先说结论

• 横穿美国的 2732 英里无接管（2025 年底，FSD V14）是这轮智驾跃迁的标志性事件；2026 年 3 月英伟达 GTC 上，VLA 与世界模型的路线分歧被公开摆上台面，行业分裂成"VLA 派"（理想/小鹏/元戎/小米）与"世界模型派"（华为/蔚来/Momenta）[1][2][3]。
• 用信号论的尺子看，自动驾驶是物理 AI 中唯一三层信号都基本配齐的领域：驾驶日志是近乎免费的被动数据（比亚迪日采 2.2 亿公里）≈ 互联网的文本；仿真与世界模型提供了可无限试错的练兵场（撞一万次车无人受伤）≈ 围棋的自我对弈；而占比不到 1% 的人类接管数据，是天然的"负样本+纠错"信号[2][4][5]。
• 三条技术路线，本质是三种信号策略：VLA 派用语言模型给系统注入常识与语义（放大模仿信号的价值）；世界模型派押可模拟性（把试错成本压到零）；一段式强化学习派押探索（超越人类示范的上限）。争论的是模型架构，收敛的是信号配置——终局已经清晰：VLA 负责认知、世界模型负责预测、RL 负责优化[3][5][6]。
• 元戎启行 CTO 曹通易的判断一针见血：自动驾驶撞上的不是算力墙，是"认知墙"——数据在爆炸、车队在扩大，但系统进步在放缓，因为端到端模型更多是"记忆分布"而非"理解世界"[2]。这与 DR.004 的命题严丝合缝：信号的量再大，也替代不了信号的种类。
• 训练范式的三个深刻变化：强化学习上车（Momenta R6 是国内首个量产的端到端强化学习大模型）、世界模型成为训练基础设施（而不只是车上做预测的模型）、数据军备竞赛分层（比亚迪 352 万辆、日采 2.2 亿公里——这个差距比算法差距更让人绝望）[4][5]。
• 本期核心判断：自动驾驶给具身智能写了一本"信号配置说明书"——先有被动数据（车队），再造练兵场（仿真/世界模型），最后用稀疏但关键的纠错信号（接管）点睛。具身智能现在补的每一门课，都能在这本书里找到页码。

前两期（ND.012/ND.013）拆的是物理世界的信号荒漠：Robotaxi 的验证墙、具身智能的数据断供。这一期看一个对照组——同样是物理 AI、同样用 VLA 架构，自动驾驶为什么跑得最快？答案不在车上，在信号的配置上。

2025 年底，大卫·摩斯坐在一辆 Model 3 里，历时 2 天 20 小时、跨越 2732.4 英里，全程无接管横穿美国——这是智能驾驶史上第一次[1]。驱动这次旅程的 FSD V14 做了一件标志性的事：把 xAI 的 Grok 大模型能力整合进导航和决策系统，模型参数量比 V13 提升 4.5 到 10 倍。Grok 不是让座舱能聊天，而是给决策系统加了一层语言理解能力[3][4]。

中国军团的回应更密集。理想在 2025 年 9 月把全球首个量产 VLA 司机大模型推上车（OTA 8.0），车主可以直接语音控车"前面路口左转"；2026 年 OTA 8.2 又叠加了行为强化学习，VLA 司机大模型月使用率达 80%、指令累计使用 1225 万次[2][5]。小鹏 2026 年 3 月发布第二代 VLA，干了一件反直觉的事：把语言转译中间层去掉、视觉直出动作，响应延迟降低 80%、推理效率提升 12 倍——该系统已开源，并授权给大众首发搭载[1][3]。元戎启行是第三方供应商里第一个量产 VLA 的，14 个月交付 30 万辆，2025 年 10 月单月第三方市占率一度冲到 38%[5]。

另一边的站队同样坚决。华为是"世界模型"路线最坚定的代表：ADS 5 的 WEWA 2.0 架构，云端世界引擎引入多智能体博弈（训练强度提升 10 倍），车端世界行为模型用"安全风险场"把碰撞风险降 50%；截至 2026 年 6 月，华为乾崑智驾累计里程 128 亿公里、搭载量 190 万台[3][5]。Momenta 2026 年 4 月发布 R7 强化学习世界模型并量产首发；蔚来的 NWM 能在 100 毫秒内并行推演两百多种潜在轨迹[3]。

牌桌还在加注：Waymo 2026 年 2 月完成 160 亿美元融资、估值逼近万亿；文远知行与小马智行 2025 年 11 月同日登陆港交所[1]。资本市场已经用真金白银表态：自动驾驶熬过了"死亡之谷"。

