冰山之下，长安天枢领航的三年，一个央企的ALL IN样本

原创｜BlueKosmos 编辑｜X

从无人无算力到端到端量产，长安如何完成了符合央企逻辑的全栈自研。

9月上旬，长安汽车的一间会议室里，长安汽车首席智能驾驶技术官陶吉与三位核心骨干，坐下来做了一次交流。

没有发布会的灯光和掌声，话题却十分深刻，从团队融合到技术路线，从S类问题之争到智能驾驶辅助的未来形态，一聊就是近两个小时。

而交流的起点，从三年前陶吉的人生岔路口说起。

彼时手握天使轮的他，在智能化的落地方向上还有几分犹豫：具身智能的载体到底是机器人，还是汽车？但与众多车企的沟通后，方向似乎逐渐清晰。

『长安是其中最特别的一家』，陶吉表示，长安对自研的决心让人相信，加入长安必然能有看得见、摸得着、能落地、有用户的成果。而这份踏实感，无论对个人还是团队，都将是最佳的智能化落地途径。

01

两种基因

如何融为一体

在谈及团队的属性时，陶吉表示，『团队底色跟新势力不太一样。』

长安的团队里，有相当一部分是本土智能化体系培养出来的人才，在工程、交付、规控方面积累深厚，对车辆本身的理解更为透彻。外部引入的人才则偏向AI算法，掌握更新的算法能力，拥有更广阔的技术视野。

两拨人要真正融合，互相理解对方的思维方式，不是一件容易的事。故此，目前团队内部已形成了一个『1:4:N』的结构。

『1』是某个方向的领头人，必须是拥有专家级眼光的人，清楚该领域的方向、该挖哪些坑、该避哪些坑；『4』指能把想法落实下去、真正干过、实操过的人；『N』则是执行力强的人。

简单来说，1 指方向，4 拆分任务，N 快速执行。

目前，团队跨重庆、北京、上海三地办公，算法头部人才主要集中在北上，重庆则以主机厂背景的人才为主。但团队的主要工作地仍是重庆。

虽然核心骨干层多是外部引入的专业人士，比如数据平台负责人来自头部智驾公司，仿真负责人来自头部互联网大厂，自动标注算法负责人来自某造车新势力。不过，在同一个目标下，各类人才快速融合，在很短的时间内，形成了可执行的高效团队，呈现出长安开放与包容的企业文化。

02

从白纸到量产

如何一年多能跑完

组建了扎实的团队，核心的端到端项目便快速被提上了日程。专访中，陶吉回顾了其中的艰辛，『从立项到现在，大约一年三个季度，整个过程应该算是在边搭（模型），边招（人），边推进。』

不过，摆在团队面前的时间节点却十分明确——Q06被定为长安战略重磅车型，上市时间不会变，因此端到端的交付时间也不能变。而在公司层面给到的期限则是压在了2026年9月左右。

时间紧，任务重，便是彼时团队的真实处境，而陶吉团队给出了破局之道：『一套完整的技术闭环。』

数据层面，目前用来训练的数据约2000万Clips，对应16万小时，已经清洗挖掘打标后的总量是100万小时，只用了大约六分之一的库存在训今天的模型；算力层面，团队识别出万卡级别的起点，目前新疆哈密和重庆长安两地构成30000卡级别的智算中心，每天并行300多个模型实验，产出100多组模型；仿真和测试是另一个关键环节。端到端早期高度依赖实车测试，但全国泛化过程中实车测试成本非常高，模型迭代也快。

陶吉表示，伴随着模型Scaling Law带来的能力跃迁，技术正处在加速上行区间。依托完整的全栈自研体系与丰富的前沿技术储备，长安已经具备跻身行业最前列的全部基础条件。很多沉淀已久的能力很快将陆续显现，大家会持续看到长安向上突破的过程。

03

S类问题之争

概率与确定的博弈

陶吉在专访的过程中，也向媒体透露了一些研发过程中的细节，例如在量产过程中遇到的『S类问题』之争。

由于AI系统是概率系统，有不确定性，理论上S类问题（比如碰撞风险）不可能是零，从算法部门看来，统计指标提升至极限即可。而这在质量部门的逻辑中则是不可接受的，因为用户遇到一次就是百分之百，频率再低也不能被平均掉，看到了就不能放过。

在陶吉看来，双方的观点皆是站在了各自理性的角度，一头是算法，一端是用户，而团队要做的是两头不能堵，两端都要通！最终的解决方案被称为『双轮驱动』。

一轮是AI系统交付体系，看统计趋势、全国泛化、场景族回归，回答模型有没有进步；另一轮是传统汽车工业交付体系，看逐项闭环、用户不可接受case、S类问题，回答模型有没有资格上车。

