长安要造的，不只是一辆车

一家传统车企决定自己做智驾，在今天已经不算什么新闻。

「传统主机厂自研智驾」这个命题，甚至一度在行业里被判了死刑，摊子铺得很大，两三年后做出来的东西与头部供应商存在「代差」，最后半死不活。

买，看上去明显胜于赌。

但这个刻板印象放在长安这里，可能已经过时了。

因为长安这次想做的，不只是再做出一套智驾方案，而是重新搭一套能够持续生产数据、训练模型、验证能力并推动迭代的 AI 基础设施。

2024 年 8 月，长安启动端到端项目，10 月正式通过。当时整个智驾团队约 500 人，真正做数据和工具链的只有 30 人左右，甚至还没有自己的 BEV 方案。

没人、没算力、没数据，只能一边搭底层工具、采数据、训模型，一边招人。两年后，这支智驾团队扩到 1500 人，训练集群规模接近 3 万张卡。

数据闭环、训练体系、仿真工具和端到端模型从零搭起，第一套自研方案开始量产，首发启源 Q06。

长安汽车首席智能驾驶技术官的说法是，长安当时「相当于批了个百亿规模预算给端到端」，这是长安历史上规模最大的战略投资项目之一。

按照行业公开的千卡集群建设成本粗略折算，3 万张卡对应的算力投入同样相当可观。

一家云服务商表示，在他们所有车企客户里，训练规模最大的单一模型是长安，用 4000 张卡训一个模型，比一些新势力还大。

「行业里真正量产一段式端到端的车企和供应商，不到一只手，但感觉在公众脑海里，怎么都轮不到长安」。陶吉说道。

陶吉是这支团队的领头人，从零搭起队伍、把端到端推到量产的，也是他。

这两年，长安表面是在补一套智驾，真正下注的，是从数据采集、训练、验证到量产迭代的一整条「生产智能」能力。

01

为什么长安要自己做？

「智驾该往什么方向发展？」是摆在每位行业从业者面前的思考题。

大多数车企在舒适区里修修补补：有的同时供着好几家供应商竞争，有的想做自研又碍于技术门槛，走了「自研 + 第三方」的折中路线。

但长安选了更难走的一条路，全面押注 AI 科技。

自研对于长安并非陌生，从制造兵器到转型造车，长安都历经了重重考验。

长安实验室里挂着那句广为人知的话：「关键核心技术是要不来的、买不来的、讨不来的」。

过去的教训让长安形成了一种路径依赖：关键能力不能永远握在别人手里。

但问题来了，长安现在还在跟智驾供应商合作，智驾表现也拉齐了头部，自研看上去是不是更像一件多余的事？

更关键的区别在于，过去车企买的是一套可以上车的功能。但在端到端时代，真正需要建设的，是一套能够持续产生数据、训练模型、验证模型并快速迭代的系统。

所以长安真正不愿意外包的，并不是某一段代码，而是这条把真实道路问题持续转化为模型能力的「智能生产线」。

用陶吉的话说，「一段式端到端其实是数据驱动的范式变革，infra 跟不上、这波没赶上，就进不到这个范式，也就没有下一个阶段。」

长期来看，这可能成为主机厂最重要的竞争优势之一。长安搭载智驾的车辆已经是百万级规模，这批车每天在真实路况中跑出来的长尾场景，正是训练模型最稀缺的一手数据。

陶吉的判断是，短期看自研与供应商无本质差异，0 到 1 都是冷启动。但长期看，供应商找主机厂要数据很难，而主机厂能自主掌控地获取高价值长尾数据。

特斯拉是典型的案例之一，其规模化车辆数据，是持续训练长尾场景的重要基础。

陶吉解释，这套能力的核心在于数据闭环，把车跑出来的数据拿回来，重新变成模型进化的燃料，它沉在水面之下，却比水面上看得见的功能更重要。

作为参考，长安天枢领航 Ultra 累计完成超 15.67 亿公里行驶，相当于绕地球 3.9 万圈，以及保持日均超 330 万公里的仿真训练。

如果 AI 只是车上的一个功能模块，车企购买一套方案就能完成交付，自研的价值自然有限。

但如果 AI 将逐步成为整车的决策与控制中枢，竞争的边界就会发生变化：车企要么依赖外部供应商提供核心智能能力，要么尝试把模型、数据和整车工程能力掌握在自己手里。

长安选择了后者。在长安看来，只靠制造和品牌优势，传统车企在智能时代的话语权会越来越低。

当然，说起来容易，做起来是另一回事。长安闯进的这片风暴圈，远比想象中艰难。

02

长安凭什么追赶？

长安天枢领航技术发布后，地平线 CEO 余凯给陶吉发了消息：「真不容易，做出来了」。

或许会有人好奇，头部新势力凭借数据和算力的家底，已经占据先发优势，供应商方案又量产多年、表现稳定，长安等到 2024 年才上桌，凭什么后来居上，甚至决心争第一梯队？

