2024年,端到端成为智能驾驶行业最受关注的技术方向之一。
从特斯拉FSD到国内车企均陆续推出端到端方案,行业一度把它视为突破传统智驾架构瓶颈的重要路径。
两年过去,端到端已不再是少数企业的技术标签,越来越多量产车型开始采用数据驱动的驾驶模型。
虽同为端到端,各家却没有沿着同一条路线继续发展。
有的开始将VLA推向量产,有的把世界模型引入训练体系,有的尝试通过强化学习进一步优化驾驶策略,还有的开始把具身基座模型与辅助驾驶结合起来。
经过两年发展,现在各家端到端究竟走到了哪一步?它们的技术方案又发生了哪些实质性变化?
01、特斯拉:继续把端到端模型做深
如果讨论端到端的发展,特斯拉是绕不开的一家。
特斯拉较早将端到端神经网络大规模应用于FSD,其核心思路是利用车队积累的真实道路数据,让神经网络直接学习驾驶环境与车辆控制行为之间的关系,减少传统系统中大量人工设计的规则和中间处理环节。
到了2026年,特斯拉仍然沿着这条路线持续迭代。
今年推出的FSD V14,继续围绕端到端基础模型进行升级。
特斯拉在2026年第一季度更新中披露,V14进一步改进了强化学习训练环节,以提升对长尾场景的处理能力,同时升级视觉编码器,并优化模型编译和推理效率,官方称运行时延迟最高降低20%。
截至目前,FSD已经进入V14.3系列迭代。需要补充一点的是,这里讨论的是FSD(Supervised),仍然需要驾驶员持续监督,并不意味着车辆已经实现完全自动驾驶。
特斯拉这条路线有一个特点,其没有频繁更换技术名称,而是持续围绕数据规模、神经网络和训练效率做迭代。
这也说明,端到端并没有因为VLA、世界模型等新技术出现就失去价值。如何让现有模型持续提升,仍然是一个非常现实的技术方向。
02、华为:从端到端延伸到云端世界模型和在线强化学习
华为的变化,主要体现在训练体系和车端决策架构的进一步升级。
2026年4月,华为正式发布乾崑智驾ADS 5,底层采用WEWA 2.0架构。这套架构不再只强调车端模型如何完成感知和驾驶决策,而是进一步强化了云端训练与车端执行之间的联系。
在云端,WEWA 2.0引入多智能体机制,让不同交通参与者能够在模拟环境中形成动态交互,同时加入在线强化学习,尝试提高模型训练和验证效率。
在车端,则引入安全风险场技术,通过对车辆周围不同方向的风险进行评估,为驾驶决策提供依据。
这实际上是对传统端到端系统的一次延伸。
过去,模型更多依赖真实道路数据学习驾驶行为。现在,华为开始进一步关注交通参与者之间的动态关系,以及不同驾驶动作可能带来的风险。
如在复杂路口中,车辆不仅要识别前方的行人和其他车辆,还需要结合它们的运动状态,判断不同交通参与者之间可能发生的交互。
这类问题很难仅靠静态目标识别解决。
因此,华为将世界模型、多智能体机制和强化学习结合起来,试图让模型在训练阶段获得更丰富的场景经验。
从ADS 5的技术变化来看,华为的重点已经不只是提高车端模型的驾驶能力,而是进一步完善从云端训练到车端决策的整个体系。
03、小鹏:开始强化时序理解和未来预测
小鹏是国内较早推进端到端量产的车企之一。
2024年,小鹏推出由XNet感知网络、XPlanner规划模型等组成的端到端大模型方案,逐步将数据驱动的模型应用到量产辅助驾驶系统。
到了2025年,小鹏进一步推出VLA 2.0,将驾驶模型推进为车端数十亿参数级、去掉语言转译环节、可直接从视觉信号生成动作的物理世界大模型。
2026年,这套方案已经出现更实质性的变化。
小鹏在今年4月公布了X-World世界模型技术报告,介绍了世界模型在端到端研发中的具体应用。
X-World采用视频生成技术,可以根据多摄像头历史画面以及车辆动作,生成未来可能出现的多视角道路场景。它不仅用于场景生成,还进入了闭环仿真、在线强化学习和数据合成等研发环节。
