“一場無圖之戰，打掉的不只是高精地圖，還打掉了一套舊秩序，換上來一批新的人。”
從 0 到 1，靠的是一群烈馬；從 1 到 N，靠的是一群平均年齡 30 歲的年輕人和一幫終端老江湖。
在華為智駕的整部歷史裡，2021 年 4 月的上海車展是最容易被記住的一幕。一輛沒有安全氣囊的北汽極狐工程樣車，穿過上海鄉村大院外賣騎手的叢林，全程零接管。那段視訊在 B 站和朋友圈刷屏，外界第一次意識到，一家通訊公司在一個它“才剛起步”的領域裡，突然掏出了王炸。
但那是 demo 的勝利，不是產品的勝利。
真正的戰事，在掌聲散去之後才開始。而它開始的方式，糟糕得幾乎令人絕望。
2021 年 7 月，那個把目標定到 Waymo 的技術領袖蘇箐，被一紙檔案調離。幾乎同時，一樁以“出售團隊”為前提、差點讓整支 ADS 隊伍整建制易主的收購談判，正在華為與大眾之間的會議桌上進行，最終無疾而終。
這兩件事本身，本文都不展開。它們真正的後果，是給 ADS 留下了一片罕見的混亂：
技術領袖離場，新成員到位，人心因為一場未遂的收購而浮動、站隊、觀望；一支曾被評價為天時地利人和的隊伍，第一次真切地意識到，自己是可以被“賣”的。
在穩態裡攻堅已經很難，在混亂裡攻堅更難。
本篇時間跨度為 2021 年 4 月～2023 年 4 月，即 ADS 2.0 的誕生過程。這兩年，從 0 到 1 的理想主義者退場、從 1 到 N 的兄弟們接棒，兩代人此消彼長，把一套激進的智駕技術從信仰做成量產。
（註：ADS 1.0 和 ADS 2.0 的技術研發時間均為兩年，後續 3.0 到 5.0 均保持一年一版的發佈節奏）
01. 舊世界的帳單：高精地圖
要理解 ADS 2.0 為什麼必鬚髮生，先要理解它推翻的那個舊世界有多昂貴。
2019 年車 BU 成立時，整個行業的默認路線是高精地圖。這套範式的邏輯很自洽：車對世界的理解能力有限，那就把世界提前測繪好、精確到釐米級地存進車裡，感知只需要負責識別動態障礙物，規控沿著地圖裡預先標好的車道線走。
但帳目不好看。建一座城市的高精地圖，成本在 10 到 20 億元之間；每年的維護費還要兩三億——路面施工、道路改線、標線重畫，圖的鮮度必須靠採集車一遍遍跑出來。華為在北京組建了一支高精地圖平台部，幾年燒掉幾十億人民幣，加上兩千名外包人員，最後只覆蓋了兩個半城市。更致命的是資質：全國只有 6 個城市允許開展高精地圖測繪業務，而華為的車要賣給全國。
2021 年 4 月的上海車展，北汽極狐搭載的 ADS 1.0 是高精地圖方案的巔峰，也是這套方案的終點。
2021 年中，車 BU 骨架重排。余承東，任車 BU CEO；卞紅林，任車 BU CTO 兼研發管理部部長。其下轄的 ADS 部，由李文廣和趙芊負責。一個做 SPDT 總裁，一個做 PDU 部長。
這是華為特有的矩陣式管理：SPDT 管產品定義、市場與銷售；PDU 一條線管技術、資源。他們多是華為終端的老將，於智駕技術略顯陌生，索性將專業之事託付給各路專家。這种放手，反倒成全了許多人的黃金時代。
余承東提需求的方式很典型，直接從商業現實倒推：“你們養了 2000 個人、花兩年時間，結果高精地圖只能覆蓋北上廣深的一部分，最多跑 2 個城市，這車怎麼賣？”
但“做無圖”三個字，落到技術上是一場牽動全身的重構。整套智駕系統裡，最終控制車輛的是規控，於是無圖率先從規控往前推。這件事，最先落在了規控首席專家——王新宇——身上。
02. 王新宇：把地圖連根拔掉
一個從軍用無人車裡走出來的規控工程師
王新宇，1989 年的年輕人，北理工本碩博，導師是付夢印院士，做軍口無人地面作戰平台研究。2017 年 3 月博士畢業以應屆生身份入職華為諾亞方舟實驗室，是華為內部最早做自動駕駛規控的人之一。
國內自動駕駛那幾年有兩個比賽：一個是“中國智能車未來挑戰賽”，一個是軍方的“跨越險阻”，北理工兩個都參加。2014 年百度把國內幾支高水平車隊叫到百度大廈門口做展示，王新宇實驗室的車在那兒轉了幾圈——此後北理工和百度有了緊密合作。
2016 年，他博士最後一年去百度 IDL 實習，跟著陶吉、楊文利他們做行為決策。那一年百度的自動駕駛大牛集體出走創業。2017 年 3 月，他手裡握著百度、華為和其他幾家的 offer ，選了華為，進的是諾亞方舟實驗室。
諾亞當時有一個叫“認知車聯網”的技術項目，投資來自集團和上海 IOV 車聯網創新中心兩方—— IOV 那邊的項目主管叫陳奇，團隊裡沒有一個有智駕背景的人。王新宇是這個項目招進來的第一個科班出身的智駕工程師。
他的 title 是規控組組長兼項目 SE（系統工程師）——既負責規控演算法，又負責把感知、融合、道路結構、規控這幾個模組串成一個能跑的整體，連模擬環境都是他自己寫的。規控團隊從他一個人開始招，招到他離開諾亞時有二十多人；整個認知車聯網項目七八十人。
2017 年底，車跑起來了。陳奇一看：“怎麼搞這麼快，挺好。”也正是這一年，一個叫蘇箐的人從海思那邊注意到了這支隊伍。
鐵三角與兩場 MMD
蘇箐從 2015、2016 年就在海思圖靈主導定義一款車規級智駕晶片——1951。晶片定義完，他需要一支能寫演算法的隊伍。2018年初，他直接把王新宇所在的整個諾亞智駕團隊“包圓”了。
公司原本給這支隊伍的定位是“一體兩翼”：一體是徐直軍交辦的戰略任務——自己探索 L4、L5，用智能駕駛牽引華為全端 AI 能力提升；兩翼是服務 IOV 和海思兩個內部客戶。蘇箐一句話把這套設計推翻：“什麼一體兩翼，不是，就一翼，沒有一體也沒有那翼。”
2018 年底，大眾集團在上海安亭組織 MMD——Management Driving，大眾每年一次的例行活動，德國高管飛到全球各地試駕自家車型和當地競品。這一年他們決定順便看看中國供應商的智駕水平，找了六七家：奧迪線上是華為和另一家，大眾線上是百度、大疆、騰訊、馭勢等。
