2024年7月，蔚來將行業(yè)首個基于端到端模型化架構(gòu)的「自動緊急制動 AEB」推送上車，蔚來也成為了行業(yè)首家使用端到端模型化架構(gòu)來做主動安全的車企。

2025年8月，時隔一年，蔚來已經(jīng)完成了模型化架構(gòu)驅(qū)動下的全向、全速域、全場景智能安全輔助系統(tǒng)，而且同時在成熟的Orin-X平臺與自研的「神璣 NX9031」平臺實現(xiàn)了并行開發(fā)。此時，蔚來仍然是行業(yè)唯一使用端到端模型化架構(gòu)來做主動安全的車企。

把端到端用在行車輔助上，這事在今天已經(jīng)不稀奇。但把端到端用在安全上，一年多來除了蔚來別無分號。

把端到端模型化架構(gòu)用在安全上究竟有多難？端到端模型化架構(gòu)究竟能給安全帶來多少提升？端到端安全背后的真正價值到底是什么？

看完今天的文章，或許你就能得到這三個問題的答案，同時也能知道為什么做不好安全，就不可能做好輔助駕駛。

端到端，如何大幅提升安全上限？

如果用最簡單的話來描述端到端模型化架構(gòu)對安全提升的價值，那就是功能多、性能強、場景豐富、迭代快速，安全的上限會被大幅提升。

傳統(tǒng)手寫規(guī)則的主動安全，只能應(yīng)對有限的場景。如果真實發(fā)生的場景不在規(guī)則覆蓋的范圍內(nèi)，就很有可能發(fā)生漏觸發(fā)或者誤觸發(fā)。不管是在你需要緊急制動的時候沒反應(yīng)，還是在你不需要緊急制動的時候突然猛剎一腳，其實都會影響安全。而且，手寫規(guī)則的進化，對人的依賴極強，一次寫入后很難再會有本質(zhì)的進步。

比如，傳統(tǒng)的「自動緊急制動 AEB」在算法上，會對二輪車的90°橫穿或者0°垂直行駛進行應(yīng)對?？扇绻嗆囀切毕驓⑷?，或是從斜后方竄出，甚至是在轉(zhuǎn)彎過程中，傳統(tǒng)的「自動緊急制動 AEB」還能及時響應(yīng)嗎？答案是很難。因為手寫規(guī)則無法窮舉所有的角度、所有的弧度，面對千變?nèi)f化的真實場景，只能選擇保守應(yīng)對，對不能準確識別的場景不做響應(yīng)。

而這樣的問題，只能依靠端到端模型化架構(gòu)來解決。端到端模型化架構(gòu)，可以通過學習大量人類駕駛員的優(yōu)秀避險經(jīng)驗，讓不同場景下制動的時機更加精準，既不會干擾人類駕駛員避險，又能在更多必要的時刻，提供可靠的安全守護。

蔚來率先做到了這件事情。首個量產(chǎn)的端到端AEB，在前向形成了240°環(huán)繞的防衛(wèi)圈，可以處理更多二輪車路口穿行場景，路口性能相比規(guī)則時代的AEB提升了5.2倍，對前向障礙物和全角度切入障礙物的事故減損，分別達到了51%和35%。經(jīng)四大保險公司聯(lián)合認定，端到端AEB在2024年減少了25.2%的事故安全損失。

有了這樣的基礎(chǔ)，進入2025年，蔚來模型化架構(gòu)驅(qū)動的智能安全輔助系統(tǒng)持續(xù)進化，新增了行業(yè)性能最強、覆蓋場景最全的「自動緊急避讓 AES」，以及行業(yè)首發(fā)應(yīng)對追尾事故的「追尾碰撞預(yù)防及保護 RCM」，并將「通用障礙物預(yù)警及輔助 GOA」也進行了模型化的增強，構(gòu)建了一整套能預(yù)警、能剎停、能避開、能防住的全向、全速域、全場景的智慧避險能力。

而且，在行業(yè)里還在卷主動安全觸發(fā)極速的時候，蔚來已經(jīng)開始考慮主動安全觸發(fā)時的用戶體感，不斷細化主動安全觸發(fā)的時機與力度，向更精細的場景迭代優(yōu)化。根據(jù)蔚來內(nèi)部的數(shù)據(jù)統(tǒng)計，97.5%的事故發(fā)生在速度70km/h以下。做好極速固然重要，但在中低速下確保安全，是更有價值的事情。

