蔚來世界模型OTA，70萬用戶沒人被留在舊版本

賈浩楠 發自 凹非寺量子位 | 公眾號 QbitAI

“我自己就是ET7車主，四年多了還能用上最好的軟件”——

說這話的人是任少卿，“21世紀被引次數最多的AI論文”（Nature統計結果）ResNet核心作者，也是現在蔚來汽車的智能駕駛研發的掌舵人。

他的座駕是2022年交付的首代蔚來ET7。

同他一樣，幾天前超70萬蔚來和樂道車主用戶都收到了最新版世界模型的推送更新。

巧的是，幾乎同一時間馬斯克在做相同的事：給最早7年前的HW3硬件車主更新FSD V14 Lite（蒸餾版）。

但不同的是，任少卿面臨的挑戰更加復雜：

兩個品牌、四個平臺、2種芯片方案、4種傳感器硬件配置、十幾款不同車型……

一套代碼、一個模型、一次推送，覆蓋了全部。

而且，沒有“Lite”。

蔚來的“通吃”型OTA

超70萬輛車，蔚來和樂道兩個品牌，四個平臺——Banyan、Cedar、Cedar S、Coconut+——最早能追溯到2022年3月交付的第一批ET7。

芯片有兩套：英偉達Orin-X和蔚來自研神璣NX9031。

傳感器也不一樣——NT2的3D毫米波雷達，NT3的4D毫米波雷達；NT2的SiPM激光雷達，Coconut+的SPAD激光雷達；攝像頭ISP因芯片不同也有差異。

行業常規做法是：新芯片配新算法，老硬件要么“降級”要么停更。就比如特斯拉HW3車主等了一年多終于等到V14，只不過后面跟了個“Lite”——知識蒸餾壓縮出來的小模型。

蔚來的版本號后面什么都沒有。

不管你的車是四年前買的還是昨天提的，不管上面是Orin還是神璣——OTA收到的模型代碼一樣。

斌哥的誠意沒得說，但真正讓人在意的，是技術上可行嗎？

特斯拉能做到的也只是蒸餾出一個規模只有完整版FSD V14 15%左右的小模型，這使得Lite版本的FSD V14，在某些場景，尤其是不規則路口、惡劣天氣條件下，能力有明顯短板。

任少卿的解釋是：“不同的攝像頭用同一個網絡處理，靠神經網絡把性能拉平。激光雷達和毫米波雷達是熱插拔接口，有就輸入，沒有也能跑。”

但車企層面，模型不同，需要的Corner case也不同；車企內部，不同傳感器方案，不同車型，數據可能也不盡相同。

一般來說，各自的數據只能在各自的技術方案里產生價值。

但任少卿給出了反常識的認知：

“數據不是零成本拷貝的文件。真正有價值的數據，是針對某一個模型的Corner case。要找到它，必須讓模型在場景里跑起來”——

蔚來“70萬輛車”的真正意義，不僅是銷量數字——是蔚來能調度這70萬輛車的閑置算力做驗證、做篩選。

每周主動安全驗證里程超4000萬公里，整體超1億公里，相當于1000輛測試車跑一整年……

而為了做到這一點，蔚來自研搭建的整套AI技術體系，遠比傳統認知的“影子模式”更為復雜。

怎么做到的？

2021年1月9日在NIO Day 2020上第一次亮相的ET7，其實已經完整體現了蔚來智能技術布局，只不過當時不被行業和用戶理解。

比如800萬像素攝像頭，比如高線束激光雷達，以及四顆Orin——超1000TOPS算力。

內部有人覺得“用不了那么多”、“太貴了”，外部有人批評是“過度配置”。

四年后回頭看，2022年的ET7能跑2026年的模型，恰恰是因為當年的“過度”。

這可能是巧合，或者是任少卿和他的團隊在技術路線未收斂的情況下，一次大膽的“投石問路”。

但蔚來在后面數年內一步步落地交付的產品、方案，似乎不支持“巧合”“押注”的猜測。

緊接著首款ET7交付，2022年蔚來在做的還有自主設計芯片神璣NX9031。

當時行業主流還是CNN，Transformer架構還沒等到2023年一戰成名的ChatGPT Moment。

但蔚來的芯片團隊和AD團隊在反復討論：下一代神經網絡會不會變成純Transformer？

如果是的話，那么相比堆計算單元，內存帶寬反而會是新范式最大的瓶頸。

因為CNN與Transformer計算存在本質差異。

CNN的核心操作是卷積，同一組權重在輸入特征圖上滑動復用，數據一旦被加載到片上緩存就能完成大量乘加運算，復用率高、算術強度大，對帶寬的依賴相對溫和。

Transformer的靈魂是自注意力機制，每個token需要與序列中所有其他token計算相關性，這種全局依賴導致了大矩陣乘法和動態生成的KV Cache：

自回歸推理每解碼一步都要把不斷膨脹的KV Cache從內存中完整搬運一遍，數據復用率低、搬運次數多。

CNN芯片可能在算力上很好看，但它的設計假設是數據能被喂飽；但當Transformer來了，再高的TOPS也會被內存墻卡住——算得動但喂不進來。

最終，蔚來在ChatGPT震驚世界之前，選擇了Transformer作為芯片設計的主要驅動導向，做出了546GB/s的內存帶寬，行業最高。即使今年量產的幾款最新芯片，內存帶寬也只有蔚來的一半。一塊神璣芯片，就能產生與四塊Orin類似的性能。

