2025中國智駕開發者50人（第四期）

2025年度，誰在推動智駕進步？

我們篩選了80多位入圍候選人，絕大多數在國內，少數在國外，個別是海外華人。他們的研發成果，體現在過去兩年里發生的兩次智駕拐點上。但其中的大部分，都很低調。

入圍的標準有兩條（個別極其優秀者例外）：

1、2025年內，在全球頂會頂刊發表高引論文的第一作者（含合著團隊）；

2、2025《智駕天梯榜》年度榜單上榜方案商和主機廠的核心研發人員。

經過核實與比對，最終挑選出50位有代表性的人物。他們的身份，大體分四類：

1、學術研究者，在頂會頂刊上發表高引論文的作者（含合著團隊）；

2、研發組織者，定投資、定方向、定目標、定范式、定團隊的人，類似奧本海默；

3、研發骨干，負責某一個具體方向的研發統籌，并和兄弟們一起拼搏出成果的人；

4、產品和工程負責人，負責產品定義、用戶交互、工程實施的人，做出了非常棒的產品體驗，或者保障了連續的工程交付表現。

繼第一期推薦11篇卓越論文的作者們，第二期記錄理想汽車、小鵬汽車和Momenta智駕關鍵人物，第三期記錄特斯拉和華為的智駕產研負責人之后，本期是第四期，記錄的人物全部來自智能駕駛供應商——博世中國、地平線、文遠知行（排名不分先后）。

#01

余凱：打造出一個令人信服的“智駕樣板間”

職務：地平線創始人兼CEO

過去兩年，智駕不斷駛入拐點，各家排位在變，但行業競爭結構基本已經清晰，20萬以上的智駕市場，蛋糕幾乎被特斯拉、華為、理想、小鵬、小米，蔚來瓜分；10-15萬級的市場，格局未定，尚未形成獨大的局面，以方案商的角度看，地平線眼下的對手只有華為方案（尚界H5）和Momenta。

所以余凱在2025年面對的首要問題，就是能不能拿出一個可以一戰的方案，他稱之為“智駕樣板間”。

具體說，余凱在2025年面臨著三個挑戰：

1、智駕正在從少數車型的賣點，變成大多數車型的基礎配置。這一階段里，技術領先本身不再自動轉化為商業優勢，工程能力和規模能力開始決定生死。對一家以芯片和智駕方案為核心的公司來說，如果不能證明方案在大規模量產下依然可控，那么再先進的架構都難被選擇。

2、主機廠的策略正在發生分化。頭部車企推進自研芯片和算法，中腰部和長尾車企面臨資源受限、節奏受限的現實困境。行業內部逐漸形成一個判斷，并非所有車企都能在短期內獨立完成智駕全棧。問題在于，合作方案是否足夠像自研，能否在平臺層面保留主機廠的可控空間。

3、地平線自身需要完成商業閉環驗證。前期多年投入已經完成技術和生態鋪墊，但如果無法在主流價格帶形成穩定出貨和持續激活，地平線很難向外界證明，這條“軟硬結合、面向量產”的路線在經濟模型上成立。

在我們看來，這個樣板間的目標并不抽象，它需要回答幾個極其具體的問題：在單顆征程6算力約束下，城區輔助駕駛可以做到什么程度？在明確的成本邊界內，系統能力如何取舍？在真實量產條件下，方案能否被不同主機廠的不同車型快速復用？

在這個方向上，2025年余凱搬出了兩招：

1、反向收斂系統復雜度。HSD從設計之初就圍繞“單芯片、單套工具鏈、單一工程范式”展開，感知、規劃、控制的目標被重新拉齊，不再為極端長尾場景預留過多隱性冗余。模型規模、算力調度、數據閉環節奏，都被壓進一個可被核算的工程框架中。

2、進行更開放自由的合作方式。算法能力不再以功能點對外呈現，而是作為一套完整的城區輔助駕駛基線能力，通過HSD Together的合作模式，嵌入主機廠自身的軟件體系，這種方式比白盒交付更開放自由，因為主機廠可以自己去選擇供應鏈，HSD不受硬件供應商限制，一方面能降低主機廠的集成成本，另一方面也為后續差異化演進保留了接口空間，某種程度上，地平線和合作伙伴們一起，向讓主機廠讓渡了部分話語權。這也是余凱敢拍胸脯說未來3-5年HSD出貨千萬套的底氣。

