⚛️量子位•近期收集於 80m
NIO世界模型OTA更新，覆蓋70萬用戶
💡了解大型電動車廠如何透過OTA將世界模型成功擴展至70萬輛車。
⚡ 30-Second TL;DR
有什麼變化
全車隊OTA部署
為什麼重要
展示了將複雜AI模型擴展至大規模消費級硬體車隊的能力，為汽車AI部署樹立了標竿。
下一步行動
分析NIO的OTA部署策略，以獲取擴展邊緣AI模型的見解。
誰應關注：Developers & AI Engineers
關鍵要點
- •全車隊OTA部署
- •70萬用戶完成更新
- •世界模型整合至自動駕駛
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •蔚來此次部署的世界模型採用了端到端（End-to-End）自動駕駛架構，旨在提升車輛在複雜交通場景下的決策與預測能力。
- •該模型整合了生成式AI技術，能夠在車端進行即時場景模擬，從而優化自動駕駛系統的邊緣案例（Edge Cases）處理。
- •此次OTA更新不僅限於智駕功能，還包含了對車載作業系統（NIO OS）底層調度的優化，以支援世界模型的高算力需求。
- •蔚來透過分佈式訓練與車端數據回傳機制，建立了一個閉環數據飛輪，使世界模型能隨車隊行駛數據持續進化。
- •該技術部署標誌著蔚來從傳統規則驅動的自動駕駛轉向數據驅動的生成式AI決策體系，縮短了軟體迭代週期。
📊 競品分析▸ Show
| 特性 | 蔚來 (NIO) | 特斯拉 (Tesla) | 小鵬汽車 (XPeng) |
|---|---|---|---|
| 自動駕駛架構 | 端到端世界模型 | FSD v12+ 端到端神經網絡 | 端到端大模型 (XBrain) |
| 數據閉環 | 車隊數據回傳與模擬 | 全球車隊數據訓練 | 雲端訓練與車端部署 |
| 部署策略 | 全車隊OTA覆蓋 | 逐步推送 (FSD) | 逐步推送 (XNGP) |
🛠️ 技術深入
- 採用多模態感知融合技術，將視覺、雷達與地圖數據統一輸入至世界模型進行時空預測。
- 引入了基於Transformer架構的預測引擎，能夠預測周邊交通參與者未來數秒的行為軌跡。
- 針對NIO車載計算平台（如NVIDIA Orin-X）進行了模型量化與剪枝優化，確保在有限算力下維持高推理幀率。
- 具備動態環境重建能力，利用車端感測器即時構建高精度的局部環境模型，輔助路徑規劃。
🔮 前景展望AI analysis grounded in cited sources
蔚來將在2026年底前實現全場景無圖自動駕駛。
世界模型的部署大幅降低了對高精地圖的依賴，使車輛具備更強的通用場景泛化能力。
車端算力需求將成為蔚來下一代車型硬體規格的核心指標。
隨著世界模型複雜度提升，現有硬體平台的算力瓶頸將推動蔚來加速研發更高算力的自研晶片或升級計算平台。
⏳ 時間線
2023-09
蔚來發布自研智駕晶片與相關AI技術佈局
2024-07
蔚來正式對外披露其世界模型研發進展
2025-03
蔚來開始在部分車型進行世界模型的小規模內測
2026-06
蔚來完成世界模型在全車隊的OTA推送準備
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