为什么智驾模型越来越大，驾驶能力却不一定同步提升？

一套智驾模型在离线测试中的指标非常完美，为什么到了复杂路口，仍然可能出现判断不准、决策不合理的问题？

近年来，端到端智驾持续增加模型规模、训练数据和算力投入，但这些投入并不会自动转化为更好的驾驶表现。

模型能否理解复杂交通关系，能否应对训练数据覆盖不足的场景，还要看它学到了什么，以及研发团队如何验证能力提升。

对智驾行业而言，不能仅追求更大的模型，更要弄清楚模型规模、数据投入和训练方法，究竟怎样才能转化为真实道路上可验证的驾驶能力？

01

模型变大

能力为何未必变强？

模型参数的增加，意味着模型拥有更大的容量，可以学习更复杂的特征和关系。

但模型容量增大，不等于实际学习效果必然提升。

训练数据是否充分、训练目标是否合理，以及模型能否将学到的规律迁移到新的场景，都会影响最终表现。

在常见道路上跟车时，车辆周围的交通关系相对稳定，模型可以从大量类似场景中学习车辆运动规律。

但在复杂路口，其他车辆可能突然加塞，行人可能改变行进方向，多个交通参与者也可能同时影响车辆决策。

系统需要考虑的不只是当前发生了什么，还包括不同动作可能带来的后果。

如果训练数据中常见驾驶场景占比较高，而复杂交互场景覆盖不足，即使模型规模继续增长，也不能保证它能同等程度地改善复杂场景中的决策能力。

模型可能在熟悉的场景中表现更好，却难以应对训练分布覆盖不足或交互关系发生变化的情况。

这也是模型规模与驾驶能力之间容易被混淆的地方。

更大的模型容量的确可以为学习复杂驾驶规律提供条件，但不能保证模型一定掌握了这些规律，更不能保证它在所有任务和场景中都取得相同比例的提升。

也就是说，模型规模固然重要，但它不是衡量智驾能力的独立指标。模型能否处理复杂交通关系，能否在不确定场景下作出合理决策，才是规模投入最终需要回答的问题。

02

数据变多

问题不一定变少？

数据是智驾模型能力的重要基础，但数据总量并不能直接代表有效训练信息的多少。

假设训练数据中包含大量高速巡航和常规跟车片段，这些数据有助于模型学习日常驾驶规律，却未必能充分覆盖施工改道、复杂路口交互或特殊障碍物等场景。

如果持续增加的主要是相似数据，模型在常见场景中的表现可能继续改善，但对于覆盖不足的场景，提升就可能有限。

2025年，研究团队在CVPR Workshops发表的端到端自动驾驶研究，比较了从16小时到8192小时的不同训练数据规模，并分别评估模型的开放环指标和闭环仿真表现。

研究发现，在其采用的模型架构和仿真设置下，开放环指标随着数据规模增加而改善，但闭环驾驶表现较早出现平台期。

这说明，在特定实验条件下，离线指标的改善并不一定会转化为同比例的闭环收益。

2026年，另一项发表于ICRA的模仿学习端到端驾驶研究，分析了约400万段驾驶示范数据，覆盖23类场景、累计超过3万小时。

研究同样发现，开放环评测与闭环评测的表现并不完全一致。

该研究还提出，在其测试设置下，适当增加长尾场景数据，可以改善模型在对应场景中的表现。

这些研究并不是说增加数据没有价值，而是说明数据增长的效果取决于数据覆盖了什么，以及采用什么方式评估模型。

持续积累常见场景与针对性补充困难场景，可能产生不同的收益；长尾数据也不是天然有效，仍然需要考虑样本质量、场景上下文和训练方式。

因此，智驾研发需要建立从问题发现到数据补充、模型训练和效果复核的闭环。

研发团队需要从失败案例入手，分析问题与环境理解、行为预测、决策规划或车辆执行之间的关系，再确定应该补充什么数据、调整什么训练目标，以及通过什么测试确认问题已经改善。

