我还是打问号的。」
目前媒体试驾的基本都是 D19。这台车装了两颗骁龙 8797，一颗管座舱，一颗管辅助驾驶，单颗稀疏算力 640 TOPS。但零跑承诺，200 TOPS 的十万级车型上也会部署同样的系统。
「现在我们的世界模型是在高通 8797 芯片上做的，但明年一定会下放到 8650 芯片上，甚至在 100TOPS 的算力上也要跑出来一个比较好的效果，这个也是我们给团队下达的目标。」周洪涛在接受媒体采访时表示。
图片来源：零跑 2026 技术日发布会
根据发布会 PPT 上公布的升级顺序，35 万辆激光雷达版老用户会分四批完成世界模型智驾的更新，其中A10 和 A05 排在 2027 年第四季度。但冯铭月透露称，「2027 年年中之前会把所有存量的 8650 车型 OTA 上去。」A10 用的正是 8650。
不管按哪一个算，从这场发布会到那台「10 万内就可拥有」的车型真正拿到世界模型，中间可能还隔了九到十五个月的时间。
具身在做了，但没让机器人上台遛遛
技术日发布的最后，有人问朱江明，零跑为什么不搞具身智能。
他的回答是零跑最有条件做这件事，但零跑做事的理念是不炒概念，目前对具身智能只做了小规模投入，处于跟随状态。他承认零跑已经做出了完全自研的机器人，同事建议让机器人上台遛一遛，被他否了。
「能遛一遛的机器人不算本事，能赚钱的机器人我们才拿得出手。」
周洪涛在媒体采访里对零跑在具身上的投入做了更具体的介绍。目前零跑智能技术研究院下设五个部门，数据闭环、端到端模型、量产开发、算力平台，第五个就是具身智能。机器人样机已经研制完成，人形和轮式方向都有技术储备。短期目标锚定工厂自动化和物流运输两个场景，通过提升产线与仓储效率，反向强化整车的成本竞争力。
其实零跑切入具身赛道的公开记录比周洪涛对媒体说得还要更早。
7 月 27 日，一篇叫 LeapBot-WA 的论文上传 arXiv，做的是机械臂操作，在 LIBERO 和 RoboTwin 2.0 上做实验并完成了真机迁移。作者里有王耀农、Jiachao Liu、冯铭月，跟做 DA-WAM 的是同一批人，代码挂在同一个 LeapWM 组织下。七月底，零跑旗下浙江凌昇动力全资设立的湖州凌昇精密制造有限公司成立，注册资本 2.1 亿元，经营范围包含工业机器人制造和智能机器人研发。
朱江明在台上说的是小规模投入和跟随，周洪涛在专访里却把具身部门的编制和样机进度讲得清清楚楚，加上已经公开的论文和注册完毕的公司，还真有点「此地无银三百两」的意思了。
不过这跟朱江明 2025 年底谈工厂自动化时的那句话表达的意思差不多。投入自动化设备必须能在三年内通过节省的人力成本收回投资，做不到就宁愿暂缓。可能，零跑的机器人还卡在场景兑现上，商业化的账还算不过来。
参考资料
零跑 2026 技术日现场演讲与官方核心信息文档，2026 年 9 月 16 日
倪萍《专访零跑周洪涛：2026 年冲刺智驾头部，零跑的进度条比想象中快》，雷峰网，2026 年 9 月 17 日
DA-WAM: Decision-Aligned Future Latents for Driving World Models，arXiv:2608.19085
LeapBot-WA: World-Anchor Action Models via Predictive Latent Alignments，arXiv:2607.23969
GAM: Gradient Attention Module of Optimization for Point Clouds Analysis，AAAI 2023，arXiv:2303.10543
ADMap: Anti-disturbance Framework for Vectorized HD Map Construction，ECCV 2024，arXiv:2401.13172
FastMap: Fast Queries Initialization Based Vectorized HD Map Reconstruction Framework，arXiv:2503.05492
DHARI Report to EPIC-Kitchens 2020 Object Detection Challenge，arXiv:2006.15553
LiSTAR: Ray-Centric World Models for 4D LiDAR Sequences in Autonomous Driving，arXiv:2511.16049
Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving，arXiv:2601.22032
DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving，arXiv:2603.24587
V-JEPA 2.1: Unlocking Dense Features in Video Self-Supervised Learning，arXiv:2603.14482
Stellantis Media，Leapmotor A10 Launch in China，2026 年 3 月 26 日
零跑汽车 2026 年中期报告，香港联合交易所
媒体公开实测视频，2026 年 9 月
零跑世界模型智驾负责人冯铭月媒体访谈视频，2026 年 9 月
