晚点刚刚发了一篇蔚来任少卿的专访，信息量很大，聊了不少智驾的底层逻辑...

晚点刚刚发了一篇蔚来任少卿的专访，信息量很大，聊了不少智驾的底层逻辑，很有意思。 这两年，业内都在卷“端到端”，但任少卿觉得这词只是智驾发展到特定阶段，“填历史旧账”的产物，没什么可吹的。他认为行业对VLA（视觉-语言-动作）的理解也偏了，本质还是语言模型打补丁，带宽太低，没法真正理解复杂的物理世界。 那蔚来的解法是什么？两条路，而且是两条难路一起走： · 世界模型 (World Model)： 这才是他认为的上限。不是在语言模型上“加”视觉，而是直接用视频做核心，让模型自己学习时空和物理规律，建立一套高带宽的“时空认知”体系。这套体系，才能和语言模型的“概念认知”互补，最终走向AGI。 · 强化学习 (Reinforcement Learning)： 他觉得整个智驾行业都没真正重视RL。模仿学习只能教出“5秒记忆的金鱼”，处理不了30秒、60秒的长时序决策。想让车从“手把手教学”进化到能自己规划，必须靠强化学习。而且，面对海量的、并不完美的真实用户数据，也得靠RL来“洗”，把好的经验往前排，坏的往后压。 这套“世界模型 + 强化学习”的组合拳，决定了蔚来从一开始就选了一条“变态”的路：早在2021年推出的et7，就给到了高算力（4颗Orin）、多传感器（激光雷达）、全新架构。这种选择在当时不仅成本高，还直接导致了开发难度剧增，比如为了统一高速和城区的架构，宁愿推倒重来，忍受了一段时间的“慢”。 但现在回过头看，这种“慢”换来的是更扎实的地基。比如，4年前的et7，依然能跑现在最先进的NWM；他们能基于这套体系，把AEB（自动紧急制动）的真实场景覆盖率从10%提升到80%，和保险公司的数据一对，事故损失直接下降了25%。今年的目标更猛，要降50%。 这背后其实是一套完整的技术哲学：不为了跟别人赛跑，而是探索一条真正通向未来的路，哪怕过程要忍受不被理解。任少卿说自己现在的状态和读博时没什么两样，就是不断试错、叠加。 在大家都追求“短平快”的时候，这种坚持底层创新、着眼长远的耐心，反倒成了最稀缺的东西。智驾的竞争，可能短期看功能推送速度，但长期看的，还是谁的架构上限更高，地基更稳。