百万辆装车之后，华为乾崑如何迈向下一代智能驾驶

华为乾崑的装车规模正在进入新的增长阶段。

从2022年1月到2025年8月，乾崑智驾搭载量突破100万辆，第一个百万辆用时44个月。第二个100万辆预计将在2026年7月底或8月初完成，耗时缩短至12个月左右。

鸿蒙座舱的增长同样在提速。首个100万辆搭载用时42个月，第二个100万辆预计2026年8月完成，约15个月。

规模增长的背后，是大量真实道路数据和用户行为反馈。

截至2026年7月16日，乾崑智驾累计辅助驾驶里程超过128亿公里，累计避免潜在碰撞595万次。2026年6月，用户辅助驾驶里程达8.8亿公里，人均使用辅助泊车45.7次。

规模扩张的同时，竞争焦点也在转移。

过去几年，智能驾驶主要通过功能丰富程度证明能力，城区领航、无保护左转、环岛通行、复杂绕行等场景，是用户感知系统能力的主要方式。

但当系统搭载量达到百万级并长期运行于真实道路后，所面临的考验明显不同。天气、路况、驾驶习惯的差异，以及大量低概率长尾场景，都会持续暴露新的问题。

进入下一阶段后，智能驾驶竞争的核心变化到了在保障系统长期稳定运行的同时，在复杂环境中保障安全。

华为乾崑此次公布的技术演进方向，正围绕这一变化展开。

从功能竞争走向安全竞争

华为把安全放在整套技术体系的底层，提出「看得更清楚、想得更明白、动作更到位、系统更可靠」四个方向。

自动驾驶首先要解决的是车辆对周围环境的理解问题。在感知方案上，华为乾崑选择继续走多传感器融合路线。

原因在于，进入规模化阶段后，系统面对的是大量低概率、高风险的情况，比如雨雾、逆光、遮挡以及突发目标等复杂环境。

不同传感器各有优势。摄像头能够提供丰富的语义信息，可识别道路标线、交通标志、颜色和目标类别，但容易受到光照、天气和镜头状态影响。毫米波雷达擅长测距和测速，在雨雾、扬尘等环境下仍具备较强稳定性，但对目标细节和类别的理解有限。激光雷达能提供更精确的空间信息，可在弱光、小目标和复杂结构识别方面形成补充。

华为的思路是让不同传感器互补，通过多源信息交叉验证，降低单一感知链路失效带来的风险。过去一年多，华为持续推进传感器能力升级，先后推出分布式毫米波雷达、高精度固态激光雷达、激光视觉 Limera 以及 896 线双光路激光雷达。

但感知升级的重点，并不只是让车辆"看到更多"。真实道路中，车辆经常面对信息不完整的情况：夜间道路上的遗撒物可能缺少明显纹理，雨雾天气会降低摄像头和激光雷达的探测能力，强光可能导致视觉画面过曝，大型车辆还可能遮挡旁边突然出现的两轮车。这些场景很难依靠单一传感器解决。

多传感器融合的价值在于，当某一种感知方式受到环境影响时，系统仍能利用其他信息判断道路状态。这也是华为所说的"看得更清楚"。

如果说感知解决的是"看见世界"，那么下一阶段自动驾驶需要解决的就是"理解世界"。

过去的自动驾驶系统主要围绕模块化架构展开：感知模块负责识别车辆、行人、道路和障碍物，预测模块判断其他交通参与者的未来轨迹，规划模块决定车辆下一步动作，控制模块执行转向、制动和动力请求。这种架构逻辑清晰，也便于工程开发，但真实道路并不是简单的轨迹预测问题。

一辆车突然减速时，系统需要知道的不只是它的位置、速度和方向，更需要理解它为什么减速，它可能准备转弯，可能发现了前方障碍物，也可能只是驾驶员的临时操作。如果系统只能预测物体下一秒的位置，而无法理解行为背后的原因，就很难应对复杂交通环境。

因此近年来，行业开始探索端到端模型和 VLA 架构，希望减少模块之间的信息转换，让系统更直接地完成环境理解和驾驶决策。华为乾崑选择的是 WEWA 路线，即云端世界引擎与车端世界行为模型。华为认为，未来自动驾驶需要建立对交通世界变化规律的理解，而不仅仅是预测单个目标的轨迹。

