地平线的HSD V2.0让端到端走到了哪一步？

[首发于智驾最前沿微信公众号]2026年过半，自动驾驶端到端已经不再是要不要做的问题，而是谁能跑得更快的问题。今年4月，中国在售乘用车L2级辅助驾驶的销量加权渗透率已经突破了56%，城市NOA虽然还在爬坡阶段，但行业普遍认为其正处在规模化爆发的拐点上，在智驾最前沿交流群大家讨论的内容中，端到端的话题也越来越多。

就在这个节点上，地平线在6月底推送了HSD V2.0，这是一套基于征程6P芯片的一段式端到端全场景辅助驾驶系统，今天我们就和大家来讨论下这套系统到底做了什么，也欢迎大家留言讨论。

一段式端到端，到底一段在哪？

2025年下半年到2026年上半年，端到端经历了一轮从两段式到一段式的集中切换。所谓两段式，就是将感知和规划拆成两个先后串联的模块，感知模块先把传感器数据翻译成对环境的结构化理解（哪里是车道线、哪里有障碍物、当前是红灯还是绿灯），然后把这份理解交给规划模块去决定怎么走。这种做法的好处是工程上好调试，两个模块可以各自优化，出问题了也相对好定位。

但感知模块输出的结构化信息必然会丢失一部分原始数据中的细节，而且两个模块之间的接口格式需要人工定义，接口怎么设计、传递哪些信息、信息以什么格式传递，这些本质上还是在写规则，并没有真正把整个决策链路交给数据驱动。

图片源自：网络

正因如此，头部玩家在过去一年多里都在向一段式架构迁移，博世在2026年5月宣布量产了一段式端到端方案；商汤绝影和东风在2026年2月联合推出了基于一段式端到端的量产车型；Momenta的一段式端到端模型在2025年8月就已经上车，到2026年已交付超过70款车型，一段式正在成为行业的主流技术方向。

地平线HSD V2.0的做法和这个趋势是一致的，一段式端到端用一个统一的神经网络，直接从摄像头、毫米波雷达这些传感器的原始数据出发，输出车辆该怎么走的决策，这个中间没有先感知再规划的分界，整个链路是一体的。这种架构的信息传递效率更高，系统反应更快，性能上限也更高。当然这个方案也有一定的代价，那就是整个系统像一个黑盒子，出了奇怪的问题不太容易追溯原因，但地平线以为，随着数据和算力的持续投入，一段式端到端的上限明显高于两段式，这个方向值得全力投入。

图片源自：网络

不过，一段式端到端模型的能力很大程度上取决于训练数据的覆盖范围，如果只靠真实路测数据，那些在道路上极少出现的特殊场景确实很难覆盖完整，像是前车突然掉落货物、施工路段锥桶摆成不规则的形状、路口多个方向同时出现风险等情况在真实驾驶数据里出现的概率非常低。

HSD V2.0解决这个问题的办法是采用世界模型，世界模型可以在虚拟环境中生成大量在真实道路上很难收集到的长尾场景，让系统在仿真环境里提前见过各种极端情况。地平线构建的虚拟环境不是简单的场景摆放，而是遵循物理规律的仿真世界，车辆动力学、障碍物运动轨迹、天气光照变化都尽可能贴近现实。系统在这个虚拟环境里反复训练，相当于提前积累了应对各类罕见场景的经验，从而降低在真实道路上遇到陌生情况时措手不及的概率。

需要说明的是，世界模型的能力取决于具体的实现方式，行业内目前的技术路线并不完全相同，有的侧重生成高保真视频来模拟场景变化，有的则在特征空间里做预测、学习环境状态随时间的演化规律。后一种路线对物理规律的建模更深，推理能力也更强。

地平线在HSD V2.0上采取的是端到端模型与世界模型、强化学习相结合的方式，三者形成一套完整的技术闭环，端到端模型负责实时驾驶决策，世界模型负责在虚拟环境里生成训练场景，强化学习负责在训练过程中持续优化策略。至于这套体系能否在完全没见过的场景下做出合理推理，取决于世界模型对物理规律的学习深度以及仿真环境与现实之间的差距，这仍然是行业持续在解决的问题。

主动安全不再依赖白名单

HSD V2.0在主动安全上的改动，可能是这次升级里最值得注意的一块。

传统主动安全系统（比如AEB自动紧急制动）的工作逻辑是白名单式的，系统里预先存好了一个清单，可以告诉系统行人长什么样、车辆长什么样、自行车长什么样，只有在清单上的东西，系统才会去识别和避让。不在清单上的，系统可能根本就看不见，或者看见了也不知道那是什么、该怎么处理。

