文远知行韩旭炸场：别迷信端到端，数据没那么值钱了，L4价值拐点已至！| 智车星球

“自动驾驶卖的不是软件，是时间。用世界模型“合成钻石”，在冰山之下重构竞争规则。”

作者|王蕊

编辑|西子

“过去大家觉得数据是钻石，但是现在可以人工合成钻石了，有一些长尾效应的数据可能比较值钱，但是不需要那么多了，数据已经没有那么值钱了。”

这是文远知行创始人兼 CEO 韩旭，在 2025 智驾天梯榜年度论坛上抛出的炸场观点！

对当下各技术路线、甚至“技术名词”之间的博弈，韩旭也给出了自己的回应。

一段式端到端与两段式、VLA 与世界模型的路线论战从未停歇，谁的技术更先进？韩旭直言，他早已厌烦这种技术名词本身的迷信和博弈。

在他看来，这类争论更像评书里“罗成的枪、李元霸的锤谁更厉害”，热闹，没有标准，也无法回答。

韩旭认为，自动驾驶真正成熟的时间窗口，大致会在 2032—2033 年，届时系统能力有望整体超越人类驾驶。

但要抵达这一阶段，行业必须完成关键跨越——从依赖相关性解释的 “蒙昧时代”，迈入以因果性为核心的 “开明时代”。系统为什么能通过复杂场景？换一个场景还能不能持续稳定运行？这些直击本质的问题，才是技术实力的真正试金石。

在台州和温州两站智驾大赛中，星途星纪元上搭载的博世文远方案，连续夺冠并实现零接管。

韩旭系统性拆解了背后的核心逻辑：一方面通过 GENESIS 世界模型，生成高逼真虚拟数据，实现 “以一当万”，彻底打破对海量实车路测的依赖；另一方面将 L4 运营阶段积累的安全体系与工程经验下沉，全面赋能 L2++ 量产车型。

从攻克 QNX 实时操作系统的工程化难关，到反对 “路线即真理” 的技术迷信；从 “如今可人工合成钻石” 的全新数据观念，到点透自动驾驶 “卖的不是软件，而是时间” 的商业本质，韩旭始终在试图把行业从概念的喧嚣中拉回现实。

以下内容根据韩旭在会上的发言整理：

别迷信于名词

文无第一，武无第二。

为什么起这个 Title？因为我已经厌烦透了人们天天问我说，韩总，或者 Tony，听说你们是一段式端到端，但是某某使用了世界模型技术比你更厉害，你怎么回答？

他说他的技术比你更先进，所以我的回答就是这句话。

一段式端到端还是两段式，VLA 还是世界模型，到底谁更厉害，谁开得更好？

我从来都不迷信一段式端到端这个词，一段式端到端我不觉得是用了就好，应该是文远知行厉害才可以用出来一段式端到端。那么多人都想做一段式端到端，为什么别人没train（训练）出来？

这里面有很多的坑，因为我自己搞技术的我知道，大家都是一段式端到端，到最后的时候这个车的模型那么小，你怎么把一个很大的模型塞进去？过去老说我要做float（32位）、double（64位），最后4个bit，怎么把这个网络弄出来？里面有很多的细节，这些细节其实才是成败的决定。

重要的是把问题解决，这就是第一性原理。实际上马斯克不怎么强调一段式端到端，他是强调用AI做这些事，我们其实很多时候都是真抓实干做这件事情。

我觉得现在这个行业有点像评书。你说 VLA 很好，我说世界模型好；你说基于规则的 optimization（优化）方法可以保证你不违章，我说我丝滑。这真的就像说评书一样，到底是罗成的枪厉害，还是李元霸的锤厉害，还是宇文成都的镗厉害？谁厉害？

如果你搞清楚了相关性与因果性的区别，你就分出了科学与迷信的差别。我们希望智驾从蒙昧走向开明时代，它不是去争名词，不是去争路线，而是把因果性找到，而去除掉相关性。

现在很多讨论，本质上还是在相关性里打转。你看到了某一个方法在某些场景下效果好，就觉得它一定更先进；你看到某个系统在视频里跑得很丝滑，就觉得它一定是更正确的方向。但这些都只是相关性。

真正重要的是因果性。你这个系统为什么能过？这个场景它为什么能过？换一个场景它还能不能过？哪些东西是决定性的，哪些只是表象？如果你没有把这些因果关系搞清楚，其实你只是从一个名词迷信，换成了另一个名词迷信。

拿一个差的操作系统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。

一段式还是两段式？如果你真的做得对，拿两段式端到端再加上 language model，一样可以做得好，关键是看你的水平。

infrastructure（基础设施），你说我也用世界模型，但你产生出来的数据如果很差的话也没用。如果你产生的数据模型，比如你想的小龙女是李若彤的小龙女，最后出来的数据是岳云鹏扮演的小龙女，大家都可以产生一个小龙女，你要是产生的小龙女是岳云鹏那样的，那有还不如没有。

别迷信于名词。

数据已经没那么值钱了

最近两站智驾大赛，大家可以去看结果，文远知行和博世是怎么拿的第一？这里面有一个重要的事情，曾经有很多车厂说过，我有几十万辆、上百万辆车在外面跑，数据碾压你，文远没有数据，博世有一些数据可能也不一定给你用，而且很多数据你都是从车上来的。

