“我自己就是 ET7 车主，四年多了还能用上最好的软件。”说这话的是任少卿，ResNet 核心作者、21 世纪被引次数最多的 AI 论文作者之一，现任蔚来汽车智能驾驶研发负责人。
任少卿的座驾是 2022 年交付的首代蔚来 ET7。与他一样，近期超过 70 万蔚来和乐道车主收到了最新版世界模型的推送更新。
几乎同一时间，马斯克也在为七年前的 HW3 硬件车主推送 FSD V14 Lite（蒸馏版）。但任少卿面临的挑战更为复杂：两个品牌、四个平台、两种芯片方案、四种传感器配置及十几款车型，需通过一套代码、一个模型、一次推送全面覆盖，且没有"Lite"版本。
蔚来的“通吃”型 OTA
此次更新覆盖超 70 万辆车，涉及蔚来和乐道两大品牌，横跨 Banyan、Cedar、Cedar S、Coconut+ 四个平台，最早可追溯至 2022 年 3 月交付的 ET7。
硬件差异显著：芯片涵盖英伟达 Orin-X 与蔚来自研神玑 NX9031；传感器方面，NT2 平台采用 3D 毫米波雷达与 SiPM 激光雷达，NT3 平台升级为 4D 毫米波雷达，Coconut+ 平台则配备 SPAD 激光雷达，摄像头 ISP 也因芯片不同而存在差异。
行业惯例通常是新芯片配新算法，老硬件往往面临“降级”或停止更新。特斯拉 HW3 车主等待一年多才迎来 V14，却仅是完整版模型知识蒸馏后的压缩版，在不规则路口及恶劣天气下表现受限。
蔚来的版本号后无任何后缀。无论车辆购置时间早晚，亦无论搭载 Orin 还是神玑芯片，接收的模型代码完全一致。
针对技术可行性，任少卿解释：“不同的摄像头用同一个网络处理，靠神经网络把性能拉平。激光雷达和毫米波雷达采用热插拔接口，有则输入，无亦可运行。”
通常认为，不同车型与传感器方案产生的数据难以通用。但任少卿提出反常识观点：真正有价值的数据是针对特定模型的 Corner case（极端案例），必须让模型在真实场景中运行才能挖掘。
蔚来"70 万辆车”的核心价值在于能调度这些车辆的闲置算力进行验证与筛选。每周主动安全验证里程超 4000 万公里，累计超 1 亿公里，相当于 1000 辆测试车运行一年的工作量。
为实现这一目标，蔚来自研搭建了比传统“影子模式”更为复杂的 AI 技术体系。
技术落地路径
2021 年 NIO Day 亮相的 ET7，其高规格硬件布局当时曾被质疑为“过度配置”。然而四年后回顾，2022 款 ET7 能流畅运行 2026 年的模型，正是得益于当年的前瞻性投入。
这并非巧合，而是基于对技术路线的精准预判。2022 年，当行业主流仍聚焦 CNN 架构时，蔚来芯片团队与智驾团队已深入探讨下一代神经网络向纯 Transformer 演进的可能性。
团队判断，若转向 Transformer 架构，内存带宽将成为新范式的最大瓶颈。CNN 核心操作为卷积，数据复用率高；而 Transformer 的自注意力机制要求每个 token 与序列中所有 token 计算相关性，导致大矩阵乘法与动态生成的 KV Cache 频繁搬运数据，极易遭遇“内存墙”。
因此，蔚来在 ChatGPT 爆发前便确立以 Transformer 为导向的芯片设计思路，打造出内存带宽高达 546GB/s 的神玑 NX9031 芯片，位居行业之首。单块神玑芯片性能可比肩四块 Orin。
与其说是制造“算力更大”的芯片，不如说是制造“能让大模型高效运行”的芯片。
软件布局更早始于 2020 年。蔚来决定在英伟达 CUDA 层之上，全栈自研部署框架、推理引擎及 AI 编译器。
蔚来自研 AI 编译器实现了算子自动优化与图优化，大部分算子自动生成，多层自动融合。这使得模型部署周期从 1-2 周压缩至 1-2 天，推理效率较通用工具链提升 20% 以上。
坚持自研工具链的核心逻辑在于兼容性与自主权：既要兼容 Orin 与自研芯片，又要确保芯片设计不被供应商方案束缚，从而极致匹配算力与算法。
从硬件预埋到工具链自研，再到芯片定制，这是一套“看见十步、落子三步”的系统工程，最终闭环的关键在于数据。
对于物理世界交互的 AI 司机，有效数据极为稀缺。随着中早期案例被解决，后期极端致命案例的获取成本急剧上升。
蔚来的解法是“群体智能”：新版本通过云端下发至量产车闲置算力，在用户无感状态下完成验证，NT2 与 NT3 车型进入同一验证池。该体系自 2020 年搭建至今，底层逻辑未变。
成效显著：蔚来用户保险出险赔付率较 2023 年降低 40%，人驾平均安全里程达 679 万公里，重大事故率随保有量增长反而下降。
构建长期技术护城河
外界常将蔚来的技术进展解读为“追赶”，实则蔚来从未模仿任何玩家，也不存在转轨或沉没成本。多平台同步升级是六年"AI 基建马拉松”的自然结果。
即便在经营压力巨大的时期，李斌也未让短期困难干扰技术团队的长期探索。蔚来成为广义 AI 领域首个看清世界模型价值并落地的企业。
蔚来明确区分“表层算法”与“底层工程”，真正的护城河在于避免陷入“一代版本一代神”的模型范式困境。换电网络、自研芯片、AI 工具链等重投入项目，前期回报周期长且备受质疑，如今已开始显现价值。
对用户而言，技术即服务、AI 即服务带来了全新的权益高度；对行业而言，建成后的基础设施极难复制。
在智能车迭代迅猛的当下，用稳定体验筑牢信任才是核心竞争力。这种信任形成飞轮效应：技术扎实赢得认可，用户信任助推销量，销量反哺研发，形成正向循环。
目前，蔚来拥有全球规模最大的物理世界数据采集网络之一，具备让模型在物理世界持续进化的工程能力，并正在打通虚拟与物理的闭环。
未来智能汽车的竞争，将是谁的模型能更快从物理世界学习、更聪明地理解世界、更安全地应对未知。蔚来搭建的不仅是让旧车跑新模型的系统，更是一个能持续从物理世界学习的智能系统，其终点远超 L3/L4 或汽车本身。