比起单纯追求数据量增长，这种围绕具体问题持续迭代的能力，更能体现数据体系的工程价值。

03

离线评测变好了

驾驶不一定会改善？

模型能力评估中，还有一个关键问题，那就是测试指标的改善，是否真的代表驾驶能力提升？

在开放环评测中，研发人员会在给定的记录数据上评估模型输出。

如将模型预测的车辆轨迹与记录数据中的参考轨迹进行比较，观察预测误差是否下降。

这类指标有利于比较不同模型，也能帮助研发团队判断训练是否有效。

但参考轨迹并不是唯一合理的驾驶答案。

相同的道路环境下，驾驶员可能采取不同但都合理的行驶轨迹。

因此，模型输出更接近某条参考轨迹，只能说明它在这一评测指标上取得了改善，不能单独证明车辆会开得更安全或更平顺。

真实驾驶其实是一个持续交互的过程。

车辆采取动作后，周围交通参与者可能作出反应，车辆自身的位置和速度也会发生变化，系统接下来面对的环境因此不同。

一次看似不大的决策偏差，可能在连续交互中逐渐放大。

也就是说，开环预测误差降低，未必能带来闭环驾驶表现的提升。

开放环评测主要考察模型在给定记录条件下的输出；闭环评测则进一步考察车辆采取动作后，系统能否在状态持续变化的情况下作出合理决策。

对于端到端智驾模型而言，这一点尤其重要。

模型不仅需要输出合理的驾驶动作，还需要在自身动作改变后续环境的情况下，继续保持稳定的驾驶行为。

因此，需要结合闭环仿真、场景化测试和实车验证，评估模型在连续交互中的表现，并检查改进是否稳定、是否引入新的失效模式。

闭环仿真也受到仿真环境真实性、交通参与者行为模型和测试场景覆盖度等因素影响，不能完全替代实车验证。

不同测试手段各有边界，不能用单一指标或单一测试结果替代系统级评估。

对智驾行业而言，不能只比较模型训练前后的单项指标，还要区分哪些提升只是预测结果更接近参考轨迹，哪些提升真正改善了车辆在道路上的行为。

04

判断智驾模型

最终应该看什么？

对于智驾模型来说，模型规模、数据量和离线指标都有价值，但它们是研发过程中的不同观察维度，不能互相替代，也不能直接等同于最终驾驶能力。

判断一个模型是否变强，至少需要回答三个问题。

第一个是模型具体解决了什么问题？

如在面对复杂路口时，系统是否能作出更合理的通行决策；面对其他车辆突然变道时，能否及时调整车辆行为，并在连续交互中保持稳定。

能力提升应该能够对应到明确的驾驶任务，而不只是停留在参数规模或算力增长上。

还有就是模型提升是否具有稳定性？

如果模型只在部分测试样本上表现更好，却在其他场景中出现退化，就不能简单认定整体能力提升。

研发团队需要观察不同道路条件、交通参与者组合和环境变化下的表现，并持续分析失败案例。

最后就是提升能否在闭环和实车测试中得到验证？

一次动作是否合理只是局部表现，系统能否在连续交互中控制风险、减少不必要的急刹和轨迹偏差，并在不同道路条件下维持预期行为，同样重要。

对于测试尚未覆盖的场景，也需要明确能力边界，而不是将有限测试中的表现直接推广到所有道路环境。

这也不是说模型规模不重要。

更大的模型、更充分的数据和更高的训练投入，都可能为能力提升创造条件，只是这些投入必须与有效的数据、合理的训练目标和可靠的评测方法相匹配。

05

最后的话

智驾最前沿以为，当模型规模不断增长，智驾行业真正需要关注的，不应只是参数增加了多少、训练数据扩大了多少，而是这些投入究竟解决了哪些驾驶问题，还有哪些问题始终没有得到改善。

模型可以越做越大，但规模本身不能证明驾驶能力已经提升。

只有将模型、数据和训练投入对应到明确的驾驶问题，并通过多层次测试验证改进效果，才能判断这些投入是否真正转化成了驾驶能力。