但牌局最迷惑的地方在于——所有人都在喊自己的路线正确，而所有人都在偷偷抄对方的作业。

驾驶的三层信号与具身智能对照

《信号决定论》问的第一个问题永远是"信号是什么"。把自动驾驶和具身智能放在一起答，差距一目了然。

第一层：被动产生的模仿信号。 驾驶数据是车队被动产生的——比亚迪 352 万辆保有量，每天采集 2.2 亿公里，一天的量超过很多玩家全年的积累[5]。这和互联网文本在信号论意义上同构：免费、海量、持续再生。对照具身智能（ND.013）：机器人的交互数据天然不存在，必须从遥操开始生产，专业采集员 8 小时的班只能产出 2–3 小时有效数据。一个是被动洪流，一个是手工打造。

第二层：可无限试错的模拟信号。 真实道路不允许试错——一次试错可能就是一条人命。但仿真和世界模型把试错成本压到零：华为的云端世界引擎让成百上千个 AI 驾驶员同时在虚拟环境里博弈；蔚来的 NWM 喂 3 秒真实路况能生成 120 秒未来场景；文远的 GENESIS 几分钟生成一个高还原度城市路网[3][5]。撞一万次车，无人受伤，所有失败都变成数据。这正是游戏 AI 当年碾压一切的原因（可模拟性），自动驾驶把它搬进了物理世界。

第三层：稀疏但关键的纠错信号。 小米的做法最典型：把车队数据中不到 1% 的人类接管数据作为核心监督信号，转化为惩罚与纠错示范投射进仿真器[2]。接管是人类司机在替 AI 标注"你错了"——这比 Robotaxi 的"事故信号"温和得多，也便宜得多。

三层信号对应尺子的三个维度：密度（被动数据）、可模拟性（仿真）、无偏性（接管纠错）。具身智能三层全缺，自动驾驶三层全有——同一个 VLA 架构，命运在信号层面早就写好了。

三派路线与信号策略

理解了信号配置，三派之争就祛魅了——它们争的不是对错，是在补不同的信号维度。

VLA 派（理想/小鹏/元戎/小米）：放大模仿信号的价值。 核心逻辑是在视觉和动作之间插入语言模型，让车学会"靠预判与经验开车"而不是"背交规"。看到穿反光背心的人挥手，端到端要靠海量数据猜该不该停，VLA 会转译为"前方有施工员指挥交通"再做逻辑推演[1]。这本质上是给既有的模仿信号加装了一个"常识放大器"——同样的数据，产出更多的泛化。

世界模型派（华为/蔚来/Momenta）：押注可模拟性。 华为的 WEWA、蔚来的 NWM、Momenta 的 R7 三层架构（世界模型预训练→仿真推演→在世界模型里做强化学习），把仿真从"数据增强工具"升级为"训练基础设施"[3][5]。华为车 BU CEO 靳玉志公开反对 VLA 的"云端大模型蒸馏成车端小模型"，称之为取巧——幻觉在驾驶场景里是致命的[3]。

一段式强化学习派（Momenta/地平线）：押注探索信号。 模仿学习的天花板是人类司机的平均水平，强化学习通过试错和奖励能探索出超越人类示范的策略。Momenta R6 是国内首个量产的端到端强化学习大模型，把城市 NOA 的接管率压到了千公里零点几次的量级。

值得注意的是英伟达的下场方式：它没有选边，而是把三派做成了三件套——Alpamayo（开源推理型 VLA，10B 参数，超 10 万开发者下载）+ AlpaGym（闭环强化学习框架）+ OmniDreams/Cosmos（生成式世界模型与数据工厂），黄仁勋在 GTC 上说"在这个新时代，算力即数据"[2][5]。卖铲人亲自定义了终局的形态。

2026 年下半年，路线之争开始显露出它真正的走向。

小鹏第二代 VLA 去掉语言转译层，是吸收了世界模型派的效率主张——语言的价值在训练阶段注入常识，真到车上实时推理时，转译环节只是延迟和算力开销[3][5]。Momenta 在世界模型里跑强化学习，是在补认知推理的课。理想的 MindVLA-o1 在语言模型之下埋了一个预测式隐世界模型。吉利 WAM 把世界模型与 VLA 揉成"整车大脑"，黑芝麻智能 CEO 单记章的总结成了行业共识："VLA 加上世界模型，是高阶智能驾驶未来最有可能的技术路线"[3][4]。

连特斯拉都是混合体：FSD V14 用 Grok 补语义（VLA 派的做法），同时在底层用世界模型相关专利生成训练数据（世界模型派的做法）[4]。

终局配方已经清晰：VLA 负责认知推理（现在该怎么做），世界模型负责预测仿真（这么做之后会发生什么），强化学习负责持续优化（怎么做得更好）。三者对应的恰恰是信号论尺子的三极：先验强度、可模拟性、探索效率。路线之争从一开始就是假命题——它们各自拿着尺子的一部分。

数据军备竞赛

2024 年判断一家智驾的成色只需要问一个问题：你是不是端到端？2026 年这个问题作废了。现在该问三个[5]：

你的车会思考吗？ 认知架构有没有超越"看见什么做什么"的反射逻辑——小鹏二代 VLA 响应延迟降低 80%、极端场景接管率下降 62%，且已走出国门——MONA L03 在未经欧洲路测数据训练的条件下，于慕尼黑完成环岛通行、有轨电车避让等本地化验收[1][3]。

