作者｜苏佳灵

过去两三年，「智驾平权」一直是汽车行业的高频词。

但高阶智驾真正往下走，始终绕不开一笔账：更高算力的芯片、更丰富的传感器、更大的研发投入，以及量产之后持续产生的数据和维护成本。

长期以来，高阶智驾几乎等同于更高的成本。

所以，10 万元以内做出一套高阶智驾，真正值得关注的从来不只是做出来，还有这套系统能不能长期跑得起来。

零跑正在把这个问题摆上台面。

LWM 世界模型辅助驾驶，开始进入 10 万元以内的车型，200TOPS、640TOPS 和 1280TOPS 的不同算力平台都能部署，与此同时，已经卖出去的 35 万辆激光雷达版车型，也可以免费升级。

表面看，这是一次智驾能力的下放。

但再往下看，它更像是一场关于成本的实验：

如何把一套高阶智驾，从高价车型上的技术能力，变成一套可以跨硬件、跨车型、跨生命周期规模化交付的产品。

这也是零跑这次真正值得观察的地方。

高阶智驾下探不只是技术下放，更是一次成本考验。

对于一款 10 万元级车型，电池、车身、底盘、座舱和智能化配置，都在争夺同一份有限的预算。

零跑把世界模型辅助驾驶带进这个价格带，核心要解决的是成本。

智驾降本，最容易落到硬件参数上：换芯片、传感器。但零跑手里还有一张牌：全域自研。整车架构被重新设计之后，释放了智能化配置的成本空间。

零跑高级副总裁周洪涛透露，EEA 4.0 架构的成本只有 1.0 时期的 40%。

整车电子电气架构和底层系统成本降低之后，更多的预算可以投入到激光雷达、摄像头和智驾芯片等智能化配置中。

零跑全域自研的价值在智驾层面释放，当智驾不再是一个独立外挂的配置，零跑要做的，是把智能化成本放进整车整体成本结构中重新计算。

车企可以把整车架构、硬件选型和软件开发放在同一个系统里统筹，而不是分别向不同供应商购买不同的能力。

高阶智驾下探并不意味着智驾要省着做，靠架构效率，让整车在售价不变的情况下，为智能化保留更多弹性。这也是 10 万级世界模型辅助驾驶能够落地的前提之一。

从这个角度看，高阶智驾下探到 10 万元级，考验的不只是智驾部门，还有整车企业整体工程能力，以及战略级的成本控制。

但整车架构解决的，只是硬件怎么省。对于仍在快速演进的智驾技术，另一笔更容易被忽略的账，是研发试错成本。

零跑并不是一开始就把世界模型视为唯一答案。

在此之前，团队曾并行探索世界模型、二段式端到端等路线，通过 Demo 验证不同技术路径的实际表现。

世界模型的接管率表现更低，最终被保留下来，另外两条路线停止推进。

这其实也是一笔成本账：技术路线越早确定，后续模型训练、数据积累、软件架构和车型适配形成的沉没成本，就越容易被控制在早期。

反过来，一条路线进入量产之后再切换，付出的就不只是重新训练一个模型，而可能是整套系统的重构。

早期，零跑世界模型项目的团队只有 10-20 人，测试阶段曾把 3090 工控机放在测试车后备箱中进行快速验证，先用小规模资源验证路线，再决定是否扩大投入。

对于一条最终可能进入数十万辆甚至百万辆汽车的技术路线来说，这也是在控制研发试错成本。

当然，短期研发效率并不等于长期成本一定更低。世界模型进入量产之后，仍然需要面对数据规模、模型验证、时延优化和跨车型适配等问题。

但至少从研发阶段看，零跑的成本控制不只发生在采购环节，也发生在技术路线选择和研发资源配置上。

对于仍在快速变化的自动驾驶技术而言，车企不仅要比拼最终模型能力，也要比拼技术判断和研发资源配置能力。

高阶智驾的下探，已经越过采购层面，进入整车架构、模型路线和研发组织等多个层面的成本重排。

把世界模型辅助驾驶带到 10 万元内，零跑还需要解决另一个问题：同一套能力，在不同算力平台上稳定运行。

LWM 世界模型辅助驾驶，可以覆盖 200TOPS、640TOPS 和 1280TOPS 的不同算力平台。

零跑世界模型智驾团队负责人冯铭月提到，200TOPS 的 8650 平台可以满足日常通勤需求，而 640TOPS 的 8797 平台，则能够在极端场景反应速度和功能丰富度上提供更多能力，比如语音控车。

