博世+文遠有多“黑”？

在1月31日的2025智駕天梯榜年度盛典上，產生了兩位天梯榜年度黑馬：一位是地平線，一位是博世（+文遠知行）。

本篇我們討論博世（+文遠知行），為什么它能引起出注意？

兩個原因。其一，在第二屆智駕大賽臺州站（2025年11月）和溫州站（2026年1月），所搭車型星途星紀元ES連續兩站奪冠，連續兩站全程零接管，創造過去一年大賽12站最好成績；其二，自南通站（2025年8月）首次參賽后，連續三站總分不過百，但11月出現分水嶺，即博世（+文遠知行）一段式端到端上車，隨后兩站分別超過110分，參賽成績短期內突然大幅提升，被參賽車友和裁判驚訝地捕捉到，并快速溢出到更大范圍的車友群里。

那么，這匹天梯榜年度智駕黑馬，成色究竟如何？

為了客觀分析博世（+文遠知行）的智駕水平，我們在安全、效率、場景和總得分，共四個維度，選擇與基于第二屆智駕大賽實測數據積累并產生的頭部方案進行比較。

在智駕天梯榜年度場景榜中，特斯拉FSD以平均分30分（滿分30分）排名第一。在安全榜、效率榜以及總得分三個榜單，華為乾崑智駕均排名第一，其中，安全榜平均得分45.5分（滿分50分），效率榜平均得分23.95分（滿分30分），因比賽路線難度持續增大，華為乾崑智駕場景問題解決不佳，下半年分值呈下滑態勢，盡管如此，仍憑借安全和效率兩大模塊的超強表現，拿下平均得分96.10分（滿分120分），成為智駕天梯榜2025年度總榜冠軍。

因此在安全、效率和總得分部分對比華為乾崑智駕，場景部分對比特斯拉FSD。

#01

安全分：階梯式增長，正快速接近華為

華為安全分表現長期穩定，體現其在邊緣場景、異常目標識別以及交通規則執行方面形成系統性優勢，背后是大規模真實行駛數據積累以及持續訓練優化能力。過去7期的數據分別為：2025年4月45.25分、5月44.93分、7月44.96分、8月45.23分、9月45.53分、11月45.77分、2026年1月46.85分，均分45.50分（滿分50分），且每期得分都超過了44分，按百分制折算，是唯一年度安全榜得分在90分以上的方案。

博世（+文遠知行）在安全場景的表現呈階梯式增長趨勢，過去4期成績分別為8月26分、9月32.67分、11月37.2分、2026年1月42.36分。前期兩段式無圖方案得分偏低，11月在切換一段式新架構后，連續兩站安全分大漲，盡管4期以來的最佳成績仍低于華為同期的46.85分，但連續兩站全程零接管并奪冠，這釋放了一個信號，新版本的安全能力正在變強，尤其在復雜交通博弈和異常行為預測方面有了進步，整體表現基本能總結為：新版本的安全能力，正在快速縮小與華為乾崑智駕間的差距。

02#

效率分：單期表現亮眼，仍有進步空間

這是華為乾崑智駕的“領先區”，7期數據分別為：2025年4月22.50分、5月23.14分、7月23.20分、8月23.80分、9月25.65分、11月24.46分、2026年1月24.92分，以23.95平均分拿到2025年度效率榜第一。

博世（+文遠知行）過去4期數據分別為8月20分、9月20分、11月20.8分和2026年1月23分。同樣，前期效率分曲線增幅不大，11月一段式端到端初次登場后，有極為平緩的增長，但到了2026年1月，出現2.2分的較大增幅，呈現快速逼近華為乾崑智駕的平均分追勢，這意味著新版本系統決策模型對交通環境理解能力在慢慢增強。

對比華為乾崑智駕來看，前期最大分差在5分以上，11月切換一段式端到端后開始追分，縮小到3.66分、1.92分，結合新版本在大賽兩站的實際表現，其在路徑執行、車速策略和路口通過效率等場景開始發揮數據驅動的優勢，甚至在極為復雜的高強度博弈場景也沒有出現大丟分，典型案例是在溫州收官戰的盤山路段，路窄、彎急、違停多，博弈密度和難度大，最終仍以零接管完賽，這一表現再次說明其一段式端到端在復雜動態交通中的優勢正不斷顯現。若橫向對比效率榜中的其他方案代表，同期（2026.1）得分最高的，來自同為一段式端到端范式的地平線HSD，拿到了全榜最高28分（滿分30分），領先博世（+文遠知行）高達5分。對于博世（+文遠知行）而言，若要進一步加大追分幅度，明顯還需要繼續通過數據與算法的持續優化加強模型能力，因此其在效率方面仍有進步空間。

場景分：泛化能力緊隨特斯拉

自2025年4月南京站起，特斯拉連續參與常州、無錫、蘇州、南通、嘉興、寧波、臺州八站賽事，場景分均獲滿分（30分），展現出了極強的場景泛化能力，是11家上榜名單里唯一一個在年度場景榜中，全部拿到滿分的智駕方案。

博世（+文遠知行）過去4期成績分別為：8月30分、9月28.33分、11月29分，2026年1月28.57分，平均分28.98分。

特斯拉在場景方面的曲線變化非常穩定，且始終能保持滿分狀態，博世（+文遠知行）只有4期上榜，相比特斯拉7期的穩定表現，其算法的魯棒性仍需驗證。尤其是中國本土復雜路況（如非機動車混行、無信號燈路口）的數據積累較少，這也是導致其場景分偏低的原因之一。雖然在9月和2026年11月有兩次小幅下滑，但整體表現處于緊隨特斯拉的狀態。

