#智驾决赛圈一两年见分晓#【#L3破冰智驾决赛圈谁慌了#】2026年，中国智能驾驶的竞争，已从喧嚣的“开城”竞赛，来到底层技术的“暗战”。随着L3级试点政策的“破冰”与商业化前夜的临近，行业共识正在形成，竞争或将在未来一两年内结束。
这场决赛圈之战，不仅是市场占有率的争夺，更是来自底层技术、工程实现路径与商业生态构建能力的全方位较量。今年开年以来，一个值得注意的信号是，蔚来、小鹏、理想等头部新势力几乎同步调整了智能驾驶业务的相关负责人。
这场已经发生的“高层换帅”，其背后正是行业面临的一次关键技术分水岭。以VLA（视觉-语言-动作）与WA（世界模型）为代表的技术路线分野，体现了行业对“智能”本质的不同理解，也决定了未来几年智能驾驶市场的竞争格局。
巨头对决
行业的洗牌在2025年就已开始。曾经估值百亿的独角兽毫末智行被曝陷入停摆，纵目科技、清研微视等中腰部玩家声量渐微。供应商赛道上，华为乾崑智驾、地平线、Momenta（北京初速度科技有限公司）、卓驭科技、元戎启行，以及在香港交易所上市不到半年的文远知行等，代表了中国智驾力量的最高水平。
与此同时，政策的关键“开关”已被拨动。2025年底，工信部公布了我国首批L3级有条件自动驾驶车型准入许可，北汽极狐与深蓝汽车的两款车型可在北京、重庆指定区域开展上路试点。这标志着自动驾驶车型“可上路、可运营”的时代，不仅赋予了车辆合法身份，更通过“附条件准入”机制明确了车企在系统激活期间承担主责的法律依据，重构了整个产业链的责任逻辑与安全标准。行业分析师张翔认为，2026年L3级车辆渗透率有望迎来“从0到1”的突破。
政策破冰为技术竞赛按下了加速键。如今，小鹏汽车已启动常态化的L3级技术道路测试，东风汽车符合L3级技术要求的系统已搭载上车。此外，高阶智驾正加速普及。竞争焦点已从早期的“堆传感器、拼算力”的硬件竞赛，转向以“端到端”大模型为核心的算法与数据效率之争。
技术路线之争
当前行业最显著的分歧，莫过于VLA与WA两条核心路径的选择。这并非简单的优劣之分，而是代表了实现智能决策的两种不同选择。
过去的一年被业内称为 “VLA 上车元年”。理想、小鹏、长城等车企相继推出搭载 VLA 的量产车型；与此同时，特斯拉 FSD V14 在端到端框架内引入语言与 3D 重建作为中间监督信号，通过语义链（Chain-of-Thought）实现类人推理与决策校验，显著提升推理能力与可解释性。
简单来说，VLA路线的核心在于构建一个统一的“大脑”，模拟人类“观察、思考、行动”的链条。它将视觉信息转化为语义表示，依赖大语言模型（LLM）进行逻辑推理和任务规划，最终生成动作指令。其优势在于强大的泛化能力和可解释性。语言模型带来的零样本学习能力，使其能更好地应对未见过的长尾场景，且决策过程可以通过语言呈现，便于理解。
小鹏汽车董事长何小鹏曾在公开活动中透露，小鹏汽车在2025年用接近2万张卡去训练（AI大模型），大概一年的AI投入接近50个亿的费用。他认为，物理世界的AI将来会有巨大的向上空间。“我们在做一个叫做视觉语言行为大模型，这个模型里面用大量的数据去训练这个车怎么开，大家在今年年底或者在明年可以看到，我们L3软件基本上超过行业里面所有自动驾驶10—20倍。”
然而，VLA的挑战同样明显。华为智能汽车解决方案BU CEO靳玉志明确表示拒绝VLA路线。靳玉志表示，走 VLA 技术路线的企业，认为现在大家是通过 Open AI 等各种语言大模型，把网上的信息学了一遍以后，将语言、所有的学习转换成 LM 的方式掌握知识。这样的路径看似取巧，其实并不是走向真正自动驾驶的路径。华为更看重 WA，这个路径目前看起来非常难，但能实现真正的自动驾驶。
