2025中國智駕開發者50人（第二期）

2025年度，誰在推動智駕進步？

他們是一個非常活躍但總體上又極為低調的群體。我們按照貢獻的方式，把他們分為四類：

1、學術研究者，在頂會頂刊上發表高引論文的作者（含作者團隊）；

2、研發組織者，定投資、定方向、定目標、定范式、定團隊的人，類似奧本海默；

3、研發骨干，負責某一個具體方向的研發統籌，并和兄弟們一起拼搏出成果的人；

4、產品和工程負責人，負責產品定義、用戶交互、工程實施的人，做出了非常棒的產品體驗，或者保障了連續的工程交付表現。

如果說《2025中國智駕開發者50人》系列第一期的學術研究者是在實驗室里尋找火種，那么從第二期開始，這些研發組織者、研發骨干和負責人，便是親自跳進泥沼里開路的人。

本期記錄的是理想汽車、小鵬汽車和Momenta，這三家企業2025年度推動智駕技術進步的關鍵人物（排名不分先后），記錄他們在過去一年里，分別解決了什么問題？怎么干的？取得了什么成果？

#01

李想：在驚濤駭浪中否定自己

職務：理想汽車創始人、董事長兼CEO

李想在2025年所面對的，不是單點挑戰，而是三股同時疊加、且彼此放大的壓力。

第一重壓力，大龍來襲。早年理想ONE（參數丨圖片）搶先占領增程市場，L系列靠“移動的家”建立清晰心智，這一階段，理想獨樹一幟、遙遙領先，幾乎沒有遇到真正意義上的競爭。2024年底開始，局面發生改變，鴻蒙智行（準確說是問界）、小米、特斯拉持續完成產品體系升級，并在品牌勢能、終端網絡和用戶運營上對理想形成合圍。這幾條戰力驚人的大龍，讓理想增程系列產品承受巨大壓力，銷量持續下滑，進而影響到零售終端網絡和供應鏈的健康度。

第二重壓力，消費降級。理想的核心用戶群體是城市中產家庭，宏觀環境變化對這部分人群沖擊較大，使他們在消費決策上變得更加謹慎，剛需釋放呈現出逐漸降級的趨勢。車子配置越來越高，但價格只能更便宜，毛利就這樣被消耗掉。

第三重壓力，AI革命。這是要花大錢的，并且要持續燒錢，并且是在茫茫黑夜中——因為你并不知道未來的時間表和路線圖——堅持燒錢，以等待黎明。左手銷量和利潤承壓，右手要花大錢去參與和擁抱AI革命，在驚濤駭浪中，李想需要為理想汽車校準航向。只不過，他校準航向的方式極為特殊。

2024年底前，理想汽車的核心愿景是：創造移動的家，創造幸福的家。2024年底在AI Talk 活動中，李想提出新愿景——連接物理世界和數字世界，成為全球領先的人工智能企業。

李想當時的核心邏輯，認為汽車將進化為人工智能時代的空間機器人，通過AI融合物理與數字世界，推動AI普惠家庭。從那時起，理想組織與技術投入向AI研發傾斜。

2025年11月，理想汽車的愿景迭代為：全球領先的人工智能終端企業，進一步聚焦終端場景，強調汽車是最大的 AI 終端，明確短期目標是3-5年成為具身智能領域用戶價值最高的企業。

2025年12月，愿景再次升級：成為全球領先的具身智能企業，將自動駕駛定義為具身智能的子集，提出汽車是“自動駕駛+空間智能+本質控制”的具身智能體，組織回歸創始人模式以適配技術轉型，推動VLA基座模型研發，打通智能駕駛與智能座艙的技術邊界。

短短兩年，理想汽車的愿景迭代了四版，這種情況絕無僅有，以至于有人開玩笑，說理想變成了一家“愿景驅動”的公司，靠不斷改變愿景來驅動公司轉型。我們認為，這恰恰反應了李想的認知模型和性格特質：不斷提升和刷新認知，有錯就改、當機立斷。這四次愿景迭代，清晰反映出李想本人在過去兩年之中，所遭遇的巨大震撼、挑戰和驚喜。也許，就在絕大多數人認為理想正在陷入苦海的此刻，李想本人卻在認知和組織升維的過程中，得到了他最喜歡的糖果。