#04

總得分：后發追勢顯著，穩定性待考

根據智駕天梯榜2025年度總榜數據，博世（+文遠知行）與華為乾崑智駕的總分曲線呈現為兩條不同的變化路徑。

華為乾崑智駕呈現“高位緩降”特征。這是因為自8月份南通站起，賽事路線難度加大，比如新增園區路、內部路等復雜場景，華為乾崑智駕前期穩定輸出受到影響，出現連續2站下滑，但在收官戰已有回暖跡象，說明云端主算的世界模型已得到新一輪算法強化。7期平均分96.10分，全年數據穩定在 92-99分區間，再次證明基礎盤穩固。

博世呈現“階梯式暴漲”特征，單期最高漲幅達7.68分（2025.11-2026.1），這種爆發式增長既體現技術迭代速度，也反映關鍵技術在突破期內的階段性成效，平均分僅為87.25分，是受樣本量較少（僅4期），且一段式端到端落地周期較晚導致，因此能否穩定守住陡增趨勢，需要進一步通過評測、眾測和大賽進行持續性驗證。

從總分走勢看，華為乾崑依然保持行業領先地位，其優勢來自規模化量產部署與持續數據閉環能力。博世（+文遠知行）整體得分呈持續提升趨勢，在年度周期內逐漸縮小差距并快速完成反超。總的來看，博世（+文遠知行）在2025年底到2026年初實現了一個明顯的階梯式跨越，這也是其獲得“黑馬”稱號的直接依據。

#05

博世（+文遠）為什么變強了？

通過上述對比，可以得到一個階段性的結論了：博世（+文遠知行）已迅速逼近兩大頭部方案：在安全、效率和總分三個細分榜單已追上華為，場景能力正緊貼特斯拉。

為什么博世（+文遠知行）突然變強了？

其實在前面四個細分榜單的曲線對比圖中，就已經反復回答過，博世（+文遠知行）成績大幅提升的本質原因，就是和其一段式端到端有關。

博世（+文遠知行）一段式端到端落地的具體時間是在去年11月5日，根據文遠知行官方披露的消息，從項目啟動到SOP，僅耗時七個月。這是什么概念？

舉幾個例子。

據何小鵬在2025小鵬科技日上的表述，2024年10月由劉先明帶隊推進第二代VLA研發，同時放棄了VLA 1.0過渡方案。按照計劃，第二代VLA會在今年3月啟動第一批推送，那么自項目啟動至SOP，共耗時17個月，這期間存在V-L-A與V-A兩條技術的同步探索期。

根據地平線官方資料，HSD一段式端到端項目啟動時間在2023年10月，期間也曾同步推進兩段式架構的研發，考慮到2024年9月團隊正式確定放棄兩段式，那么自立項到SOP共耗時14個月。

李想曾在去年5月的AI Talk中提到，理想VLA司機大模型在2024年便初啟動研發，2025年3月發布技術架構，2025年9月全量推送，共耗時約20個月。

這里需要多說一句，理想智駕研發耗時明顯偏長，這和團隊的組織架構變化、技術探索方向等多因素有關。比如，在2023年Q4到2024年Q3期間，預研VLA的同時，更多的資源是在VLM+E2E上的，和小鵬、地平線以及博世（+文遠知行）集中資源主攻一條路的節奏稍有不同。

以上幾個例子，證明多數自研主機廠、方案商在跑通硬件適配、場景數據、車規級驗證基礎，實現從解耦到一體化的平滑過渡，周期一般都超過12個月，博世（+文遠知行）又是怎么做到只花了7個月的？

用一句話總結，是工程化能力與模型算法突破的疊加結果。

博世有極強且成熟的工程能力。作為全球最大的Tire 1，底盤、功能安全、整車電子架構等領域，是博世長期以來的優勢，成熟完整的工程方法論，能在壓縮開發驗證周期的同時，把智能駕駛從概念快速轉化為量產落地，同時還能保證系統的穩定性與可靠性不受影響，這是其能夠快速推進復雜算法完成落地量產的核心原因之一。

核心原因之二，是文遠知行解決了數據問題。一段式端到端，本質就是以數據驅動，規則兜底不再出現，這種范式在復雜交通博弈中具備更高響應效率，從天梯榜效率曲線變化看，已經產生了明顯效果。那數據從而何來？文遠知行的辦法是通過GENESIS世界模型自己去模擬并產生大量數據，這其中就包括相對難啃的各類復雜長尾場景，很大程度上規避了主機廠靠海量真實汽車在物理世界“跑數據”的資源戰。

因此總的來看，博世（+文遠知行）能在短期內將一段式端到端由概念轉到落地，且半年智駕能力取得質的飛躍，在去年崛起并體現在實戰場景上，最終被評入天梯榜年度黑馬，這和雙方在軟硬一體上的協同效率有關，也和各自的業務水平有關，相當于各自把自己最擅長的地方做到極致。

博世（+文遠知行）的黑馬成色，源于端到端技術的突破與博世的底層硬件支撐，但其競爭力仍需時間驗證。短期來看，需通過擴大數據積累、優化場景適配彌補短板；長期來看，借助博世的全球化布局與文遠的算法迭代能力，有望成為智駕賽道的重要玩家。

對于用戶而言，當前版本的智駕系統在高速和城市場景已具備較高的實用性，城區復雜路況的體驗仍需進一步驗證，至于這匹黑馬能否真正躋身第一梯隊，2026年的全場景數據將是最后的答案。