朱江明的判断更直接：

纯粹为了开车，类似 8650 芯片的算力就足以做到基本好用。不同车型和算力平台，可以共享同一套 LWM 技术底座，再根据硬件资源进行模型适配。

将模型部署到更低算力平台，真正考验的是系统分工。模型参数量只是表象，真正要重新处理的，至少涉及三个层面。

第一个层面，在有限算力下，完成足够有效的环境理解和轨迹预测。

零跑的做法，是把模型训练和推理拆开。

云端运行 128B 参数的基座模型，负责训练和能力提炼。

车端通过蒸馏、压缩后的轻量化模型完成实时推理，再部署到 200TOPS 到 1280TOPS 的不同平台上。

于是，模型能力的规模和车端芯片的算力，不再简单画等号。

不同算力平台根据资源条件运行相应的轻量化模型，模型能力不再与车端算力线性绑定。车队数据持续回流云端，支持后续模型迭代。

在 200TOPS 平台上，系统响应时间可以做到约 0.2 秒，而人类驾驶员的平均反应时间，在 0.75 秒到 1.5 秒之间。

跨平台部署的难点在于，让不同硬件配置的汽车能够共享尽可能多的模型能力。

高阶智驾规模化走到最后，拼的就是谁能把一套模型能力拆分、压缩、适配，并稳定交付到更多硬件平台上。

第二，系统要减少不必要的计算和中间转换。

架构设计上，零跑放弃 BEV 视角转换，保留图像的原始透视关系，尝试通过视频自监督和 3D 占据自监督学习语义、距离与空间信息，再直接预测车辆轨迹。

零跑试图减少传统感知链路中的中间表征和模块转换，让模型从原始视觉输入更直接地走向驾驶轨迹。

对于 10 万元级车型而言，这种架构选择的价值不只是提升模型效果，也在于减少车端计算和系统维护的负担。

同时，规则只用于红绿灯这类交通法规兜底，代码量因此砍掉九成。

这条路线将部分原本由大量规则和中间模块承担的工作，转移到模型的学习能力中。减少系统之间的接口和维护负担，相应地会提高模型训练和验证的重要性。

因此，第三个层面落在闭环上：模型输出与车辆控制系统形成稳定的闭环。

模型越直接地参与驾驶决策，车企就越需要证明它在各种场景下的行为边界。

高阶能力简单打折，做不到 10 万元内。零跑的逻辑并不复杂：让现有算力发挥最大的价值。

这套思路真正有意思的地方在于，重新划定了硬件与算法之间的关系。硬件决定能力上限和部署边界，但算法架构，决定已有硬件能被用到什么程度。

当高阶智驾进入 10 万元区间，算力不再是能持续加码的资源。把有限的硬件资源转化为可持续交付的智能能力，是通往更大规模市场的门票。

把高阶辅助驾驶带进 10 万元以内，还得「养得起」。

智驾研发投入，一方面是固定投入，达到一定规模之后，边际成本会下降。另一块是变动成本。对于世界模型辅助驾驶而言，交付只是起点。数据采集、运营维护等，持续产生成本。

按照周洪涛的说法，目前零跑在 C 端不会过多考虑软件收费，软件价值已经被纳入整车产品价值，软件不只计入成本，也构成整车竞争力的一部分。

同时，零跑也在探索 ToB 合作、第三方生态互联等软件层面的增量收入。

这是一种不同于订阅制的商业思路，软件能力内化到整车产品中，既是成本，也是竞争力。零跑算的可能不是一笔智驾软件卖多少钱的账，而是智驾能力能够为整车产品和整个车队创造多少价值的账。

于是，规模就成为摊薄研发投入的重要支撑。但对智驾而言，规模不只有销量一种含义，至少要拆成三层：销量规模、装机规模、数据规模。

先看销量规模。

按照长安做的敏感性分析，假设智驾专项年固定投入 50 亿元，第三方方案单车综合成本 8000 元，盈亏平衡点大约落在 62.5 万辆。

零跑的成本口径不同，但这个估算提供了一个参照。

零跑 6-8 月连续三个月销量超过 10 万台，目前总交付大概 180 万辆，世界模型辅助驾驶如果能进一步影响购车决策、提升车型竞争力，最终拉动销量，更大的装机量就会摊薄固定研发成本。

再看装机规模。

拿零跑 A10 505 激光雷达版来说，上市四个多月的销量是 28373 台。

除此之外，零跑已经售出的约 35 万辆激光雷达车型，可以免费升级 LWM 世界模型辅助驾驶系统，早期一万多辆车存在硬件平台不一致的情况，算法重构成本至少达到 5000 万元。

这笔钱花出去之后，同一套软件能力覆盖的车辆基数被直接放大，单车软件成本相应被拉低。

朱江明将免费升级的逻辑概括为「用户是衣食父母」。

免费升级，可以被理解为对既有用户承诺，零跑选择把这部分成本纳入产品生命周期之中，车企卖的就不再是一次性功能，而是长期的软件承诺，老车主关系成为零跑产品资产的一部分。

这就落到了第三层：数据规模。

更高的系统启用率和有效行驶里程，意味着更多真实道路数据进入模型迭代闭环，汇向云端大模型，提升迭代效率与质量。

模型体验改善之后，用户使用更频繁，数据回流也随之增加。

三层规模各自对应一笔账：销量决定固定成本能摊多薄，装机量决定软件价值能覆盖多少车辆，数据规模决定模型迭代能跑多快。

三笔账同时算平，高阶智驾在 10 万元车型上才真正养得起。

10 万元高阶智驾真正改变的，可能并不是一个价格数字，更是车企计算智驾价值的方式。

智驾从一项高成本配置，变成能够在整车体系、企业生命周期中持续复用的能力，背后是一场围绕研发、装机和数据规模的长期算账。

当高阶智驾进入 10 万元内，车企的下一道题，才刚刚开始。点击文末「阅读原文」参与案例征集。