WEWA 2.0 首先引入了 Multi-Agent 群体博弈能力。在这一体系下，道路上的车辆、行人、骑行者不再只是需要识别的位置和速度信息，而被视为具有自主行为能力的 Agent。例如，一辆车准备并线时，后方车辆可能减速让行，也可能继续加速；前方车辆突然向左偏移，可能是在准备变道，也可能是在避让障碍物；路边行人是否会进入道路，同样受到车辆距离和速度的影响。这些行为之间不断相互作用，自动驾驶系统需要同时推演多个参与者的可能动作，并判断自己的行为将如何改变整个交通环境。

华为将这一变化概括为从"单车博弈"进入"群体博弈"。

除了理解现实道路，世界模型还承担着扩展训练场景的作用。真实道路数据存在天然限制：正常驾驶场景大量存在，危险和极端场景的出现概率却很低，而这些低频场景往往决定着系统的安全能力。如果完全依赖真实车辆采集，需要很长时间才能覆盖足够丰富的情况。世界模型可以基于真实数据生成更多变化：同一个道路场景，可以改变天气、光照、车辆速度、障碍物位置和交通参与者数量，形成更多训练样本。比如两轮车从大型车辆后方突然驶出的场景，可以扩展为不同车速、不同道路宽度、不同能见度条件下的多个版本，让系统学习更多应对方式。

WEWA 2.0 进一步引入在线强化学习，使系统能够在生成场景的同时持续优化策略。传统模仿学习主要学习人类驾驶数据中的正确行为，但真实数据很难完整覆盖所有错误决策及其后果；强化学习则可以让系统在虚拟环境中不断尝试不同动作，根据结果反馈形成更优策略。

在车端，华为进一步升级了 WA 世界行为模型，引入基于安全风险场的防御性驾驶。这意味着系统关注的不能只是当前是否存在碰撞风险，还要提前判断潜在危险。例如，车辆经过大型货车旁边时，即使货车尚未变道，系统也可以根据车辆姿态、道路空间和相对速度，提前调整横向距离；前车在路口附近减速时，系统也需要判断它可能转弯、停车或者避让行人。华为称，基于安全风险场的防御性驾驶可以使碰撞风险降低 50%。

构自动驾驶能力链路

理解道路环境之后，自动驾驶还需要解决另一个问题：车辆如何准确执行决策。

过去，智能驾驶系统与车辆本身存在较为清晰的分工：智驾系统负责感知环境、规划路径，然后向车辆发送控制指令；底盘系统负责执行转向、制动和动力控制。

但在高速避障、湿滑路面、紧急制动等场景中，车辆不仅要知道"应该往哪里走"，还要理解"当前车辆状态是否允许这样运动"。同样一次紧急避让，在干燥路面和湿滑路面上，车辆能够承受的转向幅度并不相同；高速行驶状态下，过大的方向调整可能导致车辆失稳；紧急制动时，系统还需要同时考虑轮胎抓地力、车辆姿态以及周围空间。

这要求智能驾驶系统要能够进一步理解车辆本身。

华为乾崑通过 ADS 与 XMC 的深度融合，将智能驾驶决策和车辆控制连接起来。其中，ADS 负责理解环境、预测风险并生成驾驶策略；XMC 则通过六合一全域融合，协调车辆的动力、制动、转向和底盘控制。

这意味着自动驾驶的竞争开始从算法能力延伸到整车工程能力。车辆的重量、轴距、转向比、制动性能、轮胎和悬架特性，都会影响智能驾驶的最终表现；同一套算法进入不同车型，也需要重新完成适配和验证。

未来高阶自动驾驶的竞争，需要软件、硬件和机械系统的共同优化。

如果说感知、理解和控制解决的是车辆如何完成驾驶，那么系统可靠性解决的就是当某些环节出现异常时，车辆如何继续保持安全。

这也是 L3 自动驾驶与 L2 辅助驾驶之间的重要区别。在 L2 阶段，驾驶员始终承担驾驶责任，系统可以辅助车辆完成部分任务，但驾驶员需要持续关注道路并随时接管。进入 L3 后，在系统允许运行的范围内，车辆需要承担更多驾驶任务。