大眾給的題目是在安亭皇冠假日酒店院內跑一圈，院裡人為擺好場景——鑽個人出來讓一下，立個紅綠燈停一下，都是那個年代的玩法。所有隊伍都老老實實照做。
華為這邊說：我們不跑裡面，我們跑外面。大眾問，你們搞得定嗎？奧迪問，你們是不是搞不定？
團隊只有幾個月準備時間，用的還是禾多幫忙改裝的一台邁騰。最後華為的車從酒店大門自動開出去，在真實街區繞了一大圈，全程三四十分鐘，最快四五十公里時速，再開回來。王新宇本人坐在駕駛位當安全員——那時候的改裝車方向盤進入智駕狀態後是齧合死的，掰不動，必須先按一個鈕解除才能接管，接管難度比現在大得多。
那場比賽跑得最難看的是百度陣營——國內做 Robotaxi 的那批老同事沒參加，來的是北美 Apollo 團隊，蹭馬路牙子。
2019 年第二輪 MMD，大眾提出了 RHP（Rush Hour Pilot，擁堵時段領航）這樣一個保守得多的題目——只考高速和擁堵路段，認為這才是消費者痛點。華為團隊跑完指定的高速路線之後，又跑了一大段城區，專門挑施工路段這類難點，又拿了第一。
憑這兩場，2019 年底車 BU 正式成立，蘇箐執掌 ADS ，陳亦倫統管感知，王新宇統管規控。三個人構成了鐵三角。
團隊從一百多人迅速膨脹到四五百人，規控兩百多，感知兩百多。有意思的是，王新宇此時人還在諾亞，跨著兩個組織管三邊的規控團隊——諾亞的、海思的、IOV 的——形成一種彆扭的雙頭匯報狀態：技術上向蘇箐匯報，行政和晉陞歸趙芊管。直到 2020 年底趙芊想了個辦法，讓王新宇以“公司內部訪問學者”的身份切進車BU，兩邊給足面子。
從採樣到最佳化：規控的三級跳
在講無圖之前，需要先說清楚規控這門手藝在 2019 到 2021 年之間發生了什麼。因為無圖之所以能成，一半的功勞在感知，另一半在規控自己的進化。
2019 年的架構是典型的 Robotaxi 架構，和百度 Apollo 開源出來的東西高度相似：
感知側是 PV（透視視角）視覺感知加雷射感知，再做後融合，再接預測；
規控側是 sampling base ——在拓撲空間裡做策略採樣，算 cost ，再用 MPC 做控制。
這套架構各家都差不多，真正拉開差距的地方在規控：“具體在什麼策略空間下怎麼 sample，坐標系怎麼定義，行為決策和互動決策分別怎麼做，各家會不一樣。”
2020 年，規控完成了第一次躍遷：從 sampling base 換成 optimize base——從“在有限候選裡挑一個”，變成“在連續空間裡解一個最佳化問題”。同時上了互動博弈：不再只規劃自車軌跡，而是把周圍車輛也納入進來做聯合規劃，替他車做未來的策略空間採樣，預測他們的行為，再和自車的規劃聯合求解。這是華為規控真正的差異化所在，算是第一個提出來互動博弈的。
2020 年年底，團隊用一台極狐在上海浦東拍了一條“一鏡到底”的 demo ，車在人擠人的街道上和外賣騎手交錯而過，視訊上了好幾天熱搜。這是外界第一次知道華為智駕做到了什麼程度——在那之前，只有奧迪和大眾知道。
2021 年上海車展上展示給全世界的，正是這套東西：強規則、重規控、依賴高精地圖。站在那個時間點上，規控贏了。
也是在這一年，蘇箐走了。
蘇箐走後，一批感知骨幹相繼出走。新成員很快到位。他們對具體技術路線充分放權，很多人後來這樣描述權力的實際邊界——領導定調子，工程師定路線。
鯰魚啟動，全員壓上決戰無圖
2022 年春天，ADS 的骨幹被組合去向新任領導成員匯報。
會上的問題不是技術問題。余承東當時推智選車業務，討論問界 M5 的第一個版本用那那家的智駕。
當時已經初步定好了博世方案，但那連高階智駕都算不上，基本只能高速領航，城區幾乎開不動。余承東想升級為高階智駕，認為這是核心競爭力，最早找的是元戎啟行——元戎對外一直宣稱“無圖”，在多感測器融合感知和低成本推理引擎上有先發口碑，2021 年就推出了量產成本低於 2 萬元的前裝方案。余承東在深圳試了他們的車，覺得跑得不錯，計畫用它替換博世。
但余承東還是想試試，ADS 到底能不能上。他在會上讓專家做了評估，結論是：無圖我們也能做，而且能做得比元戎好。
這句話說出口，就成了軍令狀。
窗口期只有一年——2022 年底 ADS 要在余承東面前和元戎當面 PK。2023 年上半年要拍量產，下半年要上車。做不出來，ADS 這塊業務在智選車體系裡的位置就沒了。
有人記得那一年老余經常開元戎的車上班，ADS 的人看到了，都憋著一口氣。
那年年中，王新宇的處境很特殊。他的 title 從“規控首席專家”變成“ ADS 業務首席”，規控和感知兩個大組一起管。這在華為的組織習慣裡本來是不該出現的狀態——部門首席通常只壓一條線。但這個臨時的、帶著救火性質的授權，讓他可以直接下場，把兩個原本各修各城牆的大組，按一場戰役的需要重新拆開、重新拼起來。
如果只是內部 KPI ，壓力還沒那麼大。
2022 年 9 月 30 日，特斯拉在加州辦 AI Day，公開了兩件東西：佔用網路，以及一套只靠標準導航地圖就能推理出車道拓撲的神經網路。馬斯克的意思很清楚——高精地圖這條路他不走了，純車端感知就能解決城區。
幾乎同一時間，小鵬開始對外講去高精地圖，把“輕圖”作為下一代方案的主打。
特斯拉、小鵬、元戎、華為，三個方向不同的對手，指向同一個結論：無圖這條路是對的，而且沒人願意等華為。
實際上，ADS 內部原本有一條更穩妥的路——陳同慶和秦通做的眾包輕地圖，內部叫 RoadCode，不用專業採集車，讓量產車隊自己把路跑出來。這條路的好處是過渡平滑，壞處是仍然要依賴圖的鮮度，圖壞了車就不敢開。AI Day 之後，團隊裡的判斷開始變了，“是不是應該更激進一點，把 HD、RoadCode 也不依賴，或者只有少部分長、難點場景依賴。”
最終定下的策略只有六個字：邊探索邊量產。RoadCode 不砍，但降級——車端照舊建構輕量地圖，可整套軟體不再信任它，有沒有都能跑 NCA，所有基礎資訊只來自高德的 SD 導航地圖。沒有 RoadCode 之後，由道路結構認知和規控扛住，也就是——儲晶凱的道路結構認知和錢超傑的行為決策主要負責搞定。