2025年度，中國本土企業家中，最清晰的表達了獨立思考的AI愿景和戰略的人，也是最勇敢否定自己的人，這就是我們推薦他的理由。

#02

郎咸朋：為具身智能打好地基

職務：理想汽車自動駕駛研發高級副總裁

2024年的夏天，郎咸朋帶隊率先完成了VLM+E2E的關鍵跨越，這次拐點解決的是“看得懂、走得通”的問題；到了2025年，隨著企業戰略正式指向“具身智能”，問題發生了變化：一個要承擔長期任務的AI司機，是否具備一致的駕駛人格、穩定的決策邊界和可自我進化的學習底座？這正是郎咸朋在2025年面對的核心挑戰。

圍繞VLA司機大模型，他做的不是一次激進重構，而是一次系統性的“糾偏工程”。
第一件事，是重新定義數據。他推動團隊徹底重構數據篩選標準，從“覆蓋更多場景”轉向“是否真實反映人類駕駛決策邏輯”，親自參與高風險、高爭議樣本的取舍，替換了約200萬條clips，明確哪些行為“再多也不能學”。
第二件事，是約束模型的學習方式。在VLA體系下，他不再允許模型單純追求通過率和流暢度，而是把“駕駛一致性”和“長期行為穩定性”拉進核心指標體系，避免端到端在復雜城市場景中“聰明但不可靠”。
第三件事，是用實車驗證模型人格。2025年初，他帶隊在北上深杭等城市進行了上千公里的密集實測，把模型輸出與人類老司機的決策風格逐段對齊，而不是只看仿真結果。

最終在OTA 8.2后，VLA第一次呈現出清晰、穩定、可預期的駕駛風格——不是最激進，也不是最保守，但可信。

如果說2024年的端到端，是一次能力躍遷；那么2025年郎咸朋完成的，是一次駕駛智能的定型工程。這也是為什么，VLA能夠成為理想后續具身智能戰略的“第一塊地基”。

#03

詹錕：為具身智能創造生長空間

職務：理想汽車VLA模型負責人

詹錕在2025年的角色，已經不再是單一算法負責人，而是駕駛智能底座的架構設計者。

理想汽車的兩次智駕拐點，一次是2024年夏天的端到端VLM + E2E，一次是2025年8月的VLA司機大模型，背后都有他深度參與。Drive VLM和World 4Drive，不是單點論文成果，而是圍繞“世界理解—決策—行動”完整閉環的兩次范式躍遷。

隨著VLA司機大模型逐步成熟，一個新的風險開始顯現——如果模型被深度綁定在駕駛這一單一場景中，那么理想提出的具身智能戰略，將在未來多載體擴展時遭遇不可避免的技術斷層。因此他在2025年推動的工作，并不是單點性能提升，而是一次底層定位的調整。他明確將VLA視為多載體共享的“感知—決策抽象層”，而不是只服務于車輛控制的專項模型。在具體實施上，他帶隊完成了三項關鍵重構：

其一，是能力收攏。將原本分散在感知、預測、規劃中的能力壓縮進統一、可演進的基座模型，降低系統復雜度，為后續擴展騰出空間。

其二，是功能邊界前移。VLA不再僅輸出駕駛動作，而是形成可復用的行動決策表征，為車內智能體、機器人等載體預留接口。

其三，是架構層面的長期預留。在不影響2025年量產節奏的前提下，為2026年及之后的具身智能接入，提前完成技術接口與演進路徑設計。

最終，理想汽車在2025年擁有的不只是一套領先的智駕系統，而是一套可以持續生長的駕駛智能底座。
詹錕在這一年的最大貢獻，是確保VLA不會成為一次性的“成功模型”，而是能夠支撐理想未來至少5年技術演進的核心架構。

