Robotaxi的召回潮：世界模型越來越強，但為什么還在翻同樣的車

世界模型學會了想象，但還沒學會從錯誤中畢業。

撰文 | 麥哩

題圖 | 網絡

6月下旬，Waymo召回3871輛Robotaxi。

原因是部分車輛在高速行駛時，沒能識別封閉施工區。有的識別到了，但在優先級排序上選錯了，導致車輛沖進施工道路繼續高速開。

不滿兩個月前，Waymo剛因為車輛無法規避路面積水，召回了約3800輛。施工區、積水，這兩個場景，每一位司機每天都會遇上。但Waymo這樣的頭部玩家，仍然在大規模運營中被它們反復絆倒。

更讓人不安的，是故障鏈條的隨機性。有的是感知失靈，車沒看見錐桶、沒看見積水。有的是風險排序出錯：看見了危險，但在“先避哪個”的毫秒級決策中選錯了。同一個場景，兩種完全不同的翻法。

世界模型的問題不在于不夠強。在于消化失敗的速度，跟不上現實暴露問題的速度。

世界模型到底卡在哪

Robotaxi進入真實道路后，暴露的不是單一模塊的bug，而是感知、預測、規劃、風險排序在復雜交通互動中的組合性失效。不是誰出了問題，是多個模塊一起出了問題。

清華大學封碩團隊今年把這種現象命名為“蹺蹺板效應”：在部分場景提升了安全性，卻在其他場景出現退化。馬斯克也公開承認過，大模型部署后，總會在訓練之外的方面冒出新問題。

這引出了一個比“世界模型能生成多復雜的場景”更關鍵的問題：已經暴露的失敗，能不能被快速消化成新的訓練資產？

一次施工區誤入，如果只停留在事故復盤里，它就是一個孤立案例。如果能被世界模型重建為不同車速、不同錐桶擺放、不同旁車行為、不同臨時封閉條件下的場景族，它就從“一次事故”變成“一類可訓練的問題”。

但重建只是第一步。修復后的模型還需要在這些變體中反復驗證，證明它不只是記住了這一次事故，而是掌握了同類風險邏輯。同時，它沒有因為修復這個問題變得過度保守，反而在別處制造新風險。

這就是"失敗閉環"。從發現失敗→篩選歸因→重建場景→訓練修復→驗證無副作用→部署回灌。一個完整循環。

目前，沒有玩家有證據證明這個閉環已經跑通了。

同一個詞，三種完全不同的打法

所有Robotaxi玩家都在談論世界模型，但每家說的不是同一個東西。

有的放在云端做仿真，有的塞進車端做實時推理，有的試圖把世界模型和VLA揉到一起。同一個詞，三種完全不同的技術判斷。

第一種：世界模型當數據工廠。

華為WEWA架構的World Engine在云端用擴散生成模型造難例場景，密度是真實世界的1000倍。車端的World Action Model負責實時推理。特斯拉走了類似路線。神經世界模擬器根據當前狀態和動作合成未來狀態，號稱讓AI在一天內學完人類500年的駕駛經驗。商湯絕影依托20 EFLOPS算力，1個GPU的仿真數據相當于500臺量產車采集效果。

核心邏輯是先在云端把場景練到位，再讓車端模型上路。世界模型的價值是數據密度，用虛擬場景填補真實長尾的空缺。

但這套打法有一個前提：云端生成的場景分布，必須覆蓋真實世界會遇到的失敗模式。施工區和積水本應是基礎場景，但Waymo還是翻了。說明"窮舉式生成"有天花板。真實失敗的組合方式，永遠比仿真更出人意料。

第二種：世界模型上車當隨車大腦。

蔚來的NWM從2025年5月推送，覆蓋超40萬臺車。核心能力是100毫秒內推演216種可能軌跡，選出最優解，下一個100毫秒再根據新輸入更新模型。相當于給車裝了一個"想象力引擎"，每次決策前在腦內快速預演多種未來。

升級后的訓練架構，是世界模型+監督微調+閉環強化學習三層框架。在國內首次實現了智駕系統直接操作方向盤和踏板，跳過傳統軌跡規劃中間層。

好處是實時的，不等云端反饋，車端自己就能推演應對。約束也明顯，車端算力和延遲是死線，模型不能太大，推理必須極快。NWM能在100毫秒內跑完216種軌跡，背后是極端的模型壓縮和算力分配。這對車端芯片的要求極高。

第三種：世界模型和VLA融合。

小鵬今年密集釋放了三件套：X-World把世界模型定位為"會思考的物理AI系統"，X-Cache減少七成重復計算實現2.7倍推理加速，X-Foresight直接把預測式世界模型融入VLA，在統一token空間內同時預測未來畫面和自車動作。

小鵬通用智能中心負責人劉先明說："VLA學的是人在這個世界中會怎么做，世界模型學的是這個世界本身會怎么變化。"小鵬的賭法是兩個都要。既是動作生成模型，也是理解和推演的物理世界模型。

