【导读】自特斯拉FSD V12率先将端到端大模型引入量产车以来，"规则驱动"向"数据驱动"的范式转移已成为行业共识——动作是否流畅、能否应对长尾场景、决策是否拟人化，取代了传统的功能清单，成为衡量智能驾驶体验的新标尺。在这场由方法论革新引发的浪潮中，蔚来经历了从规则构建到数据驱动的艰难转身，如今又以"世界模型+闭环强化学习"的全新架构重新出发。当技术路线的迷雾逐渐散去，蔚来新版NOA能否凭借这套端到端强化学习体系，在复杂的中国城市场景中实现真正的"拟人化"突破，重回行业第一梯队？

Part 1、蔚来的辅助驾驶的转型

在中国智能驾驶的迭代中，特斯拉提出的端到端一个拐点，在出现了这个技术变化之后，城市NOA中拟人化变成了非常重要的评价点，规则味比较重，是落后的标志。

体验上主要是动作机械、加减速转向不流畅、卡顿，无法应对各种Corner case， FSD V12、V13 V14 的一路发展，在方法论上特斯拉是一路牵引整个行业的发展。

在蔚来的第一代车型，是围绕规则来构建的辅助驾驶，确定变道距离、确定的加减速逻辑、确定的安全边界。在中国复杂的城市场景复杂度下并不完善。

从规则开始，蔚来花了很多时间来切换技术路线。转向数据驱动过程中，用模型把规则“压缩”进参数里，让系统通过学习大量真实驾驶数据，自己学会如何变道、择道。

数据驱动的问题是，同一个场景下，人类的行为并不一致。在道路上，人的习惯和交通流量都会影响决策，从结果来看，能看到不同的驾驶员在不同的位置换道，模型学到的是一种“折中选择”，为了安全往往选择保守跟随，或者说要真正实现“高效、主动通行”，伴随着不少的小事故。

为了平衡风险，引入更强的地图和路径引导、采集专家驾驶数据并减少行为差异，或者加回一部分规则逻辑。这些都是中国在这段时间走过的路。

Part 2、蔚来新版的NOA

蔚来世界模型在2026年的目标是回到行业的数一数二的位置。方法是对智能辅助驾驶全研发迭代方法进行调整，引入世界模型 + 闭环强化学习的模式。

这也是以端到端系统为基础，核心分为三步：

基础行为习得：通过学习海量人类驾驶行为，让模型形成驾驶答题本，标记各类场景下的行为概率，习得驾驶基本肌肉记忆；

环境深度理解：模型从当前时刻出发，预测自身下一步多种动作，并推演不同动作对周围环境的影响，及环境变化对自身行为的反作用，实现长达数分钟的长时序思考，这是核心运行机制；

闭环强化校准：在虚拟「驾驶考场」中，通过数上亿轮专业场景训练和评估反馈，让模型精准理解「好行为与差行为的区别」，基于驾驶常识和人类经验校准行为「答题本」，这一过程即为闭环强化学习。

这里要回答几个关键问题，强化学习到底解决了什么问题？这是给结果打分，让模型自己学，模型输出行为后，系统会根据结果给予正向或负向反馈，让模型在反复尝试中学会什么是“更优解”，过程本身就是一种自我校正。

在实际训练中，通过奖励评估机制直接给行为打分；利用真实人类行为反馈，反推出奖励信号， 模型在其中会经历自监督学习，逐步形成稳定的决策偏好。

举例来说先构建一个仿真环境，在其中设定一条“目标线”，车辆如果顺利完成左转并线，就得到奖励；完成得越快、越平顺，奖励越高。

在此基础上，只保留少量必要的约束，比如压实线会被扣分，但不再写复杂规则。在哪个位置变道、如何跨越三条车道、怎样兼顾效率与安全，全部交给模型在仿真环境中自行探索。

在这样的基础上不需要为每一个特殊路口单独采集数据。只要仿真环境中构建出“相似结构”的场景，模型就能迁移能力，避免了为成百上千个复杂路口重复采数据的低效过程。目标简单、约束少，让模型自己找路径。

规则一旦极简，反而更稳定、更通用。

Part 3、实际的体验

在我们的实际体验中，换道策略、导航选道，在道路中的刹车控制都有很大的改善。

偏航和复杂路口，是需要“提前判断”的场景，NOA的系统在快到路口才反应一般感受会很差或者就错了（要么压实线要么错了），需要在更早的阶段就意识到，模型会提前接收到“未来惩罚”，从而主动调整决策。

实际上，在拟人化抉择上，比如判断安心感充足时果断切入，不鲁莽挤压旁车；目标车道拥堵时，缓慢前行并持续寻找变道空隙；通过蠕行寻找通行空隙，这些行为都是挺大的改善。

结论

蔚来的探索揭示了一个核心趋势：智能驾驶的下半场竞争，本质上是"学习效率"与"泛化能力"的较量。世界模型赋予系统长时序推演能力，让车辆能够"预见"而非"反应"；闭环强化学习则通过虚拟考场中的亿级轮次训练，使模型在极少规则约束下自主寻优，实现从"学会开车"到"开好车"的跃迁。实际体验中换道策略的果断、复杂路口的提前预判、拥堵场景下的蠕行寻隙，都是这一技术路线落地的直观印证。