【導讀】自特斯拉FSD V12率先將端到端大模型引入量產車以來，"規則驅動"向"數據驅動"的范式轉移已成為行業共識——動作是否流暢、能否應對長尾場景、決策是否擬人化，取代了傳統的功能清單，成為衡量智能駕駛體驗的新標尺。在這場由方法論革新引發的浪潮中，蔚來經歷了從規則構建到數據驅動的艱難轉身，如今又以"世界模型+閉環強化學習"的全新架構重新出發。當技術路線的迷霧逐漸散去，蔚來新版NOA能否憑借這套端到端強化學習體系，在復雜的中國城市場景中實現真正的"擬人化"突破，重回行業第一梯隊？
Part 1、蔚來的輔助駕駛的轉型
在中國智能駕駛的迭代中，特斯拉提出的端到端一個拐點，在出現了這個技術變化之后，城市NOA中擬人化變成了非常重要的評價點，規則味比較重，是落后的標志。
體驗上主要是動作機械、加減速轉向不流暢、卡頓，無法應對各種Corner case， FSD V12、V13 V14 的一路發展，在方法論上特斯拉是一路牽引整個行業的發展。
在蔚來的第一代車型，是圍繞規則來構建的輔助駕駛，確定變道距離、確定的加減速邏輯、確定的安全邊界。在中國復雜的城市場景復雜度下并不完善。
從規則開始，蔚來花了很多時間來切換技術路線。轉向數據驅動過程中，用模型把規則“壓縮”進參數里，讓系統通過學習大量真實駕駛數據，自己學會如何變道、擇道。
數據驅動的問題是，同一個場景下，人類的行為并不一致。在道路上，人的習慣和交通流量都會影響決策，從結果來看，能看到不同的駕駛員在不同的位置換道，模型學到的是一種“折中選擇”，為了安全往往選擇保守跟隨，或者說要真正實現“高效、主動通行”，伴隨著不少的小事故。
為了平衡風險，引入更強的地圖和路徑引導、采集專家駕駛數據并減少行為差異，或者加回一部分規則邏輯。這些都是中國在這段時間走過的路。
Part 2、蔚來新版的NOA
蔚來世界模型在2026年的目標是回到行業的數一數二的位置。方法是對智能輔助駕駛全研發迭代方法進行調整，引入世界模型 + 閉環強化學習的模式。
這也是以端到端系統為基礎，核心分為三步：
基礎行為習得：通過學習海量人類駕駛行為，讓模型形成駕駛答題本，標記各類場景下的行為概率，習得駕駛基本肌肉記憶；
環境深度理解：模型從當前時刻出發，預測自身下一步多種動作，并推演不同動作對周圍環境的影響，及環境變化對自身行為的反作用，實現長達數分鐘的長時序思考，這是核心運行機制；
閉環強化校準：在虛擬「駕駛考場」中，通過數上億輪專業場景訓練和評估反饋，讓模型精準理解「好行為與差行為的區別」，基于駕駛常識和人類經驗校準行為「答題本」，這一過程即為閉環強化學習。
這里要回答幾個關鍵問題，強化學習到底解決了什么問題？這是給結果打分，讓模型自己學，模型輸出行為后，系統會根據結果給予正向或負向反饋，讓模型在反復嘗試中學會什么是“更優解”，過程本身就是一種自我校正。
在實際訓練中，通過獎勵評估機制直接給行為打分；利用真實人類行為反饋，反推出獎勵信號， 模型在其中會經歷自監督學習，逐步形成穩定的決策偏好。
舉例來說先構建一個仿真環境，在其中設定一條“目標線”，車輛如果順利完成左轉并線，就得到獎勵；完成得越快、越平順，獎勵越高。
在此基礎上，只保留少量必要的約束，比如壓實線會被扣分，但不再寫復雜規則。在哪個位置變道、如何跨越三條車道、怎樣兼顧效率與安全，全部交給模型在仿真環境中自行探索。
在這樣的基礎上不需要為每一個特殊路口單獨采集數據。只要仿真環境中構建出“相似結構”的場景，模型就能遷移能力，避免了為成百上千個復雜路口重復采數據的低效過程。目標簡單、約束少，讓模型自己找路徑。
規則一旦極簡，反而更穩定、更通用。
Part 3、實際的體驗
在我們的實際體驗中，換道策略、導航選道，在道路中的剎車控制都有很大的改善。
偏航和復雜路口，是需要“提前判斷”的場景，NOA的系統在快到路口才反應一般感受會很差或者就錯了（要么壓實線要么錯了），需要在更早的階段就意識到，模型會提前接收到“未來懲罰”，從而主動調整決策。
實際上，在擬人化抉擇上，比如判斷安心感充足時果斷切入，不魯莽擠壓旁車；目標車道擁堵時，緩慢前行并持續尋找變道空隙；通過蠕行尋找通行空隙，這些行為都是挺大的改善。
結論
蔚來的探索揭示了一個核心趨勢：智能駕駛的下半場競爭，本質上是"學習效率"與"泛化能力"的較量。世界模型賦予系統長時序推演能力，讓車輛能夠"預見"而非"反應"；閉環強化學習則通過虛擬考場中的億級輪次訓練，使模型在極少規則約束下自主尋優，實現從"學會開車"到"開好車"的躍遷。實際體驗中換道策略的果斷、復雜路口的提前預判、擁堵場景下的蠕行尋隙，都是這一技術路線落地的直觀印證。
