智能驾驶术语日益繁多，但真正理解其演进逻辑才能看清技术边界与落地现实。这篇梳理从手工规则到VLA的四阶段迭代，揭示每一步解决了什么问题、遗留哪些瓶颈，为关注自动驾驶进展的读者提供清晰认知框架。
智能速览
手工规则依赖固定if-else逻辑，遇未定义场景即失效
端到端通过海量驾驶视频训练直接映射图像到控制动作，但泛化能力受限于训练数据覆盖度
世界模型构建符合物理规律的云端仿真环境，配合强化学习高效训练长尾场景应对能力
VLA引入视觉-语言-动作联合建模，使系统具备可解释的‘思维链’，当前受限于车端算力需蒸馏部署
四次进化本质是‘确定性规则→数据驱动→物理约束仿真→认知可解释’的范式升级
精华内容
智能驾驶不是单一技术突破，而是算法范式持续重构的过程。从写死的代码到会思考的机器，每一次跃迁都对应着对现实复杂性更深层的建模能力。
手工规则
早期辅助驾驶系统基于人工编写的确定性逻辑，例如‘检测到车道线且前车距离＞50米则保持巡航’。这类方案在结构化道路中表现稳定，但面对暴雨施工、无标线路口、交警手势等开放场景时，因缺乏动态推理能力而频繁退出。
实测数据显示，2021年主流L2系统在非标准路口接管率高达17.3次/千公里，根源在于规则库无法穷举真实世界的变量组合。
该阶段核心价值是验证了传感器融合与基础控制闭环的可行性，但天花板明确：规则越细，维护成本越高，系统越脆弱。
端到端
端到端跳过感知-决策-控制的传统分层架构，直接以摄像头图像为输入、转向/加减速指令为输出，通过数千万公里人类驾驶视频训练神经网络。特斯拉FSD V12实测显示，城市道路变道成功率从V11的89%提升至96%，响应延迟降低42%。
但其黑盒特性带来可靠性隐忧：在训练数据未覆盖的极端组合场景（如反光锥桶+强逆光+自行车斜穿）中，模型可能输出违反物理常识的动作。
这标志着智驾从‘工程师定义行为’转向‘数据隐式编码行为’，但未解决‘未知中的未知’问题。
世界模型
世界模型通过神经网络学习物理世界的动力学先验，在云端构建高保真虚拟环境。蔚来NT3.0平台利用该技术生成超2亿种长尾场景（如12种雨雾组合+8类突发障碍物），单日仿真里程达4000万公里。
配合强化学习奖励机制，车辆在虚拟环境中完成10万次‘急刹扣分、平顺跟车加分’训练后，加塞应对成功率提升至92.7%，较纯端到端方案提高6.4个百分点。
该阶段将测试成本从实车百万公里级压缩至云端小时级，本质是用计算换安全冗余。
VLA架构
VLA将大语言模型的认知能力注入驾驶系统，实现‘感知→理解→规划→解释’闭环。小鹏XNGP实测中，系统识别前方落石后不仅执行左绕行，还能同步生成语音提示‘检测到路面障碍物，已向左规避’，解释准确率达88.5%。
受限于车规级芯片算力，当前采用‘蒸馏+触发’策略：日常运行轻量化端到端模型，仅当检测到高风险场景（如施工区、无保护左转）时才调用VLA模块进行深度推理。
这标志着智驾从‘能开’迈向‘懂开’，但车端部署仍需等待5nm以下制程车规芯片量产。
四次技术跃迁勾勒出一条清晰路径：从依赖人类经验编码，到让机器自主习得规律，再到赋予其物理常识与反思能力。当前瓶颈已不在算法原理，而在车端算力与工程落地的平衡点。当VLA真正摆脱云端依赖，自动驾驶或许就不再需要‘接管’这个词。下一个关键问题是什么？
