蔚来智驾技术破局：自研AI Infra与数据闭环如何重构竞争格局

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-06-19

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

2026年6月18日，蔚来向两代平台共18款车型推送最新世界模型，实现同一套智驾代码跨芯片平台运行。这标志着蔚来在智能驾驶领域的技术壁垒进一步加固，其背后是长达数年的AI Infra自研布局。

📊 核心实体与商业数据

💡 业务落地拆解

1. 自研AI Infra：打破硬件依赖的工程底座

任少卿的团队自2020年起布局AI Infra，核心思想是“只保留最底层的硬件接口层（如CUDA），全面自研上层部署软件”。此举旨在规避车端芯片快速迭代带来的兼容性问题。具体成果：

• 推理引擎与部署框架：自研工具链铺平不同芯片间的鸿沟。
• AI编译器：实现自动算子优化，将部署时间从1-2周降至1-2天，同时端侧推理性能提升20%。
• AI Agent自动化：接管手动盯盘、分布执行流程，将一次完整模型上车部署时间从一天压缩至2小时以内。

2. 数据闭环：以“影子模式”驱动持续迭代

蔚来在量产车上以“影子模式”运行最新待验证大模型，不干预用户驾驶，仅做实时推演。一旦模型判断与人类驾驶动作发生分歧，即回传Corner case。这套体系跨越NT2和NT3平台，每周无感完成超4000万公里主动安全测试。

任少卿引用道：“在大模型时代，性能提升三个点，数据需要翻十倍；如果想提升18个点，数据则需要10倍的六次方。”

他强调数据的本质是算力，是“模型+算力”运行产生的结果。通过车端筛选的Corner Case（仅占整体数据的5%）提供了远超底层常规数据的训练价值。

3. 组织变革：从“堆人”到“接力跑”

2023年，任少卿判断智驾技术从第三阶段（目标收敛、拼人力）倒退回第二阶段（底层创新、差异化）。因此将智驾团队重组为“4×100米接力跑”模式：预研、主线交付、跨平台适配、量产交付，并将资源倾注在“第一棒”预研上。这一架构调整叠加AI Infra底座，最终催生了今天外界看到的“世界模型加闭环强化学习”的能力跃升。

🚀 对企业AI化的启示

1. 底层基础设施的自研价值：蔚来投入数年自研AI Infra，打破了芯片迭代对软件部署的束缚。企业应评估核心环节是否值得自研，以形成长期竞争壁垒。
2. 数据飞轮的自动化设计：通过“影子模式”自动采集高价值数据，并以自动化流水线快速反馈到模型训练，大幅提升迭代效率。AI Agent在此扮演关键角色。
3. 组织灵活性与阶段认知：任少卿对技术发展阶段的判断（四阶段模型）促使蔚来在关键节点调整组织架构，将资源投向预研创新。企业需要建立对技术周期的敏锐感知，并匹配相应的组织弹性。
4. 数据效率优于规模：并非所有数据都有相同价值。蔚来聚焦Corner Case，以5% 的数据量撬动核心模型性能，说明精准数据筛选比单纯堆量更重要。

【官方原文链接】点击访问首发地址