理想的MindVLA-o1也在走融合路線，引入預測式隱世界模型，在隱空間中推演未來場景。

技術方向已經清晰。VLA和世界模型不是二選一，而是走向融合。但融合的工程難度極高。兩個大模型放在一個系統里，算力分配、延遲控制、訓練穩定性，都是硬仗。

差距不在模型設計，在失敗閉環

技術路線的分歧只是表象。真正重要的是：誰離"失敗閉環"更近？

從這個角度看，玩家已經分出了三層。

第一層：Waymo、特斯拉。不是模型最強，而是有真實運營車隊在持續產出失敗數據。Waymo在北美多個城市運營，特斯拉FSD累計行駛超100億英里（截至2026年5月）。每次召回都是一次大規模"失敗數據"注入。他們的世界模型有持續的、真實的失敗輸入，能自動觸發"分析→訓練素材→修復→驗證→部署"循環。

召回不是事故的代名詞，是數據采集機制的副產品。擁有真實運營車隊的玩家，召回頻率越高，意味著失敗閉環運轉越快。這恰恰是其他玩家最稀缺的資源。

第二層：華為、蔚來、小鵬。架構清晰，有的側重云端，有的側重車端，有的兩手抓。華為WEWA已上車，ADS 4.0端到端時延降低50%；蔚來NWM已推送數十萬輛車，用戶使用里程環比提升92%；小鵬第二代VLA量產推送首月，輔助駕駛里程占比突破50%。

但大規模運營中的“失敗考驗”還沒真正到來。那種被現實道路反復打臉、被迫快速消化、形成免疫力的循環，還沒有真正到來。架構已備好，壓力測試還沒開始。

第三層：Momenta、商湯、地平線等供應商。Momenta的R7強化學習世界模型走三層遞進架構，商湯靠20 EFLOPS算力做虛擬強化，地平線用VLM輔助+世界模型強化學習。他們的優勢是把世界模型能力標準化打包賣給多家車企。風險是大客戶們遲早會走向自研。

供應商的命運，從來不完全在自己手里。

從數據閉環到訓練閉環

行業正在發生一個范式轉移：從"數據閉環"到"訓練閉環"。

過去的數據閉環是"采集→標注→訓練→部署"，靠真實路測數據驅動迭代。問題是標注慢、長尾場景收集不全、模仿學習有天花板，最多學到人類平均水平。

訓練閉環在數據閉環之上疊加了世界模型、合成數據和強化學習三層能力。世界模型生成虛擬場景，模型在仿真環境中自主探索，環境反饋自動優化模型。不再完全依賴真實路測。

理想提出的Hierarchy UGP 4D動態重建在Waymo數據集上達到SOTA水平。英偉達Omniverse NuRec把手工建模成本降低90%。小鵬X-Cache減少七成重復計算。

這些數字指向同一個趨勢：世界模型正在從輔助工具變成訓練基礎設施。未來90%以上的訓練場景可能由AI自動生成。

但訓練閉環繞不過“蹺蹺板效應”。修了一個問題，會不會在別處制造新問題？

清華和密歇根大學的研究團隊提出"dense learning"方法：自動篩選高價值數據樣本、分層學習。關鍵是看哪些失敗案例值得學、怎樣組織這些失敗、學完之后有沒有制造新副作用。

世界模型+強化學習的組合有望突破模仿學習的天花板。但前提是篩選機制足夠精準。如果世界模型生成的場景質量不過關，或者強化學習的獎勵函數設計有偏，"自主探索"就變成了"自主制造新問題"。

真正的壁壘是消化失敗的速度

對Robotaxi來說，世界模型在商業層面的本質是成本工具。用虛擬場景替代真實路測，用自動生成替代人工標注，用強化學習突破模仿學習的天花板。

但比降本更重要的，是降險。

每一次Robotaxi召回，代價不只是技術修復。媒體跟進報道、運營范圍收縮、監管溝通成本上升、公眾信任下降。如果每一次失敗都只能靠真實運營來發現、靠召回來處理、靠下一輪投放來驗證，擴張速度就會被不可預料的現實意外不斷消耗。

世界模型的真正價值，是把真實失敗重建為可交互、可變形、可反復評估的場景資產。讓下一次同類問題的處理成本更低。

這意味著競爭重心又遷移了一次。

過去比的是誰的世界模型能生成更復雜的場景。接下來比的是誰的"失敗閉環"跑得更快。從發現失敗到篩選歸因到訓練修復到驗證部署，整個循環的周期有多短。

航空業用幾十年建立起圍繞日常飛行數據、航行事件和一線報告的安全反饋機制，讓運營中的異常沉淀為訓練、流程、維護和管制的持續改進。不是保證飛機永遠不出事，是讓每一次險情都變成系統的免疫力。

自動駕駛也在經歷同樣的轉型。不同的是，航空業靠的是制度和流程，自動駕駛多了一種技術抓手。世界模型可以把真實失敗重建成可反復訓練的場景資產，讓"消化失敗"變得更快、更系統、更可復用。

但技術抓手只是工具。能不能把工具變成組織能力，是另一回事。

現實道路會繼續出難題。世界模型不會讓失敗消失，但它可以讓失敗變得有價值。這場競爭的終局，不屬于跑得最快的玩家，屬于消化失敗最快的玩家。