這是一個很反直覺的決定：把自己辛苦建了幾年的東西，主動放到“可有可無”的位置上。但它後來恰恰成了華為和小鵬拉開距離的地方——小鵬的圖有瑕疵就得派車去采、去修、去校準，只能一城一城開；華為的圖允許有瑕疵，因為它本來就不被依賴。
白盒無圖，全球獨一份
無圖之所以這麼難，因為所有難點最後都收斂到同一個場景：路口。
要知道有幾個出口，每條車道通向那裡，還要和導航意圖對得上。純靠視覺，車頭剛探進路口的時候根本看不全，不知道該從那兒出去；對周圍車輛的預測同時失效，因為連路的形狀都不確定，就沒法判斷別人要轉那個方向，互動博弈也就無從談起。
一個路口把感知、地圖、預測、規控四件事同時按在地上摩擦。最後的做法沒有任何技巧可言：全員壓上，除了做泊車的那一撥人，整個部門全力以赴解決路口。
王新宇的第一步是在規控內部拆牆。
規控那時有兩百多到三百人，切成四塊：路由規劃歸錢超傑、決策模組歸戴正晨、規劃模組歸佟留柱、控制模組歸章仁燮。
有圖時代這套分工很舒服——地圖把車道線、路口拓撲、可行駛區域都給死了，路由照著導航走，決策在既定車道里選，規劃在車道線裡畫線，控制把線跟住。每個人的輸入都是確定的。無圖把這份確定性抽走了。所有人的輸入都變成了一個會跳、會抖、會突然消失的即時估計值。誰都不能只守自己那塊。
王新宇做的第二件事，就是拉著感知部一起做。
從技術上說，無圖方案最省事的做法是讓感知輸出和高精地圖一樣精度的即時路網資訊，規控一行程式碼都不用改，介面不變，工期最短。但這感知做不到，所以感知和規控怎麼對接，就成了關鍵問題。
打個比方，道路結構認知這條線，路口有幾個出口、車道怎麼連、那條通向那兒，按組織歸屬屬於感知部，不歸規控，王新宇拉著這條線一起幹。這部分工作就是靜態感知，儲晶凱負責。
儲晶凱，也就是上文提到的，蘇箐在海思帶過的老部下，早年干規控，後來合併交由王新宇帶隊，搭檔過好幾年。一個做過規控的人來定義感知輸出，意味著他天然知道下游要什麼，知道那些誤差規控扛得住、那些扛不住。這一點聽上去微不足道，其實是整件事能推下去的技術前提。
多說一句，道路結構認知最早的開發者是 2012 實驗室的溫豐。那還是在諾亞的時候，王新宇負責規控和聯調，溫豐負責道路結構認知。溫豐那時帶的組叫“空間認知組”（special cognition），主要做靜態道路結構的認知，組裡大概有十個人左右。後來溫豐沒有切到 ADS 部門，到了 ADS 2.0 階段，溫豐去了加拿大蒙特利爾所當所長，待了三年，2025 年底才回國。
拆牆和介面問題確定後，就是規控部門之內的攻關了。
這一步走得比外界想像的深。它不是加一層濾波把抖動磨平，而是把整個數學底座換掉：原來在拓撲空間裡做的規劃被搬到歐式空間，從策略採樣（sampling base）徹底轉向多模態聯合最佳化（optimize base）——不是從若干候選軌跡裡挑一條，而是在連續空間裡直接解出一條最優軌跡，同時兼顧自車與他車的互動博弈。同時解碼器也是自研的，整個求解器針對 1951 晶片的算力特性做了大量最佳化。
換句話說，當時 ADS 內部的一種聲音是：無圖必須綁端到端才能做。因為規則程式碼窮舉不完那些不確定性，只能交給神經網路。華為是唯一一個不信這個共識的，堅持用白盒的辦法搞定。
註：1951 晶片是蘇箐 2015 年左右在海思圖靈就開始定義的，對外從不單獨講晶片，只以域控(MDC)的形態出現——MDC 610、610 Pro，以及雙 1951 晶片的 810 。從 ADS 1.0 到 4.0，整整四代產品都跑在這顆晶片上，中途只迭代出 1951 Light 和 VR 代際，但核心未變。它一路扛了將近十年，直到 5.0 才換上新一代的 1952。回過頭看，美國制裁之後智駕這塊再沒有新晶片，是這顆十年前定義的晶片，硬生生撐起了華為智駕的整個上升期。
華為 ADS VS 元戎，兩輪 PK 賽
2022 年，ADS 和元戎有兩輪正面 PK。
年中，M7 給了一次機會，元戎沒搞定；年末，M5 又給一次，還沒搞定。
最有看點的就是後者。那是真正意義上的臨門一腳。
2022 年底，深圳，由余承東本人驗收。ADS 團隊提前把要測的路線演練了很多遍。上的是整套 ADS 2.0 系統的雛形——黃青虯主導的 BEV 動態感知（關於感知團隊如何搞定 BEV + 前融合，這也是 ADS2.0 時期頗有看點的故事，下文展開）+王新宇主導的無圖方案。那是 ADS 第一次在正式場合把高精地圖去掉，也是感知側從目標感知到融合感知一路 AI 化的最終閉環。
兩輛車。王新宇開一輛，接余承東；黃青虯和錢超傑開一輛，接智選車業務負責人汪嚴旻。
演示完，結論是效果比元戎好。“最後 PK 完一開始說一家一個，後來又 PK 了一段時間，覺得我們確實比元戎好很多，就把元戎徹底踢掉了。”
多年以後，很多人對元戎這位對手的評價保持了體面：“元戎技術能力肯定不錯，我在深圳試過他們的車，整體感受至少和當時 ADS 1.0 水平相當，某些資料維度甚至更好。他們提‘無圖’概念比我們早，這點得認。但整體實力肯定還是華為更強，元戎是一家不錯的公司，但體量和技術縱深沒法和我們比。”
當然從事後看，這可能是余承東最有效的一次管理動作——引入元戎這條鯰魚，啟動內部。
“人性都是這樣的嘛，你有 PK ，大家的戰鬥力肯定會更強。”但在當時，沒有人認為這只是激勵——“跟元戎那邊都簽定點了，而且元戎是 A 點，優先上；華為 ADS 是 B 點，A 點搞不定才上。”
2023 年初，無圖在內部被確認跑通。2023 年 4 月，上海車展亮相。2023 年 9 月，無圖能力正式交付上車。
於是有了發佈會上那句口號——全國都能開，有路就能開。
當時行業裡比的是“開城數”，理想、小鵬隔三差五宣佈下個月開 10 城、100 城。王新宇讓人去查了一下中國鄉鎮級行政區一共有多少個，得到 6 萬多這個數字，把它放進了發佈會材料裡——前面列一張表，小鵬 50 城、某公司 100 城，華為的 6 萬多。後來他乾脆提煉成十個字：全國都能開，有路就能開——這句話一出，直接把開城數這個維度擊穿了。
