8.68萬新車普及車位到車位，世界模型不吃高算力！零跑夯爆了

賈浩楠 發自 凹非寺
量子位 | 公眾號 QbitAI

2026智能車最熱黑科技——世界模型，第一個把門檻打下來的玩家，意料之外，情理之中：

零跑汽車，創造了科技“普及平權”的新紀錄，四五十萬豪華車的世界模型智能輔助駕駛方案，將下放到10萬以內的入門級車型。

而且放話不只是能用，依托世界模型技術體系，AI司機從能用變成了好用。

世界模型，本身是AI模型和真實物理世界直接鏈接、交互，具有AGI“終局”潛力的全新范式。

而上車之后，有巨大的潛力和價值，畢竟智能汽車是眼下直通物理AI最成熟的平臺——自由移動、自由定義、自由進化。

零跑入局，可能會徹底改變格局：

車端的世界模型，要從旗艦車型的零星嘗試，走向普惠大眾的“鋪天蓋地”了。

零跑世界模型上車，體驗怎么樣？

零跑世界模型智能輔助駕駛系統的實測，選在杭州浙二醫院附近的核心城區，本地人一聽就知道附近路況的復雜程度：

這也是零跑世界模型實測的第一個厲害之處：人車混行的極窄路段，敢博弈，而且軌跡策略合理，高效通過。

既不魯莽危險，也不會讓用戶覺得過于“膽小”。

復雜環境的多目標博弈通行，這一點是當下絕大多數量產智能輔助駕駛系統不具備的能力。

除了博弈場景，零跑世界模型在不那么復雜的路段，也展現出比正常通行更高階的能力：

一個常規匝道并入的場景，仍然能看出零跑世界模型的“好用”之處：和人類司機一樣，平滑規劃變道時機，兼顧安全和效率。

這樣無限貼近人類成熟司機，以及安全駕駛習慣的風格，還體現在和低速交通參與者的交互中：

整個過程沒有重剎沒有頓挫，也沒有停車等待，而是和人類司機一樣，緩慢蠕行等待行人通過。

還有一個令人印象深刻的場景：

路邊的臨停、違停指示牌，零跑世界模型不但看到了，還看懂了，聰明地選擇了繞行。

所以從這幾個場景體驗可以看出，零跑世界模型所謂的“好用”，其實翻譯成具象的表達，就是一個預期感，和你自己開車會采取的策略幾乎一致，不會讓你感到系統太蠢太膽小，更不會讓你感到害怕。

系統對場景，從感知到認知；對決策，從模仿到思考。

就比如路邊的臨停、違停其實是對AI司機考驗很大的科目，尤其是流行的端到端方案，大概率會把路邊臨停違停理解成正常等紅燈的車流，尾隨傻等。

反而是真正等紅燈的車流，容易被標記成“慢車”，做出危險、突兀的繞行動作。

這是端到端的局限，本質是模仿人類司機駕駛行為，但并不理解場景，容易出現不可控的危險動作。

再比如，前面說的匝道并入，目前多數量產系統都能完成，但往往從匝道匯入后，系統的規則會強制車輛線駛向最右車道，然后又在“靠左快速通行”的規則指導下再向左變道。

結果就是在高速路上“畫龍”，反倒增加了風險——這是古早規則主導自動駕駛時代的“遺毒”，現在其實也不少見：

用巨量人力手寫規則代碼的智能輔助駕駛系統，的確也能處理絕大部分路況。但規則就像“毒藥”，能快速解決難題，但寫了第一條就會有第一萬條，最后得到一套駕駛風格“前倨后恭”、用戶體驗“前俯后仰”的“屎山”算法。

所以量產高階智能輔助駕駛普及之后，在2026年出現了新的競爭趨勢：

各家都有車位到車位，但真正有價值的L2+產品體驗，是用戶“無感”的，和你的家人朋友開車一樣讓你安心。

或者說，好的AI司機，不需要去刻意測評。

零跑的世界模型，到底是什么？

朱江明在世界模型實測中，說了一句話很有意思的話：

• 如果是規則（主導），那只會先選一條固定路線。

所以可以推測，零跑世界模型目前為止是沒有任何一行“if else”規則代碼的。

但又和不依賴規則的端到端“黑盒”體系，有根本不同。

簡單來說，“世界模型”首先是一個大模型，但是多模態輸入：不僅通過文字，更通過視覺、觸覺、聲音等多種感知來理解世界。

打個比方，你扔出一個玻璃杯，ChatGPT、DeepSeek、豆包等等語言模型知道“杯子會碎”，但它并不真正理解重力、硬度、動量這些物理量是如何在時空中相互作用的。

但世界模型不一樣，AI建立了對三維空間、物理規律、物體持久性、因果關系的認知，尤其是萬事萬物的因果關系理解。

一般世界模型架構核心由三組件構成：

• 視覺編碼器/壓縮器：將高維度的觀測數據（如攝像頭拍攝的圖像、視頻幀）壓縮成低維度的潛在向量。
• 序列預測器/動態核心：使用循環神經網絡（RNN） 或Transformer 架構的“物理引擎”核心 ，它接收當前狀態的潛在向量和智能體（或外界）采取的動作，預測下一個狀態的潛在向量。實際上是在潛在空間里“模擬”世界。
• 渲染器/解碼器：當需要人類觀察或評估模型推演的結果時，將預測出的“潛在狀態”還原成可視的像素圖像，它相當于“圖形顯卡”。

