《智能驾驶拆解笔记：老周唠透车圈AI》第4篇
开篇小故事
周末带全家进城走老城区，人车挤在一块，路边小孩蹲马路边玩皮球，媳妇秀莲开得慢悠悠，隔老远就松油门，手搭刹车随时准备避让。我坐在副驾感慨：人开车会预判，可早先的辅助驾驶只会等障碍物出现才刹车，反应慢半拍。
晚上算法小张来家里吃饭，一肚子苦水倒给我：老版本决策全靠 if-else 规则，路面滚个纸箱、小狗横穿这种少见场景，代码里没写对应逻辑，车子直接卡壳不会避让。父亲在一旁抽着烟搭话：种地不能死搬书本流程，遇上突降大雨、土坡塌陷，得临时换法子，光守死规矩肯定要吃亏。
儿子小远拿两套遥控车做对比：一套只设定固定路线，路上放块石头只会原地停住；另一套带预判模型，老远就绕开障碍物，还会提前减速。我看着两台小车来回跑，笑一句：多大点事，接着奏乐接着舞。前三天咱们聊完车的眼睛、认路本事，今天专门唠车子的大脑 —— 决策规划，掰开说清老式规则算法和新一代大模型、世界模型的差距，超车、等红灯、避让行人背后整套逻辑。
行业
三类人的真实痛点，句句戳心：
新能源车主：同款车型，老款辅助驾驶遇到路边玩耍儿童、掉落货物只会急刹，新款能提前减速避让；分不清 “基础 NOA” 和 “大模型 NOA” 核心差别，销售只吹 AI 智能，讲不清预判能力差距；遇到突发场景车辆反应迟钝，总担心行车安全。
底盘 / 标定研发：算法输出的轨迹不符合车辆动力学极限，高速变道轨迹过急，车身大幅晃动；规则库海量场景维护成本极高，新增路况就要迭代代码；大模型输出轨迹无约束，还要额外做安全校验，联调工作量翻倍。
技术型销售：客户总问 “这车会不会预判突发情况”，只会生硬复述 “搭载大模型”，没有生活化类比；没法清晰区分传统辅助驾驶和高阶智驾的决策差异，抓不住产品核心竞争力。
市面资料满是强化学习、有限状态机等晦涩名词，本篇依旧三层拆解，车主看懂用车差异、研发理清联调难点、销售直接套用讲解话术。
硬核专业拆解（车主通俗版 / 研发深度版 / 销售话术版）
一、决策规划分两层：全局路径 + 局部轨迹
车主通俗
全局路径：就是手机导航规划的整条路线，从家到公司走哪条高速、哪条主干道，只定大方向，不会管路上每一次变道、刹车；
局部轨迹：车子眼前几秒怎么走，要不要超车、等红灯、避让行人、转弯减速，是日常开车安全的核心。
全局定方向，局部管当下，二者缺一不可。手机导航只管全局，智能驾驶是两套同步运行。
研发深度
全局路径规划：基于高精地图路网拓扑，结合拥堵、限行、车型约束输出道路级路线，更新频率低，核心算法 A*、Dijkstra；
局部轨迹规划：时域窗口通常 2-8 秒，输出厘米级连续轨迹，包含位置、车速、加速度、转向角，必须满足车辆动力学、安全距离、交通规则多重约束；
上下层交互：全局路径给出目标车道、行驶方向，局部轨迹实时动态调整，应对临时障碍物、拥堵、施工。
销售话术
“咱们车子的智驾分两层规划，一层提前规划全程路线，另一层实时盯着前方路况，遇到行人、掉落货物提前调整车速路线，不是等撞上才刹车，远近两层配合，开起来更平顺安全。”
二、第一代：基于规则的传统决策（老款 L2 标配）
车主通俗
就像背死规矩：红灯必须停、跟车保持 3 米、前车慢就超车。但路上稀奇事太多，路边滚皮球、三轮车突然变道这种场景，没写进规则里，车子就反应迟钝，只会猛刹或者原地不动。优点逻辑简单，不会乱操作；缺点应对突发场景能力差。
研发深度
核心架构有限状态机 FSM、if-else 逻辑树，把交通规则、安全阈值逐条固化代码；
优势：逻辑完全可解释，故障溯源简单，调试门槛低，早期 L2 车型通用；
短板：长尾场景覆盖极低，每新增一类障碍物、路况都要手动扩充规则库，无法推演物体运动趋势，只能被动响应已经出现的目标，无预判能力。
销售话术
“早期低配辅助驾驶靠固定程序运行，只处理常见红绿灯、跟车场景，遇到路边小孩、掉落杂物这类少见突发情况，处理会比较生硬，容易急刹车。”
三、第二代：通用大模型决策（当前主流 L2+、城市 NOA）
车主通俗
