问题——城市拥堵与智驾落差并存，用户期待更“像人”的决策 近年城市交通压力持续增加，早晚高峰、医院和商圈等典型拥堵区域，人车混行、临停占道、加塞并线等情况更常见。一些用户反映，部分车型的辅助驾驶在复杂场景下仍会出现“犹豫、误判、反应慢”等问题：该刹不刹、该走不走，驾驶员不得不频繁接管。智能驾驶要从“能用”走向“好用”，仍要跨过从规则适配到场景泛化的门槛。 原因——从“规则堆叠”到“模型理解”，算力与成本长期制约下沉 业内普遍认为，体验差异很大程度取决于技术路线和投入方式。早期方案多依赖规则和场景工程，遇到开放道路的长尾情况容易覆盖不足；新一代方案更强调端到端与大模型能力，通过学习提升场景迁移和决策一致性。但训练成本、数据闭环建设，以及车端算力与功耗限制，使这类能力往往先落在高价位车型上。 基于此，零跑汽车提出用“世界模型”增强系统对物理世界的理解。公司介绍，其方案通过视觉编码将摄像头信息转为可推演的表示，再由序列预测模块在潜在空间中做演化预测，输出可视化决策与行驶路径。相比传统“规则驱动”，该方法更侧重对场景动态的预测，以及对复杂互动的整体判断。 影响——“技术普惠”进入深水区，智驾竞争焦点转向效率与安全 在杭州浙二医院周边等复杂路况的演示中，零跑展示了多类高频难题的处理：其一，在人车混行的狭窄路段，通过更细致的轨迹规划完成通行，避免长时间僵持或激进抢行；其二，遇到路侧临时停车占道，系统可识别并规划绕行；其三，在匝道汇入等需要快速判断车流的场景，系统能动态选择车道策略，减少“画线式”强行并线带来的风险。对应的效果仍需更大范围的公开道路检验和长期数据验证，但从趋势看，行业正在从“把配置装上车”转向“把能力做进系统”，竞争焦点更多落在算法泛化能力、算力利用效率和量产一致性。 更受关注的是成本路径。零跑称，通过知识蒸馏等模型压缩，把云端大参数模型能力迁移到车端，可在单颗高通8797芯片（约320TOPS稠密算力）上运行，并计划适配算力更低的高通8650平台（约100TOPS），以覆盖更入门的车型。企业负责人表示，不同算力平台将承担不同任务：基础智驾可在较低算力上实现，更复杂的舱驾融合与智能交互则需要更高算力冗余。业内认为，这反映出产业正从“堆硬件”转向“算力精细化分配”，有助于智驾覆盖更广价格带，但也对软件工程、功能边界管理和安全冗余提出更高要求。 对策——走向规模化应用需补齐“验证、合规、体验一致性”三道关 业内专家指出，智能驾驶走向大众市场，不能只看演示，更要看长期稳定性。第一，验证体系要更完整：持续覆盖不同城市、天气和道路结构，并形成数据闭环，减少“某些路段好用、换个场景失灵”的割裂感。第二，合规与安全要同步推进：功能命名、使用边界、驾驶员责任提示，以及与监管要求匹配的安全策略，直接影响公共安全和用户认知。第三，量产一致性必须经受考验：供应链波动、传感器差异、标定一致性和软件更新策略，都会影响最终交付体验。 企业层面，零跑提出以多技术路线匹配不同产品：入门车型采用成熟的一段式端到端方案，旗舰车型探索更深的舱驾一体架构，世界模型作为底层能力支撑全系持续迭代。此前其在部分产品上推动激光雷达等配置向更低价位延展，也显示出以规模化摊薄成本的思路。 前景——智能驾驶或从“功能竞争”迈向“能力平台化”，普及仍需时间 随着模型能力提升和芯片平台迭代，智能驾驶有望从高速、环路等相对可控场景，继续走向更复杂的城市道路。若世界模型等技术能在更低成本硬件上稳定运行，将打开更大市场空间，并促使行业在算法效率、数据治理和安全工程上建立新门槛。同时，智驾普及仍会循序渐进：用户教育、责任边界、事故处置机制与标准体系建设缺一不可。未来一段时间，“更便宜但更可靠”可能成为行业竞争的主线。
零跑汽车的技术进展为智能驾驶的成本与能力平衡提供了新的路径，也让“高端能力向更广价位下沉”有了更清晰的落点。但市场格局是否因此改写，仍取决于真实道路上的长期稳定性、合规体系的匹配程度以及量产交付的一致性。接下来，如何在持续迭代中控制成本、守住安全底线，并把核心能力沉淀为可复用的平台，将是企业与行业共同面对的关键课题。