8.68万新车普及车位到车位，世界模型不吃高算力！零跑夯爆了

贾浩楠 发自 凹非寺量子位 | 公众号 QbitAI2026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。世界模型本身是AI模型和真实物理世界直接链接、交互具有AGI“终局”潜力的全新范式。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。零跑世界模型上车体验怎么样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。零跑的世界模型到底是什么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了。零跑汽车问鼎智能化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。一键三连「点赞」「转发」「小心心」欢迎在评论区留下你的想法—完— 点亮星标 科技前沿进展每日见