小米智駕不追 “名詞”：1800人全路線預研，只盯用戶敢不敢用

小米智駕不追 “名詞”：1800 人全路線預研，核心只盯用戶敢不敢用

最近智駕圈的 “新名詞” 快趕上手機參數了 ——VLA、WA、VA 輪番出場，各家都想靠新標簽顯得更先進。

但小米智駕偏不湊這個熱鬧：1800 人的團隊把市面上所有技術路線都預研了，端到端、VLA、WA 一個沒落下，負責人陳光的話挺實在：“不管啥名詞，最終看的是模型能不能在有限算力里裝更多‘智能’，用戶能不能感知、敢長期用。”

小米智駕不算最早成立的，但絕對是跑得最快的 ——2021 年官宣造車當天就搭了團隊，第一年就湊了 500 人，現在已經超 1800 人，還有 108 個博士。

別家摸索三年的智駕路線，小米一年就追了三代，從有圖到無圖、推了三個版本端到端，靠的不是 “跳代”，是底層基建：云端的算力、數據閉環能力能復用手機業務的經驗，像做飯時廚房工具都擺好，不用從頭學起。

陳光說 “基建做得好，試新方向不用堆人”，這話是實在的 —— 數據挖掘、模型訓練的自動化流程搭好，發現問題就能快速從已有數據里找解法。

友商要么押 VLA，要么賭 WA，小米是 “不把雞蛋放一個籃子”—— 端到端主力落地，VLA 和 WA 都留了預研團隊。

陳光沒把技術捧得太高：“VLA 要調用‘思維鏈’，像看懸疑片費腦子，普通場景用端到端的‘直覺反應’更快，踩剎車不用想幾秒。”

所以他們的 HAD 增強版加了世界模型和強化學習，不是為了炫技，是讓模型知道 “為啥這么開”，解決復雜場景的因果推理，核心還是用戶開著踏實。

智駕最頭疼的是 “長尾場景”—— 比如高速遇到運風葉的車，實車一個月都未必能采到。

小米用仿真補這個缺口：真實數據占 80%，剩下 20% 是仿真生成的極端場景，而且仿真環境要 “不完美”，得模擬相機臟污、雷達被水吸信號這些真實路上的糟心事。

這么做不光省了幾倍人力，還能讓模型在虛擬環境里反復練，錯了扣分對了加分，找到最優解。

技術落地沒白忙活 —— 小米汽車交付剛過 50 萬臺，智駕活躍率 90%，累計避了 45 萬次碰撞。第三季度汽車業務還盈利了 7 億，銷量漲得快，多少沾了智駕體驗的光。

現在智駕的競爭，早不是比誰名詞新，是比誰能把技術拆成用戶能摸得到的體驗。

小米的打法看著 “保守”，其實是務實 —— 多路線預研防風險，基建撐效率，最終落回 “用戶敢用”。畢竟對普通車主來說，不管是 VLA 還是 WA，開著不慌、能避碰，才是真有用。