国盛证券2025年5月发布的《智能驾驶技术的当下与未来》深度报告指出，智能驾驶软件算法正经历从“模仿人类”到“超越人类”的根本性转变。2017年AlphaGo通过强化学习战胜围棋选手柯洁，证明强化学习能让AI在复杂决策领域超越人类——这一范式正在被引入自动驾驶领域。众多头部玩家（特斯拉、英伟达、小鹏、理想、地平线、Momenta等）纷纷引入“世界模型”，将其作为车端模型的“工厂”。小鹏汽车正推进72B（720亿）超大规模参数世界基座模型研发，参数量是主流VLA模型的35倍。理想汽车通过RLHF+纯RL两阶段强化训练，目标2025年实现L3。地平线强化学习使训练数据需求降低80%、碰撞率降低3倍、规划准确率提升25.5%。
强化学习：从“模仿人类”到“超越人类”的关键一跃
当前智能驾驶算法正处于从模仿学习向强化学习演进的关键阶段。狭义的“端到端”是模仿学习思路——通过学习“传感器数据”与“人类驾驶轨迹”的海量对照，让车端模型在输入传感器数据后输出合理的驾驶轨迹。但“靠模仿人类”只能达到“人类优秀水平”，无法超越人类。
强化学习是实现“超越人类”的关键。AlphaGo通过监督学习+强化学习战胜柯洁的案例证明了这一点。在自动驾驶领域，强化学习让模型不再只是“模仿人类开车”，而是通过不断试错和反馈来找到最优驾驶策略。理想汽车在AI Talk上分享：“纯RL用世界模型生成的数据来做训练，目的是开得比人类更好，中间不给人类反馈，只给一个结果——从A点到B点开过去。通过舒适性、交通规则和碰撞事故三个维度来做强化训练。”
地平线是业界最早提出采用强化学习的智能驾驶公司之一。其提出的“交互式博弈”核心在于通过生成数据驱动实现模拟学习和强化学习，避免机器对数据的重复模仿，让机器学会主动理解数据。结果训练数据量需求降低80%，碰撞率降低3倍，规划准确率提升25.5%。
世界模型：自动驾驶的“演武场”与“工厂”
世界模型是当前自动驾驶领域最核心的技术方向之一。小马智行联合创始人楼天城表示，世界模型是车端模型的“工厂”，L4自动驾驶技术的真正差别在“工厂”的精度，因为它会决定它所生产的“产品”（车端模型）的上限。
世界模型在自动驾驶领域的价值体现在四个维度：第一，长尾数据生成——生成包含行人、交通和路况的新场景填补训练数据缺失；第二，闭环仿真测试——世界模型生成的视频交给自动驾驶模型，规划执行的结果作为世界模型未来预测的条件，再通过世界模型继续生成新数据，形成闭环仿真；第三，对抗样本生成——提升自动驾驶模型的安全性；第四，foundation model——作为感知决策模型的基础模型提升泛化能力。
特斯拉在2023年CVPR上介绍了其“通用世界模型”，通过过往的视频片段和行动提示生成“可能的未来”的全新视频，基础架构由多台摄像机的视频流输入大型Transformer块，通过空间注意力和几何模型进行预测。2024年马斯克称“特斯拉在大约一年前就能以精确的物理生成真实世界的视频”。小鹏汽车已开始推进72B超大规模参数世界基座模型研发，训练视频数据量今年将达2亿clips。理想汽车MindVLA基于自研“重建+生成”云端统一世界模型，构建接近真实世界的仿真环境。
强化学习+世界模型：头部玩家的落地实践
小鹏汽车正在云上训练72B参数的超大规模VLA模型，未来会通过蒸馏方法生产小尺寸的车端模型，把72B超级大脑的智能“推云入端”。小鹏用于训练基座模型的视频数据量高达2000万clips，今年将增加到2亿clips。小鹏自研的数据基础设施使数据上传规模提升22倍、训练中数据带宽提升15倍、模型训练速度提升5倍。
理想汽车的VLA训练分四阶段：第一阶段预训练（32B参数VL基座模型）；第二阶段后训练（VLA模型从3.2B扩至近4B）；第三阶段强化训练（RLHF+纯RL）；第四阶段搭建司机Agent。简单通用的短指令由端侧VLA处理，复杂指令由云端VL基座模型解析后交VLA处理。理想在AI Talk上表示：纯RL部分通过舒适性、交通规则和碰撞事故三个维度做强化训练，不给人类反馈，只给“从A点到B点开过去”的结果约束。
Momenta在2024年实现了量产的一段式端到端大模型（基于模仿学习），2025年目标实现基于强化学习的一段式端到端大模型，即Momenta第六代飞轮大模型。首批车端无人的Robotaxi预计2025年底开始试运营。
价值拐点——L3/L4量产时间表并不遥远
头部玩家对L3/L4自动驾驶的量产时间表给出了明确指引：特斯拉计划2025年6月将Robotaxi引入奥斯汀，大规模完全自动驾驶预计2026年年中实现；小鹏2025年中推出准L3，2025年底推出真正L3，2026年量产L4低速无人驾驶；理想2025年实现L3、三年内L4；华为2027年城区L4规模化商用；Momenta 2025年底车端无人Robotaxi试运营；小马智行2025年冲刺Robotaxi大规模商业化。
地平线认为：2028年规模实现L3需500-1000+TOPS算力，2030年L4需2000+TOPS算力，2035年L5需5000+TOPS算力。从算法到硬件，智能驾驶正全面加速。
表：主要车企L3/L4自动驾驶量产时间表| 车企/玩家 | L3/L4时间表 |
|---|
| 特斯拉 | 2025年6月Robotaxi试点，2026年中大规模FSD |
| 小鹏汽车 | 2025年中准L3，2025年底L3，2026年L4低速量产 |
| 理想汽车 | 2025年L3，三年内L4 |
| 华为 | 2027年城区L4规模化商用 |
| Momenta | 2025年底车端无人Robotaxi试运营 |