多年後回看，整個 ADS 領先國內同行差距時間最長的就是那個時候，領先別人一整年。
舊地圖體系隨之瓦解。北京的高精地圖部門裁撤，兩千外包全部裁掉，正式員工轉入感知部門的地圖小組，做定位、導航地圖適配、眾包構圖。後來 HD 格式被轉成 RoadCode 格式維護，最終全方位下線。至於更輕量級的圖，不再靠人工繪製，而是演算法自動生成。
技術推著組織走，技術推著流程走
這場無圖變革在組織層面留下了一處伏筆：預測部。
預測部最早是感知部下的獨立模組，和動態感知、靜態感知平級。第一任負責人楊旭光，楊旭光離職後丁文超接手過一小段，之後換成邰磊。
無圖把預測的難度直接抬到了另一個量級。預測別人要往那走，前提是知道路長什麼樣——有圖的時候路口拓撲是給定的，預測只需要在幾條既定路徑裡分配機率；沒圖之後，連自己在路口有幾個出口都要現場估，預測就變成了在一個不斷變形的世界裡猜別人的意圖。規控團隊的那套互動博弈——替周圍車輛做策略空間採樣、預測其行為、再和自車軌跡聯合求解——正卡在這個位置上。
後來 ADS 給出的應對是把預測部從感知部劃到規控部，讓它離使用方更近。這個二三十人的小組，最終在幾年後的 ADS 4.0 端到端時代徹底消失——所有 AI 能力被整合進 AI 模型開發部，預測不再是一個獨立模組。
此外，還有流程。
李傑如，華為質量營運部的 QA（Quality Assurance）。華為講“流程決定質量”，所以華為的 QA 不是真正是管質量，而是管流程。他要做的是制定研發流程、交付流程，然後盯著所有人走完它。
李傑如把這件事做到了極致。
他是車BU成立半年後從無線轉來的，時間是 2019 年底。彼時車 BU 正處在一個尷尬的境地：做的是自動駕駛，走的是從 0 到 1 的路，業務流程跟公司那套標準的 IPD 流程根本對不上。在這個階段，QA 的角色非常微妙——說重要，可以至關重要；說不重要，也可以無足輕重。公司裡能力強的 QA 和能力不強的 QA，在這個崗位上並存。
李傑如是前者。
華為的 IPD 流程，在外人看來是鐵板一塊，硬性規定一條接一條。但李傑如不一樣。他不會拿著標準流程照抄照搬，而是挨個找專家聊，仔仔細細地問：這個環節是幹什麼的？為什麼需要？能不能砍？砍了會有什麼後果？
給很多人的感受是，那些在公司裡看起來硬邦邦的流程規定，到了他手裡，沒有一條是不能改的。他砍掉不合理的，留下必要的，然後把改完的東西拿去跟公司對齊，蓋上章，變成新的合規版本。
ADS 1.0 這麼幹，ADS 2.0 也這麼幹。
但當新產業從混沌走向有序，流程從無到有搭建完畢，一切塵埃落定，他們反而覺得不好玩了。到 2.0 之後、3.0 之前，車 BU 的流程基本落定，執行的人已經可以按部就班地運轉了，李傑如便轉身離去，去了下一個新部門。
03. 黃青虯：AI 是怎麼一步步吃掉規則的
感知部的 AI 萌芽期：用 AI 搞定目標感知
黃青虯是 ADS 2.0 階段一個關鍵但低調的角色：他主攻的是感知的“模型化”——也就是用深度學習，而不是傳統的手寫規則。不過，在展開他的故事前，我們先得回到起點，看看感知部裡最初那波用 AI 做嘗試的苗頭。
那是 ADS 1.0 時期就開始的漫長蟄伏，理解了那個從白盒規則走向黑盒神經網路的拐點，才能真正看懂 ADS 2.0 感知變革的份量。
故事要從許彬講起，前華為目標感知負責人，2019 年車 BU 成立後陳亦倫的減一。
2018 年 11 月，他被陳奇招進車聯網實驗室，做的是感知。那時的 ADS 感知，完全是 rule base ——照著 Mobileye 的路子，靠人寫規則去解一個又一個 corner case，結果程式碼越寫越複雜，問題越解越不透。
當時行業默認的“感知”就是動態目標感知（識別車、人這些動態障礙物），因為大家都依賴高精地圖，靜態環境根本不需要車自己去“看”，那張圖已經把車道線、路緣、紅綠燈都畫好了。
2020 年初，許彬這條線開始嘗試用神經網路做目標感知，到年底，徹底把規則那一套推倒、轉成了NN（Neural Network，神經網路）。目標感知，成了整個 ADS 第一個擁抱神經網路的模組。
這件事的意義，要到很多年後才被看清。目標感知一旦跑通，下一步的路徑就自然浮現了：把剩下的模組也逐個 NN 化。
當時平行推著三條線——許彬負責目標感知，孟昭時負責靜態感知的 NN 化，楊旭光負責預測的 NN 化。
用當時他們的話說，自動駕駛最核心的就是 OD、LD、PD 三塊——目標感知、環境感知、控車。把這三塊全部 NN 化、塞進一張網，就是今天所有人都在講的端到端。而華為後來對外宣傳的“無圖、全國都能開”，本質是把靜態感知 NN 化掉；再往後宣傳的端到端，本質是把規控也 NN 化掉。一步一步，都是那條2020年就看清的路。
這是黃青虯後來那場徹底 AI 化的前奏。許彬這批人在 2020 年埋下的種子，與黃青虯幾年後的收穫，前後呼應，共同構成了感知AI化從萌芽到落地的完整脈絡。
只是，這條線在 2021 年被打斷了。蘇箐離場後，感知這批人逐步離職。
黃青虯，作為感知部的火種保留了下來，也是後來串起整個華為智駕AI化的靈魂人物，從雷射感知、前融合 BEV、GOD、端到端，這幾場關鍵的 AI 戰役，一路牽頭做了下來。
2021 上海車展前，用AI搞定半固態雷射
黃青虯，1994 年生人。清華自動化本科，師從趙明國，在清華做人形機器人，是清華機器人足球隊--火神隊的隊長，還參與做過一個自動駕駛自行車；而後去了香港中文大學讀博，進了 MMLab ，導師是林達華和湯曉鷗，做的是長視訊理解。用他自己的話說，本科做的是機器人的“小腦”，博士做的是“大腦”。
2020 年 8 月，他作為第二屆天才少年進入 ADS 動態感知組，做視覺感知方面的 research，比如基於時序網路去做轉向燈感知，但更多是探索性質。而他的 mentor 正是陳亦倫。
