文遠知行韓旭炸場：別迷信端到端，數據沒那么值錢了，L4價值拐點已至！| 智車星球

“自動駕駛賣的不是軟件，是時間。用世界模型“合成鉆石”，在冰山之下重構競爭規則。”

作者|王蕊

編輯|西子

“過去大家覺得數據是鉆石，但是現在可以人工合成鉆石了，有一些長尾效應的數據可能比較值錢，但是不需要那么多了，數據已經沒有那么值錢了。”

這是文遠知行創始人兼 CEO 韓旭，在 2025 智駕天梯榜年度論壇上拋出的炸場觀點！

對當下各技術路線、甚至“技術名詞”之間的博弈，韓旭也給出了自己的回應。

一段式端到端與兩段式、VLA 與世界模型的路線論戰從未停歇，誰的技術更先進？韓旭直言，他早已厭煩這種技術名詞本身的迷信和博弈。

在他看來，這類爭論更像評書里“羅成的槍、李元霸的錘誰更厲害”，熱鬧，沒有標準，也無法回答。

韓旭認為，自動駕駛真正成熟的時間窗口，大致會在 2032—2033 年，屆時系統能力有望整體超越人類駕駛。

但要抵達這一階段，行業必須完成關鍵跨越——從依賴相關性解釋的 “蒙昧時代”，邁入以因果性為核心的 “開明時代”。系統為什么能通過復雜場景？換一個場景還能不能持續穩定運行？這些直擊本質的問題，才是技術實力的真正試金石。

在臺州和溫州兩站智駕大賽中，星途星紀元上搭載的博世文遠方案，連續奪冠并實現零接管。

韓旭系統性拆解了背后的核心邏輯：一方面通過 GENESIS 世界模型，生成高逼真虛擬數據，實現 “以一當萬”，徹底打破對海量實車路測的依賴；另一方面將 L4 運營階段積累的安全體系與工程經驗下沉，全面賦能 L2++ 量產車型。

從攻克 QNX 實時操作系統的工程化難關，到反對 “路線即真理” 的技術迷信；從 “如今可人工合成鉆石” 的全新數據觀念，到點透自動駕駛 “賣的不是軟件，而是時間” 的商業本質，韓旭始終在試圖把行業從概念的喧囂中拉回現實。

以下內容根據韓旭在會上的發言整理：

別迷信于名詞

文無第一，武無第二。

為什么起這個 Title？因為我已經厭煩透了人們天天問我說，韓總，或者 Tony，聽說你們是一段式端到端，但是某某使用了世界模型技術比你更厲害，你怎么回答？

他說他的技術比你更先進，所以我的回答就是這句話。

一段式端到端還是兩段式，VLA 還是世界模型，到底誰更厲害，誰開得更好？

我從來都不迷信一段式端到端這個詞，一段式端到端我不覺得是用了就好，應該是文遠知行厲害才可以用出來一段式端到端。那么多人都想做一段式端到端，為什么別人沒train（訓練）出來？

這里面有很多的坑，因為我自己搞技術的我知道，大家都是一段式端到端，到最后的時候這個車的模型那么小，你怎么把一個很大的模型塞進去？過去老說我要做float（32位）、double（64位），最后4個bit，怎么把這個網絡弄出來？里面有很多的細節，這些細節其實才是成敗的決定。

重要的是把問題解決，這就是第一性原理。實際上馬斯克不怎么強調一段式端到端，他是強調用AI做這些事，我們其實很多時候都是真抓實干做這件事情。

我覺得現在這個行業有點像評書。你說 VLA 很好，我說世界模型好；你說基于規則的 optimization（優化）方法可以保證你不違章，我說我絲滑。這真的就像說評書一樣，到底是羅成的槍厲害，還是李元霸的錘厲害，還是宇文成都的鏜厲害？誰厲害？

如果你搞清楚了相關性與因果性的區別，你就分出了科學與迷信的差別。我們希望智駕從蒙昧走向開明時代，它不是去爭名詞，不是去爭路線，而是把因果性找到，而去除掉相關性。

現在很多討論，本質上還是在相關性里打轉。你看到了某一個方法在某些場景下效果好，就覺得它一定更先進；你看到某個系統在視頻里跑得很絲滑，就覺得它一定是更正確的方向。但這些都只是相關性。

真正重要的是因果性。你這個系統為什么能過？這個場景它為什么能過？換一個場景它還能不能過？哪些東西是決定性的，哪些只是表象？如果你沒有把這些因果關系搞清楚，其實你只是從一個名詞迷信，換成了另一個名詞迷信。

拿一個差的操作系統堆上一段式端到端也不行，有很多事情，你看到的1/10、冰山一角，后面巨大的冰山在做工作。

一段式還是兩段式？如果你真的做得對，拿兩段式端到端再加上 language model，一樣可以做得好，關鍵是看你的水平。

infrastructure（基礎設施），你說我也用世界模型，但你產生出來的數據如果很差的話也沒用。如果你產生的數據模型，比如你想的小龍女是李若彤的小龍女，最后出來的數據是岳云鵬扮演的小龍女，大家都可以產生一個小龍女，你要是產生的小龍女是岳云鵬那樣的，那有還不如沒有。

別迷信于名詞。

數據已經沒那么值錢了

最近兩站智駕大賽，大家可以去看結果，文遠知行和博世是怎么拿的第一？這里面有一個重要的事情，曾經有很多車廠說過，我有幾十萬輛、上百萬輛車在外面跑，數據碾壓你，文遠沒有數據，博世有一些數據可能也不一定給你用，而且很多數據你都是從車上來的。

