中國智能汽車，進入了拼地基的時代

許多汽車的OTA，正在變成一張無法兌現(xiàn)的空頭支票。

2025年，比亞迪全年推送了約200次OTA更新，大眾5次，豐田8次。這組數(shù)字流傳很廣，但它說明的并不是中國車企比外資更勤快，而是“軟件和硬件如何協(xié)同進化”這件事，遠比大多數(shù)人想的要難。

即便是在智能化做得最好的那批中國車企里，OTA其實也早已分裂成兩件完全不同的事：一種是換個UI、加個小功能、調(diào)幾個參數(shù)，就算一次推送；另一種，是讓幾年前就交付的老車，也能通過一次OTA，跑上這個時代最新的智能駕駛模型。前者幾乎人人都能做，后者，在此之前幾乎只有特斯拉摸到過門檻。

但2026年6月，一則新聞引起了我們的注意。蔚來宣布超70萬用戶同步升級蔚來世界模型最新版本，最早能夠覆蓋到2022年3月交付的車型。這次升級橫跨蔚來和樂道兩個品牌、四個平臺（NT2 Banyan、NT3 Cedar、Cedar S、Coconut+），是行業(yè)首次在成熟芯片平臺與自研芯片平臺上實現(xiàn)新版本同步推送。恐怕當年第一批蔚來ET7車主提車的時候，大概也沒幾個人能想到，四年之后，這輛車還能用上和最新款車型一模一樣的智能駕駛。

而當一些公司已經(jīng)能把最新的智能駕駛能力一次性鋪到幾年前的老車上，另一些卻還困在“新車能更、老車停更”的局面里。

一場行業(yè)的分野，或許已經(jīng)悄然到來。

真正的競爭，都在水面之下

任何一次讓大眾驚嘆的技術(shù)爆發(fā)，幾乎都不是突然發(fā)生的。

半導(dǎo)體產(chǎn)業(yè)就是最典型的例子。今天我們習以為常的AI芯片繁榮、大模型算力狂飆，看起來是英偉達們在臺前的高光時刻，但真正托起這一切的，是幾層往前鋪了幾十年、且極其枯燥的地基。最底層，是新思、Cadence這些公司幾十年打磨出來的EDA設(shè)計工具，沒有它，再復(fù)雜的芯片連畫都畫不出來；往上一層，是ASML用二十多年、集結(jié)了全球上千家供應(yīng)商才磨出一臺的EUV光刻機；再往上，是臺積電、三星把圖紙變成實物的制造工藝。這些東西在當年大多不被理解，投入巨大、回報遙遠，但正是它們，決定了幾十年后，誰有資格站在浪潮之巔。

這個規(guī)律，幾乎在每一個技術(shù)密集的產(chǎn)業(yè)里都成立：真正的競爭，往往發(fā)生在水面之下。誰在需求爆發(fā)前就把地基鋪好了，誰才能在浪潮真正到來時，把能力穩(wěn)穩(wěn)地接住。

智能汽車，顯然正在重演同樣的故事。

過去幾年，這個行業(yè)習慣用技術(shù)路線來標記進步。BEV、OCC、無圖、端到端、VLA，……車企忙著證明自己沒掉隊，供應(yīng)商忙著證明自己最領(lǐng)先。

但事實是，只比算法，已經(jīng)不夠了。

以世界模型為例，模型越大、越接近對真實世界的理解，它對底層系統(tǒng)的依賴就越深。從底層來看，需要足夠強的車端芯片去承載它，需要一套能把模型快速部署到不同硬件上的工具鏈，需要海量且精準的數(shù)據(jù)不斷喂養(yǎng)它，還需要一張能把數(shù)十萬乃至百萬輛車組織起來做驗證的網(wǎng)絡(luò)。這些東西，沒有一樣能在發(fā)布會前一晚臨時搭出來。

而基礎(chǔ)設(shè)施還有一個殘酷的特點：它平時藏在水下，誰也看不出高低；可它一旦開始兌現(xiàn)，差距會在很短的時間里集中顯形。

蔚來這次70萬輛推送，之所以值得被拿出來當作一個樣本，正是因為它恰好站在了這個顯形的時刻上。當它能把最新的世界模型一次性鋪到四年前的老車、兩套完全不同的芯片、四個平臺上時，它其實是把自己埋在水下六年的那套基礎(chǔ)設(shè)施，第一次完整地擺到了臺面上。

