中国智驾出海要建多少云

刚刚结束的巴黎车展，几乎成了半个“中国展”。59家整车展商中，中国品牌占了22家，比德国和法国品牌加起来还多。6号馆在多场发布会结束后仍然拥挤，中国车的硬件、设计和价格诚意一目了然。

现场看不出来的是智驾。中国品牌把在国内训练成熟的模型装进欧洲车型，基本驾驶能力当然可以工作，高速公路场景也相对容易迁移；真正拉开体验差距的，是城区里大量本地化规则和长尾博弈。

能开，不等于体验能平移。智驾模型学习的不只是车辆和行人的物理运动，还包括谁拥有路权、驾驶员如何表达意图、监管要求系统怎样处置。欧洲各国的标线标志、环岛规则、骑行者路权、限速体系和驾驶风格并不统一。左右舵差异反而是最容易解决的一层。

环岛就是一个典型例子。中国城市的环岛数量和使用强度已经下降，欧洲很多城市仍把它当作基本交通组织方式。比如在阿姆斯特丹，车辆驶入或驶出环岛时，不仅要判断机动车，还要识别拥有优先权的骑行者，并处理公交、私家车和自行车之间的复杂关系。模型在中国“会开车”，不等于天然理解这一套行为语境。

小鹏今年在欧洲公开展示的路径，说明基础能力确实可以迁移。其负责人在慕尼黑表示，大模型预训练仍需要海量数据和算力，但安全、效率等能力可跨市场复用；进入欧洲后，主要通过后训练适配路权、法规和驾驶习惯。单次后训练可缩短至数小时，完整演示版本的适配周期以数周计。

这组信息同时说明另一件事：所谓全球模型，并不是一个模型包走天下。基础模型可以共享，但区域规则、数据闭环和合规责任仍须本地完成。

欧洲需要本地训练，不需要复制中国云

欧洲的数据监管，决定了车企不能简单把道路数据带回中国训练。车载摄像头可能采集人脸、车牌、轨迹和位置等个人数据，跨境处理受到GDPR约束；不同国家对道路影像和地理信息的具体要求也存在差异。即使完成匿名化，数据处理仍要满足目的限定、最小化和安全审计。

于是出现了一个成本难题：没有本地数据闭环，模型只能做浅层适配；照搬中国的大规模训练集群，又很难被欧洲销量支撑。中国品牌在欧洲的保有量和数据密度，暂时不足以复制国内车队每天产生的训练规模。

迄今为止，明确在欧洲建立数据中心并用于智驾模型本地训练的，只有小鹏一家。今年7月，小鹏高管在慕尼黑表示，已经在欧洲建立数据中心，在当地进行数据存储和模型训练。但他拒绝披露本地算力规模，这可能暗示其规模不大。

这个安排更像区域后训练中心：大型基础模型仍在国内完成预训练，欧洲侧处理规则校准、场景增强、验证和合规闭环。它不需要承担全量训练，自然也不必追求国内智算集群的规模。

特斯拉在中国采用了类似的分层逻辑。上海临港AI训练中心在2026年2月投入使用，负责中国路况适配和本土化调优。它的存在证明，即便拥有全球统一模型和庞大车队，进入一个数据受监管、交通语境不同的市场，仍然需要本地算力。

除独立建设区域训练中心，车企还可以探索联邦学习或“数据不动、模型动”：原始数据分别留在中国和欧洲，本地完成训练或参数更新，再通过合规方式聚合模型。也可以把数据清洗、标注和部分验证交给当地服务商。不过这些方案都不能消除本地算力，只能改变算力的组织方式。

因此，问题不是欧洲要不要建云，而是这座云需要多重。对多数中国品牌来说，更现实的答案是“轻量级”：保留数据存储、后训练、场景仿真、验证和版本管理能力，把成本最高的基础预训练留在国内。

真正难迁移的是语义

区域后训练的难点也不只是样本数量。物理规律在不同市场基本不变，交通语义却会变化：同一个骑行者、同一块标志、同一个环岛入口，在不同规则下可能对应不同的优先级和动作。训练数据增加了，如果模型仍然不理解当地规则，体验不会自动改善。

端到端模型尤其容易暴露这个问题。系统从感知输入直接输出动作，中间过程缺少人可读的表达。遇到训练分布之外的障碍物或规则组合时，系统往往选择更保守的制动、降速或请求接管。安全没有丢，但驾驶员感受到的是犹豫和不自然。

VLA的价值在于提供一层语义接口：把视觉、点云和车辆状态转化为可描述的概念，再把规则理解和动作连接起来。还是环岛场景，系统不仅识别到一个骑行者，还需要理解“骑行者拥有优先权、正在准备驶出环岛”，让行才成为一条能被解释、校准和审计的决策链。

这并不意味着VLA能够替代本地数据，更不能保证低成本复制中国体验。它能够做的是缩小本地化问题：车企不必在每个市场重建所有感知能力，而可以把更多训练资源放在规则语义与动作映射的校准上。

世界模型和VLA解决的是两类问题。世界模型擅长学习车辆、道路参与者和环境在未来几秒的物理演化；VLA更适合处理规则、语义和动作之间的关系。跨市场部署时，前者提供相对通用的物理能力，后者承担更多本地语境适配。二者都无法绕过实车验证和监管审查。

智驾出海的上限由销量决定

把技术架构拆开后，中国智驾在欧洲的路径逐渐清楚：在中国训练全球基础模型，在欧洲建设规模适中的数据与后训练中心，再用本地数据、仿真和安全验证完成法规闭环。

但“可行”不等于“体验完全平移”。欧洲车队规模较小，真实长尾数据积累慢；各国法规和驾驶习惯碎片化，进入一个新国家就要增加适配与认证；模型还需要面对更严格的隐私、可解释性和责任要求。欧洲版本在相当长时间里，大概率会落后于中国本土版本。

决定投入上限的，也不是技术团队的野心，而是销量。区域训练中心的建设、云资源、数据处理和安全认证都是持续成本。如果一个品牌在欧洲只有有限保有量，即使技术上能够建设完整训练体系，财务上也未必成立。

这也是小鹏路径值得观察的原因。统一基础模型降低了重复训练成本，本地后训练中心满足数据和规则要求，轻量化部署把固定投入控制在销量能够承受的范围内。它未必带来与中国完全相同的体验，却可能是当前最接近商业现实的方案。

欧洲之外，问题会更加尖锐。销量天花板较低、法规尚未统一的市场，很难单独承担一套后训练体系。车企要么共享区域中心，要么接受功能和体验降级。智驾全球化最终不是一道纯粹的模型泛化题，而是一道由数据主权、工程架构和市场规模共同决定的成本题。

注:图片部分来源网络，如有侵权，联系删除。

中欧汽车谈判的顺利，藏着欧盟的真意图长安成立AD部，阿深整合走向终局汽车大规模重组，距离“纯市场”还有多远