<mark id="oztn4"></mark>
0
| 本文作者： 新智駕 | 2026-04-21 21:34 | 專題：華為：不造車，造生態——定義智能汽車時代的技術底座 |
2026年北京車展上，果ADS 5.0如預期首發亮相——端到端全AI大模型、L4級無圖NOV、896線激光雷達上車——這將是華為智能駕駛系統自2021年首次對外展示以來的第五個版本號。
但版本號本身說明不了太多問題。真正值得關注的，是每個版本號背后幾乎都伴隨著一次底層架構的重寫。
用一句話概括這條演進路徑：
ADS 1.0（2021）：證明"華為能做智駕"
ADS 2.0（2023）：解決"只能跑有圖的路"
ADS 3.0（2024）：做到"沒有地圖也能跑"
ADS 4.0（2025）：實現"AI自己學開車"
ADS 5.0（2026車展預期）：邁向"不需要人教的全向駕駛"
這不是簡單的功能堆疊。從BEV到GOD、從規則驅動到數據驅動、從分模塊流水線到端到端大模型——每一次版本跳躍的背后，都是對上一代方案的底層邏輯進行了一次重新審視。
截至2025年底的數據可以作為參照系：乾崑智駕已鏈接14家車企、覆蓋33款量產上市車型、累計智駕行駛里程58.1億公里、輔助駕駛活躍用戶占比達95.2%。在35萬元以上的豪華新能源市場，華為乾崑的市占率已達53%。
這些數字背后，是五年來一代又一代算法架構迭代積累的結果。而要理解ADS 5.0為什么值得在北京車展上占據C位，最好的方式是回到起點，把每一步走完。
2021年4月上海車展，極狐阿爾法S HI版首次公開亮相，搭載的就是華為第一代高階智能駕駛系統——ADS 1.0。
那是中國市場上最早一批聲稱能實現城市道路高階智駕的系統之一。它的技術底座基于當時行業主流的方案：Transformer架構驅動的BEV（Bird's Eye View，鳥瞰圖）感知系統，配合多傳感器融合（激光雷達+毫米波雷達+攝像頭），再疊加高精地圖提供先驗信息。
功能層面，ADS 1.0實現了高速NCA（智駕導航輔助）、基礎城區NCA（首批在深圳落地）、車道保持和自適應巡航等L2+級別能力。2021年9月，極狐阿爾法S全新HI版在深圳率先推送城區NCA功能——這是全球首款支持中國城市復雜道路的高階智駕量產車，在當時的行業里算得上一個標志性事件。
但它有一個致命的限制：高度依賴高精地圖。
高精地圖意味著什么？意味著系統只能在已經完成高精測繪的城市道路上運行。一旦駛出覆蓋范圍——哪怕只是出了城上了省道——智駕能力就會立刻退化為最基礎的L2輔助駕駛。更現實的問題是，高精地圖的測繪、更新和維護成本極高，覆蓋速度遠遠跟不上中國道路建設的速度。一個今天剛開通的立交橋，可能需要數周甚至數月才能被更新到高精地圖中。
定價方面，ADS 1.0一次性買斷價32,000元，包月訂閱640元。這個價格在當時并不便宜，但考慮到它提供的確實是市面上少有的高階智駕體驗，市場接受度尚可。
不過ADS 1.0的交付過程并不順利。極狐阿爾法S HI版從2021年4月發布到正式交付，中間跳票了近一年的時間。這在汽車行業不算罕見，但對于一個急于證明自己技術實力的新入局者來說，每一天的延遲都在消耗市場的耐心。
真正的轉折點出現在2023年4月16日——上海車展前夕，華為正式發布ADS 2.0。
這一次不是修修補補的升級，而是兩個關鍵技術的引入，從根本上改變了系統的認知方式。
傳統自動駕駛感知方案的核心邏輯是"白名單識別"：系統預先訓練過100種障礙物（車輛、行人、自行車、交通標志等），然后在運行時逐一比對——是認識的就處理，不認識的就忽略或報錯。
這種方案的問題顯而易見：真實世界里的危險遠不止100種。路上可能出現倒下的大樹、散落的貨物、形狀不規則的施工障礙物、甚至是闖入道路的動物——這些都不在任何訓練集的白名單里。