#04

何小鵬：對標特斯拉，趕超特斯拉

職務：小鵬汽車創始人、董事長兼CEO

身處這個誰也沒整明白的AI時代，沒有人不在驚濤駭浪里。

2025年，小鵬汽車銷量走勢喜人，毛利也節節攀升，但何小鵬卻面臨兩重大考。

第一，曾經獨樹一幟的智能化標簽，被華為截了胡。作為中國本土最勇敢激進對標馬斯克的企業家，何小鵬從入場那一刻開始，就全力以赴進行智艙智駕技術的投入，并快速取得了產品和體驗突破，為小鵬汽車樹立起“智能汽車”的標簽。但2024-2025兩年中，隨著華為乾坤智駕和鴻蒙智行的雙線發力，小鵬“國內智駕第一”的領先優勢，面臨強烈挑戰。在聲浪和消費者體驗上，華為乾坤智駕大有后來居上之勢。

第二，20萬以上市場，缺乏主力爆款。MONA M03的成功拯救了小鵬汽車，但也讓品牌心智下沉到10萬區間，2025年無論是新G9（3月）、G7（7月）、新P7（8月）還是X9（11月），都沒有站穩月銷5000臺的爆款臺階，產品矩陣大而不強。

如何破局？何小鵬的答案是：上增程、出海、全力以赴押注AI。在我們看來，上增程是增加現金牛，出海是規避單一市場風險，打造規模引擎，這兩者只是產品和營銷戰略。只有第三條：為物理AI生態全球化鋪路而押注AI，是他心中的終極壁壘。

在這個方向上，2025年何小鵬推動了三件大事落地：

1、大算力圖靈芯片規模化部署；

2、研發VLA 2.0，目標實現車+機器人+飛行汽車技術復用；

3、組織重構，基座大模型升級，立志于成為全球物理AI的生態底座（這一點和李想異曲同工）。

2026年，同樣有三件大事要落地：

1. Q1推送VLA 2.0，實現國內智駕“斷代式領先”；
2. Robotaxi小試，成本控制在20萬以下；
3. 推進機器人量產、飛行汽車試運營。

對比這個軌跡，說明在他心中，有且僅有一個目標：特斯拉。對標特斯拉、趕超特斯拉，是他為小鵬汽車在驚濤駭浪之中標定的航向。2026，特斯拉FSD V14就要來了，對別人可能是個壞消息，但對何小鵬來說，也許只有一個詞能表達感受：exciting！終于可以和老馬同臺掰掰手腕了！

#05

劉先明：為VLA清除效率瓶頸

職務：小鵬汽車自動駕駛中心負責人

2025下半年，小鵬汽車自動駕駛團隊發生了一次組織變革，劉先明從世界基座模型負責人，接棒自動駕駛中心負責人。這一看似“簡單的人事調整”，被外界解讀為公司在智能駕駛技術路徑上進行的戰略收斂。

這個解讀是準確的，劉先明并非傳統汽車圈出身，但也是一位深耕人工智能與計算機視覺領域多年的技術專家。2016年，他在美國伊利諾伊大學厄巴納-香檳分校拿到電氣與計算機工程博士學位后，曾在Meta（原Facebook）和Cruise（通用汽車旗下無人駕駛公司）從事研究與技術開發工作。這樣的背景，讓他既理解底層智能算法的推進邏輯，又熟悉大規模自動駕駛軟件系統的工程約束。

2024年3月加入小鵬汽車后，他出任AI團隊負責人；次年，小鵬提出“物理AI世界”的戰略重心，要讓車輛具備像人一樣理解現實世界的能力，而這并不是傳統算法能簡單堆疊出來的，劉先明幾乎得從零起步，帶隊去解決兩道核心難題：從大規模AI模型轉向實際車輛控制系統；讓這些理論與模型在真實世界自動駕駛場景中產生真實可量化、安全穩定的結果。這些難題不但涉及算法研究層面，而且關系到量產工程化與用戶體驗層面的平衡。

真正的難點在第二代VLA。從核心決策鏈路中拿掉L，這并不意味著放棄語言能力，而是將其重新定位為“用戶意圖與導航理解工具”，而非行動決策的中樞。核心鏈路被簡化為“Vision+Action”，讓模型能夠直接在物理世界信號中完成推理。與此同時，他還需要帶隊搭建支撐大模型訓練的基礎設施，比如解決GPU長時間訓練穩定性問題，優化PB級的數據讀取和調度效率，形成數據—訓練—部署的工程閉環。

