对话零跑汽车周洪涛、冯铭月：零跑世界模型的300天｜甲子光年

事以密成。

作者｜张麟

编辑｜王博

零跑智能辅助驾驶能力的存在感一直不高，甚至一度“有些落后”。

2025年2月，「甲子光年」与朱江明进行了几个小时的对话，作为零跑的创始人，朱江明当时对智驾的态度偏向保守，研发方向和进度更多采用“跟随策略”——他并不希望在智驾行业还不成熟的时候投入过多的试错成本。

一个直观的体现，是当时零跑正在主攻端到端大模型上车。

对比之下，小鹏在2024年5月就实现了端到端架构的智驾大模型上车；特斯拉更早，2023年8月，端到端架构的FSD V12版本正式问世。

朱江明是技术专家出身，他是大华股份的联合创始人，做了三十年的工程师。零跑的一众高管也都有技术背景。比如周洪涛，作为零跑高级副总裁，他不仅是零跑的早期核心成员之一，同时也是零跑电子产品线的负责人。

零跑高级副总裁 周洪涛，图片来源：零跑汽车

零跑团队在很多技术领域都证明了其自研的实力，但是在智驾系统方面，似乎进展缓慢。

就像长跑比赛中的“跟随跑”一样，朱江明提到的“跟随策略”并不是消极应对，而是伺机超越。

在2025年底，零跑举办十周年发布会的时候，冯铭月主张的世界模型智驾方案刚浮出水面一个多月 。如今，他的身份是零跑世界模型智驾团队负责人。

在世界模型开始研发的时候，零跑内部同步启动了“VLA”和“两段式端到端直接拼接而成的一段式端到端”两条技术路线，但在demo PK环节中，世界模型的接管率最低。

这个结果决定了零跑智驾的方向。世界模型的方案被保留，其余两条路线停掉。

2026年9月16日，零跑正式发布世界模型智驾系统。在发布会举办的几天前，我们见到了周洪涛和冯铭月，并试乘了搭载世界模型智驾系统的零跑D19。

从驾乘感受上说，零跑世界模型智驾系统和小鹏、理想等车企并没有太大差异，但从技术角度来看，这一方案最大胆也最激进，甚至不像零跑的风格。

世界模型完全放弃了BEV表征；激光雷达系统只用于安全兜底。冯铭月一直在和我们强调，零跑的世界模型是“图像到动作”。

这么做带来的直接好处是，零跑的世界模型的车端算力需求被大幅降低。9月16日的零跑科技日上，朱江明最后一个上台，宣布目前已售出的35万辆激光雷达车型用户，都可以免费升级零跑世界模型智驾系统。

这种带有普惠性的产品决策，很符合零跑的一贯风格。

零跑世界模型从正式立项到达到准量产效果，只用了10个月的时间，速度很快，但零跑内部似乎并不惊讶。周洪涛直言：“我不认为智驾必须要砸钱、堆人才能做得好。”

去年10月，朱江明就说过一句话：“当技术方向确定以后，零跑一定不会落后于行业。”现在，朱江明说：“零跑的智驾算法已跻身行业第一梯队。”零跑还是那个零跑，朱江明没有推翻过去的跟随逻辑，只是认为时机到了。

零跑该超车了。

本文，「甲子光年」对话零跑汽车高级副总裁周洪涛、世界模型智驾负责人冯铭月，经编辑整理，在不改变原意的基础上有所删改。

1.世界模型不是技术范式，是一种能力

甲子光年：世界模型在行业里和学术界还有一定争议，零跑为什么要做这么一个并不完全清晰的智驾技术范式？这好像不是零跑的风格。

冯铭月：零跑还是比较务实的，这一点没有变。关于世界模型，我们在今年3月份的时候，就已经做出了一个上限很惊艳的效果，当时觉得这条路基本要成了。

甲子光年：当时你们看到了什么效果？

冯铭月：比如模型有很好的防御性减速能力。我们在3月6号进行测试的时候，发现模型的加速和减速都非常果断，安全，舒适，效率三者的平衡都做得很好。

还有一个是漫游能力。当时我们在完成导航测试以后，没有手动接管车辆，然后发现在我们不主动退出智驾功能的情况下，车辆自动开启了漫游模式，继续行驶，转弯、变道、等红绿灯都没有受到影响。这两个点是让我感到惊喜的地方。

