< img id=”wx_img” src=” width=”400″ height=”400″>
零跑开始尝试在智能化上问鼎了
在 2026 年的智能汽车产业版图中，「世界模型」正从概念验证走向工程化落地。这不仅仅是算法范式的切换，更是车企算力分配、数据闭环与用户体验定义权的一次重新洗牌。过往依赖规则堆砌或端到端黑盒的争议，正在被对物理世界因果关系的“推演”能力所消解。当技术门槛从算力密集转向算法效率，谁能率先实现“普惠”，谁就掌握了下一个赛道的入场券。
贾浩楠 发自 凹非寺
AI快讯网 |
2026 智能车最热黑科技——世界模型，第一个把门槛打下来的玩家，意料之外，情理之中：
零跑汽车，创造了科技“普及平权”的新纪录，四五十万豪华车的世界模型智能辅助驾驶方案，将下放到 10 万以内的入门级车型。
而且放话不只是能用，依托世界模型技术体系，AI 司机从能用变成了好用。
而上车之后，有巨大的潜力和价值，毕竟智能汽车是眼下直通物理 AI 最成熟的平台——自由移动、自由定义、自由进化。
零跑入局，可能会彻底改变格局：
车端的世界模型，要从旗舰车型的零星尝试，走向普惠大众的“铺天盖地”了。
零跑世界模型智能辅助驾驶系统的实测，选在杭州浙二医院附近的核心城区，本地人一听就知道附近路况的复杂程度：
这也是零跑世界模型实测的第一个厉害之处：人车混行的极窄路段，敢博弈，而且轨迹策略合理，高效通过。
既不鲁莽危险，也不会让用户觉得过于“胆小”。
复杂环境的多目标博弈通行，这一点是当下绝大多数量产智能辅助驾驶系统不具备的能力。
除了博弈场景，零跑世界模型在不那么复杂的路段，也展现出比正常通行更高阶的能力：
一个常规匝道并入的场景，仍然能看出零跑世界模型的“好用”之处：和人类司机一样，平滑规划变道时机，兼顾安全和效率。
这样无限贴近人类成熟司机，以及安全驾驶习惯的风格，还体现在和低速交通参与者的交互中：
整个过程没有重刹没有顿挫，也没有停车等待，而是和人类司机一样，缓慢蠕行等待行人通过。
还有一个令人印象深刻的场景：
路边的临停、违停指示牌，零跑世界模型不但看到了，还看懂了，聪明地选择了绕行。
所以从这几个场景体验可以看出，零跑世界模型所谓的“好用”，其实翻译成具象的表达，就是一个预期感，和你自己开车会采取的策略几乎一致，不会让你感到系统太蠢太胆小，更不会让你感到害怕。
系统对场景，从感知到认知；对决策，从模仿到思考。
就比如路边的临停、违停其实是对 AI 司机考验很大的科目，尤其是流行的端到端方案，大概率会把路边临停违停理解成正常等红灯的车流，尾随傻等。
反而是真正等红灯的车流，容易被标记成“慢车”，做出危险、突兀的绕行动作。
这是端到端的局限，本质是模仿人类司机驾驶行为，但并不理解场景，容易出现不可控的危险动作。
再比如，前面说的匝道并入，目前多数量产系统都能完成，但往往从匝道汇入后，系统的规则会强制车辆线驶向最右车道，然后又在“靠左快速通行”的规则指导下再向左变道。
结果就是在高速路上“画龙”，反倒增加了风险——这是古早规则主导自动驾驶时代的“遗毒”，现在其实也不少见：
用巨量人力手写规则代码的智能辅助驾驶系统，的确也能处理绝大部分路况。但规则就像“毒药”，能快速解决难题，但写了第一条就会有第一万条，最后得到一套驾驶风格“前倨后恭”、用户体验“前俯后仰”的“屎山”算法。
所以量产高阶智能辅助驾驶普及之后，在 2026 年出现了新的竞争趋势：
各家都有车位到车位，但真正有价值的 L2+ 产品体验，是用户“无感”的，和你的家人朋友开车一样让你安心。
或者说，好的 AI 司机，不需要去刻意测评。
朱江明在世界模型实测中，说了一句话很有意思的话：
如果是规则（主导），那只会先选一条固定路线。
所以可以推测，零跑世界模型目前为止是没有任何一行”if else”规则代码的。
但又和不依赖规则的端到端“黑盒”体系，有根本不同。
简单来说，“世界模型”首先是一个大模型，但是多模态输入：不仅通过文字，更通过视觉、触觉、声音等多种感知来理解世界。
打个比方，你扔出一个玻璃杯，ChatGPT、DeepSeek、豆包等等语言模型知道“杯子会碎”，但它并不真正理解重力、硬度、动量这些物理量是如何在时空中相互作用的。
但世界模型不一样，AI 建立了对三维空间、物理规律、物体持久性、因果关系的认知，尤其是万事万物的因果关系理解。
一般世界模型架构核心由三组件构成：
视觉编码器/压缩器：将高维度的观测数据（如摄像头拍摄的图像、视频帧）压缩成低维度的潜在向量。
序列预测器/动态核心：使用循环神经网络（RNN）或 Transformer 架构的“物理引擎”核心，它接收当前状态的潜在向量和智能体（或外界）采取的动作，预测下一个状态的潜在向量。实际上是在潜在空间里“模拟”世界。