这里有一个很重要的区别。
VLA 2.0侧重从真实驾驶数据中学习驾驶策略,并直接生成动作;X-World则侧重在给定动作条件下推演周围环境可能发生的变化,为训练和验证提供可交互的环境。
两者并不是相互替代的关系,而是承担不同任务。
到了今年9月,小鹏又通过XOS 6.3.0进一步升级第二代VLA,将历史信息、未来预测和连续决策能力纳入新的架构。
从公开资料来看,小鹏VLA 2.0已经进入量产应用,X-World也已经实际用于研发和验证。
这意味着小鹏的技术重点,已经从单纯训练驾驶模型,进一步延伸到如何让模型理解更长时间范围内的场景变化。
04、理想:MACH VLA持续迭代模型与芯片协同成为重点
理想的端到端路线,近年来也经历了比较明显的变化。
从2024年的端到端模型到2025年的VLA,理想逐步把视觉、语言和驾驶行为结合起来,尝试让辅助驾驶系统获得更强的空间理解和行为决策能力。
目前,理想重点推进的是MACH VLA。
这套方案值得关注的地方,是理想不仅在扩大模型能力,也在同步推进车端计算平台。
自研M100芯片进入量产车型,为更大规模的模型部署提供了硬件基础。
这里存在一个很现实的工程问题,云端模型可以不断增加参数和计算量,但车辆上的智驾系统必须在有限的算力、功耗和响应时间内完成实时推理。
模型规模越大,并不代表着直接放到车上就能获得更好的驾驶体验。
因此,理想需要同时处理模型架构、推理效率和芯片适配之间的关系。
理想在2026年10月公布的交付信息中确认,11月将开始推送OTA 9.2,其中包括升级后的MACH VLA 2.5。
这说明理想仍在持续推进VLA的量产迭代,而不是停留在早期技术发布阶段。
理想这条路线的看点,是如何通过模型与自研芯片协同,让更复杂的驾驶模型在量产车上稳定运行。
05、蔚来:NWM世界模型与全闭环强化学习
蔚来的技术路线有一个比较明显的特点,就是对世界模型和训练闭环的投入。
蔚来推出NWM世界模型后,逐步将其与原有辅助驾驶系统结合,形成由NWM驱动的NADArch 2.0端到端架构。
公开技术资料显示,NWM具备长时序建模能力,能够更好地处理复杂道路场景。
更值得关注的是,蔚来从2025年开始在训练体系中向世界模型+闭环强化学习范式切换,2026年1月的量产版本首次将完整的闭环强化学习应用于辅助驾驶。
NWM驱动的模型化能力也从部分场景扩展到城区与高速领航辅助的全面覆盖。
2026年1月底,适用车型已经开始推送新一轮NWM版本。
这项技术变化背后有一个值得讨论的问题。
传统模仿学习主要依赖人类驾驶数据,模型通过学习驾驶员的操作来形成自己的驾驶策略。
但人类驾驶数据并不能直接提供所有情况下的最优决策。
同一个场景可能存在多种驾驶方式,如何在安全、效率和舒适性之间取得更好的平衡,需要模型进一步学习和优化。
强化学习的价值就在于此。它能够通过环境反馈,对不同驾驶策略进行评价和优化,而不只是简单模仿历史驾驶行为。
蔚来目前的方向,是让世界模型、端到端架构和强化学习形成更紧密的训练体系。这条路线的重点,已经不只是让模型学习驾驶,而是进一步研究如何让驾驶策略持续优化。
06、小米:XLA开始将具身基座模型引入辅助驾驶
小米的智驾相较于前面所聊的几家,讨论度明显不足,但其技术路线变化依旧值得关注。
2026年3月,新一代SU7推出小米XLA认知大模型,标志着小米辅助驾驶进入新的架构阶段。
根据小米官方资料,XLA基于自研Xiaomi MiMo-Embodied具身基座模型打造,强调多模态信息获取、场景认知和行为推理能力。
其技术思路与传统端到端模型有所不同。
过去,辅助驾驶模型主要围绕驾驶数据进行训练,学习道路环境与驾驶动作之间的关系。