华为为此推出了乾崑 OS，并建立面向自动驾驶的全链路冗余架构。乾崑 OS 承担的是智能驾驶系统的运行基础，车辆运行过程中，需要同时处理感知、定位、预测、规划、控制、通信以及安全监控等大量任务，而不同任务对实时性和可靠性的要求并不相同。系统需要合理调度计算资源，保证关键安全任务优先运行，并在异常情况下完成故障处理。

与此同时，L3 级别自动驾驶还需要硬件层面的冗余设计。计算平台、电源、通信、转向和制动等关键链路，都需要具备备用能力。当某个传感器、计算单元或者执行机构出现故障时，车辆不能立即失去控制，而要利用剩余能力完成减速、靠边，或者进入最小风险状态。华为称，乾崑 OS 能够使系统可靠性提升 20 倍。

从单车智能进入生态竞争

与此同时，华为乾崑正在把智能能力从驾驶过程延伸到整个用车流程。

截至 2026 年第二季度，华为乾崑已支持 110 万个停车场的车位到车位功能，30 万个停车场上线停车缴费服务，接入 200 万根充电桩，并连接 3000 多家洗车店。

华为将这套服务体系称为“10分钟乾崑智驾生活圈”，自动驾驶负责解决车辆如何到达目的地，服务体系则负责处理到达之后的问题。

鸿蒙座舱也在向智能体方向演进。过去，车载语音助手主要处理明确指令，用户说"打开空调""导航回家""播放音乐"，系统识别指令后调用对应功能。未来的座舱智能体则需要理解用户真正想完成什么。

面对一个复杂需求，系统要先理解目标，再拆解任务，并调用导航、车控、餐饮、支付、影音等不同服务。华为采用 MoLA 2.0 多模态混合大模型架构，并通过 A2A 跨域规划能力，让小艺智能体逐渐从功能入口转变为服务入口。

这也是华为对智能汽车理解的延伸，车辆不仅需要具备自动驾驶能力，也需要成为能够理解用户需求、连接服务生态的智能终端。

按照计划，华为乾崑将在 2026 年 7 月推出 ADS V5.0，重点提升安全能力和使用便利性；9 月至 10 月推出第二个版本，增强脱困和绕行能力；2027 年 1 月至 2 月推出第三个版本，进一步提升紧急逃生能力。华为将此次升级称为全球最大规模、具备城区领航功能的 OTA 更新。

这次升级将会把多传感器融合、WEWA 2.0、驾控融合和乾崑OS等能力逐步推送到量产车辆。

其中，后向主动防被撞辅助和 RCA 漫游巡航辅助值得重点关注。

后向主动防被撞辅助体现了主动安全范围的变化。传统主动安全主要关注车辆是否会撞向前方目标，但真实道路中，即使本车正常行驶，也可能受到其他交通参与者错误操作的影响。当系统判断后车高速接近、而前方存在安全空间时，车辆可以主动向前移动，降低追尾风险。这意味着安全能力开始从避免自身错误，扩展到降低外部风险。

RCA 漫游巡航辅助则希望让用户更频繁地使用辅助驾驶。过去，领航辅助通常需要用户设置明确的导航目的地，但日常驾驶中很多场景并没有明确目的地，比如熟悉路线的通勤、短途出行或者临时移动。降低开启门槛，有助于让辅助驾驶进入更多日常场景；而更多的真实使用会带来更多数据反馈，进一步推动系统迭代。

华为对雷峰网表示，2026 年将在部分城市开展 L3 试点，并新增城区低速 L4 试点；到 2027 年，L3 有望实现规模商用，面向企业的 L4 Robotaxi 将在部分城市试点，面向消费者的 L4 则优先从低速场景开始商业化，先让 L3 在限定条件下逐步承担驾驶任务，再推动更高阶自动驾驶进入更复杂场景。

从多传感器融合到世界模型，从智驾与底盘融合到乾崑 OS 和冗余架构，再到覆盖停车、充电和服务的生态体系，华为乾崑正在构建一整套面向未来智能汽车的基础能力。