真正的轉折點在 2021 年 3 月。
上海車展還有不到一個月。此前 POC 階段用的都是旋轉式機械雷射雷達——360 度掃描、點雲質量極高、一顆十萬塊；車展上要上的是速騰的半固態方案——視場角只剩縱向 25 度、橫向 120 度，點雲質量也差得多，但價格降了一個數量級以上。
這本質上是一個降本動作，但對演算法是一場災難。融合感知組那邊搞不定。陳亦倫讓黃青虯去帶隊攻關。“那邊的人我一個都不認識，雷射之前我也沒做過。”
他做的事情，是把整套雷射感知從規則改成神經網路——把此前做視覺感知積累的神經網路經驗，整個搬過來用在點雲上。當時組裡其實已經有兩套方案在預研 AI 化，但都不太行；他過去之後相當於把兩個方案做了整合，變成一套完整的 AI 化方案，甚至一度讓雷射感知成為整個感知系統裡可信度最高的一個模組。
一個月後搞定。他留在了融合感知組，手下團隊迅速擴大——從進組時的六七個人，到 ADS 1.0 的末期的 50 人，橫跨上海、北京、深圳三地。
那時候的感知架構是模組化的：視覺感知、雷射感知、毫米波感知各自出結果，接後融合，再接預測模組，最後才到規控。動態目標感知之外還有一套靜態的道路感知，結構類似——先過一個網路，再過融合，再到規控。整套設計基本參考了百度 Apollo 的架構：感知、融合、預測、規控。
這個架構最大的問題，是每個模組都要先把物理世界“抽象”成人能看懂的結構化資訊——前車距離多少米、長寬多少、速度多少——然後才往下傳。而抽象必然丟細節：你能窮舉距離和速度，但窮舉不完轉向燈、剎車燈、車輪轉角、車裡有沒有人這些長尾資訊。
感知部的徹底 AI 化：前融合 + BEV
2021 年 4 月上海車展之後到 2023 年初，黃青虯做的一直是同一件事：把這堵牆一層層拆掉。
先是雷射加毫米波，做成一套叫“RL 感知”的融合模組，而後又把視覺也拉了進來。與此同時，黃青虯吸引進來一個關鍵人物，天才少年祝新革——黃青虯港中文 MMLab 的師弟。這套融合架構，正是出自他們倆之手。
由此，雷射雷達的點雲、相機的圖像、毫米波雷達的訊號，在神經網路裡提前攪到一起，統一投到一張“上帝視角的俯檢視”上，由模型自己學出來“前面是什麼、在那、能不能撞”，而不是三個感測器各說各話再靠人工規則投票。
這就是“前融合 BEV 感知網路”，華為是業界第一個把它做到量產的。
需要指出是，前融合對下游其實是一個統一介面——對規控而言，上游是前融合還是後融合，它拿到的都是一份統一的感知結果，沒有區別。真正會革規控命的，是再往後把感知和規控直接串成一張網的端到端，那要到幾年後才發生。
在這套架構下，雷射雷達的價值第一次被真正釋放出來。
雷射最難的問題是噪聲——下雨時的水花會產生大量雷射點，怎麼區分這個點是水花還是真的障礙物？這套“雷射去噪”的核心技術是 1.0 到 2.0 之間做出來的，此後每一代都在最佳化，而且從來沒有對外講過。
但後來很多友商後來選擇“雷射雷達上了又下”——他們發現雷射雷達不僅沒起到預期作用，反而拖累了整體表現，只能被迫撤掉。而華為的區別在於，既能充分發揮雷射雷達的優勢，又能有效規避並解決它的短板問題。
這裡還藏著一件外界幾乎不知道的事：黃青虯同時承擔著另一個角色——給感測器部門 AIS 定義規格。
華為雷射雷達“上疏中密下疏”的排列 pattern，以及 Lidar + Camera 像素級對齊的產品定義，均是黃青虯從感知問題出發提出，與 AIS 的專家共同完成定義。這正是華為軟硬一體垂直整合的結果。外購硬體的人，做不到這個程度。
2022 年，ADS 2.0 開始換裝華為自研雷射雷達。原理完全變了——速騰那個是 MEMS 微振鏡，華為自研的是線掃式二維掃描，硬體原理變化導致噪聲 pattern 也跟著變。團隊為此做了大量資料採集和重新最佳化，好在架構設計得通用，大的神經網路架構不用變。
這套架構還順手解決了一個更現實的商業問題。
華為的合作車型越來越多——極狐、阿維塔、問界、後來的智界——如果每換一款車、每換一套感測器佈局都要重調一遍演算法，團隊根本忙不過來。鴻蒙智行體系對 ADS 的商業要求其實只有兩條：平台化，不管車高矮胖瘦必須一套神經網路解決；以及 one track ，所有車共用一套演算法。黃青虯這套架構，正是“one track”在演算法層的地基（軟體層面的 one track 主要由王官軍推進，後期戎鵬群作為軟體專家也做出了很好的成果）。
2022 年，這套架構為他贏得了華為內部含金量最高的個人獎項之一——“卓越個人獎”。按內部標準，金牌個人大約 1% 的比例，而卓越個人是幾千分之一～萬分之一，整個 ADS 每年通常只有一人。
這裡必須提到的還有一個人：李亞。
從 Momenta 過來，現在是 20 級專家、拿過 ADS 最高等級金牌個人獎的四人之一。
整個視覺感知的 AI 化是他主導完成的。BEV 有一個天然侷限——它擅長表達道路、車輛這類宏觀要素，對紅綠燈這類細粒度資訊表達效果不好，所以大量視覺域的感知工作仍需要在圖像域直接完成，這部分一直由李亞深耕。到 2.0、3.0 階段，他把視覺感知做到了極致：200 米外識別路面小障礙物、判斷塑料袋裡是否有硬物、能不能碾壓過去——這類極度細碎的 corner case 屬性，不適合交給 BEV 或 GOD，全靠他的視覺感知模組兜底。
“幹了很多髒活累活，也是很多關鍵安全問題的核心貢獻者。”黃青虯兩次提到李亞。
此外，還有一個人，也是黃青虯重點提到的人：蔣雪松。
背景是這樣的：動態感知的 BEV 前融合剛剛跑通，祝新革把視覺也拉進了同一張網。兩條線在 2022 年短暫交匯——和元戎 PK 那天，王新宇的無圖規控和黃青虯的 BEV 感知，兩個核心演算法構成了一個完整的 ADS 2.0 系統，裝在兩輛車上。