與其說是造“算力更大的芯片”，更準確的說法是造“能讓大模型跑起來的芯片”。

軟件層面的布局，甚至能追溯到更早的2020年。

當時蔚來剛搭全棧自研團隊，做的決定依然不被行業理解：

英偉達的軟件只用到CUDA層，之上的部署框架、推理引擎、AI編譯器全部自研。

就比如，蔚來自研的AI編譯器，實現自動算子優化和圖優化，大部分算子自動生成，多層之間自動融合。

效果很直接：模型部署從1-2周壓縮到1-2天，推理效率比通用工具鏈提升20%以上。

而傳統做法是，神經網絡每一層算子都需要工程師手寫優化。算法工程師改個模型，工程團隊就得跟著改部署代碼。

直白說，類似編譯器、工具鏈，是算法和芯片之間的“翻譯”，如果翻譯是由他人提供的，可能很難把算力、算法匹配到極致。

任少卿透露堅持自研工具鏈的原因很簡單：2020年當時已經決定要自研芯片，所以必須從一開始就兼容Orin和蔚來的自研芯片。

2026年蔚來給老車主OTA最新世界模型，這件事的邏輯很清晰：

先判斷智駕能力的上限會持續拉升，于是把硬件一步到位；

為了讓下一代硬件能跟現有硬件共享同一套軟件體系，提前自研工具鏈；

有了自己的工具鏈，才能讓自研芯片按照自己對算法范式的判斷去設計，而不是被供應商的既有方案牽著走。

不是三次獨立的押注賭博，更不是“無心插柳”，而是每一步都在為下一步鋪路——“看見十步、落子三步”。

這個閉環中，所有工具類的“生產資料”到這一步都已經就緒，差最后的關鍵“原料”：數據。

AI有個經典曲線：性能提升3個點，往往數據翻10倍。

但對于與真實世界交互的AI司機來說，有效數據遠比大語言模型稀缺：測試會越來越難跑——中早期corner case會大量反饋并被解決，但后期越是極端致命的案例，越罕見，最后1%的問題，往往要付出巨大成本。

蔚來的解法叫“群體智能”：新版本通過云端下發到量產車的閑置算力，在用戶無感的情況下完成驗證，NT2和NT3的車進同一個驗證池。

蔚來的群體智能當然也是“影子模式”的一種落地方法，但有效數據必須用車端的真實模型去跑、去篩、去擾動才能產生。

蔚來從2020年開始搭建的就是這個體系——車端算力調度加云端驗證下發，加Corner case自動回收。

六年沒改過底層邏輯。

這套體系的效果正在顯現：如今蔚來用戶保險出險賠付相比2023年降低40%，人駕平均安全里程達679萬公里，重大事故率隨車量增長反而下降。

蔚來沒有在技術上“追趕”過任何人

今年開始，蔚來除了經營業績上不斷給外界驚喜，也越來越多展現技術實力，只不過常被解讀為“終于追趕上來了”。

但從這次OTA背后的透露出的蔚來技術體系來看，其實這幾年中，蔚來從來沒追趕、模仿過任何玩家，自然也沒有什么轉軌、掙扎、沉沒成本。

多平臺同步升級不是2026年才解決的，是6年前“AI基建馬拉松”的自然抵達。

即使這個過程的開局，是2019年蔚來岌岌可危命懸一線，期間還經歷了2021年從巔峰陡然墜落…….

但李斌絲毫沒讓這些經營層面的麻煩，影響技術團隊的探索，讓蔚來成為廣義AI領域中，第一個看清世界模型價值，并且最早在終端落地的玩家：

除了前瞻，現在蔚來作為“先驅”又有了新的認知：

明確區分了“表層算法”（如端到端、VLA）和“底層工程”，而真正的護城河并不在于今年用了什么模型，最大程度避免模型范式“一代版本一代神”的困境。

直白地說，蔚來走過的路，其他玩家都免不了要再走一遍。

換電體系投入了八年，自研芯片投入了六年，AI工具鏈也投入了六年。這些決策都是前期投入重、回報周期長、過程中一直被質疑。

但2026年的結果開始說話——銷量在漲，毛利在好轉，四年前的車還在同步更新。

換電網絡是物理基礎設施，工具鏈、芯片是AI基礎設施，底層邏輯相同：

對蔚來自己，用戶權益、歸屬感這件事，現在有了新高度：技術即服務、AI即服務；
建成之后，別人很難復制。

“技術即服務，服務即技術”看似是抽象理念，放到智能車迭代迅猛的當下卻格外有分量——當技術更新快到讓人眼花繚亂時，能靠技術守住對用戶的承諾，用穩定體驗筑牢信任，才是真本事。

這種信任會像飛輪一樣轉起來：技術扎實贏得用戶認可，用戶信任反過來助推銷量和產品迭代，銷量上去了又能反哺技術研發，形成越滾越強的正向循環。

這時候，技術就不只是冰冷的參數，而成了串聯用戶與品牌的紐帶，這種由信任驅動的規模化增長，才是最穩當的飛輪動力。

現在的蔚來，有世界上規模最大的“物理世界數據采集網絡”之一。

有“讓模型在物理世界里持續進化”的工程能力。

有正在打通的“虛擬”和“物理”閉環。

不需要太久，智能汽車的競爭會變成 “誰的模型能更快地從物理世界里學習、更聰明地理解世界、更安全地應對未知。”

蔚來在走的這條路，不只是讓2022年的車跑2026年的模型，他們在搭建一個能持續從物理世界學習的智能系統。

這個系統的終點，不是L3\L4，也不會一直停留在“汽車”這具軀體上。