那么問題來了，既然端到端模型化架構(gòu)對安全這么有用，為什么在蔚來做了一年多之后，行業(yè)里還是沒有人跟進呢？這其中可能有開發(fā)目標與節(jié)奏的關(guān)系，但一個不可忽視的原因，是必須要具備車端大算力。

沒有算力就沒有數(shù)據(jù)閉環(huán)

更沒有模型化的主動安全

想要實現(xiàn)端到端的模型化架構(gòu)，就要有海量的高質(zhì)量數(shù)據(jù)投入訓練。想要獲得海量高質(zhì)量的數(shù)據(jù)，就要在海量的車隊上布置完善的數(shù)據(jù)篩選與回流閉環(huán)。而想要實現(xiàn)這一閉環(huán)，就必須要具備車端大算力。

從2022年的ET7開始，蔚來就在車端部署算力達到1,016TOPS的4×Orin-X平臺，其中有一顆Orin負責群體智能，也就是對車端實時產(chǎn)生的全場景數(shù)據(jù)進行自動篩選與標注，然后回流到云端，供模型進行訓練，然后將更新后的模型參數(shù)返回車端，以此形成數(shù)據(jù)功能閉環(huán)。而到了「一顆頂四顆」的「神璣 NX9031」平臺上，也有專門的模塊來負責群體智能。

這就意味著，每一輛擁有群體智能的蔚來車型，都能進行真實路況的數(shù)據(jù)回流。一輛車每分鐘產(chǎn)生數(shù)據(jù)達到900T，每周可用于群體智能的數(shù)據(jù)量達到1億公里。這個數(shù)據(jù)如果用傳統(tǒng)路測車來跑，需要1,000輛車在三班倒的情況下跑1年。而在蔚來，獲得同等體量、質(zhì)量還更高的數(shù)據(jù)，只需要1周。平均每周，蔚來都可以更新一次模型版本。

舉個例子，在蔚來AES功能全量推送前，就已通過群體智能的技術(shù)手段在車端全場景下進行了超過3億公里的運行測試。確保嚴格滿足100萬公里誤觸發(fā)小于1次且因誤觸發(fā)導致碰撞概率1億公里不多于1次的苛刻指標。

而如果沒有這么大的算力，那么在運行常規(guī)應(yīng)用程序的情況下，就很難再額外分出算力去運行數(shù)據(jù)功能閉環(huán)的機制。即使勉強擠出算力，也只能對某個模塊或者某個鏈路進行數(shù)據(jù)功能閉環(huán)，無法實現(xiàn)全場景的數(shù)據(jù)功能閉環(huán)。出于產(chǎn)品、市場、營銷傳播方面的考量，此時大多數(shù)車企都會優(yōu)先選擇把數(shù)據(jù)功能閉環(huán)用在行車上。

但是，蔚來的車上因為具備足夠大的算力，它不需要去做選擇，而是可以將行車、泊車、安全的全場景數(shù)據(jù)實現(xiàn)回流。因為安全對用戶的價值最大，蔚來先在安全上跑通了數(shù)據(jù)功能閉環(huán)的機制，打好了模型化架構(gòu)切換的地基?；竟Χ甲鲈鷮嵵?，蔚來又相繼在安全、行車、泊車方面，全面切換至模型化的架構(gòu)。

羅馬城不是一天建成的，如果沒有當初沒有堅定地規(guī)劃車端大算力和群體智能的技術(shù)路線，今天蔚來就不可能實現(xiàn)端到端模型化架構(gòu)的主動安全。如果主動安全數(shù)據(jù)功能閉環(huán)的地基沒有打好，那么包括后面蔚來世界模型在內(nèi)更加先進的技術(shù)架構(gòu)，都很難做到順利切換。

所以，蔚來行業(yè)首發(fā)端到端模型化架構(gòu)的智能安全輔助系統(tǒng)，既大幅提升了用戶的安全上限，也是蔚來輔助駕駛在技術(shù)先進性上的集中體現(xiàn)。

每一點安全提升，都值得全力以赴。這句話在蔚來，從來都不是一句口號，而是落實到所有的技術(shù)、工程與產(chǎn)品的開發(fā)環(huán)節(jié)上。