而小米希望通过具身基座模型,将更广泛的空间理解和真实世界认知能力引入辅助驾驶。
这里需要注意,具身模型并不是说车辆已经拥有类似人类的完整认知能力。它的实际价值,仍然需要通过具体驾驶任务和量产表现来验证。
从量产进展来看,新一代SU7已经搭载XLA,第一代SU7及YU7部分车型则需要通过后续OTA升级。
小米这条路线比较值得观察的地方,是它开始尝试将汽车辅助驾驶与更通用的具身智能模型联系起来。
未来,这种模型能否在复杂道路场景中带来实际能力提升,还需要更多量产数据验证。
07、Momenta:R7世界模型开始进入多品牌量产车型
严格来说,Momenta不是整车企业,而是智能驾驶供应商。
但如果只看车企自研方案,很容易忽略国内端到端技术的重要进展,因此在这里给大家补充下Momenta的技术方案。
2026年4月,Momenta正式宣布R7世界模型实现量产首发。
这套方案的技术体系主要包括世界模型预训练、世界模型仿真和强化学习。
它的核心思路,是让模型不仅学习车辆过去经历过的场景,还能够预测物理世界未来可能发生的变化。
如高速行驶时,前方突然出现不规则障碍物,系统需要判断障碍物的位置、运动状态以及周围车辆的变化,再决定减速还是绕行。
这类场景难以通过传统规则提前覆盖,也不容易在真实道路上大量收集。
世界模型则尝试利用已有数据学习环境变化规律,在虚拟环境中生成和推演更多场景,再用于模型训练和验证。
从实际应用来看,R7已经不再停留在技术展示阶段。
Momenta官网在2026年11月披露,R7正在进入更多车型,其中包括奔驰、宝马、凯迪拉克以及奥迪等品牌的相关项目。
这说明世界模型已经开始从研发体系向多品牌量产项目延伸。
当然,进入量产车型并不等于所有场景下的能力都已经得到充分验证,但至少说明世界模型正在成为供应商下一阶段的重要技术投入方向。
08、端到端发展两年真正的差距在什么地方?
把这些企业放在一起看,会发现一个很明显的变化。
两年前,行业竞争的重点是端到端能不能上车。现在,端到端已经不再是少数企业的独有技术,各家开始在它的基础上继续增加新的能力。
至于哪条路线最好,现在还没有最终答案。
只能说,它们分别反映出端到端发展到今天遇到的几个现实问题。
第一,真实驾驶数据仍然有边界。普通场景可以大量积累,但真正危险、罕见的场景很难依靠车辆自然行驶获得。世界模型和仿真训练,正在尝试改变模型获取训练场景的方式。
第二,模仿人类驾驶并不等于找到更好的驾驶策略。模型不仅需要学习驾驶员过去怎么开,还需要在安全、效率和舒适性之间不断优化。强化学习正是围绕这个问题展开。
第三,驾驶模型需要更强的场景理解和未来预测能力。道路不是静态的,交通参与者之间始终存在动态互动。单纯提高目标识别能力,并不能解决所有复杂驾驶问题。时序建模、世界模型和多模态模型都在尝试补足这一能力。
此外,还有一个不可忽视的问题,那就是模型越复杂,车端算力、推理延迟、系统安全和量产成本就越难平衡。
这也是为什么各家即使都在推进端到端,最终采用的技术组合仍然不同。
回过头看,端到端并没有过时,也没有被VLA、世界模型或具身模型取代。
它更像是智能驾驶从传统规则驱动走向数据驱动的重要一步。
但走到今天,行业已经逐渐意识到,仅仅让模型学会如何驾驶还不够。
下一阶段真正需要解决的,是让模型面对没有充分见过的场景时,仍然能够作出合理判断;让模型不只是模仿人类驾驶,还能够持续优化驾驶策略;同时,还要让这些能力在有限的车端算力和严格的安全要求下真正落地。
这才是端到端发展两年后,各家技术路线开始分化的深层原因。
未来再看一家企业的智驾水平,可能不能只问它有没有端到端,而要看它在端到端之上,究竟补上了哪些能力,以及这些能力是否真正转化成了量产车上的驾驶表现。
32