盡管HSD的性能上限還沒有被完全榨出來，但它也是撼動2025下半年智駕拐點的三大供應商方案之一，（另外兩家是博世一段式和Momenta R6），合作車型星途ET5上市2周激活量達到12000輛，這個指標證明HSD在規模化商業閉環上初見成效。

#02

蘇箐：把概念變成能交付的功能

職務：地平線副總裁兼首席架構師

蘇箐在華為時以“感言“著稱，到地平線以后，低調了很多。

作為主導HSD落地的研發一號位，蘇箐在過去兩年要解決的問題，是把工程能力和地平線原有的AI研發能力，有機的結合在一起，并在余凱給定的時間點，交付出一個讓大家驚訝的一段式端到端。

在HSD推進量產之前，蘇箐和團隊首先遇到的難題，并不是模型效果，而是一個更基礎、也更殘酷的問題：端到端系統，到底能不能在真實車規環境里“活下來”？

一段式端到端在理想狀態下，可以從傳感器輸入直接輸出駕駛軌跡，但一旦進入真實道路，就會立刻暴露出系統級風險，時延是否可控？異常行為如何回溯？跨城市、跨場景性能會不會迅速塌陷？這些問題，決定了端到端究竟是研究論文，還是可落地系統。

所以，蘇箐必須邁過“五道坎”。其一，是時延與算力的系統級控制。端到端模型天然傾向于更大的規模，而車端算力、功耗和車規穩定性，幾乎不會給太多試錯空間。蘇箐的辦法，是圍繞征程?6P的算力架構，對模型計算圖、特征流轉路徑以及推理調度進行設計，讓端到端在保持完整閉環的同時，實現了從“光子輸入到軌跡輸出”的低時延響應。這一步，讓HSD有了跑起來的可能。

其二，是端到端的安全性與可解釋性。在傳統分模塊系統中，感知、預測、規劃可以分別驗證，但端到端一旦出問題，很容易變成無法追責的黑箱。他和團隊并沒有回避這一結構性缺陷，而是通過中間表征約束、行為先驗嵌入和多尺度回放機制，為端到端系統構建了可追溯的工程接口，異常行為可以被定位、復現和修正，而不是被“模型不穩定”一筆帶過。

其三，是動態與靜態世界的統一建模。真實駕駛的難點，從來不只是“看見什么”，而是如何在不斷變化的環境中做連續決策。在蘇箐主導下，他對動態目標和靜態結構進行了統一建模和聯合學習，避免了傳統系統中動態模塊與地圖、規則反復對齊的高昂成本，也讓系統在復雜城市場景中可以保持連續、穩定的駕駛風格。

第四道坎，是無圖與有圖的融合。在很長一段時間里，行業將無圖和有圖視為對立路線。HSD的實踐證明，這種對立并不成立。地圖在HSD中不再是強規則，而是以弱先驗、軟約束的形式融入模型學習，使系統在有圖時更穩、無圖時不崩，大幅降低了跨城市部署的工程成本。

第五道坎，是跨城市泛化的真實代價。傳統方案里，每進入一座新城市，幾乎都意味著一次新的工程項目。HSD的端到端范式，把系統能力更多錨定在駕駛行為本身，而不是城市特定規則，讓跨城市部署從“工程適配”轉向“數據驅動的能力擴展”，這是其真正具備規模化潛力的前提。從結果來看，HSD并沒有宣稱徹底取代傳統方案，而是完成了一件更重要的事，它證明了端到端不是減少工程復雜度，而是把復雜度前移到系統設計與工具鏈層面。

#03

張騫：把感知變成端到端的入口

職務：地平線智能駕駛系統產品線感知團隊研發負責人

在端到端體系里，感知的位置發生了根本變化。它不再是“把世界看清楚”，而是決定系統如何理解世界。張騫在2025年承擔的，正是這個入口級責任。

傳統智駕體系里，感知的目標非常明確：準、穩、可解釋。但在端到端系統中，感知要回答的是另一類問題，哪些信息，值得被系統記住？這意味著模型結構、特征表達、時序建模，全部需要重來。