華為給出的解決方案叫做GOD網絡（General Obstacle Detection，通用障礙物檢測）。它的核心思路是：不再試圖窮舉所有可能的障礙物類型，而是讓系統學會判斷"什么東西不應該出現在這個位置"。只要一個物體在時間空間上呈現出異常特征，GOD就能將其標記為需要處理的障礙物。
這意味著什么？意味著系統從"只能認出學過的東西"變成了"能認出沒見過的異常"。這不是精度提升10%或者20%的問題，是感知范式層面的改變。就像一個老司機和一個新手的區別：新手看到的是他學過的幾種路況，老司機看到的是"這里不對勁"。
第二個關鍵技術叫RCR網絡（Road Connectivity Reasoning，道路拓撲推理網絡）。
在BEV架構之上，RCR負責推理道路之間的連接關系。簡單來說，就是讓系統不僅"看見"眼前的路面，還能"理解"這條路通向哪里、前方路口有幾條岔路、哪條是主路哪條是輔路。這為后續擺脫高精地圖依賴打下了基礎——如果系統能自行推理道路拓撲，那就不需要地圖來告訴它路是怎么連的了。
有了GOD和RCR的加持，ADS 2.0正式啟動了"去高精地圖"的戰略進程：
第三季度落地15個無圖城市
第四季度在此基礎上新增30個，累計達到45個無圖城市
高速NCA平均人工接管里程從100km大幅提升至200km，直接翻倍
接管里程翻倍是一個非常有說服力的數據。對于用戶來說，這意味著在高速公路上使用智駕時，平均每200公里才需要人工介入一次——已經從"嘗鮮功能"的范疇進入了"實用工具"的門檻。
此外，ADS 2.0還引入了NPR智能變道功能。基于PDP網絡的預測性決策規劃，變道行為變得更加擬人化——不再是機械地執行指令，而是在觀察周邊車流態勢后做出更符合人類駕駛習慣的決策。
泊車能力也全面升級。APA智能泊車支持160余種車位類型，包括斜坡車位、斷頭路車位等非常規場景；當車位寬度余量小于0.4米時，RPA遙控泊車可以接管實現直入直出；AVP代客泊車則支持跨樓層自主導航和車位被占時的漫游尋找。
價格方面，ADS 2.0一次性買斷36,000元（比1.0上漲4000元），包月訂閱720元。漲幅不大，但考慮到能力的大幅提升，性價比實際上更高了。
ADS 2.0的意義在于，它證明了華為不只是能把智駕做出來，還能讓它變得越來越好用。從"能用"到"好用"之間隔著的，正是GOD網絡和RCR網絡這兩個底層創新。
進入2024年，ADS 3.0帶來了一個看似低調但影響深遠的決定：徹底摒棄BEV架構，全面轉向以GOD網絡為核心的感知體系。
如果說ADS 2.0是在BEV的基礎上加了GOD作為補充，那ADS 3.0就是徹底換了地基。BEV被完全移除，GOD成為唯一的感知主干。這意味著系統不再依賴鳥瞰圖的視角轉換來理解環境，而是通過通用障礙物檢測網絡直接從原始傳感器數據中構建世界模型。
伴隨這一架構切換的是功能的快速成熟：
車位到車位智駕領航：用戶從家出發，車輛在家門口停車位啟動智駕，一路經過小區道路、城市道路、高速公路，最終到達目的地的停車位——全程無需人工接管。這個"最后的一公里"和"最初的一公里"的打通，讓智駕真正覆蓋了完整的出行鏈路。
城區NCA大規模商用：紅綠燈識別與響應、行人和非機動車的精準避讓、復雜路口的無保護左轉/右轉……這些曾經被認為是智駕"禁區"的場景開始被逐一攻破。
無圖能力從45個城市快速擴展到全國主要一二線城市。
從用戶體驗的角度看，ADS 3.0是一個分水嶺。在此之前，智駕更多是"有就用一下"的加分項；在此之后，它逐漸變成了一部分車主"每天通勤都要開"的剛需功能。
2025年發布的ADS 4.0，可能是整個演進過程中最激進的一次跨越。
核心變化可以用一句話概括：研發范式從"人類教AI"切換為"AI自己學"。
華為將這套新架構命名為WEWA——由World Engine（世界引擎）和World Action Model（世界行動模型）兩部分組成。
在ADS 4.0之前的版本中，感知系統的工作方式本質上是"監督學習"：人類標注員對著攝像頭畫面框出車輛、行人、交通燈，然后神經網絡學習這些標注模式。這種方式有效但有天花板——標注數據的規模和質量決定了系統的上限。