冗余，是一種遠見

要看清什么才是智能化時代汽車產(chǎn)業(yè)的競爭核心，首先就要弄清楚自動駕駛這門技術(shù)最初的骨架。

二十年前，DARPA連辦三屆無人車大賽，用幾年時間摸出了此后所有自動駕駛系統(tǒng)的基礎(chǔ)架構(gòu)：感知層、決策層、執(zhí)行層。

說白了就是眼睛、大腦、四肢。眼睛負責看清世界，大腦負責理解路況、做出判斷，四肢負責把決策變成車輪上的動作。

這套骨架到今天依然成立。變化的是，當智能駕駛邁入大模型時代，“大腦”這一層變得越來越重，重到它內(nèi)部又裂成了兩塊：承載模型運算的芯片，以及讓模型能訓(xùn)練、能上車、能持續(xù)進化的軟件體系。于是，眼睛這一層的傳感器、大腦那一層的芯片、加上支撐大腦運轉(zhuǎn)的數(shù)據(jù)與工具鏈，共同構(gòu)成了現(xiàn)代智能駕駛的四根支柱。

蔚來智能駕駛研發(fā)負責人任少卿，曾把這套系統(tǒng)概括為“兩個硬件、兩個軟件”：硬件是傳感器和芯片，負責讓車看得見世界、跑得動模型；軟件是AI基礎(chǔ)設(shè)施和數(shù)據(jù)基礎(chǔ)設(shè)施，負責讓模型能上車、數(shù)據(jù)能回流、驗證能閉環(huán)。

換句話說，要讓一輛四年前的老車也能跑上今天最新的世界模型，意味著這四根支柱得同時立起來。而當智能駕駛進入大模型時代，一家車企所有的競爭力，最終也都會落到這四根支柱之上。

比如感知層，蔚來在2021年NT2平臺上選擇的，就是一條偏重的路：高線數(shù)激光雷達上車頂、瞭望塔式布局，800萬像素攝像頭，到NT3又率先上4D毫米波雷達。這些配置今天看已不稀奇，當時卻都是很重的決定。

激光雷達放車頂，看得高看得遠、維修成本也低，卻直接挑戰(zhàn)整車造型和風阻；高像素攝像頭則意味著更高成本和更大的數(shù)據(jù)處理壓力。這條路的價值幾年后才顯現(xiàn)：正是這批五年前被外界批判“過度配置”的傳感器，在五年后撐起了今天世界模型在老車上運行的硬件基礎(chǔ)。

而一旦解決了“看見世界”的問題，接下來就得有一個足夠強的大腦去“理解世界”。

決策層里，芯片是最硬的骨頭。這道必答題特斯拉最早撞上過：視覺數(shù)據(jù)量暴漲，處理芯片的性能就直接決定系統(tǒng)的上限。所以它早在2016年就請來“芯片之神”吉姆·凱勒組建自研團隊，三年后才拿出自研的FSD芯片架構(gòu)，逐漸開始擺脫對英偉達的依賴。

自研芯片這條路上，蔚來則算得上今天中國整車企業(yè)中，成績斐然的一家。

2022年，行業(yè)主流的智駕網(wǎng)絡(luò)還是CNN，距離ChatGPT讓所有人重新認識Transformer還有大半年。但蔚來反復(fù)討論后賭了一個方向：下一代智駕模型，大概率會走向純Transformer。按任少卿的說法，同樣計算量下，Transformer對內(nèi)存帶寬的需求是CNN的8到70倍。也就是說，進入大模型上車階段后，芯片瓶頸不再是算力夠不夠高，而是數(shù)據(jù)搬不搬得動。

所以，蔚來早在規(guī)劃自研智駕芯片神璣NX9031時，就選擇了單顆內(nèi)存帶寬超500GB/s、算力超1000 TOPS的參數(shù)，即便放到今天，這個數(shù)據(jù)依然是領(lǐng)先的。只不過，代價是芯片設(shè)計、工藝難度和成本的傾斜。以至于在當年被一些媒體批為好高騖遠，經(jīng)歷輿論場諸多唱衰。

但四年后的結(jié)果是，許多早期設(shè)計參數(shù)不夠“大膽”的芯片，還沒出生就已經(jīng)退環(huán)境了。而神璣NX9031則在這類受帶寬強約束的Transformer模型上，實現(xiàn)了與四顆Orin-X持平的性能水平。上半場大家用TOPS比芯片，到世界模型階段，內(nèi)存帶寬這些更隱蔽的東西反而成了勝負手。

傳感器讓車看見世界，芯片給了它一個夠強的大腦。但硬件再好，也只是把舞臺搭了起來。真正決定這顆大腦能不能持續(xù)變聰明、又能不能及時把新本事送到每輛車上的，是另外兩根支柱。