单看团队规模和量产进度，说服力有限，自研智驾也不是仅靠「花钱」就能奏效。

长安的追赶，最终落在三件事上：

• 组织上解决「谁来做、谁说了算」；

• 技术上建立「如何持续生产和筛选模型」的闭环；

• 经营上回答「技术如何被车型和销量承接」。

长安智驾团队阵容堪称豪华，不仅有在工程、交付、规控上做了多年的老长安人，还有从新势力、百度自动驾驶早期团队过来的算法人才。

在外界看来，这像是临时拼凑的草台班子，受命于危难之际的缝合怪，在极短的时间内挑战一个 T0 级别的任务。

让智驾的明白人掌舵，是长安从各自为战变成一个拳头的关键。

为了找这个人，长安花了一两年时间，几乎把国内智驾圈子聊了一遍，不只看 title，还要找气质和想法最吻合的那个人。

2023 年 5 月，陶吉离开创业公司，当时已拿到机器人创业的天使轮 TS，但最终选了长安，打动他的是长安的开放，以及管理层的态度。

当时长安管理层带他逐层转了团队和工位，每到一层都随机抓个骨干聊技术细节，氛围更像科技公司。

更重要的是授权。传统主机厂从外部招来的人才，通常被当作行政领导旁边的顾问，责任主体还是自己人。

陶吉的说法是，「第一天来就拿到了实权，给资源、搭团队、全程为智驾负全责」。长安还给智能化板块单独设了长安科技作为机制「特区」，智驾的签审权、流程都在他手里。

同时还设了薪酬特区：外部高级人才不降薪、现金支付。

长安董事长朱华荣在立项时问的不是「为什么这么贵」，而是「这够不够？是不是太少了」。

他反复表态，做不做得出来，最终责任由他来背。

陶吉对团队的自嘲是「失意者联盟」。很多人过去在别的地方想干、没干成。如果这个地方的土壤恰好适合，「失意者联盟」就会变成真正有战斗力的团队。

据晚点报道，陶吉刚到长安时，团队里做基建（infra）、工具链的只有三十来人，而整个智驾团队当时约 500 人，这个比例远低于行业正常水平，通常一个上千人的团队，跟数据基建相关的至少要占到三四百人。

为了扭转这种局面，长安在 2024 年发起「AI Cornerstone」（基石计划），把大批校招和转岗人员转向数据基建方向，承诺干满两年后可自由选择新方向。

当时不少人仍觉得基建不重要，更愿意在车上写规控代码。

这里的难度在于，长安不是在空地上打地基，而是一边量产上一代方案，一边重建下一代生产体系。

2023 年底，团队做了一个三年规划，第一年先用上一代感知大模型加手写规控，把高速 NOA 快速做出来，同步补工具链。

2024 年下半年高速 NOA 量产后，理想用端到端弯道超车，长安判断城区 NOA 不能再用老范式，必须直接进入端到端，随即开始立项。

转向一段式端到端后，数据闭环的要求高了几个数量级，不可能再靠人工逐帧标注，必须建立一套大规模自动挖掘、清洗、标注和切片的数据流水线，把训练所需的 clip 批量生产出来。

仿真体系也必须同步重建。长安早期使用的供应商工具，一次只能并行几十个用例，而一次代码提交就要跑数万条仿真集进行筛查。于是团队又从 logsim 逐步走向 worldsim，把测试验证能力补到与模型迭代相匹配的程度。

这个过程，陶吉形容为「边开车边换轮子」。仅把整套数据闭环系统和底层云平台打通，就花了至少一年时间。

如今长安只有最底层的云服务用到供应商，陶吉认为基建已进入行业第一梯队。

这也是长安跳过两段式、直接做一段式的原因之一。立项后团队花了三四个月并行尝试两条路线：两段式对传统感知储备和标注精度要求更高，起步更慢；一段式省去中间环节、理论天花板更高，但对测试验证和仿真能力要求也更高。

「我们最终选了一段式，因为这条路线攻克的是未来的方向」，陶吉补充道。

这套体系的效果，体现在迭代速度上。从团队建立到高速 NOA、城区 NOA 量产，长安只用了两年时间。

一个月之内，汽车之心体验了三个不同的天枢 Ultra 版本：前两个版本开起来像刚上路的新手，第三个已经像见过很多场景的老司机，整体沉稳了很多，此前跟车空档偏大、行车偏慢的问题也解决了。

