在智能驾驶的技术路线之争中，华为给出了明确的选择。国海证券报告显示，华为乾崑ADS 4.0采用WEWA（世界引擎+世界行为模型）架构，而非VLA路径。华为智能汽车解决方案BU CEO靳玉志明确表示：“华为不会走向VLA的路径，我们认为这样的路径看似取巧，其实并不是走向真正自动驾驶的路径。”WEWA架构端到端时延降低50%，通行效率提升20%，重刹率降低30%，云端已完成6亿公里高速L3仿真验证。
WEWA架构——华为的技术路线选择
2025年上海车展期间，华为乾崑智驾ADS 4发布，核心突破在于WEWA架构（World Engine + World Action Model）的落地。WEWA由两部分组成：WE云端“世界引擎”——基于“难例”扩散生成模型，可生成“高质量、高密度”的“难例”场景数据。真正对安全产生威胁的“难例”场景十分罕见，难以人工采集，而WE通过AI生成难例扩散模型将难例密度提升1000倍。WA车端“世界行为模型”——基于车辆多传感器融合（视觉、听觉、触觉等）收集的全模态感知信息进行直接训练。
华为智能汽车解决方案BU CEO靳玉志明确表态：“华为不会走向VLA的路径。我们认为这样的路径看似取巧，其实并不是走向真正自动驾驶的路径。华为更看重WA，也就是World Action，中间省掉language这个环节。”与理想、小鹏、元戎启行等VLA路径玩家不同，华为认为直接从全模态感知信息到行为决策是更高效的路径。
表：VLA路径与WEWA路径核心差异
VLA路径与华为WEWA路径对比| 维度 | VLA路径（理想/小鹏/元戎） | WEWA路径（华为） |
|---|
| 核心架构 | 视觉-语言-动作融合 | 世界引擎+世界行为模型 |
| 语言模块 | 核心组件，参与决策 | 省掉language环节 |
| 数据偏好 | 真实路测数据 | AI生成仿真数据 |
| 技术主张 | 语言增强可解释性 | 全模态直接推理更智能 |
WE世界引擎——难例密度提升1000倍
WE世界引擎的核心技术是扩散生成模型。传统方式依赖“人采实路数据”，昂贵且难以获取高密度难例场景。WE通过AI生成难例扩散模型，实现从“有限人采数据”向“无限AI合成数据”的跨越。
靳玉志披露的数据显示，华为已在云端世界引擎进行了6亿公里高速L3仿真与验证，已为高速L3量产做好准备。WE在云端构建了一套“安全优先”的强化学习机制，系统为AI智能体设定明确的奖惩规则。WEWA架构实现了从“模仿人类”到“超越人类”的进化——AI与AI互相监督强化训练，不再依赖人类驾驶数据的天花板。
WA世界行为模型——全模态感知+MoE多专家架构
WA车端世界行为模型基于车辆多传感器融合收集的全模态感知信息进行直接训练。全模态包括视觉、听觉、触觉等多维度信息，构建“智驾原生基模型”。这一设计显著降低了时延和资源需求，为高效精准决策打下基础。
WA运用MoE多专家架构，可以根据不同场景调用不同的能力。WEWA架构技术指标：端到端时延降低50%，通行效率提升20%，重刹率降低30%。靳玉志评价WEWA“比VLM、VLA更智能”。ADS 4.0共4个版本，其中ADS Ultra旗舰版搭载高速L3专属方案。首版本2025年9月开启规模推送。
VLA与WEWA的路线之争——真实数据vs生成仿真
VLA路径与WEWA路径在数据来源上存在根本差异。VLA路径玩家（理想、元戎启行、卓驭）更依赖真实行驶数据。元戎启行认为，现实世界中很多复杂微妙的临界态，模拟器很难被描述。卓驭的VLA同样依赖大规模真实道路场景数据训练，具有数十亿参数规模。
华为WEWA更强调生成仿真。华为认为，通过AI生成的高密度难例数据可以有效弥补真实数据的不足，且训练效率更高。但真实路测与仿真并非截然对立——采用VLA路径的厂商也同样重视仿真技术，通过世界模型生成极端场景数据来训练和强化模型。理想通过自研世界模型仿真系统复刻“99%的中国路况”，生成2000余种长尾场景。两条路径在技术融合趋势下正在向对方渗透。