很簡單，就是一句話，我們不能在低維跟你拼數據，我們就要在高維上產生數據，以假亂真。

所以文遠知行做了一個真正的世界模型，非常逼真的，我們叫 GENESIS，讓文遠知行的數據以一當萬。這就是我們做的硬碰硬的、拿第一的工具，我們有一套以一當萬的數據產生系統。

大家知道廣州不下雪的，這是我們虛擬的下雪的場景。特斯拉的高光，攝像頭最怕高光，我們虛擬出來高光曝光的場景，夜晚下雪，我不告訴你，你看不出來是真的還是假的，我們就用這樣的數據來訓。我想虛擬什么場景虛擬什么場景，我省很多錢，也不用產那么多車、產生那么多流量，虛擬就好了，你出 VLA、WA 等等我都可以在云端做，這是非常非常有價值的。

從車廠拿數據對我們比較難，有時候車廠會給一些數據，但是車型不多，數據也不多，很多主流車廠會說你們技術再好又怎么樣，你沒有數據，數據在我手里，我不能把靈魂給你，數據在我手里。

但是我今天想說的一點是，數據這事過去就是說你覺得你有幾顆鉆石，你有鉆石礦，現在我們想說的是，現在我可以人工合成鉆了，那個鉆石已經沒有那么值錢了，這是我今天第一炸裂要告訴大家的，鉆石沒那么值錢了，合成數據很重要，為什么 AI Model 是熱點，我要幫大家看這個事，現在數據驅動，有一些長尾效應的數據可能比較值錢，但是不需要那么多了，數據已經沒有那么值錢了。

把 L4 的極致安全，下移到 L2++

所有的這種 corner case 我想告訴大家是極難捕捉的，我們可以生成很多，但是它是可以救人命的。我是真正把 L4 級別無人駕駛的運營放到 L2++ 上。我們也希望把這樣的能力做到奇瑞的星途新紀元上，也希望把它做到廣汽埃安上，現在我們兩個很好的客戶，希望兩家的車大賣。

三年以前大家說城區 NOA 都是發燒友做的，只有極少的人用，高于 70 TOPS 的算力是不需要的，而那個時候文遠知行堅持接著做高算力，把 L4 下移到 L2、L3，我們跟博世合作努力了三年，才有今天的成績。我不是非常激進地吹，但是我認為2032 到 2033 年的時候，自動駕駛的發展應該比人開得好了，這是我的判斷。

我們大約兩三年之前做量產，我們完全沒有量產經驗的，非常感謝博世，博世屬于老大哥帶小弟弟，或者說老將帶新兵的這么一個組合，我們合作兩年里有很多坎坷。第一，我們解決了工程化能力的事情，這件事不是那么簡單的，尤其是對于 L4，所謂 L4 天天講，我們都是 AI 出身、大模型，一開始都是硅谷出來的，是硅谷范兒。

我記得我在博世的蘇州廠里駐了兩周，我當時跟博世說，大家都 Linux，你能不能別折騰我們了，QNX 所有的算子都要重寫，內存也不夠。博世說不行，這是我們德國安全的標準，你就必須這么干，真的是沒辦法。

不丟包、不延時，它是第一個實時操作系統，搶占多任務的意思是說，我給你發一個任務過去，正常 Linux 回你的時候，它不一定回你，他忙就不回你了，但是 QNX 是到時間必須回，這個就難。

剛才大宇總說冰山下面的東西，我回應一下，冰山下面的東西就是，你買一支筆我也買一支筆，但是我這個筆在任何時候、寫到筆干的那一刻都不斷墨，這件事就很難。博世特別善于做這個事，所以為什么大家都愿意用博世的東西，可能價格高一點，但是人家的質量在這兒。

怎么評價人形機器人，就怎么評價自動駕駛

All in all，大家還是要看一些技術細節。

商業上的價值產生的原因就是以要讓消費者愿意買單，就是你產生價值，什么價值？就是你幫別人解決問題。我們以自動駕駛為例，為什么它的價值這么高？價值高的原因是它節省的是人類的時間。

如果L3普及或者L4普及，其實你付出的是錢，你買的不是自動駕駛的軟件，而買的是時間，因為軟件替你開車，這是最核心的價值，這也是為什么自動駕駛的價值這么高。

分析師常常會說自動駕駛這個東西看不懂，其實你怎么評價人形機器人就怎么評價自動駕駛。

為什么人形機器人有價值？它幫你干活，不管是在家里幫你干活還是在工廠里干活，自動駕駛就是幫你開車的機器人，就是這么簡單的一件事情。

其實L4價值拐點現在已經出現了，我舉幾個數字，最簡單的一點，其實已經出現了。

如果你看資本市場的話，美國有一家做L4的公司叫Aurora，這家公司的運營數量你可以去查，沒有過百輛級，沒有太多的運營。還有一家做高階輔助自動駕駛的公司叫Mobileye，在這之前，我三四年前去CES，Mobileye百萬輛的出貨量，毫無置疑的第一。

但是今天你去看兩家公司的市值都在百億美元左右，一個出貨量百萬級的L2++、L3公司和一個不足幾十輛L4的公司市值是一樣的，價值拐點不就已經出現了嗎？

最真誠的智能汽車報道