【后端到端时代】 Harness Engineering

这次试了V27，我最大的感受不是——更强了，而是——几乎没变。

看了@影总Tim 和@大懒货 @july再发呆 的提车体验，我也眼馋找晨杰借了一辆V27。

从上海开到无锡，在满城的樱花里开了两天。

说实话，其实没有给我什么特别的感受，决策和动作以前都有以前的影子。

这个版本的体感几乎可以追溯到2024年底的媒体小规模试驾，再到后续上海，杭州，广州，再到这次V27新车，跨城的长时间体验。

变道的舒适性，汇入车流的敏捷，对于特殊情况的适配度，在这种跨城市的的路线上也几乎没有出现什么显著的变化。

开上去的感受依然是，这是就是地平线HSD最初的定义目标，不论是早期的Demo，再到后续量产版本，都有很好的延续性。

变道风格、汇入节奏、整体性格，都高度一致。
可见团队对于一个特定目标的坚定信念，从一些行业内的同学交流下来，也印证了我的想法。

最近AI 圈有一个很流行的词叫Harness Engineering，Claude code就是最佳实践，关心的是，如何让模型出了错能拉回来。

在端到端终于成为实践共识的2025年（恕我直言，以前只有宣传共识）后，大家都认同端到端拥有更高的上限。

但是面对很大规模的城市量产如何实践，才能让输出的轨迹或者决策出错的时候很快自动纠偏，而不是等待用户来纠正？

这次就有一些类似的场景，将旁边公交停车区识别成另一个车道，稍微侧向一边之后，马上就回来，这和人的感受也基本上一致；导航上没有的内容，在第一次遇到的时间点会出现问题，会出现压线试图变道。

但是没关系，很快就能回到正轨，而不是将错就错，等用户发火。

这绝对依赖低时延，依赖某一个小步骤的变化，动态调整整个行动目标。

这就是极强的工程能力。

也许会有人问，本诺以前你不是一直在聊数据驱动的端到端，为什么现在开始聊工程了，这不是规则时代的内容吗

其实，即使在AI时代，一个精巧的工程设计依然极其重要。 为什么Claude Code 能吸引如此多关注，也是因为在不弱的模型能力的基础上，有了非常精巧的工程实践。不是因为它不出错，而是出错了很快拉回来。

但是所谓的以前的规则，以前的缝缝补补，都不是精巧的工程。

很快大家就会发现，当所有人都在向AI 许愿时，提出一个正确并且合理的愿望，是多么稀缺的一件事。#地平线hsd# #智驾体验#

@地平线HSD @余凯_地平线民工