在HSD項目中，張騫負責的是高階智駕感知方案整體設計，端到端感知與系統的協同，還有工程體系的搭建與落地。這一過程中，他所推動的是一整套方法論，MapTR將地圖理解融入在線感知，DiffusionDrive擴展了感知對未來行為的建模方式，Vision Mamba探索替代Transformer的新視覺主干，這些工作背后，有一個共同目標，讓感知成為端到端系統可學習的一部分，而不是預設前提。

Vision Mamba在學術上的成功，使它成為2024年度最具影響力的AI論文之一。但真正困難的是，如何讓這些模型，在車規芯片上穩定運行。2025年，張騫團隊完成的，不只是算法驗證，還有模型結構工程化、推理效率與算力匹配、與系統時延預算的深度協同。

最終的結果，是感知第一次真正融入端到端體系，HSD的量產落地，意味著感知不再是“外部輸入模塊”，而是端到端系統的一部分，行為生成的重要約束條件。

#04

蘇治中：把自動駕駛技術拓展到具身智能

職務：地平線機器人實驗室負責人

蘇治中在2025年面對的問題，來自一個更長期、也更棘手的技術斷層：如何讓地平線在智能駕駛之外，具備一套可以繼續擴展的通用智能技術底座。

在智能駕駛完成規模化量產之后，一個現實逐漸浮出水面：以“駕駛”為中心構建的感知、決策與控制體系，正在接近其能力擴展的邊界。模型可以不斷變大，數據可以持續積累，但這種路徑更多是在既有問題空間內做逼近，而非打開新的能力維度。無論是更復雜的駕駛場景，還是機器人等新形態，都需要一種能夠跨任務、跨載體遷移的能力框架。

基于這一判斷，蘇治中的思路是，從“功能模型”轉向“基座模型”，并且直接在具身智能這一更具挑戰性的領域中驗證其可行性。

在地平線內部，他所負責的機器人實驗室被定義為三大核心實驗室之一，但其定位并非單純做前沿探索，而是承擔著為公司下一階段技術形態探路的角色。實驗室圍繞Manipulation、Mobility和Real2Sim三個方向展開研究，覆蓋了機器人操作、移動能力以及從真實世界到仿真環境的閉環遷移。這種布局，本質上是在復現一套比智能駕駛更復雜的感知—決策—執行體系。

在具體落地路徑上，蘇治中推動了基座模型的構建。他帶領團隊先后發布了具身智能“小腦基座模型”HoloMotion和“大腦基座模型”HoloBrain。前者聚焦于運動控制與執行層能力，解決“如何穩定、可控地完成動作”；后者面向更高層的感知理解與策略生成，解決“在復雜環境中如何做出合理決策”。

值得注意的是，這些模型并未脫離工程現實。無論是訓練方式、數據來源，還是推理結構設計，都刻意考慮了未來在真實硬件和真實系統中的部署可能性。Real2Sim方向的引入，正是為了解決具身智能在工業化過程中普遍面臨的數據獲取和驗證成本問題，通過仿真與現實的閉環，加快模型迭代效率。

從結果上看，蘇治中在2025年所推進的工作，已經開始體現出工程與研究并重的特征。團隊在CVPR、NeurIPS、AAAI、IROS等頂級會議持續產出成果，同時在具身智能競賽中取得了包括CVPR 2025 RoboTwin雙臂協作真機賽第一名在內的實證成績。這些結果驗證了基座模型思路在真實系統中的可行性。

#05

吳永橋：帶博世坐上中國智駕牌桌

職務：博世智能駕控事業部中國區總裁

伴隨采埃孚、安波福、電裝等企業退出智駕賽道后，博世成了現在唯一留在“圈里”的傳統Tire 1。但2025年，吳永橋仍面臨2個核心問題：

1、盈利與成本壓力失衡。博世2025年整體營業利潤率僅1.8%，創金融危機后新低，智駕業務也陷入虧損，激光雷達等核心部件量產成本超預期，下游車企因自身盈利下滑，持續向博世轉嫁成本，價格戰擠壓空間顯著。

2、技術與競爭格局被動。第三方智駕供應商呈現華為、Momenta、地平線主導格局，市場份額被快速分割，博世傳統模塊化方案競爭力被弱化；同時車企全棧自研潮興起，博世作為Tier1的議價權被削弱，僅華為、寧德時代能在主機廠面前保持溢價能力。