融合原本是感知的核心樞紐。老架構裡，視覺、雷射、毫米波各自出結果，交給後融合模組用規則拼成一份統一的目標列表，再往下傳。前融合把這條暗線的勝負判了。三種感測器的中間特徵被直接送進同一張神經網路，網路自己去融合，後融合還要它做什麼——兜底。
BEV 落地之後，後融合模組沒有被刪掉，而是被留了下來，專門處理極端情況——蔣雪松從 ADS 1.0 起就負責這塊，此後一直守著它。這個模組的存在意義只有一條：主動安全對誤觸發的容忍度接近於零，一百萬輛車跑一天，不能誤剎一次。神經網路給不出這種保證，所以必須有一層人寫的、能被審查的邏輯壓在最下面。
一個曾經的技術主幹，最終沉澱為一道安全冗餘。在智駕語境下，這其實是極高的評價。這是個人在技術迭代中的角色轉換，也是工程落地時“保下限”優先於“沖上限”的理性選擇。
感知部更深的埋伏：深圳，一支從零建起來的資料預研隊
2021 年下半年，黃青虯做了一個當時看不出重要性、後來卻決定了 ADS 3.0 乃至 4.0 走向的決定：在深圳從 0 到 1 建一支新隊伍。
彼時 ADS 僅有上海和北京兩個研發基地，而深圳人才密集，其他部門早已設點。黃青虯本人 base 深圳，長期在上海出差。恰逢 ADS 決定向深圳佈局，他便順勢提出建立一支演算法研究團隊。
7 月，第一個人入職；10 月，第五個人入職，能感受到黃青虯對這個團隊挑得很謹慎。辦公地點在龍崗雲谷，“請客吃飯找個大桌都坐不滿，一邊全是空的”。
這支隊伍一開始就被定位成預研線——“新團隊直接接核心業務不合適，所以從各種預研項目起步”。但正是從這支預研裡，後來長出了對 ADS 3.0 最重要的兩個人：
蘇鵬，黃青虯招進來的天才少年，深圳團隊前十號員工。他在 2.0 階段帶隊做的是純視覺方案預研——驗證在大算力平台下純視覺路線的可行性。2.0 時代公司決策暫不推純視覺，這條線被擱置；但它沒有死，後來重新啟用，成了 ADS SE（也就是 ADS Light 純視覺降配版）的技術源頭。擱置之後，蘇鵬轉向了 GOD 網路的研發——General Obstacle Detection，通用障礙物檢測。這個網路要解決的問題，是原來的動目標檢測只認車和人，而高速上經常出現的掉落麻袋、破碎輪胎、倒地水馬、滾落石塊，系統統統不認識。GOD 找到了一種通用的障礙物表達方式，讓所有可能撞上的東西都被統一表達到同一個空間裡。
郭聞，深圳團隊前三號員工，最早做的是 GT Factory——一套資料自動化生產的重建鏈路，最初是 GOD 的配套設施，後來擴展成服務整個感知系統的資料基座。他後來成長為資料開發部部長。
（如果你親歷 ADS 3.0 時期，歡迎加入作者吳彤微信：lI__O0o ）
2022 年下半年，GT Factory 從預研狀態轉入面向量產的節奏。它帶來的變化是本質性的：在此之前，資料的產能等於人力——“有多少人就有多少資料”；自動化之後，這個桎梏被打破了。這套系統迭代了幾十個小版本、十幾個大版本，到 2023 年年初達到可以批次自動化生產的狀態。
此時特斯拉還沒有公佈任何關於資料閉環的細節，“每家的方案雖然說整體的 sense 會差不多，但細節又差得很大，大家又不會去公開。”
王曦若，參與了資料系統建設全過程，對這份工作需要什麼樣的人有一個很樸素的總結：一是要細緻，不是摳格式，而是對每一種資料或每種模態要有刨根問底的執著，看到一點異常就略過去，就會掩埋掉很多問題；二是思路要打開，沒有一個循規蹈矩的解決問題的方法。
一套在華為流程縫隙里長出來的方法論
如果只看技術，黃青虯這條線的成功可以歸結為一次架構選型的勝利。但幾乎所有和他共事過的人，談起他時最先講的都不是技術。
華為的組織傳統是把管理和技術分成兩個人：部長（TM）管人、管交付；技術負責人（TL）管技術方案。黃青虯是少見的例外：他既是部長又是技術負責人。
有熟悉他的人評價更直接：“他是以一個技術專家的身份上的 manager。這個在華為其實很罕見，因為華為的 manager 是個純管理崗位，不需要太懂技術，但需要更懂交付。“有人還提到一個細節：黃青虯當上部長那天，團隊私下討論的結論是——他屬於那種“大家都覺得適合做到這個位置上，甚至都不反感他可以升這麼快的人”。
他的管理方式裡有幾個不那麼華為的地方。
第一是資訊透明。他會主動給團隊做匯報——不是講論文，而是講產品規劃、業務規劃、跨部門在做什麼、未來的計畫是什麼。“很多資訊在沒有接觸、沒有到這個層級的時候是完全接觸不到的，所以會對大家整體去講，感覺比較透明、比較靠譜。”
第二是預研線和量產線的交替。“做量產其實是挺辛苦的，一直做大家可能也會有些疲，所以這樣其實是個交替。“做一陣落地的，腳踏實地；再做一陣摸高的。前融合雖然 2.0 才做出來，1.0 時他已經在預研；端到端雖然 4.0 才做出來，3.0 時已經在提前預研。
第三是繞開流程。“如果你完全走 IPD 流程，立項、說服領導、應對質疑，半年就過去了。很多時候你得先自己悄悄把原型做出來，拿著結果再去推動。”他做雷射雷達融合的時候，就順帶用這個名義驗證了視覺融合的可行性，先跑通再立項。這種風格不太華為，但是它是值得組織去借鑑和保存沉澱下來的。
第四是提前一年埋人。“我想做這件事，也需要這樣的人，但並不一定入職第一天就讓他全職幹這個。我會先把人招進來，放在相關方向上，等業務時機成熟，他已經在內部跑了一段路了。”祝新革就是為了前融合招進來的；蘇鵬被招進來的時候干的是純視覺預研。
黃青虯自己對這份工作最鍛鍊人的地方的總結有兩條：
一是抓重點的能力，“能一眼分辨出那些事有價值、那些是噪音”；
二是團隊配合的意識——“我很清楚每個人擅長什麼，知道怎麼給他們補位”。
這點很多天才少年其實做不到，因為他們大多覺得自己是技術天才，個人英雄主義比較重。但黃青虯不是，很多時候他是在幹一些雜活，以及搭檯子的工作。後來黃青虯管的 AI 部門，包含了 10 多名 19 級及以上技術專家，7 位天才少年——其中至少一半是他自己挖來的，比如祝新革、蘇鵬、武敏顏，都是他通過各種管道招攬進來的天少。