很简单，就是一句话，我们不能在低维跟你拼数据，我们就要在高维上产生数据，以假乱真。

所以文远知行做了一个真正的世界模型，非常逼真的，我们叫 GENESIS，让文远知行的数据以一当万。这就是我们做的硬碰硬的、拿第一的工具，我们有一套以一当万的数据产生系统。

大家知道广州不下雪的，这是我们虚拟的下雪的场景。特斯拉的高光，摄像头最怕高光，我们虚拟出来高光曝光的场景，夜晚下雪，我不告诉你，你看不出来是真的还是假的，我们就用这样的数据来训。我想虚拟什么场景虚拟什么场景，我省很多钱，也不用产那么多车、产生那么多流量，虚拟就好了，你出 VLA、WA 等等我都可以在云端做，这是非常非常有价值的。

从车厂拿数据对我们比较难，有时候车厂会给一些数据，但是车型不多，数据也不多，很多主流车厂会说你们技术再好又怎么样，你没有数据，数据在我手里，我不能把灵魂给你，数据在我手里。

但是我今天想说的一点是，数据这事过去就是说你觉得你有几颗钻石，你有钻石矿，现在我们想说的是，现在我可以人工合成钻了，那个钻石已经没有那么值钱了，这是我今天第一炸裂要告诉大家的，钻石没那么值钱了，合成数据很重要，为什么 AI Model 是热点，我要帮大家看这个事，现在数据驱动，有一些长尾效应的数据可能比较值钱，但是不需要那么多了，数据已经没有那么值钱了。

把 L4 的极致安全，下移到 L2++

所有的这种 corner case 我想告诉大家是极难捕捉的，我们可以生成很多，但是它是可以救人命的。我是真正把 L4 级别无人驾驶的运营放到 L2++ 上。我们也希望把这样的能力做到奇瑞的星途新纪元上，也希望把它做到广汽埃安上，现在我们两个很好的客户，希望两家的车大卖。

三年以前大家说城区 NOA 都是发烧友做的，只有极少的人用，高于 70 TOPS 的算力是不需要的，而那个时候文远知行坚持接着做高算力，把 L4 下移到 L2、L3，我们跟博世合作努力了三年，才有今天的成绩。我不是非常激进地吹，但是我认为2032 到 2033 年的时候，自动驾驶的发展应该比人开得好了，这是我的判断。

我们大约两三年之前做量产，我们完全没有量产经验的，非常感谢博世，博世属于老大哥带小弟弟，或者说老将带新兵的这么一个组合，我们合作两年里有很多坎坷。第一，我们解决了工程化能力的事情，这件事不是那么简单的，尤其是对于 L4，所谓 L4 天天讲，我们都是 AI 出身、大模型，一开始都是硅谷出来的，是硅谷范儿。

我记得我在博世的苏州厂里驻了两周，我当时跟博世说，大家都 Linux，你能不能别折腾我们了，QNX 所有的算子都要重写，内存也不够。博世说不行，这是我们德国安全的标准，你就必须这么干，真的是没办法。

不丢包、不延时，它是第一个实时操作系统，抢占多任务的意思是说，我给你发一个任务过去，正常 Linux 回你的时候，它不一定回你，他忙就不回你了，但是 QNX 是到时间必须回，这个就难。

刚才大宇总说冰山下面的东西，我回应一下，冰山下面的东西就是，你买一支笔我也买一支笔，但是我这个笔在任何时候、写到笔干的那一刻都不断墨，这件事就很难。博世特别善于做这个事，所以为什么大家都愿意用博世的东西，可能价格高一点，但是人家的质量在这儿。

怎么评价人形机器人，就怎么评价自动驾驶

All in all，大家还是要看一些技术细节。

商业上的价值产生的原因就是以要让消费者愿意买单，就是你产生价值，什么价值？就是你帮别人解决问题。我们以自动驾驶为例，为什么它的价值这么高？价值高的原因是它节省的是人类的时间。

如果L3普及或者L4普及，其实你付出的是钱，你买的不是自动驾驶的软件，而买的是时间，因为软件替你开车，这是最核心的价值，这也是为什么自动驾驶的价值这么高。

分析师常常会说自动驾驶这个东西看不懂，其实你怎么评价人形机器人就怎么评价自动驾驶。

为什么人形机器人有价值？它帮你干活，不管是在家里帮你干活还是在工厂里干活，自动驾驶就是帮你开车的机器人，就是这么简单的一件事情。

其实L4价值拐点现在已经出现了，我举几个数字，最简单的一点，其实已经出现了。

如果你看资本市场的话，美国有一家做L4的公司叫Aurora，这家公司的运营数量你可以去查，没有过百辆级，没有太多的运营。还有一家做高阶辅助自动驾驶的公司叫Mobileye，在这之前，我三四年前去CES，Mobileye百万辆的出货量，毫无置疑的第一。

但是今天你去看两家公司的市值都在百亿美元左右，一个出货量百万级的L2++、L3公司和一个不足几十辆L4的公司市值是一样的，价值拐点不就已经出现了吗？

最真诚的智能汽车报道