這兩個問題都把矛頭指向了一處，作為全球最大的Tire 1，博世在中國到底有沒有智駕競爭力？他需要讓博世盡快出現在中國智駕牌桌上，這是他在過去一年，最核心的挑戰。

如何突圍？吳永橋的思路，是押注一段式端到端，造一個在20萬級有競爭力的智駕方案。

在這個方向上，2025年吳永橋推動了兩件大事落地：

1、在18個月內，和文遠知行聯合開發的WePilot 3.0完成工程交付，搭載在星紀元ES。這是繼地平線HSD之后，行業第二個量產的一段式端到端。在博世和文遠知行的合作過程中，雙方主要就算法應用和工具鏈等層面進行了聯合開發，如行車部分的感知、預測、規劃，以及部分工具鏈，其中博世主要以Tier 1的身份向主機廠提供包含傳感器、計算平臺、算法應用以及云服務等關鍵技術要素的全棧式高階智駕解決方案，如域控硬件、底層軟件、中間件、系統集成、閉環工具鏈、泊車功能等，文遠知行的優勢集中在算法層面。

2、組織重構，增加AI領域的研發人才密度，陳大宇和張睿等人，在這一年相繼入職。在強烈的壓力之下，吳永橋賭對了，博世（文遠）的一段式方案，在2025年末取得了令人震驚的成功，在智駕大賽、智駕眾測以及其他博主的評測中，都拿下極高評價。這讓博世這家昔日Tier 1霸主，重新回到人們的視線之中。

#06

陳大宇：讓智駕快速進入商業閉環

職務：博世智能駕控中國區副總裁，智駕體驗業務中國區負責人

陳大宇在2025年面對的，是一個更具體、也更棘手的問題：如何把博世分散的低、中、高階智駕能力，擰成一條真正可交付的產品線。

智駕不缺功能，缺的是結構。陳大宇在2025年10月出任博世智能駕控中國區副總裁、智駕體驗業務負責人時，博世內部其實已經具備了覆蓋低到高階的完整能力棧。但問題在于，各層級方案彼此獨立，主機廠的理解成本偏高，這會導致一個認知偏差，博世很強，但可能“不好用”。

盡管陳大宇的加入時間較晚，但他在2025年仍做出了核心判斷，把智駕重新定義為一條連續的產品曲線。這意味著三件事，博世縱橫輔助駕駛基礎版不只是“入門版”，而是高階方案（縱橫輔助駕駛至尊版）的工程基礎；中階方案（縱橫輔助駕駛升級版版）必須承擔規模化責任；高階方案的技術路徑，要反向約束低中階的設計。

在他的推動下，博世開始以“全域產品布局”來重新拆解項目，不再單獨賣某一個功能，而是明確給出從L2到高階輔助的升級路徑。

所以在2025年四季度，陳大宇把主要精力放在了三件“硬任務”上，中高階方案的量產攻堅；項目出海的工程重構；傳感器業務為系統服務的轉型。

尤其是傳感器這條線，過去長期以性能指標為導向，而在2025年開始，被明確要求為系統效率和體驗讓路。這對一家硬件背景極強的Tier1來說，并不輕松。

到2025年底，博世在中國的智駕產品，開始呈現出清晰結構，主機廠更容易選型，項目推進節奏明顯加快，出海項目具備更強復制性。可以說，這是一次“工程型負責人”的勝利，讓博世智駕方案像一條完整產品線那樣運轉起來。

#07

韓旭：把概念變成工程交付

職務：文遠知行創始人兼CEO

客觀的說，文遠的算法，是博世一段式在2025年末崛起的頭號功臣。

當特斯拉用 FSD 把one model推向行業主敘事，華為開始在整車與智駕系統層面重構閉環能力時，文遠知行如果只停留在“Robotaxi 跑得通”，就很難進入下一階段的產業牌桌。

所以韓旭在過去一年，所承受的壓力在于：端到端如果只是一種科研成果，它不足以支撐一家自動駕駛公司的規模化未來。

2025年，韓旭的關鍵貢獻是把端到端從研究對象，變成可被拆解、被約束、被量產的工程系統。這件事的核心節點，正是文遠知行與博世聯合開發的WePilot 3.0一段式端到端模型。在這個過程中，韓旭團隊實際上解決了三類問題：

1、端到端的“不可解釋性”，如何與車規安全共存？通過系統級拆分，把一段式端到端放入可被驗證的安全框架中，在輸入、輸出、約束條件上引入工程邊界，同時把“學習到的策略”限定在可被系統級規則校驗的范圍內。

