6月18日，蔚來一次推送，同時打18款車。8款NT2.0平臺、4款NT2.5平臺，加上6款NT3.0的車型，全收到了最新版的世界模型。一份智駕代碼，開始在三個代際的芯片上跑起來。

這件事曾困擾不少車企。硬件不同，軟件版本就割裂。新硬件用新軟件，舊車型停在原地。蔚來這次，試圖把這條線打通。

這背后是任少卿團隊在2020年埋下的一步棋。當時，主流做法是直接套用英偉達的工具鏈做上層部署。蔚來的判斷是，車端芯片的工程架構還會持續(xù)快速迭代，一套方案能用3到5年。他們決定只留底層硬件接口，其余全自研——推理引擎、部署框架，都自己搭。

自研編譯器也跟了上來。自動算子優(yōu)化，把以前需要一到兩周的部署時間，壓縮到一兩天。端側的推理性能，拉高了超20%。

任少卿透露，他們還把AI Agent的自動化工作流引了進來。原先工程師得長時間守在屏幕前手動操作、分布執(zhí)行，現(xiàn)在，AI Agent接手了這些重復步驟。一個模型從打包到上車，全程壓進了兩個小時以內(nèi)。

這背后是一套AI Infra在起作用：車端把高價值數(shù)據(jù)傳回云端，算法團隊用數(shù)據(jù)訓練出更聰明的模型，AI Infra再把模型打包推送上車，形成一個閉環(huán)。任少卿算了筆賬，在大模型階段，想要性能提升三個點，數(shù)據(jù)量需要翻十倍；如果想提升18個點，數(shù)據(jù)就需要連乘6次10倍。單靠增加測試車、花錢采集物理數(shù)據(jù)，會很快撞上物理極限。

任少卿對數(shù)據(jù)有自己的想法：“數(shù)據(jù)的本質(zhì)是算力，是‘模型加算力’運行產(chǎn)生的結果?！蔽祦碓诹慨a(chǎn)車上跑著一種“影子模式”，最新的待驗證大模型只做實時推演，完全不干預駕駛。一旦模型的預判和人類司機的真實操作出了差異，這個Corner Case就會被挑出來，傳回云端。

這套驗證已經(jīng)跨過NT2和NT3兩個平臺，每周無感完成超4000萬公里的主動安全測試——相當于一千輛測試車連續(xù)跑一年的數(shù)據(jù)量。任少卿說，這種由車端篩選出的Corner Case，可能只占到整體數(shù)據(jù)的5%，但它的訓練價值比底層常規(guī)數(shù)據(jù)還要大。

云端世界模型里，蔚來還會刻意給AI制造各種極端、違常理的陷阱，逼著神經(jīng)網(wǎng)絡去學習，怎么在出錯狀態(tài)下把車拉回正軌。

近來，外界對蔚來智駕的評價開始轉向。任少卿的解釋是，這并非某個單點算法的突進，而是他們對“物理AI發(fā)展周期”重新摸了一遍。他把技術分成四個階段：目標不清晰的第一階段，有彎道超車空間的第二階段，技術路線收斂、拼人力的第三階段，以及紅利消失、拼細節(jié)的第四階段。2020年前后，智駕已經(jīng)進入第三階段，大家堆人堆策略、寫幾萬行代碼。但到了2023年，大模型和世界模型的概念涌出來，任少卿的判斷變了：智駕技術退回到了鼓勵底層創(chuàng)新的第二階段。

于是，蔚來在大概兩年前動了一次組織架構。他們把智駕團隊改成了“4×100米接力跑”：第一棒做預研，第二棒負責主線狀態(tài)交付，第三棒做跨平臺適配，第四棒承擔具體車型的量產(chǎn)交付。因為技術退回了第二階段，資源就重點砸向了第一棒——預研。

現(xiàn)在外界看到的能力提升，是架構變陣疊加Infra底座搭好之后，逐步顯現(xiàn)的結果。任少卿說，微觀看有很多創(chuàng)新在支撐“世界模型加閉環(huán)強化學習”這套架構落地。

關于算法路線，任少卿覺得有不同想法很正常。從2022年開始，技術從“非常確定”變成了“非常不確定”，各種機會一下冒了出來。他們內(nèi)部在2023年下半年開始做世界模型，那時這個名字都還沒被叫得那么清楚，想法很簡單：第一，用完全無監(jiān)督或自監(jiān)督的方式做訓練，不需要打那么多標簽，有些數(shù)據(jù)人工也根本標不出來；第二，做成多模態(tài)混合、統(tǒng)一的網(wǎng)絡。過去三年里，整個物理世界AI跑得飛快，寫規(guī)劃模型的那幫人，之前三年干的活兒可能就是不停疊場景，現(xiàn)在，這套邏輯被重新打開了。