两轮交汇于量产放行评审，概率智能和确定性交付在同一个决策点上达成和解。

其实，站在第三方的视角来看，这场争论的意义超出了长安本身。

所有做智能辅助驾驶自研的车企，迟早都会遇到算法团队和质量部门的碰撞。概率系统的天然属性与汽车工业的零缺陷文化之间，存在根本性的张力。

长安给出的方案确实为行业提供了一个可参考的框架。

04

全栈自研

代价到底几何？

其实，我们都知道在当下的行业中，不少车企会采用供应链中的成熟方案，那么为什么长安要投入这么大做自研？

陶吉的回答分几层。

首先，千人规模的团队对于智能辅助驾驶行业而言，属于正常的规模，但长安作为央国企，搭建上千人的团队，确实是同类型中的少有。

但更根本的原因在于长安的精神内核，要把核心技术掌握在自己手里。长安历经多次转型，从军工起家，后来转型做微车，再转型做乘用车，其中的曲折经历，造就了长安『凡事要靠自己』的传统。此外，客观来看重庆离东部沿海远、离主流供应商远，这些因素也叠加，进一步加深『非要自己搞』的危机感。

陶吉同时指出了一个重点，长安汽车正在从传统制造到智能低碳出行科技公司跃迁。如果只是做汽车制造和销售，确实可以不用自研，供应商方案也能拼出来。但成为科技公司意味着以进化的思维看待所有事情，以数据驱动所有事情，以新的生产力工具链做所有事情，将来未必只是汽车。要完成科技公司的转型，智能辅助驾驶自研就是第一步，借助这个过程掌握核心能力。

05

物种与个体

双重进化向何处

谈话中，陶吉也透露了长安在技术路线图上长期规划：世界模型、本体模型以及心智模型，三者持续协同进化。

其中，世界模型负责懂路，从看清道路走向理解因果与未来。而本体模型负责懂车，从像素到轨迹走向像素到真实运动结果，把制动、转向、轮胎抓地力、车辆负载都纳入建模。最后，心智模型负责更懂人，推演自己的行动将怎样改变对方的决策，补上今天智能辅助驾驶在博弈层面的缺失。

今天的智能辅助驾驶里，博弈还是偏简单规则，靠预测未来几秒，端到端里更多是『我见过这样的博弈场景，所以大概率这么搞是对的』，并不会去理解其他交通参与者会怎么受自己行为的影响。心智模型在更高层级的自动驾驶要求里会需要，但整个行业技术上还需要再突破。

『比三模型更贴近用户的，是个性化。』陶吉认为，今天行业都觉得智能辅助驾驶将来会收敛，都跟老司机一样，所以一家做好了，大家用就完了。但实际发现并非如此，同一个版本不同的人开感受完全不同，各地泛化用户的要求也不一样。

一个基础版本够用之后，能不能有不同风格的选项让用户订阅付费？视频网站的订阅逻辑就是基础片源一样，但各家有独家片源才能吸引用户。智能辅助驾驶既有用户需求，商业化上也可能是一条路径。

故此，长安把未来的进化分为两个层面。

物种智能层面，车队共同学习道路规律与驾驶经验，一辆车遇到的问题推动所有同类车变得更好，OTA让物种进化；个体智能层面，车辆长期理解用户的习惯与偏好，同一款车逐渐长成为更适合每个人的那一辆，记忆让个体成长。

06

冰山之下

从来没有捷径

近2小时的交流后，在我脑海里首先浮现的是，长安科技生态大会的演讲里的一张冰山图。

水面上是端到端版本的正式发布，水面之下是全国道路测试、数据湖仓、模型训练、智算中心、仿真考场、4D高斯重建、无人化测试系统、质量评审、量产闸门等一长串基座。

外界看长安智能辅助驾驶，看到的是Q06上市、是端到端版本发布、是第一梯队的目标。但支撑这些水面上的成果，是上千人团队三年的投入，是文化融合的阵痛，是算法与质量的碰撞，是从0到1搭建整套工具链的笨功夫。

专访的尾声，陶吉表示，走向物理世界AGI的路还长，回头看这两三年不算什么，目前仍还是序章，更困难的继续攻坚还在前头。不过最难的是，坚定地相信、坚定地投入，坚持人和机制的适配。简单来说，坚持本身，才是最难的事。

应该说，长安智能辅助驾驶三年的样本意义，在于它证明了一件事：在『自研失败论』盛行的行业氛围中，一家央企只要真投入、真融合、真扛住质量碰撞，依然能把智能辅助驾驶自研这条路走成功。