World Engine嘗試突破這個天花板。它不再依賴人工標注的精確邊界框，而是通過海量未標注的真實駕駛數據，讓系統自發學習環境中的規律和結構。類似于人類駕駛員不需要有人告訴他每一棵樹在哪里、每一個行人穿什么顏色，他只需要"感受"到環境中哪些元素是需要關注的。
更根本的變化發生在決策和規劃層。此前的系統中，大量駕駛策略是以工程師編寫的規則形式存在的："跟車距離保持在X米以上""變道時側后方安全距離不少于Y米""遇到黃燈時如果距離小于Z米則減速而非加速"……
這些規則在簡單場景中行之有效，但在復雜的中國城市道路面前顯得捉襟見肘——因為真實的駕駛場景中有太多的corner case無法用if-else語句窮舉。
World Action Model的思路是：給AI看海量優秀人類駕駛員的操作數據，讓它自己總結出"在這種情況下應該怎么做"的策略。類比一下：以前是教孩子背交規條文，現在是讓孩子坐在副駕駛座上看一萬次老司機開車，然后自己悟出什么時候該加速、什么時候該讓行。
在這套新架構的支撐下，華為開始在ADS 4.0上推進L3級別的自動駕駛能力：
高速場景的L3級自動駕駛率先實現商業化落地
城區場景的L3級能力同步推進中
首發車型包括問界M9 2025款全景智慧旗艦SUV和尊界S800。其中尊界S800作為一款指導價70萬-140萬的超豪華車型選擇首發搭載ADS 4.0，本身就說明了華為對這套系統成熟度的信心——在這個價位段，任何技術瑕疵都會被成倍放大。
ADS 4.0最重要的變化不在功能列表里，而在研發流程里。當華為告訴外界"現在是AI在學習怎么開車"的時候，它在說的不是一句營銷話術——而是這套系統的每一個決策，都已經不再來自工程師寫的條件判斷語句了。
按照目前的公開信息和行業節奏推斷，2026年北京車展上華為有望首發展示ADS 5.0的核心能力。
ADS 5.0最引人注目的變化是端到端全AI大模型的引入。
什么是端到端？傳統的智駕系統是一條分模塊的流水線：感知模塊輸出檢測結果 → 預測模塊輸出軌跡預測 → 規劃模塊輸出行駛路徑 → 控制模塊輸出方向盤轉角和加減速指令。每個模塊之間有明確的接口定義，每個模塊由不同的團隊獨立開發和優化。
端到端架構打破了這個流水線。輸入端的傳感器原始數據（圖像、點云等）直接送入一個大模型，大模型直接輸出車輛控制指令（轉向、油門、剎車）。中間沒有獨立的感知模塊、沒有獨立的規劃模塊、沒有工程師定義的接口協議——一切由神經網絡內部的表征學習來完成。
這種架構的優勢在于：消除了模塊之間信息傳遞的損失（感知漏檢的信息不可能在規劃階段憑空補回來），也讓系統能夠學到一些跨模塊的優化策略（比如為了后續變道更順滑而在感知階段就提前關注側方車輛的細微動態）。
伴隨端到端架構而來的是L4級無圖NOV（Native Omnidirectional Driving，原生全向駕駛）。不同于此前各版本的漸進式升級，NOV的設計目標是讓系統從一開始就以"全向、無圖、原生"的方式運行——不需要高精地圖、不限定向高速或城區、不分主干道或支路。
硬件層面，896線激光雷達預計將在ADS 5.0的首批搭載車型上標配。雙光路設計帶來的圖像級感知精度，為端到端大模型提供了前所未有的高質量輸入數據。
在展望ADS 5.0的同時，有幾個客觀存在的挑戰不容回避：
L4級的實際可靠性仍需驗證。 L3和L4之間隔著的不只是一條法律責任的紅線，更是技術可靠性的巨大鴻溝。目前全球范圍內尚無任何一家企業在大規模量產車上實現了真正意義上的L4級自動駕駛（限定區域內的Robotaxi除外）。ADS 5.0能否在北京車展后的一兩年內將L4從概念推向量產，還有待觀察。