所以世界模型最大的價值，是允許“如果……會怎樣”的推理式交互，理解行為與后果之間的因果鏈條，而不是僅僅發現統計相關性。

說到這你可能馬上就明白了，爆火的Seedance視頻生成能力，其實本質就是世界模型。

而自動駕駛的本質，就是根據實時路況，不斷修正行車軌跡——世界模型完美適配需求，而且比端到端這樣的軌跡輸出“黑盒”更加可控。

只不過在汽車智能化浪潮中，關于世界模型存在爭議：有玩家認為世界模型是單純后端的模擬器，用于數據生成仿真訓練。

但是，也有另一派玩家把車端的系統直接叫世界模型——零跑顯然是這一派——車端世界模型的任務，是進行實時環境認知與決策，強調的車端“平行世界推演”能力，相當于“腦內小劇場”。

其實兩派并沒有根本矛盾，屬于工程落地與宣傳上側重點不同，因為AI行業對于世界模型是有階段性共識的：

• 從海量數據中自主提煉物理與社會規律，形成對世界運作方式的抽象理解。

從這個共識出發，零跑自研世界模型，首先是宏觀上的，即后端的數據驅動體系，據透露目前已經建成數千卡的算力基礎設施規模，并且跑通了真正的數據閉環體系。

意思是數據中的bug、問題，能自動走完從“被發現”到“被解決并被驗證”的路徑：自動發現異常行為，然后將問題自動歸類、建成數據集，再針對性自動進訓練/仿真，出了解決方案后，系統還能自動評估效果。

研發中“人”的作用，是定義和監管、決策，而不是自己徒手標注、調參、評估、部署……

“數據直接解決問題”是最關鍵的核心能力，尤其在AI大模型技術范式的革新中。

這一能力看似簡單，實際對車企、自動駕駛公司來說非常稀缺，因為會直接影響泛化性、效率、成本。

而在用戶一側，零跑世界模型還是能交付、能體驗的產品方案。

云端的超大參數世界模型，通過知識蒸餾的手段，再對神經網絡結構，模型部署等環節做優化，實現了車端部署。

蒸餾到啥程度呢？據透露，目前測試中的零跑世界模型，依托的是高通8797芯片平臺，單顆稠密算力320TOPS。

但這還不是極限，零跑給出的承諾是，未來所有車型中只要是搭載高通8650芯片的配置（即搭載激光雷達），都能上車世界模型。

值得注意的是，盡管官方現在沒有直白說，但8.86萬版型A10，實際也是激光雷達+8650配置。

也就是說……

零跑創紀錄把世界模型門檻打到十萬元以下，背后是另外一個技術探索的新紀錄：

極致蒸餾，把世界模型部署在（稠密）算力100TOPS的算力平臺。

這是馬斯克也從未做到過的事，但零跑也并不是違反常識和技術發展規律，董事長朱江明給出了詳細解釋：

• 純粹只是把智能輔助駕駛做到好用，類似于8650的算力其實就夠了。
• 但要說把車載AI作為大模型個人助手，就是另外一回事了。

零跑汽車，問鼎智能化？

盡管掌舵人朱江明對外曾說零跑的策略是“技術不成熟時觀望，成熟就跟進”，但事實上如今的零跑在AI層面，已經超脫了單純車企的視角和訴求。

畢竟如果只追求車位到車位的普及，一段式端到端足以勝任，而且成本會比自研世界模型更低。

另一個層面，回顧一下零跑近兩年的技術進展，始終在智能化上快人一步，又不是無跡可循。

比如和高通合作量產了智能汽車最早的艙駕一體化落地方案，以及在中低算力平臺的強功能體驗，再到如今一段式端到端、VLA、世界模型多路線并進的智能化方案等等，在“性價比”之外，外界正在越來越意外地認識到一個全新的零跑。

但另一個方面，零跑又沒什么變化。

仍然是技術普惠第一，把最前沿的智能化技術、體驗，不設門檻普及。

事實上，在智能化普及上，零跑是車圈少見的“行勝于言”，真實交付的體驗其實遠超巨頭車企。

從去年B10率先把激光雷達普及到10萬級，就能看出來。

而剛剛上市的A10，同樣是把車位到車位體驗普及到8萬級，行業唯一。

這背后，是在車企陣營中，零跑率先洞察、抓住了AI浪潮的趨勢。

智能汽車、自動駕駛行業的爭論，尤其是今年VLA陣營和端到端陣營的口水仗，零跑根本不站隊不下場。

而是用產品方案給出了自己的理解：

一段式端到端足夠成熟，給入門級產品帶來全場景無斷點體驗；

從大語言模型借鑒而來的VLA體系，零跑放在如今的旗艦車型，給出最領先的艙駕一體智能化體驗；

而跳出大語言模型范式的限制，回歸汽車、移動機器人的本質——和物理世界交互，零跑毫不遲疑地選擇去探索更底層的AI范式革新。

而世界模型一通百通，改變的又豈止是汽車？

零跑汽車2025年全年累計交付新車596,555輛，同比增長103%，并憑借這一成績成為中國造車新勢力品牌的年度銷量冠軍。

而在銷量問鼎新勢力之后，現在的零跑，開始嘗試在智能化上問鼎了。