你的车在哪训练？ 训练闭环是还在靠真实道路攒里程，还是已经搬进了仿真练兵场——华为云端算力 60 EFLOPS、年投入超 180 亿元，大头在喂世界模型[5]。

你的数据飞轮转多快？ 这是数量级分化的赛道：比亚迪日采 2.2 亿公里；华为乾崑累计 134 亿公里、搭载量突破 190 万台；Momenta 累计约 120 亿公里、100 万台[4][5]。但这里必须马上补一刀信号论的警告——账面里程不等于信号量：比亚迪的 2.2 亿公里是"车动就计入"的总行驶里程，其中约八成是人工驾驶里程，且主力是支持高快领航的 C 版车型，对城市级智驾训练价值有限；华为的口径是"智驾开启"的专属里程，每一公里都来自城区变道、路口决策等高价值场景。第三方数据更直接：城区接管间隔，华为 ADS 约 608 公里，比亚迪天神之眼约 127 公里[5]。架构可以抄，范式可以追，数据飞轮的转速差是时间换来的——但飞轮里装的是什么油，比转多快更重要。

中国映射在这里异常清晰：智驾是中国 AI 应用里少数"信号配置"全面领先美国的领域——车队规模（被动数据）、仿真基建（华为/小鹏/小米的世界模型）、市政测试框架（广州/北京批准的 L3/L4 测试）三层都占优。反观具身智能（ND.013），中国在数据产能上碾压、在模型与传感上追赶——两期放在一起，就是信号论最完整的产业对照。

元戎的曹通易说，自动驾驶撞上的不是算力墙，是认知墙[2]。这面墙的两边，正好是本系列三期的完整地图：墙这边，自动驾驶用十年时间把三层信号配齐，开始讨论"会思考"；墙那边，具身智能刚开始挖它的第一座信号矿。同一个 VLA 架构，隔着一道信号配置的代差。

下期是这个系列的第四站：科学发现。AlphaFold 当年封神靠的是"信号中等但先验极强"的特例——但当 AI 走进材料、药物这些需要湿实验验证的领域，信号的故事会变成什么样？验证回路的速度，将决定 AI4S 每个子领域的命运。

风险提示：本文涉及的量产数据、接管率、里程数均为公司或媒体公开披露口径，统计口径各不相同；技术路线的胜负未分，融合趋势仍在演进。本文为研究讨论，不构成任何投资建议。

资料来源：

1. 汽车商业评论：何小鹏赌约背后，中美智驾只剩"一年之差"——FSD V14 横穿美国 2732 英里、Waymo 160 亿美元融资、文远/小马同日港股上市、元戎 38% 市占、VLA 路线兴起始末（2026-03）

https://m-new.inabr.com/news/22399

1. 自动驾驶之心：GTC 2026 自动驾驶分会场综述——理想 MindVLA-o1 五大创新、小米 Reinforced Cognitive 与接管数据用法、元戎 40B VLA"认知墙"判断、英伟达 Alpamayo/Physical AI Data Factory（2026-03）

https://developer.horizon.auto/blog/13901

1. 21 世纪经济报道：智驾模型的下一站是基座模型？——VLA 与世界模型两大阵营、靳玉志反对蒸馏、卓驭原生多模态路线、华为 ADS5/WEWA 2.0（2026-04）

https://stcn.com/article/detail/3843202.html

1. 太平洋汽车网：比亚迪高管"比华为智驾强没人信"——比亚迪智驾车型保有量超 352 万辆、天神之眼日均生成超 2.2 亿公里、华为乾崑累计 134.1 亿公里/月 10.6 亿公里（2026-08）

https://www.pcauto.com.cn/hj/article/3495337.html

1. 腾讯新闻：比亚迪高管称智驾比华为强，是真是假？——2.2 亿公里口径含约八成人工驾驶里程、华为口径为智驾开启里程、城区接管间隔 608 公里 vs 127 公里（2026-08-24）

https://news.qq.com/rain/a/20260824A036ME00

1. 凤凰网：比亚迪高管"说比华为强没人信"——璇玑 A3 车规 4nm 芯片、日采数据爬坡（2025-10 的 1.3 亿 → 2026-08 的 2.2 亿公里）、华为累计 140 亿公里（2026-08）

https://h5.ifeng.com/c/vivo/v002s02MWkQRjbJK9loUB4eVbZ9MrNyGPVKUCn80oSuYn84__

1. 中国汽车供应商网：张卓解读端到端智驾趋势——海量数据赋能天神之眼迭代、天神之眼 5.0 城市领航跃升（2026-08）

https://www.chinaautosupplier.com/show_article-91950.html

1. 头哥研究：《信号决定论——Transformer 改变了哪些 AI 算法》（信号三问、六维尺子、信号配置与三级路径出处）

https://www.touge.com.cn/dr/signal-theory/