这背后是高频的模型迭代机制，据了解，长安每天训练十几个到上百个候选模型并评分，再通过仿真和道路测试筛出高分者上车验证。

这些沉淀下来的数据配方，「不是靠几个人带走几段代码就能复制到另一家公司」。

目前长安的训练数据约 2000 万个案例、对应约 16 万小时，清洗、挖掘、打标后的数据总量约 100 万小时。

团队目前只使用了其中一部分训练模型，其判断是，许多能力缺口未必来自「没有数据」，而在于能否识别出正确的数据并给出合适配比。

陶吉本人几乎每天都会试驾新版本，最晚测试到凌晨 3 点，专门去找出租车多的酒吧街等复杂场景；一般前天发现的问题，最快第二天就会有新的候选模型出来验证。

「央企」二字，对于长安是一块金字招牌，但同时也是一份责任，落到智驾上同样如此。

陶吉承认，「我不只是技术负责人」，用什么硬件载体、怎么做出车型愿意买单的方案，都是他要考虑的事。

这也是长安和部分新势力的重要差异：新势力早期可以用高配研发、高阶智驾先把品牌和估值立起来；但长安最终必须让技术投入被车型规模和经营结果承接。

长安的车型价格带从不足 10 万元到 30 万元。如何在不同算力平台、不同品牌、不同价格带上复制能力，而不是只做一套昂贵样板，是这支自研团队必须回答的经营问题。

长安的解法之一是「芯片自由」而非自研芯片：如果同一套模型能在 500 TOPS 和 100 TOPS 平台上跑通，中间再适配 200、400 TOPS 的成本就会更低，货架组合也更灵活。

分摊的另一面是搭载量。长安计划让旗下品牌逐步搭载自研方案，包括启源、深蓝、阿维塔，以及马自达、福特等合资车型的同步规划。

朱华荣近期在会议上提到，要学会接受 AI 不像发动机、电池，开发完一代就不用持续投入，「AI 研发完一代，还有下一代、下下一代，每年都是一样的规模投入」。

长安需要「聪明地解决资金来源」，内部搭载量上来规模化分摊，同时向外融资、外溢到相关领域。

安全同样是重要课题。长安智驾的量产验收标准并不只看功能成熟度，还同时考察横评体验、统计指标、bug 数量，以及 S 类问题等多条线。

智驾团队和质量部门为此争过很久。质量部门曾要求 S 类（碰撞风险类）问题必须为 0，研发则认为 AI 是概率系统，任何一家都做不到 0。

深入交流后才发现，质量部门指的是「低级问题」：不复杂、非突发、本该处理好的问题，「用户能理解难的问题解决不了，但不能理解简单问题也解决不了」。也就是说，双方争论的并非「绝对零风险」，而是已知的低级问题是否必须清零。

最终双方各退一步，质量部门接受百公里问题数、DI 值等统计视角，研发接受该解决的低级问题必须解决。S 类问题的定义，也是最近几个月才逐渐成形。

据了解，Q06 上市前内部准备了三个不同风格的智驾版本，而上市节点又早已锁定。对长安来说，这是自研团队打出的第一枪，只能赢，不能输。

03

自研智驾之后，长安要去哪里？

自研智驾是明牌，但暗线上是一家央企求变的决心。

启源 Q06 预售期间，长安智驾工程师在门店调研发现，进店的消费者分成了两拨人，看启源 Q05、Q07 会优先考虑空间和性价比，而看 Q06 则有更高的智驾需求。

一位五十多岁的大叔，平时都在关注智驾新闻，偶然刷到 Q06 的智驾评测，结果到店里试驾完就给女儿定了一台。

这跟以往是两种完全相反的画面，以前来长安门店看车的人，不会想到体验智驾，更不会为了智驾专门跑来看长安的车。

长安的门店调研显示，有 80% 的用户会主动追问智驾，有人的说法是「我用不用你别管，你最好得有」。

陶吉的判断是，主流用户已经在门口敲门了，但跨进门的那一下还需要助力，长安今年开始在各地门店放大屏做属地直播，播当地真实的智驾测试，有接管也照样播，先让销售有信心，再让用户对能力边界有清晰认知。

但如果只把自研的意义停留在「把成本打下来、对得起用户预期」，就低估了长安的算盘。这套持续生产智能的能力建成之后，它还准备把能力外溢到哪里，才是更值得观察的部分。

第一层，智能驾驶产品化延伸：个性化驾驶。

在长安的判断里，通用基线拉齐之后，差异化首先会出现在驾驶风格和个性化体验上。

同一套智驾，不同的人用起来感受不一样，不同地区的用户要求也不一样，比如让系统记住经过某段路只走第一车道、赶飞机时希望快一点、家人坐在车上希望稳一点。

团队甚至专门采访过私人司机，发现「不用开车」只是其一，更重要的是特定路线、私密地点和驾驶风格等个性化需求。未来可能出现的商业形态，是「一个基础版本 + 不同风格司机」的能力订阅。