有意思的是華為對這批人的使用方式。外界以為天才少年被高薪挖進來一半原因是為了學術資產——導師是誰、實驗室在那、師兄弟網路有多廣。但真正讓他們產生價值的，恰恰是逼著他們從“很高質但很難落地”的事情，轉向能交付的東西。黃青虯自己就是最典型的樣本。
04. 胡文瀟：讓使用者看得懂那個黑盒
不要讓使用者學習你的技術架構
技術做完了，還有最後一公里：使用者怎麼知道這輛車在想什麼。
這一公里歸胡文瀟管。他此前在網際網路公司和蔚來負責使用者體驗，是 ADS 裡罕見的“ ToC 血統”。胡文瀟的加入，補上了“將技術能力轉譯ToC”的關鍵一環——ADS 沒有 ToC，全是資深的專家、搞技術的、專業化的。“他去了之後的第一個感受是博士祛魅：“我之前在蔚來部門有一個博士都覺得好厲害，結果ADS到處都是博士。”
2021 年胡文瀟手下只有 11個人；到 2022 年底漲到二十多，快三十人，其中很大一部分是外包人力——因為項目多起來了，得為後面鋪墊。
在蘇箐時代，HMI 的一切審美由蘇箐一個人拍板。“他想怎麼呈現就怎麼呈現。”蘇箐對特斯拉有一種執迷：和北汽合作時，那輛車原本沒有類似特斯拉那樣的連按兩下撥桿設計，蘇箐認定特斯拉的方案安全性更好，硬生生要求對方加了一個桿。但胡文瀟當時更傾向物理按鍵——他在蔚來做過人因測評，華為自己最終也用了方向盤左邊的按鍵——但那個階段個人意見不重要。
李文廣上任之後，這套邏輯變了。新領導之前不做這個方向，接手業務也不熟，於是採取了完全不同的策略：專業的人做專業的事，充分授權給各領域的專家。
“對我來說是黃金時期。在 1.0 之前我什麼獎都沒拿到，互動上的創新卻很難體現在UI視覺層面；2.0 期間他與周邊 CBG、UCD、人機互動實驗室等團隊主動合作，2 年間斬獲紅點、iF 四個產品類設計大獎。也奠定了具備品牌辨識度的 ADS”
胡文瀟在 2.0 階段推的核心體驗理念，叫“行泊一體”。
在 2021 年之前，行業因為能力不足，習慣把功能按技術模組拆開賣：ACC 自適應巡航、ICA 智能巡航輔助、NCA 智駕領航輔助、AVP 代客泊車、EPA 自動泊車……一大堆縮寫。使用者拿到車，得先學會這套術語表，才知道自己在什麼路段能用什麼功能。
“體驗很差。我一直從使用者體驗側推的是‘行泊一體’——根本不區分場景，什麼高速城區、園區地庫。”
這個判斷在當時是超前的，後來成了行業標準做法。而在 2.0 階段，“行泊一體”不只是個理念，它有實實在在的技術支撐：泊車側新增了 AVP（代客泊車），從園區到城區、從車位到車位打通；配合口號“可見即可泊”——你把常去的車位收藏起來，車就能一路智駕開到那個車位上去。
胡文瀟記得最費工夫的死角，是上海一座十二層的立體停車樓。“你收藏的車位被別人佔領了怎麼辦？得重新找車位——智駕不能退出吧？”系統必須能識別車位被佔，然後重新漫遊去找別的車位。城市 NCA、園區漫遊泊車、APA 自動泊車這三段被完整串起來，是 ADS 2.0 在體驗層最重要的佈局。
一個新興物種：聯合會
對於組織而言，胡文瀟還有一個工作，就是體驗聯合會。
華為的流程繁複嚴謹，任何需求都要走很長的流程，一輪一輪評審，做一個小修改都非常麻煩——這套 IPD 流程是為硬體交付設計的，不適合快速迭代的使用者產品。
胡文瀟找李文廣提了建議：搞一個“體驗聯合會”，以使用者體驗驅動，規控、感知的人都來評使用者側的東西——要不要做？要不要改？是不是問題？
“使用者側的東西和技術側的不一樣——動態、快速變化，需要快速決策、快速嘗試、快速反饋、快速修改。”
這是他自認為 2.0 階段做得最成功的一件事。代價也很清楚：這個會依賴他個人的推動力。
不過這都不是最累的時刻。“2.0 階段最累的一段，發生在 2022 年疫情期間的重慶。”
那是 E12 項目——長安的車。前一款 E11 做出來質量不錯但銷量一般，長安對華為這邊意見很大。為了推進項目，同時改變 E12 原本的座艙方案改用華為的，胡文瀟幾個人從疫情封控中的上海一路飛到重慶。
“相當於我必須代表華為有這個實力讓別人信服。”他要向長安所有高管匯報，講清楚方案的好處、優勢，以及對他們裝置成本的降低——“項目要求用最少的修改成本讓別人接受，但又得讓別人覺得很有好處。”
講完之後立刻就病了。第三天他們準備去賽力斯那邊時，他陽了，緊急飛回來隔離。
這就是 2022 年，一個後來被簡化成“ADS 2.0 研發期”的年份，在親歷者的記憶裡，是一年一飛的出差、封控中的機場，和講完方案就倒下的身體。現在再談起，好像已經離得很遠了。
05. 余承東：把技術翻譯成銷量
產品封裝完成，另一個人上場了。
一個每天自己開車上下班的車BU CEO
外界對余承東的印象通常是“華為最強的銷售”和“遙遙領先”。但在 ADS 內部，工程師對他的評價出乎意料地正面，而且理由很具體。
“到了這個等級的領導，靠譜不犯錯就很重要了，很有可能犯非常低級的錯誤。比如智駕，老余每天開，所以智駕到底什麼情況他門兒清，下面人騙不了他。”
余承東的車沒有司機，每天自己開著上下班；手機永遠用下一代原型機，帶殼天天用，當主力機用幾個月。他有一個問題回報群，天天在群裡發問題——今天那裡點剎了一腳，趕緊回覆怎麼回事。
“這樣確保指揮不會瞎指揮，發佈會上吹的牛也不會瞎吹，心裡有底，因為試過、知道。”
他提需求的方式也很典型：不從技術可行性出發，而是從商業和產品賣點倒推。無圖是這樣來的、鯰魚是這樣來的、安全也是這樣來的——技術團隊當時其實猶豫過，智駕再強也不可能零事故，高調喊安全會不會反噬？但市場證明高端車主惜命，安全這個標籤的轉化效果極好。
“他的判斷路徑是'消費者關心什麼→產品怎麼賣→倒推技術必須突破'，這點對技術團隊是極有效的外部壓強。”
2023 年 4 月 16 日，被記住的十個字
2023 年 4 月 16 日的那場發佈會，是四條線在同一個舞台上會合的時刻。
王新宇的無圖方案，變成了台上那句“不依賴高精地圖”和“全國都能開，有路就能開”的開城路線圖。從那一刻起，“開城數”這個持續了兩年的行業遊戲規則被擊穿了。