捷徑，是一種陷阱

如果說硬件決定了一輛車的下限，那么軟件決定的，就是同等硬件條件下，一輛車的上限。

而數(shù)據(jù)與工具鏈，正是軟件的核心。先說數(shù)據(jù)。

星海在過往文章中，曾經(jīng)多次解讀過特斯拉的FSD，并認為它最大的優(yōu)勢，一直是巨大出貨量所帶來的龐大數(shù)據(jù)量。但這并不意味著“數(shù)據(jù)即一切”。在業(yè)界一度陷入“數(shù)據(jù)為王”的陷阱時，如果觀察蔚來的進化路徑，你會發(fā)現(xiàn)這家公司給出的是一個有點反直覺的判斷：蔚來認為“數(shù)據(jù)的本質(zhì)是算力”。

任少卿對此有過一個很妙的解釋，大語言模型之所以能一夜爆發(fā)，是因為互聯(lián)網(wǎng)上現(xiàn)成躺著幾十億網(wǎng)民、花了十幾年上傳的海量數(shù)據(jù)，而且人們上傳時天然只發(fā)新奇有趣的東西，等于替AI做了一輪免費的篩選。

但智駕沒有這樣的運氣，它既沒有那么大的現(xiàn)成數(shù)據(jù)量，也沒有"十億網(wǎng)民"幫它把有價值的場景挑出來。它想要的，是某個模型會犯錯、會猶豫、會失控的那些Corner case。比如鬼探頭、逆行車、暴雨路口的突然加塞。這類場景一輛車開一年也未必碰上一次，卻恰恰是模型最需要的。而要找到它們，靠拷貝現(xiàn)成數(shù)據(jù)沒用，只能讓模型在真實路況、云端仿真和人為擾動里反復(fù)跑，靠算力一點點篩出來、逼出來。

所以數(shù)據(jù)不是存出來的，是算出來的，而且一定要在車端去算。加上不同模型需要的Corner case還不一樣，這意味著它甚至無法在企業(yè)間零成本共享。正因如此，蔚來沒把體系建在數(shù)據(jù)倉庫上，而是建在了車端算力調(diào)度上，這就是它的群體智能系統(tǒng)。

幾十萬輛量產(chǎn)車不只是數(shù)據(jù)來源，在蔚來的調(diào)度下，變成了一張分布式的算力和驗證網(wǎng)絡(luò)。通過云端調(diào)度這些車的閑置算力，蔚來能在用戶無感、不影響安全的前提下，完成大規(guī)模的數(shù)據(jù)篩選與驗證。主動安全每周驗證里程超4000萬公里，整體每周超1億公里。這個量級靠傳統(tǒng)測試車隊根本跑不出來。

眼睛、大腦、養(yǎng)料都齊了，最后還差一步：怎么把練好的模型穩(wěn)穩(wěn)送到每輛車上。

工具鏈的建設(shè)，是最不容易被外界感知、卻最能拉開迭代速度的一環(huán)。模型在云端訓(xùn)好只完成一半，真正折磨人的是上車：車端芯片不止一種，有Orin也有神璣，傳感器還各不相同，每種組合都單獨適配，迭代會被工程部署活活拖死。

行業(yè)通行的做法，是給不同芯片配不同代碼、用現(xiàn)成的英偉達工具鏈，這在Orin時代最省事。

但蔚來從2020年起就已經(jīng)在自研上層的部署框架、推理引擎、AI編譯器。這在當時吃力不討好，賭的是一件還沒發(fā)生的事：未來一定會進入多芯片時代，工具鏈一旦被單一芯片綁死，以后每多一種芯片，整套軟件都得撕開重來。

很多公司自研芯片真正上車時，都會撞上“芯片能跑、但軟件生態(tài)用不了”的鴻溝，而蔚來相當于提前幾年就替它交了學費。只不過這份學費，也曾被外界誤解為“瞎花錢”。

比如自研編譯器，任少卿有個生動的形容：過去是“算法工程師在前面改得很開心，后面一堆工程的兄弟跑斷腿”。每改一次架構(gòu)，后面就要一堆人手寫優(yōu)化、逐個芯片適配，用通用工具鏈，一個模型部署要一到兩周。而蔚來自研編澤器通過自動的算子與圖優(yōu)化，把這過程壓到一到兩天，推理效率還提升20%以上；后來又把量化、集成、發(fā)版交給AI Agent自動跑，整個流程壓到兩小時以內(nèi)。

用戶永遠看不見這套東西，但它決定了一件要命的事：誰能更快把新模型送上車。在一個算法每年都在變的階段，這種迭代速度本身，就是最硬的競爭力之一。

數(shù)據(jù)能買，工具鏈能用現(xiàn)成的，這些都是看得見的捷徑。但看似省事的路，往往都藏著陷阱——買來的數(shù)據(jù)喂不出你自己模型要的Corner case，綁死的工具鏈，在換芯片那天會讓你推倒重來。今天省下的每一步，日后都得連本帶利還回去。