對了，何小鵬公開提到和他打下“裸奔賭約”的那個人，正是他。追上FSD V14今天的水平，留給他的時間，只有8個月。

#06

張航：讓大模型具備量產泛化性

職務：小鵬汽車自動駕駛基礎模型負責人

小鵬汽車首席工程師、基礎大模型負責人張航，極少出現在公開信息中，但是在學術圈里，他是極少數同時擁有深度研究影響力和工程實踐能力的技術骨干，Google Scholar被引超過1萬次，GitHub個人與主導項目累計Star也超過了1萬。他最為人熟知的工作，是在Facebook任職期間主導提出的ResNeSt模型，這段經歷，幾乎決定了他后來的技術路徑，以視覺為起點，但目標從來不止于視覺。

沒錯，他和劉先明在加入小鵬汽車之前，兩人在Cruise就曾共事過。到了2025年，張航加入小鵬汽車自動駕駛團隊，出任自動駕駛基座模型負責人，在團隊內部，他通常被視為“技術二號位”，他承擔的核心任務，是如何讓一個多模態大模型，在真實道路環境中做到穩定、可泛化、可量產。張航的技術風格更偏向冷靜與克制，具備典型的“基礎設施型工程師”心態，不制造浪潮，但會確保浪潮來臨時，系統不會崩潰。

今天回看，小鵬自動駕駛在2025年最大的變化，不只是體驗提升，也是技術體系擁有了更清晰、可持續演進的底層模型結構，而在這其中，他的價值并不體現在單一功能上，而是體現在模型開始具備可擴展性、可遷移性，以及跨階段復用的能力。

#07

周舒暢：讓物理AI落地復雜場景

職務：小鵬汽車自動駕駛算法高級總監

2025年的秋天，小鵬汽車在智能駕駛技術上做出了一次關鍵性人才布局——從AI研究與工程領域引入了一位極具“跨界合成能力”的AI大牛，周舒暢博士。

他被任命為小鵬汽車自動駕駛算法高級總監，肩負推動小鵬“物理AI戰略”中最核心的算法力量，自動駕駛基座模型深化訓練與優化。

和劉先明一樣，他也并非出自傳統汽車圈。本科畢業于中國科學院，隨后在清華大學與新加坡國立大學深造，是AI與多模態大模型、強化學習、智能體研究領域的最早一批開發者之一。他早期的職業路徑，就已經顯露出典型的“AI×工程”混合屬性。曾在Google、Megvii和StepFun等頂級技術機構負責多模態大模型與智能體系統的研發與工程化實踐。

2025年，小鵬明確提出“物理AI世界”戰略，希望通過具身智能、大模型體系，重新定義智能駕駛甚至未來出行產品形態，周舒暢來得正是時候。

在加入后的數個月里，小鵬自動駕駛團隊加快了“底座模型+多模態集成”的推進力度，不僅在算法層面增強了視覺與行為推理能力，還讓自動駕駛系統在城市場景、高速場景與長尾復雜環境中展現出更穩定的感知與策略響應。

他讓底座模型從學術實驗變成了可交付的工程成果，讓智能駕駛不僅聽起來聰明，還真正持續變得更聰明。

# 08

袁婷婷：讓智駕的用戶價值落地

職務：小鵬汽車自動駕駛產品高級總監

如果說小鵬自動駕駛體系里，劉先明負責“技術能走多遠”，張航、周舒暢負責“模型能不能成立”，那么袁婷婷面對的，是一個更殘酷、也更現實的問題：用戶，真的會用嗎？她不是做算法出身的人，卻是小鵬智能駕駛體系中，最清楚技術該以什么形態出現的人。

本科畢業于浙江大學，職業生涯起點在浙江海事局，隨后轉入新能源出行平臺，真正意義上進入“自動駕駛核心圈”，是在阿里巴巴達摩院。在達摩院，她長期負責自動駕駛業務的產品與運營體系，也是對外最活躍的管理者之一。她反復強調三個關鍵詞：產品化、規模化、常態化。這不是算法工程師會自然說出口的話，卻點中了自動駕駛過去最大的痛點，技術一直在進步，但真正被用戶穩定使用的場景，太少。

2024年6月，袁婷婷加入小鵬后擔任自動駕駛產品高級總監，全面負責智駕產品工作。她來的時間點非常微妙，此時正值小鵬智能駕駛路線發生重大分歧與爭議的階段：明確純視覺路線，逐步弱化激光雷達在產品定義中的核心地位，而對外承擔“解釋這條路線”最多的人便是她。