图片源自：网络

HSD V2.0将原来用于NOA领航辅助的OCC（占用网络）拿过来用在了主动安全上，OCC不关心这个东西是什么，它只关心这个空间里有没有东西被占用了。不管是行人、汽车、还是一堆散落的货物，只要占用了车辆前方某个空间，系统就知道那里有东西，不能撞上去，这样一来，主动安全就不再被白名单束缚了。

据地平线所提供的数据来看，其前向AEB覆盖1到150公里每小时的全速域，最高能在130公里每小时的速度下完全刹停；AES自动紧急转向最高支持135公里每小时；AEB和AES还可以协同工作，即先刹，刹不住再转向避让；后向也有RAEB，覆盖1到30公里每小时的倒车场景。此外，HSD V2.0还升级了主动安全感知系统的视觉神经网络，大幅提升远距离与低能见度下的识别精度，在中小雨雾、夜间逆光条件下的识别精度都有提升。

OCC这种通用障碍物感知能力，原来主要用在行车场景里，现在拓展到了主动安全上，其实蛮有意思的。对于自动驾驶来说，感知能力本来就应该是通用的，没必要每个功能单独训练一套模型，过去很多功能是各做各的，行车有行车的感知逻辑，泊车有泊车的，紧急制动还有自己的一套，各自的模型用各自的数据训练。结果就是同一个场景，行车觉得没问题，AEB觉得要刹车，不同功能的理解对不上，用户的体验就很分裂。

此外，在HSD V2.0相关的信息中，还公布了几项量化指标，其无接管里程提升56%，复杂场景下的博弈能力提升167%，系统反应速度提升20%，横向对比来看，一次OTA能同时拿出这三个维度的提升，说明底层架构确实动了不少。

图片源自：网络

在泊车方面，地平线为HSD V2.0提出了“有空就能泊”的口号，其支持水平窄车位、垂直窄车位、斜列车位、自定义路边车位；泊入方式包括车头泊入、车尾泊入、遥控泊入、离车泊入；循迹倒车最长支持120米。这些功能加在一起，其实已经覆盖了用户每天都会遇到的真实停车场景，像是商场地下车库的窄车位、路边不标准的临时车位、老旧小区的机械车位等都属于包含了。

行业在往哪个方向走？

我们再把视角拉回到整个行业，从HSD V2.0的升级内容里，其实能看出几条比较清晰的行业走向。

端到端这个方向已经没有争议了，但行业对它的期待正在发生变化，一年前大家还在讨论能不能做出来，现在讨论的已经是做得好不好。城市NOA的渗透率预计从2025年的11%增长到2030年的62%；而10万到20万元这个最主流的价位段，城市NOA渗透率会从3.8%涨到62.7%；高阶智驾也正在从30万以上车型的专属配置，快速下探到普通家用车的价格区间，智驾最前沿对此也曾有过相关讨论：智驾正在被拉下神坛？。

在这个背景下，技术的打磨深度比有没有更重要，用户不会因为系统用了端到端就觉得好用，他们只关心跟车顺不顺、变道果断不果断、路口能不能从容通过。HSD V2.0在反应速度、无接管里程、泊车成功率这些维度上同时提升，说明行业已经开始从功能落地进入到体验优化的阶段。

图片源自：网络

另一个值得注意的变化是，世界模型加强化学习正在成为头部玩家的共识路线，智驾最前沿也曾有过相关的预测：为什么头部智驾玩家都在押注强化学习？地平线在HSD V2.0里用了这套组合，Momenta的R7方案也走了类似的路，蔚来在2026年1月就已经把世界模型和闭环强化学习推到了数十万辆车。

这不是巧合，大家都意识到，光靠端到端模型还不够，模型需要在虚拟环境里持续学习、持续进化。由此可见，行业现阶段的竞争焦点正在从是不是端到端转向端到端之上还能叠加什么，一段式端到端从实验室走向量产，也是同样的逻辑。

当然，这套技术路线还有不少需要验证的地方，世界模型在真实复杂场景下的泛化能力还需要更多路测数据来证明；一段式端到端的可解释性问题也还没有根本解决，系统做了一个决策，你很难说清楚它为什么这么做。

在安全第一的汽车行业，这个问题迟早要面对，但不管怎么说，截止2026年夏天这个时间点，端到端智驾已经从技术概念变成了一辆辆在路上跑的车。HSD V2.0只是其中的一个样本，但它展示的一段式端到端、世界模型、强化学习、统一底座等方向，正在成为这个行业的新共识。接下来智驾行业的竞争不再是能不能，而是谁跑得更快、谁跑得更稳。