相当于给车装了人脑常识，能看懂路牌文字、听懂语音指令，看懂路边学校、施工标识，明白 “路边有小孩要减速” 这种常识。能看懂画面里所有物体，但没法预判皮球会滚到路中间、行人会横穿马路。
研发深度
依托多模态大模型，融合图像、雷达、导航文本、语音输入，完成场景语义理解；
核心价值：自动识别文字标识、区分复杂交通场景，简化海量规则；
局限：只做静态场景识别，不学习物理运动规律，无法推演物体未来 3-10 秒运动轨迹，属于 “看见才处理”，预判能力不足。
销售话术
“搭载车载多模态大模型的车型，能看懂路边施工标语、学校警示，自动提前减速，听懂口语化控车指令，比老式固定程序更懂路面场景，但只能识别当下画面，没法预判物体下一步动作。”
四、第三代：世界模型 + 物理 AI 预判（高端高阶智驾核心）
车主通俗
不光能看见眼前的画面，还能推演接下来几秒会发生什么：看见小孩蹲路边，预判他会冲出来；路面皮球，预判会滚到车道；雨雪路面自动拉长跟车距离。提前规避风险，从被动刹车变成主动预判，这是高阶车和普通车最大分水岭。
研发深度
世界模型在虚拟空间复刻现实物理规则，内化惯性、摩擦力、物体运动逻辑，实时推演未来 3~10 秒多场景可能性；
VLA 端到端模型打通视觉、语义、物理推理，直接输出控制指令，省去多层数据传递损耗；
优势：完美解决长尾突发场景，具备长时序预判，自动适配雨雪、打滑等物理工况；
短板：训练算力、仿真资源消耗巨大，模型可解释性仍需配套校验模块。
销售话术
“高端车型搭载世界物理模型，不只是识别眼前车辆行人，还能预判行人、非机动车下一步动作，看见路边玩耍的孩子提前收油门，雨雪路面主动拉大跟车距离，面对突发杂物处理更从容，是高阶智能驾驶核心壁垒。”
一线实操避坑专栏
车主用车避坑 3 条
搭载传统规则型辅助驾驶车型，路过学校、小区、集市，提前接管，不要长时间依赖；
不要觉得有大模型智驾就能完全放松，极端突发场景仍存在预判边界，双手轻握方向盘；
湿滑雨雪路面，无论是否搭载物理 AI，都主动降低 NOA 车速，拉长跟车距离。
底盘 / 标定研发踩坑 3 条
直接使用算法输出原始轨迹，未叠加车辆动力学约束，高速变道、急转向时车身失控晃动；
规则库只覆盖标准工况，未增加行人、非机动车长尾场景测试，实车频繁出现急刹；
大模型 / 世界模型输出无安全兜底规则，极端异常决策缺少强制拦截逻辑。
销售讲解避坑 2 条
不要夸大大模型、世界模型，明确告知预判存在时间上限，无法百分百预判所有极端意外；
区分清楚 “语义大模型” 和 “物理世界模型”，不笼统统称 AI，向客户讲清二者预判能力差距。
双向维度总结
技术核心要点复盘
决策规划分为全局路线规划、局部实时轨迹规划，局部轨迹直接决定行车平顺与安全；
行业三代技术迭代：固定规则算法→通用多模态大模型→物理世界模型，核心提升是从被动响应升级为主动预判；
物理世界模型掌握运动、摩擦等物理规律，是应对路面掉落物、横穿行人等长尾场景的关键技术。
生活市井感悟
父亲说种地不能死守一套流程，遇上变天、地形突变要灵活调整；开车也是同一个道理，老式智驾只会死守写好的程序，新款 AI 能像老司机一样预判风险。
很多车主买车只看有没有城市 NOA，却分不清车子 “大脑” 会不会提前预判风险。技术迭代本质是让车越来越懂现实世界的物理规律，而不是只会死板执行命令。凡事多往前预判一步，不管开车还是过日子，都能少出意外。多大点事，接着奏乐接着舞。
互动引导（三类定向提问）
车主：你的车遇到路边玩耍孩童、路面掉落纸箱时，辅助驾驶是提前减速还是突然急刹？
底盘 / 标定工程师：算法输出轨迹动力学不匹配，你常用什么约束算法做修正？
销售：客户问 “大模型智驾好在哪”，你有什么通俗易懂的讲解比喻？
下集预告 + 系列合集引导
下一篇《第 5 篇：线控底盘｜自动驾驶的手脚，没有线控，再强 AI 也只是纸上谈兵》，拆解线控转向、线控制动底层逻辑，讲清高阶智驾必备硬件基础。
本系列全套 9 篇连载，关注专栏持续更新完整智能驾驶拆解笔记。
