#蔚来世界模型全新版本发布#
这次的重点并不是领航换电，
而是训练范式的变化。
一、反直觉的「跛脚」天才
这半年如果我们去看大家对蔚来 NWM 的评价，我们会发现一个很反直觉的「能力倒挂」现象：
在人车混杂、毫无规则的城中村窄路，它像个老司机一样极限钻缝，游刃有余；偏偏在标线清晰、视野开阔的主干道大路口，它有时却变得不太自信，犹豫不决。
小路重拳出击，大路唯唯诺诺。
这听起来太反直觉了。按常理小路才是地狱难度，从 L2 到 L4，应该是先征服大路，再攻克小路，蔚来这是怎么反着来的？
因为只有把那些让车开得舒服的拐杖全部扔掉，才能学会真正的走路。
小路开得好，说明模型的物理直觉已经形成了，大路开不好，说明模型缺乏的是价值判断，新的 NWM 2.0 就是这个扔掉拐杖的孩子，终于在大马路上也学会走路了。
二、为什么大路反而更难？
这个反差其实很好解释。
小路是物理问题。
能不能过，看的是几何空间。CNN/Transformer 这种擅长提取空间特征的架构，只要感知到位，模型自然知道能不能走，该怎么走。
大路是社会博弈问题。
在宽阔路口，变道还是不变？这是一个概率问题，关乎人性与博弈。这不是几何能决定的，而是概率和策略。
端到端虽然能抛弃很多手写规则，但它依然要从人类数据里学。
在上一代模仿学习端到端的框架下，模型的工作是模仿人类。但问题是，人类的数据是脏的，数据里有人提前 2 公里就变道，有人压线 300 米才想起来，有人死守快车道到最后一刻，还有人干脆走错了。
面对这种多模态数据时，模型会倾向于输出一个平均值。
这就是为什么之前的 NWM 在宽阔大路上表现一般，它并不是不认路，而是它学会了既想变又不敢变的那个中间状态，在两条车道之间犹豫，既不果断也不安全。
三、想要解决这件事情，行业内也有很多成熟的做法。
面对大路的犹豫，行业里其实有一条极高性价比的捷径。有了端到端，并不需要 HD 高精地图，但可以用比 SD 地图更好的地图。
它比普通导航地图多了太多信息，包括车道数量，车道之间如何连接（哪条是直行道、哪条是左转道），弯道的曲率等等。
SD Map 虽然不是高精地图，但它像是一本参考书。它会开天眼告诉模型：前方 2km 有匝道，你应该现在就变道。这就好比考试时允许翻书，配合规则兜底，能以极低的成本解决 95% 的问题。
所以「大路更好，小路差一些」之所以更常见于各种辅助驾驶系统，本质上也是友商都多多少少在利用更丰富的地图信息，还加上一些规则兜底。
但蔚来拒绝了这条捷径。
任少卿是谁？作为 ResNet 和 Faster R-CNN 的核心作者，他做得很多事情都可以被总结为干掉人工特征，干掉人工规则。
做 ResNet，是为了干掉人工设计的网络层级。
做 Faster R-CNN，是为了干掉人工设计的检测框。
所以 NWM 之前的大路犹豫，恰恰证明了蔚来没有作弊，任少卿心中的 NWM，也一定要干掉自动驾驶领域里最后那点人工地图和人工规则。
四、不加地图和规则，怎么提升体验？
最新的 NWM 版本，提升最大的就是大路上的体验，但这种提升并非来自规则的修补，而是模型真的开窍了。
新版 NWM 的核心变化，是训练方法从模仿人类转向自主优化，它和之前的区别用人话说就是：
模仿学习：大路怎么开？我看数据里有人 100 米变道，有人 300 米变道，我该学谁？结果模型取了平均值，在 200 米处犹豫。
强化学习：我在世界模型里把所有可能的变道时机都试了一遍，这种情况下 100 米变道成功率只有 60%，300 米变道成功率 95%。我自己算出来应该早点变。
模型不再盲目模仿人类混乱的行为，而是通过价值判断和仿真推演自己悟出了什么是最优策略，并不需要地图去告诉它该变道了。
如果你熟悉大语言模型（LLM）的发展史，会发现这一幕似曾相识。
从 GPT 3 的模仿学习续写文本，到 ChatGPT 引入 RLHF 来对齐人类意图，再到 o1 模型的 Chain of Thought, 蔚来 NWM 正在把 LLM 的进化路径，在物理世界的驾驶任务中重走了一遍。
五、当然，这条路也不是没有代价。
RL 的 Reward Function 依然需要大量人类先验知识，Sim2Real Gap 也始终存在，极端 Corner Case 也并不能通过这样的改变来完全解决。
更现实的问题在于，如果友商用 SD Map 在 95% 的场景下体验已经很好，那蔚来这套理论上限更高的架构，能否在短期内体现出明显优势？
如果算力、数据、算法的进步速度够快，NWM 这条路的上限确实更高，但如果进步速度不如预期，友商可能用更稳健的混合方案先占领市场。
就像增程确实在很长一段时间比纯电更容易被人接受一样。
技术理想主义和商业现实主义用于需要平衡，但至少在这一刻，蔚来证明了不装拐杖，也能学会走路。
#蔚来##蔚来智驾#