端到端模型的"黑箱"難題。 當系統從分模塊的透明流水線變成一個巨大的神經網絡黑箱之后，當系統做出錯誤決策時，排查原因的難度呈指數級上升。傳統架構中可以通過定位"是感知漏檢還是規劃錯誤"來針對性修復，而端到端架構中往往難以歸因。這對工程化落地提出了全新的挑戰。
競爭格局仍在動態變化中。 特斯拉FSD在中國市場的入局進度、小鵬XNGP的技術迭代速度、以及理想、蔚來等廠商的自研智駕進展，都在持續改變著市場格局。ADS 5.0能否在競爭中維持領先優勢，取決于其技術能力和產品化節奏的雙重表現。
回望從ADS 1.0到5.0的完整路徑，有三條貫穿始終的邏輯值得關注。
仔細梳理ADS的演進歷程會發現一條有趣的現象：華為幾乎每隔一兩年就會推翻前一代的核心架構。
ADS 1.0用BEV → ADS 2.0在BEV上加GOD → ADS 3.0干脆扔掉BEV → ADS 4.0換成WEWA → ADS 5.0走向端到端。
很多公司的做法是在既有框架上不斷疊加新功能、修補邊緣case，盡量延長一套架構的生命周期——因為這涉及到龐大的重構成本和團隊慣性。華為選擇了另一條路：當發現當前架構的天花板無法突破時，果斷換掉地基而不是繼續粉刷墻壁。
這種做法需要的不僅僅是技術能力，更是戰略定力。在一個快速變化的賽道里，承認"上一代的思路走不通了"并投入資源開辟新路，比在舒適區里做增量改進要困難得多。
如果給ADS的演進提煉一個不變的目標，那大概就是：擺脫對高精地圖的依賴。
ADS 1.0：強依賴高精地圖，離開覆蓋范圍即刻退化
ADS 2.0：GOD+RCR讓無圖成為可能，首批45城落地
ADS 3.0：徹底拋棄BEV，無圖能力全國規模化擴展
ADS 4.0：WEWA架構下的全場景無圖
ADS 5.0：原生無圖NOV，從設計之初就不假設地圖存在
華為在ADS 1.0時代就已經意識到高精地圖路線的不可持續性。五年下來，"無圖"從一個差異化賣點變成了全行業的共識方向——特斯拉的FSD同樣堅持純視覺無圖路線，小鵬也在大力推進XNGP的無圖能力。
不同的是，華為選擇了一條從"有圖"逐步過渡到"無圖"的漸進式路徑，而不是一開始就徹底放棄地圖信息。這讓其在過渡期內能夠兼顧可用性和技術前瞻性。
ADS 1.0時代的智駕更像是一個技術演示品——它能跑、能在深圳的城區道路上演示、能讓媒體記者驚嘆——但普通消費者想用它上下班通勤還太早。跳票一年的交付延遲、僅限試點城市的覆蓋范圍、較高的學習成本，都把它限制在了早期 adopter 的圈子里。
ADS 2.0開始讓智駕變得好用起來。接管里程翻倍、無圖城市擴展、泊車能力大幅增強——這些改進讓智駕從"偶爾體驗一下"變成了"出門可以開著"。
ADS 3.0到4.0則是從"好用"推向"天天用"的階段。車位到車位打通了完整出行鏈路、L3級能力讓高速長途駕駛大幅減負、AI自學習范式讓系統能夠越用越聰明。
ADS 5.0的目標是把這種體驗進一步推近到"離不開"——當端到端大模型讓智駕的平順性和安全性達到甚至超越熟練人類的水平時，選擇不開智駕反而會成為少數派。
這個過程背后隱藏著一個容易被忽略的事實：技術的價值不在于發布會上演示得多么驚艷，而在于每天早晚高峰的車流中，有多少人在默默地使用它。 95.2%的輔助駕駛活躍用戶占比，或許比任何技術參數都更能說明問題。
北京車展上ADS 5.0如果如期亮相，它面對的不是一個具體的競品或一個具體的功能缺口。它在回答一個從2021年極狐阿爾法S HI版首次亮相時就開始被追問的問題：
一臺機器能不能真正理解它所處的這個世界？
從ADS 1.0的高精地圖依賴到ADS 2.0的GOD通用障礙物檢測，從ADS 3.0的徹底棄用BEV到ADS 4.0的WEWA AI自學習，再到ADS 5.0預期的端到端原生無圖——華為用了五年時間和至少四次底層架構重寫，給出了一個階段性答案。
而這個答案的下一章，可能才剛剛翻開。
（雷峰網(公眾號：雷峰網)新智駕北京車展2026專題）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