前提是通用基线先做扎实，把能力拉到「专车司机」的水平：又快又稳，这是安全感的基础，基线之上才谈得上私人司机体验。

第二层，整车智能：从「智驾+ 座舱」到统一的智能体。个性化体验之外，长安想走的另一条路是整车。

今年做「舱驾一体」的玩家不少，但基本都停留在上层功能的打通，内部还是一分为二，舱和驾各跑各的系统。

在陶吉看来，今天的舱驾一体芯片更多还是基于降本需求，节省周边元器件、供电、线束，「智驾跑智驾，座舱跑座舱」。

长安启源 Q06 目前已经展示出一部分能力，比如用户在路上询问「前面是哪个品牌、哪一年的车、价格是多少」，系统能够识别并回答。

或者是一些交互式领航功能，让智驾系统往左 / 右变道、绕开前面的慢车。

但这并非长安的最终目标。它更想验证的是，驾驶、座舱、底盘和热管理这些今天仍分散的子系统，能否在同一个智能体里协同。

2024 年的长安科技生态大会上，陶吉就提过「全模态的输入、全模态的输出」。

整车应该是一个完整的智能体（Agent）：输入包括摄像头、导航、语音、车内传感器和座舱交互，输出则不只有驾驶动作，也包括语言反馈和车内控制。

在长安的设想里，真正的 AI 汽车不是「智驾 + 座舱」的叠加，而是一个统一的 Agent。

SDA 中央环网电子电气架构，是这套统一 Agent 得以落地的底层前提。

要让整车真正协同，还需要更进一步的建模：把车辆动力学、底盘悬架、车身姿态和电池热管理等整车物理参数，逐步纳入统一训练与决策框架。

长安希望逐步打通大算力平台与底盘等控制系统，让整车动力学信息进入统一的决策与训练框架，在保留必要安全冗余的前提下实现跨系统协同。

训练数据也会随之从「驾驶片段」扩展到「整车片段」—— 把驾驶数据、交互数据以及用户与车辆的操作反馈，在脱敏前提下放在一起分析。

陶吉刚到长安组建智驾部门时，就把座舱 AI 多模态大模型划进智驾，他的判断是，如果将来真走向一个大脑，合到一起很有必要，中间内核必须完全长在一起，外面只留一层很薄的用户个性化层。

第三层，从「会开车」走向「理解人和环境」。

陶吉把智能拆成三块：本体智能、心智智能和语言智能。

在他看来，许多玩家先把语言能力上车，却忽略了对他人意图和环境关系的理解；模型能「说」，未必就真正能「懂」。

以交替通行场景为例，系统连续让两台车之后，会不会意识到第三台车应该让自己先行，还是一直在原地等其他车主动让行。

某种程度上，如果系统能够更好地理解他车与行人的意图，AI 进入物理世界的能力才可能从辅助驾驶继续向更高阶演进。

第四层，行动 AI：长期设想，而非既成能力。

最早长安接近陶吉时提到，先一起度过眼前的苟且，再奔赴诗和远方、一起干具身智能。

这句话不是随口一说，现在长安几乎每次开高管会议或战略会，都会提到具身智能，而且内部也已经在规划具身智能团队。

在长安的设想里，汽车技术未必能直接迁移到机器人，但汽车完全可能成为它训练行动 AI 的第一个物理世界。

汽车与机器人面对的并不是同一种物理世界：驾驶涉及高速移动、博弈关系和复杂交通规则；机器人操作则受制于接触状态、动作空间和三维操控。

因此，汽车上的能力可以成为基础，却不能直接推导出机器人上的成功。

会做事、会懂人、还要一直处在移动中，这些能力如果先在智驾上练成，再向更广义的物理世界外溢，才有讨论价值。

朱华荣在内部反复讲「无 AI 不长安」，陶吉对此的理解是，把智驾自研干成的过程，本身就是一次启蒙，能够带动整个长安的思维方式跟着转过来。

如果这套路径能够继续跑通，长安得到的就不只是一套智驾能力，而是一套可以持续进化的 AI 技术体系。

传统车企过去要回答的是，怎样把一辆车造好。AI 时代，车企还需要回答另一个问题：如何让一辆车在交付之后，仍然能够持续学习和进化。

汽车，或许只是长安训练 AI 的第一个物理世界。