事实上，WA要呈现的，是直接实现“眼到手到”的类人驾驶反应。WA的优势在于空间感知精确、实时响应高效，且生成的行为更符合物理规律。但其挑战在于难以直接理解抽象的自然语言指令，且世界模型的构建极度依赖大规模、高保真的仿真与实车数据，技术门槛和资金投入极高，堪称“巨头的终局豪赌”。
目前，华为凭借全栈自研能力，以及超过100万辆的搭载规模所带来的海量数据，构建了强大的竞争壁垒。其目标是在2026年，在法规允许的情况下，让辅助驾驶具备高速L3能力以及城区L4试点能力。
蔚来是WA路线的另一位重要玩家。其投入巨资成立了“世界模型实验室”，累计投入超150亿元，致力于构建NWM（NIO World Model蔚来世界模型），直接在3D空间中进行场景推演。
大皖新闻记者近期从蔚来方面获悉，目前，蔚来正在经历研发范式的重大变革。其正从依赖规则（Code 1.0）和数据（Code 2.0）的范式，向基于仿真环境和强化学习的“Code 3.0”范式演进。这种方法通过为模型设定奖励机制（如高效安全通过路口得分），让其在仿真中“自学成才”。
成本博弈
技术路线选择背后，是更深层次的研发模式之争。
大皖新闻记者从蔚来方面获悉，目前汽车行业技术范式正在一步一步发生演进。最初的 Code 1.0（规则驱动） 时代，依赖工程师编写海量“if-else”逻辑代码来应对驾驶场景，其缺点是代码量爆炸至百万行级，规则之间容易“打架”，维护困难且无法穷尽所有复杂情况。随后行业进入 Code 2.0（数据驱动/模仿学习） 时代，即主流的“端到端”范式，通过让模型学习海量人类驾驶数据来获得更拟人的体验。
然而，这种方法存在一定局限，数据本身“脏”（包含人类不规范驾驶行为），且模型容易陷入“概率平均陷阱”。在面对人类行为不一致的场景（如有人换道有人不换）时，系统因无法判断行为优劣而学到一种折中、保守的“中间态”，导致车辆出现换道犹豫、路口不起步等“躺平”现象。
为解决Code 2.0的痛点，行业通常需要额外花费高昂成本，通过添加高精地图指引、采集特定场景的“专家数据”或堆砌更多规则来打补丁。
蔚来当前正迈向 Code 3.0（强化学习驱动） 范式。其核心是构建仿真环境并设立奖励函数（如安全高效通过路口得分、压实线扣分），让模型自主探索最优解，而非单纯模仿有缺陷的人类数据。记者从蔚来方面了解到，目前，蔚来的新版本正在转向这一范式，在解决诸如复杂左转路口等问题时，既不再依赖高成本的专家数据采集，也避免了复杂规则之间的冲突，使模型具备了自主的“目标意识”和更强的泛化能力。
这种范式跃迁直接关系到终极竞争力，成本。事实上，无论是VLA还是WA，规模化商业落地都必须跨越成本门槛。VLA虽然通过共享平台降低了中小车企入门成本，但其对云端超算的依赖使得训练成本居高不下。WA则因前期构建世界模型的投入巨大，被视为“50亿起步的数字孪生工程”。
因此，真正的赢家需要找到平衡。一位在某新势力主机厂从事智能驾驶方面工作的业内人士向大皖新闻记者指出，一方面，通过算法创新降低对昂贵硬件的依赖，例如很多车型开始取消激光雷达，转向纯视觉或轻量化雷达方案。另一方面，通过商业模式的创新摊薄研发成本。特斯拉则采用“硬件销售+FSD订阅+Robotaxi分成”的三重盈利模式。高效的“数据工厂”能力，即能以更低成本、更快速度处理和训练数据，将成为核心护城河。（大皖新闻记者 常诚）注：图系AI制作