過去一年，外界看到的袁婷婷，是微博、小鵬社區里高頻出現的“智駕發聲者”，但那只是她工作中最小的一部分，她真正負責的，是一條復雜且很少被看見的鏈路，智駕產品規劃與功能定義；從數據采集、評測標準到質量閉環的長期體系，以及技術團隊、車型項目組、交付體系之間的協同。簡單說，她做的是把不穩定的技術，變成可被交付的產品。

09#

曹旭東：高度務實的技術領袖

職務：Momenta 創始人、CEO

早在十年前，曹旭東的職業起點就是圍繞L4展開的。在行業尚沉浸在全無人駕駛的宏大敘事時，他卻在過去幾年完成了一次“降維轉身”，推進L2+商業落地。這并不是技術上的妥協，而是更高級的務實，因為他敏銳地察覺到，離開商業閉環的技術，一方面受彼時行業環境的影響，或被推動或受制約，另一方面，用L2的規模化落地為飛輪注油，用真實的商業回血，更有利于去養未來的技術長征。

可以說，曹旭東手里不僅有技術，還有工程師少有的商業邏輯，是一位高度務實的技術領袖，在最新成果上就能看得出來。2025年的秋天，大家看到了Momenta R6大模型的崛起。在R6研發期間，曹旭東很少在公開場合談模型細節。他更多的精力放在把握方向上——不允許模型為了測試指標犧牲可解釋性、不允許為了短期交付破壞長期飛輪結構、不允許把R6變成“一個只能服務少數車型的方案”。他很清楚，一旦R6走偏了，Momenta的核心邏輯就會斷裂，飛輪不是Demo，而是一個必須能被幾十家主機廠、上百款車型反復使用的“長期系統”。

截止到2026年1月，與Momenta定點合作的車型已經超過了160款，這是一個極為恐怖的數字，超過了華為。

促成這一成就的，和曹旭東個人的影響力、他的技術有關，也和Momenta整個開發團隊的能力有關，如果以CEO的角度去看，曹旭東至少有三個重要決策，起到了關鍵作用。

其一，在合作方式上是開放的，是愿意和合作團隊一起做適配優化的，而不是賣一個“黑盒”；

其二，團隊的工程交付能力極強，流水線式的模塊化研發戰略，極大加快了交付效率；

其三，相較于對手，成本有優勢。疊加具體的效果，和主流頭部方案商相差無幾，智駕大賽寧波站奪冠就是典型的例子，這四大優勢，讓Momenta今天走到了臺前，這些都離不開曹旭東當初的那個決定，已經堅守十年的戰略初心（一個飛輪兩條腿）。

#10

夏炎：讓飛輪具備記憶與進化能力

職務：Momenta聯合創始人及研發高級副總裁

在Momenta的“飛輪大模型”背后，有一群真正把AI理論與工程落地結合起來的人，其中最關鍵的技術核心人物之一，就是夏炎。她是研發體系中不可或缺的“大腦結構設計師”，是集學術思想和產品落地能力于一身的少數幾個科研者之一。

她擁有中國科學技術大學與微軟亞洲研究院聯合培養的博士學位，是深度學習和大數據領域的資深專家。2016年Momenta創立之后，夏炎作為聯合創始人之一加入了核心研發團隊，并成為研發高級副總裁。

2025年推出的飛輪大模型，她在研發過程中主導了模型架構設計和訓練策略，承擔著兩個最難的使命：讓模型有記憶能力——它不僅要看見特征，更要保留場景間的關聯與策略優先性；讓模型能反復驗證學習成果——在大規模真實場景數據上反復迭代，而不是僅在測試集“過關”。這正是為什么Momenta的飛輪策略被稱為“不一樣的數據驅動”，它更關注行為一致性和模型長期的升級路徑，也是行業內少數能夠真正形成“從感知到決策一體化”的設計體系。

在自動駕駛這條長期博弈路徑上，有人負責指向未來愿景、有人成為場景實現的主力者、也有人把方向變成實際落地的產品，夏炎把最深的AI理論內核帶進工程現場，讓大模型不是一個漂亮的名字，而是一個真實可量產、可持續進化的自動駕駛底座。