黃青虯的 BEV 前融合，變成了余承東口中的多感測器融合感知——“雷射雷達、毫米波雷達、攝影機，異形障礙物也能識別”。
胡文瀟團隊做的 3D 渲染視訊，在大屏上循環播放。
那天還首次對外拋出了 GOD 網路——General Obstacle Detection，通用障礙物檢測：側翻的車輛、掉落的大紙箱、落石、倒地的大樹，都能識別並減速剎停。嚴格地說，這是一次超前發佈：GOD 真正打磨成熟、大規模商用要等到一年後的 ADS 3.0，它在 2.0 的發佈會上更像是一個預告。
新 M7：技術兌現成銷量
真正把這套技術變成錢的，是問界新 M7。
2022 年 7 月 M7 首發時表現平淡；到當年 8 月末 9 月，隨著華為智駕方案真正上車，銷量開始起量，10 月單月賣出 5226 台，是它當時的最高紀錄。李想後來公開承認：“問界 M7 的發佈和操盤，直接把理想 ONE 打殘了，我們從來沒遇到過這麼強的對手，很長一段時間我們毫無還手之力。”
但真正的爆發在一年之後。2023 年 9 月，華為在新 M7 上重金投入 5 個億升級，余承東連用三個“天花板”——智能座艙天花板、智能駕駛天花板、智能安全天花板。新 M7 上市不到 24 小時訂單破 1.5 萬台；2023 年 9 月到 12 月，月銷量分別是 5248、12193、17039、25545 輛；到 2024 年 1 月，AITO 問界全系交付 32973 輛，首次成為中國市場新勢力品牌月銷量冠軍。
這一波爆發，恰好和 ADS 2.0 的無圖能力從 demo 走向全國鋪開的時間點重合。
有一個細節被反覆提到：新 M7 第一次真正出圈，靠的不是發佈會，而是大量使用者自發上傳的短影片——遇到行人或車輛突然切入時，車子自動剎停，救了一命。這些視訊在網上瘋傳，成了銷量爆發的重要推手。至於這是市場部門順勢而為，還是余承東主動規劃的傳播策略，連內部人也說不清，“但方向是他定的”。
後來有人對這段商業逆轉評價很乾脆：“同樣的 ADS，在極狐和阿維塔上賣不上量，在問界上就賣上量了。”
極狐太貴太醜，阿維塔太小眾、儲物空間都沒有；問界新 M7 是大五座、大七座，實用，適合家庭，再加上余承東的個人 IP 和流量，馬上就上來了。
在 2023 年 9 月之前，智選車（在華為終端體系內）差點涼了，ADS 也一直在賠錢。這之後，ADS 把智選車救了，智選車也把 ADS 救了。
關於這場勝利的歸因，很多人都有同樣的感慨：
“ADS 和智選車的成功，老余個人 IP 佔一半，我們的努力佔一半。”
“余總在 ADS 2.0 時代最正確的三條決策：砍掉高精地圖、引入元戎 PK、智選車新 M7。”
“技術突破是地基，但余承東把‘無圖全國都能開’和‘主動安全救一命’翻譯成了消費者聽得懂的語言，技術資產才變成銷量資產。”
車賣出去之後，飛輪才開始轉。百萬級真實路況資料開始回傳，ADS 2.0 時期還是小規模的數閉環，到新 M7 起量後被當作核心系統工程投入——這是 ADS 3.0 的故事了。
06. 尾聲：斷層第一的那年
2021 到 2023，這兩年，此前一直被認為量產能力略遜一籌的華為完成了一次身位反超。
ADS 1.0 時代，業內公認小鵬做得最好；到了 ADS 2.0，感知全面 AI 化，多感測器融合完成，高精地圖被徹底甩開，華為第一次站到了國內智駕第一梯隊的前排，而且第一個喊出了“全國都能開”，領先同行整整一年。
這場反超沒有一個單一的英雄，它是王新宇在無圖上的白盒突圍、黃青虯在感知側的前融合攻堅和資料底座上悄悄搭好的地基、胡文瀟在體驗層建立的品牌辨識度，疊加余承東在商業層面對元戎的一次臨陣換將，共同兌現出來的結果。
這次決戰也屬於那些很少在網上公開過名字的人：儲晶凱、錢超傑、祝新革、蘇鵬、郭聞、蔣雪松、章仁燮、許春景、戎鵬群、龍璇、李文廣、趙芊......歷史書寫總是簡化成幾個名字，但真正把技術從 PPT 做到量產的，是這樣一整層幾乎從不接受採訪的人。
用他們中一個人的話說，“我很慶幸，能在這個年紀參與到這場革命裡面，而不是再老一點。”
那是一段技術範式還沒收斂、每個人都能在其中留下自己指紋的年代；是一群平均年齡三十來歲，用加班、爭吵、通宵，把一台落後的機器推到領先的年代。
那是他們的黃金時代，也是華為智駕的黃金時代。它短暫，喧囂，不無遺憾，卻真實得像一台在真實道路上跑過的車——實驗室裡的所有推演都是虛妄，最終必須實打實地開出去。
在幾乎每一場訪談的最後，雷峰網都會問同一個問題：這到底是個人的成功，還是平台的成功?
答案全部一致：兩者都有。
平台提供了每年數百億的算力預算、矩陣式管理和 IPD 流程，將一群聰明的大腦塞進同一套版本規劃裡，即便不依賴某個單一天才也能自行運轉。但恰恰在那些關鍵節點——感知 AI 化的決絕轉向、端到端原型的第一次跑通、規控最後的保底、以及新 M7 將 ADS 鍛造成消費級IP的果斷，又是具體的人，推了那至關重要的一把。
華為最偉大的地方正在於此。它不是一個崇尚個人英雄主義的殿堂，但能將一個群體的智慧，通過一套流程，聚合為一場驚心動魄的勝利。
下文預告
ADS 3.0 時代，感知收進一張 GOD 大網，決策規劃壓進 PDP 一張網。但再往前一步，極致的做法是把兩者直接串成一個。感知和規控合併，整套系統坍縮成一個神經網路，從感測器的原始訊號進去，從未來一兩秒的車要走的軌跡，中間不再有人寫的規則，只有一個直接控車的黑盒。
那就是 ADS 4.0 的故事了。
那場革命成全了很多人，埋葬了很多人，最終又抹平了所有人。天才的極致，便是親手處決自己。它把華為智駕送上了國內無可爭議的第一，又讓所有人第一次清晰地看見了技術天花板。
這一切幾乎是必然的。當技術演進的斜率放緩，中國做智駕最好的一批人，則帶著量產的經驗、跑通的資料閉環、和一身被華為規訓過又不甘被規訓的氣質，流向了下一個正被點燃的戰場。
技術的演進從來不受人控制。一代人，有一代人的使命。 (雷峰網)