四個選擇，一種判斷

把四根支柱拆開看，是四個孤立的技術(shù)決策；但如果退后一步，把它們放在一起看，會發(fā)現(xiàn)它們其實共享著同一種判斷方式。

在傳感器上多埋冗余，在芯片還沒設(shè)計時就押注Transformer路線，寧可自己吃苦也不過分依賴英偉達的工具鏈，以及把數(shù)據(jù)當成算力而不是普通的資產(chǎn)。這四個決定，落在四個完全不同的技術(shù)領(lǐng)域，卻指向同一個共同點：它們都不是當下最快、最省事、最討好的選擇，而是那種回報更慢，投入更高，卻更不容易過時的選擇。

這背后其實藏著一個很多企業(yè)沒想清楚的問題：在一個正在以高速變化的汽車產(chǎn)業(yè)里，到底什么是不變的？

過去幾年，智能駕駛幾乎是被一連串算法名詞推著往前走的。BEV、OCC、無圖、端到端、VLA、世界模型，幾乎每年都有新熱點，每出一個，行業(yè)就要集體遷移一次，生怕自己被落下。但如果反觀蔚來的布局，可以看到這家公司很少被“熱點”帶著走，每一個決策基本上都是深思熟慮后的長線布局。

這就解釋了蔚來為什么總是在做“不合群”的選擇，又為什么總是在輿論場上不斷被質(zhì)疑。這種“賭不變的底層，而不是追善變的熱點”的思路，在多年質(zhì)疑之下，卻逐漸成為了這家公司的立身之本。

它固然不保證每一步都踩在最短的路徑上，甚至常常要為超前付出真金白銀的代價、遭受外界質(zhì)疑，但它的好處是，一旦方向賭對，前面埋下的每一份冗余、每一次自研、每一層看不見的地基，都會在某個時刻集中兌現(xiàn)。

這次被我們注意到的針對70萬輛車的OTA推送，在我們看來，就是這樣一個集中兌現(xiàn)的時刻。

而如果把鏡頭從蔚來拉遠，你會看到一個更大的圖景：

這些年中國汽車產(chǎn)業(yè)真正在發(fā)生的，是一場集體性的“基建補課”。過去很長時間，中國車企擅長的是整合與制造。大家把最好的零部件買來、裝出一輛有競爭力的車。但當競爭進入智能化的深水區(qū)，能不能自己把芯片、算法、數(shù)據(jù)、工程系統(tǒng)這一整套復(fù)雜的東西搭起來、并且持續(xù)迭代，成了新的分水嶺。

這道題沒有捷徑，也不是靠某一款爆款車、某一場發(fā)布會能跨過去的，只能靠一家家企業(yè)各自往水下扎地基、各自蹚各自的雷，慢慢把整個產(chǎn)業(yè)的能力水位抬起來。

蔚來顯然是所有正在探索的中國車企里的佼佼者，已經(jīng)率先走到了兌現(xiàn)的時刻。但它一定不是唯一的一個。

結(jié)語

回到文章的開頭，OTA這件事，說到底從來不是一個功能，而是一家公司全部技術(shù)家底的一次集中體現(xiàn)。它背后的傳感器、芯片、數(shù)據(jù)、工具鏈，沒有一樣能靠一場發(fā)布會臨時搭起來。

蔚來這次70萬輛車的同步推送，與其說是一次技術(shù)秀，不如說是它埋在水下六年的地基，第一次集中露出了水面。而這些地基一旦扎穩(wěn)，價值就不再只屬于它自己：自研的神璣芯片已經(jīng)開始向外授權(quán)，牽頭的換電網(wǎng)絡(luò)也聚攏起長安、吉利、奇瑞等一批車企——那些當年被質(zhì)疑“太重、太慢”的選擇，正在慢慢變成整個行業(yè)可以共享的公共資源。

從這個角度看，蔚來更像是一個縮影。這些年中國汽車產(chǎn)業(yè)真正發(fā)生的變化，是競爭的核心正在從比拼算法名詞、比拼單一爆款，轉(zhuǎn)向比拼誰的系統(tǒng)工程能力更扎實。這是一場更深、也更慢的轉(zhuǎn)身，中國車企們，正在從過去那個擅長整合與制造的角色，走向能夠自己定義技術(shù)、搭建底層系統(tǒng)的角色。

這條路很重，很難，沒有捷徑。但正是一批像蔚來這樣愿意在看不見的地方下笨功夫的公司，在各自蹚雷、各自填坑的過程中，打下了整個中國汽車產(chǎn)業(yè)的地基。

浪花之上的熱鬧，總有一天會退去。而真正決定這個產(chǎn)業(yè)能走多遠的，從來都是水面之下，那些未曾被人看見的故事。