#11

孫剛：讓技術高效適配千萬級車型

職務：Momenta聯合創始人及研發高級副總裁

在自動駕駛落地的賽道上，有一種角色常常被忽視，不是提出方向的人，也不是定義模型的人，而是把方向變成能被千萬輛車量產、反復交付的人。Momenta聯合創始人及研發高級副總裁孫剛，正是這樣一位隱性引擎的構建者，他負責的，不是算法驗證，而是讓自動駕駛真正能穩定、快速、高效地交付給用戶。

孫剛博士的學術根基極為深厚。畢業于中國科學院計算機視覺專業，長期活躍在國際AI頂會和競賽舞臺，是ImageNet 2017圖像分類冠軍、2016場景分類亞軍，這些都證明了他在視覺與識別領域的頂級實力。他在Momenta最關鍵的貢獻，是建立了一套為量產打造的標準流程與自動化工具鏈，讓技術可以快速適配不同合作車企的硬件平臺和量產體系，從而推動Momenta自動駕駛能力的量產效率實現了“指數級躍升”。

在Momenta的研發體系里，存在一套核心邏輯，技術與工程不是對立，而是同一件事的兩面，比如模型的能力是硬件的邊界；工程的可控性是量產的底座；數據與反饋閉環是系統持續進化的源泉。在這個邏輯之上，孫剛貢獻了架構定義、工程流程體系、多平臺適配框架、自動化交付工具、穩定性與安全性評估機制以及可持續迭代閉環，這套東西表面看起來不像“創新技術”，但它直接決定了技術能不能真正服務千萬級用戶而不崩。

#12

饒慶：讓智駕方案適配全球需求

職務：Momenta全球解決方案架構師

在加入Momenta之前，饒慶就已經是業內認可的技術人物，畢業于慕尼黑工業大學，曾在梅賽德斯-奔馳和寶馬全球研發中心主導過智能駕駛算法研發，是推動AI在量產車型中首次大規模應用的重要力量。

這種學術深度和工程深度的復合背景，本身就是自動駕駛架構層面極為稀缺的能力，既能理解視覺與多模態策略的邏輯，又能把它轉譯為工程可實現的方案。

在 Momenta，饒慶的角色是全球解決方案架構師，負責定義和推動自動駕駛高階解決方案在全球主機廠、不同車型架構中的落地。這比單一車型的接入要復雜得多，要理解不同主機廠的電子/電氣架構、算力平臺與傳感器配置；要兼顧成本約束與性能預期；要在系統安全層面滿足全球不同安全與法規要求；還要確保與合作伙伴的數據、測試與驗證體系對齊，這是一種更高層的工程思考，不是做一個功能，而是做一個能夠在全球范圍、不同平臺、不同團隊之間一致運行的解決方案架構。

#13

回看這一輪智能駕駛的演進路徑，很容易陷入參數、架構和路線之爭：是一段式端到端，還是埋規則？是世界模型，還是飛輪系統？是激進迭代，還是穩態量產？
但如果把視角稍微拉遠，會發現真正推動行業前行的，并不是某一種“絕對正確”的技術答案，而是一群人持續做選擇、扛結果、對長期負責的過程。

他們大多并不高調，卻身處最復雜的系統工程之中：既要理解算法與算力的邊界，又要面對產品、安全、成本和規模化的現實約束；既要在技術理想與商業落地之間反復權衡，也要在行業周期起伏中保持定力。

正是這些看似“不夠浪漫”的工程判斷，構成了中國智能駕駛能夠快速落地、持續進化的底層支點。

如果說過去幾年，中國智駕的發展靠的是速度與勇氣，那么走到當下，更需要系統能力、組織耐力，以及對長期主義的共識。這些開發者身上，正在形成一種越來越清晰的共同特征：不迷信路線、不回避爭議，但始終把“是否真的對用戶有價值”放在決策中心。

這些勇敢的充滿創造力的探索，展現了當代中國智駕開發者們的格局和氣象。在1月31日舉行的【2025智駕天梯榜年度盛典】上，我們將邀請他們中的一部分，作為“2025智駕開發者50人”的代表進行現場分享，敬請關注。