2、端到端如何跨車型、跨算力平臺部署？在與博世的聯合方案中，雙方將大模型重構成了能遷移的模型結構、可裁剪的算力配置和可標準化的接口層。

3、端到端如何進入真實商業交付，而不是只跑 Robotaxi？這是最難的一步，因為Robotaxi目前能接受高成本、高算力、高維護，而量產車不行。

比起國內的技術成就，我們也關注他對L4的推進節奏。在2025年之前，Robotaxi行業已經被反復唱衰過很多次了。原因并不復雜，技術進展很快，但商業模型始終站不穩。韓旭在這一年面對的現實問題，比“能不能自動駕駛”更直接：如果自動駕駛不能形成可復制的規模化模型，它還能不能繼續存在？

他在2025年的核心判斷，是Robotaxi必須先“收斂”。過去一年，韓旭推動的最重要方向是對技術與產品形態的收斂。

具體表現為三點，減少過度定制的算法路徑；壓縮不同城市；不同車型之間的系統差異，他與團隊讓端到端與傳統模塊化方案共存，而非對立。這背后的邏輯非常現實，因為Robotaxi的“敵人”，從來不只是技術難度，而是商業規模化運營的復雜度。

2025年，韓旭依然作為核心作者，參與了端到端與跨場景平臺化的高引論文。這些論文的關注點，已經明顯不同于早期研究，而是更強調系統穩定性、更強調跨任務遷移、更強調數據閉環效率。它們不再只是“證明可行性”，而是為規模化運營提供方法論支撐。

#08

李巖：用一套系統把自動駕駛業務串起來

職務：文遠知行聯合創始人兼CTO

如果說韓旭面對的是“公司如何跑下去”，那么李巖在2025年承擔的，是一個更加底層的問題：技術是否足夠通用，才能支撐規模化。李巖的履歷橫跨學術界與工業界，CMU博士、Facebook、微軟核心工程經驗、微軟亞洲研究院早期成員，在文遠知行，他的角色并不是“寫最好模型的人”，而是把不同模型、不同感知任務，擰成一套可長期維護的平臺，更像是一個角色更重要的系統中樞。

他在2025年做的核心工程，是UniPerception-4D，解決了一個長期存在的問題，為什么自動駕駛的感知系統，始終難以跨車型、跨場景復用？4D 時空感知的意義在于，把時間作為一等公民，把不同傳感器、不同任務，納入統一表示，能減少針對單一場景的“特化設計”。

過去一年，李巖主導的另一項關鍵工作，是WeRide One通用技術平臺。這套平臺的目標非常明確，讓Robotaxi、無人配送、自動駕駛巴士等業務，共享同一套感知、決策、工具鏈與數據系統。

這一步的難點在于，平臺化意味著犧牲短期最優，換取長期穩定。隨著UniPerception-4D和WeRide One的逐步成熟，文遠知行在2025年的技術體系呈現出一個重要變化，新業務上線成本下降、不同城市的部署速度加快、技術債開始被系統性消化。

#09

當智能駕駛的發展被不斷拆分為模型參數、技術架構和路線分歧時，討論本身正在變得越來越熱鬧，但判斷卻并不總是隨之清晰。

從2025年往回看，會發現真正拉開差距的，已經不再是誰率先采用了哪種方案，而是誰能夠在復雜現實中，把系統長期運行的風險、成本和體驗同時納入決策之中。這類能力往往不顯山露水，卻直接決定了產品是否具備持續演進的基礎。

智能駕駛進入量產深水區后，工程判斷的重要性正在被重新認識。它不只關乎算法是否先進，更關乎組織是否能夠對不確定性負責，是否具備在爭議中保持節奏的能力。

也正是在這一階段，行業開始從“路線正確性”的爭論，轉向對“系統可控性”和“交付確定性”的檢驗。速度仍然重要，但不再是唯一指標。

《2025中國智駕開發者50人》系列記錄的這些面孔，正是處在這一轉折點上的關鍵角色。他們的工作很少成為話題中心，卻持續影響著智能駕駛真正落地的方式。在1月31日舉行的【2025智駕天梯榜年度盛典】上，我們將邀請其中部分代表，進行現場分享，敬請關注。