来源：芝能汽车
2025年12月30日，卓驭品牌盛典2025讲了不少的故事。
最让人印象深刻的是，陷入“解决一个问题冒出十个新问题”的困境，在2024年10月不得不全删原有代码库，这个让人觉得有点不可思议，我们来讲讲这个故事。
在辅助驾驶的发展过程中，规则驱动是一条被反复验证的技术路径，通过不断补充规则、优化状态机，系统在相对封闭的场景中可以实现稳定运行。
中国城市NOA在不同城市道路复杂度的持续提升，边界也逐渐显现：规则越来越多，系统却越来越脆弱，真正困难的并不是“写不出规则”，意识到“再写下去也解决不了问题”。
我们看2022、2023年，甚至到2024年的二段式端到端都有规则算法在兜底，直到2025年的变化。
备注：这个观点在地平线的苏总，在理想的辅助驾驶表述中，大家都遇到了这样的问题
在转向端到端之前，卓驭经历了典型机器人学派的演进过程。感知、预测、规划、控制分层清晰，规则体系不断完善，在早期阶段也取得过不错的工程效果。
但随着场景规模扩大，显露出明显瓶颈：规则之间相互影响，维护成本快速上升，一些长尾场景始终难以覆盖。
2024 年 10 月，卓驭彻底放弃原有代码体系，从头构建新的技术栈。
在开放环境中，规则驱动已经难以支撑规模化落地。如果继续修补，只会把更多资源投入到边际收益越来越低的工作中。与其如此，不如把系统交给数据，让模型去学习人类驾驶背后的整体行为模式。
这意味着短期内推翻既有成果，也意味着要承担转型过程中的不确定性。但对卓驭而言，这更像是一种工程上的自救。
卓驭的做法是借鉴特斯拉的“巧力”思路：端到端是一种系统层面的重新理解，没有让视觉、理解和控制完全压缩进单一模型，保留了相对清晰的功能分工，保留工程可解释性和调试空间。
卓驭重点解决了两个长期困扰行业的问题。
◎ 一是因果关系的建模。完全黑箱的模型虽然在数据充分时表现突出，但在复杂交通场景中，一旦出现异常，很难判断系统决策的来源。通过结构化的模型设计，引入一定的工程先验，可以在一定程度上缓解这一问题。
◎ 二是低频场景的覆盖。真实道路中，极端情况本身就不常出现，单纯依赖真实数据积累，成本和周期都难以接受。卓驭通过工程化的数据生成与增强方法，尝试用更可控的方式补足这部分短板。
在量产场景中，算力和成本始终是绕不开的约束，卓驭的选择在相对受限的硬件条件下反复打磨。
在高通 8650 平台上，卓驭实现的系统性能可以接近双 Orin X 的效果，而且尝试端到端网络成功部署到 TDA4 平台。
在行业普遍认为端到端需要高算力的背景下，通过模型压缩、算子优化和系统协同，卓驭实现了“中算力城市领航”的可行方案，工程团队对算力利用率和传感器信息密度的理解能力。
在高悟性端到端模型中引入可解释机制，通过安全推理框架校验轨迹，选择最优路径，让“黑盒”变得可解释、更可靠。
卓驭的应对路线核心在于“在统一架构上向上延展”：从TDA4到8650再到舱驾一体8775，架构一致可复用，避免了重复投入，Thor芯片的L3/L4方案与高通SA8797（SA8650的延伸）的舱驾一体方案的相继发布。
◎ 成行智驾 V4 PLUS：硬件：11V3R 1L12U、J6M，128TOPS
全场景城区领航、高速领航 ETC 通行、全向主动安全增强、跨层记忆泊车
◎ 成行智驾 V4 PRO：硬件：11V3R 1L12U、高通 SA8650A 算力200 TOPS
车位到车位、全场景城区领航、高速领航 ETC 通行、全向主动安全增强、跨层记忆泊车
◎ 成行智驾 V4 MAX：硬件：11V3R 3L12U、THOR U*1，算力：700 Sparse TOPS
VLA 司机代理、特殊场景应对、泛化场景决策、盲区防御性减速
VLN 无图车位到车位、全场景城区领航等（同 PRO）
◎ 成行智驾 V4 ULTRA：硬件：12V5R（4D） 5L12U、THOR UX2++ J6M，算力：1500 TOPS
从迭代的路上，卓驭构建了新一代端到端世界模型，涵盖视觉基础模型（VFM）、动作世界模型（AWM）以及融合语言大模型的 VLA（视觉-语言-动作）架构，实现更精准的感知、更拟人的智能驾驶决策。
采用“预训练+后训练”模式，兼顾大数据基础训练与长尾场景快速优化。
站在新十年起点，卓驭宣布"It's all about mobility"，构建移动智能基座，引领自主移动机器人时代。
业务边界从乘用车拓展至重卡高速NOA、无人物流车等领域，解决干线物流安全效率痛点，赋能矿山、港口等场景智能化转型。
同时，卓驭焕新品牌的愿景为“引领自主移动机器人时代”，简单来说从乘用车领域拓展到了新的边界，我们可以期待一下。
特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。