渲染器/解码器：当需要人类观察或评估模型推演的结果时，将预测出的“潜在状态”还原成可视的像素图像，它相当于“图形显卡”。
所以世界模型最大的价值，是允许“如果……会怎样”的推理式交互，理解行为与后果之间的因果链条，而不是仅仅发现统计相关性。
说到这你可能马上就明白了，爆火的 Seedance 视频生成能力，其实本质就是世界模型。
而自动驾驶的本质，就是根据实时路况，不断修正行车轨迹——世界模型完美适配需求，而且比端到端这样的轨迹输出“黑盒”更加可控。
只不过在汽车智能化浪潮中，关于世界模型存在争议：有玩家认为世界模型是单纯后端的模拟器，用于数据生成仿真训练。
但是，也有另一派玩家把车端的系统直接叫世界模型——零跑显然是这一派——车端世界模型的任务，是进行实时环境认知与决策，强调的车端“平行世界推演”能力，相当于“脑内小剧场”。
其实两派并没有根本矛盾，属于工程落地与宣传上侧重点不同，因为 AI 行业对于世界模型是有阶段性共识的：
从海量数据中自主提炼物理与社会规律，形成对世界运作方式的抽象理解。
从这个共识出发，零跑自研世界模型，首先是宏观上的，即后端的数据驱动体系，据透露目前已经建成数千卡的算力基础设施规模，并且跑通了真正的数据闭环体系。
意思是数据中的 bug、问题，能自动走完从“被发现”到“被解决并被验证”的路径：自动发现异常行为，然后将问题自动归类、建成数据集，再针对性自动进训练/仿真，出了解决方案后，系统还能自动评估效果。
研发中“人”的作用，是定义和监管、决策，而不是自己徒手标注、调参、评估、部署……
“数据直接解决问题”是最关键的核心能力，尤其在 AI 大模型技术范式的革新中。
这一能力看似简单，实际对车企、自动驾驶公司来说非常稀缺，因为会直接影响泛化性、效率、成本。
而在用户一侧，零跑世界模型还是能交付、能体验的产品方案。
云端的超大参数世界模型，通过知识蒸馏的手段，再对神经网络结构，模型部署等环节做优化，实现了车端部署。
蒸馏到啥程度呢？据透露，目前测试中的零跑世界模型，依托的是高通 8797 芯片平台，单颗稠密算力 320TOPS。
但这还不是极限，零跑给出的承诺是，未来所有车型中只要是搭载高通 8650 芯片的配置（即搭载激光雷达），都能上车世界模型。
值得注意的是，尽管官方现在没有直白说，但 8.86 万版型 A10，实际也是激光雷达+8650 配置。
也就是说……
零跑创纪录把世界模型门槛打到十万元以下，背后是另外一个技术探索的新纪录：
极致蒸馏，把世界模型部署在（稠密）算力 100TOPS 的算力平台。
这是马斯克也从未做到过的事，但零跑也并不是违反常识和技术发展规律，董事长朱江明给出了详细解释：
纯粹只是把智能辅助驾驶做到好用，类似于 8650 的算力其实就够了。
但要说把车载 AI 作为大模型个人助手，就是另外一回事。
尽管掌舵人朱江明对外曾说零跑的策略是“技术不成熟时观望，成熟就跟进”，但事实上如今的零跑在 AI 层面，已经超脱了单纯车企的视角和诉求。
毕竟如果只追求车位到车位的普及，一段式端到端足以胜任，而且成本会比自研世界模型更低。
另一个层面，回顾一下零跑近两年的技术进展，始终在智能化上快人一步，又不是无迹可循。
比如和高通合作量产了智能汽车最早的舱驾一体化落地方案，以及在中低算力平台的强功能体验，再到如今一段式端到端、VLA、世界模型多路线并进的智能化方案等等，在“性价比”之外，外界正在越来越意外地认识到一个全新的零跑。
但另一个方面，零跑又没什么变化。
仍然是技术普惠第一，把最前沿的智能化技术、体验，不设门槛普及。
事实上，在智能化普及上，零跑是车圈少见的“行胜于言”，真实交付的体验其实远超巨头车企。
从去年 B10 率先把激光雷达普及到 10 万级，就能看出来。
而刚刚上市的 A10，同样是把车位到车位体验普及到 8 万级，行业唯一。
这背后，是在车企阵营中，零跑率先洞察、抓住了 AI 浪潮的趋势。
智能汽车、自动驾驶行业的争论，尤其是今年 VLA 阵营和端到端阵营的口水仗，零跑根本不站队不下场。
而是用产品方案给出了自己的理解：
一段式端到端足够成熟，给入门级产品带来全场景无断点体验；
从大语言模型借鉴而来的 VLA 体系，零跑放在如今的旗舰车型，给出最领先的舱驾一体智能化体验；
而跳出大语言模型范式的限制，回归汽车、移动机器人的本质——和物理世界交互，零跑毫不迟疑地选择去探索更底层的 AI 范式革新。
而世界模型一通百通，改变的又岂止是汽车？
零跑汽车 2025 年全年累计交付新车 596,555 辆，同比增长 103%，并凭借这一成绩成为中国造车新势力品牌的年度销量冠军。
而在销量问鼎新势力之后，现在的零跑，开始尝试在智能化上问鼎了。