甲子光年：所以你们判断零跑的世界模型到了可以大规模应用的程度了？

冯铭月：是的。技术是永无止境的，没有一个技术或是产品能够被称之为完美，其更多是一种工具。你想让一种技术达到什么样的效果，经过评估发现能够满足现在的需求，就是可以去推广使用的。

甲子光年：最开始团队测试世界模型的时候，你坐在车上的感受是怎样的？

周洪涛：很兴奋，很多窄路、电动自行车流量很大的路口，这个模型处理得都非常好。

零跑世界模型智驾上车测试（预判前车并线意图，防御性驾驶），视频来源：「甲子光年」拍摄

甲子光年：所以你就决定加大力度去做世界模型了？

周洪涛：不是加大力度，是直接押宝上去了。

甲子光年：当时有没有你认为还不够好的地方？

周洪涛：整体的智驾平顺还不够好，不过这是因为当时我们的世界模型demo是用一台工控机运行的，存在时延问题，这也是demo之后，我们下定决心要解决的事情，也是为以后的大规模上车做的准备。

甲子光年：为了做世界模型，你们从外面挖了团队吗？

冯铭月：没有，我们的世界模型团队最初是我从我负责的端到端部门下面的三个子方向各抽了两个人，一共六个人组成的，当然我们研发过程中也一直在面一些候选人，后面这个团队也新增了一两个同学。

甲子光年：具体是怎么孵化出来的？

冯铭月：2025年11月的时候，我带了六七个同事开始正式研发世界模型，这之后的三个月里，基本都是我们几个人在推进这个项目，因为我们也要保证量产项目的正常交付，所以我们这个小团队就一直维持个位数的规模。一直到2026年3月份的demo验证，我们的团队才开始逐渐扩大。

当然，最初的几位同事都是我根据在两段式端到端研发中的表现针对性挑选的，个人能力很强。

甲子光年：有学者将世界模型分了类，比如以语言为中心的世界模型、以像素为中心的世界模型、以三维结构为中心的世界模型、以视觉表征为中心的世界模型，你们做的世界模型是哪一类？

冯铭月：世界模型的定义业内有很多种说法，我觉得都很有道理，但我觉得世界模型本质上不是一种技术范式，而是一种目标。

甲子光年：什么目标？

冯铭月：目标是希望模型具备理解世界，推理世界的能力，一个模型拥有这种能力以后，就可以称为“世界模型”。

2.零跑的第一性原理

甲子光年：零跑为什么没有选择在VLA的基础上，逐步发展新的模型架构？

冯铭月：我们从一开始就不觉得VLA架构在智驾场景中能够很好用。VLA已经证明在数字世界能够发挥出很高的效果，但没人能证明VLA在物理世界中一样能够发挥出效果。

甲子光年：但很多人都说世界模型是为了解决VLA的泛化性问题。

冯铭月：“世界模型是为了解决VLA泛化性问题”，这句话感觉本身就在否定VLA。最初大家用VLA的动机就是多模态大语言模型已经在互联网级别的数据上预训练过了，泛化性应该很好。但现在又说世界模型是为了解决VLA泛化性不足才出现的。

这只能说明VLA学到的知识不可复用到物理世界，不可复用到开车。世界模型学习的是物理世界的表征，多模态大语言模型学习的是数字世界的表征。

甲子光年：为什么VLA的能力不可复用到开车？

冯铭月：多模态大模型用语言训练，会把所有表征先跟语言对齐。但语言在开车中不一定重要。打个比方，如果把人类存在时间压缩成24小时，其中语言出现的时间只占8分钟，所以人类的智能不一定主要是由语言来承载的。

在智能驾驶环境里，语言对于帮助系统理解物理世界可能没那么有用。

甲子光年：你觉得什么对于系统理解物理世界是有用的？

冯铭月：视角变化，也就是“近大远小”，这是有用的，而且是最符合人类开车的第一性原理的。我们的模型架构也是据此设计的。我们也放弃了BEV表征，直接从图像学动作。

零跑世界模型智驾负责人 冯铭月，图片来源：零跑汽车

甲子光年：没有BEV，空间信息怎么保留？

冯铭月：我们做自监督预训练，自监督两个：一是视频，基于历史视频监督未来多少秒的视频；二是3D占据。视频希望模型抽取语义信息，3D占据希望抽取距离感、空间信息。这两个是开车最有用的信息。然后在这个基础上加下游端到端，直接预测轨迹，中间没有任何显式监督。

甲子光年：取消激光雷达的信息接入模型也是根据第一性原理设计的？

周洪涛：目前来看，智驾功能不管发展到什么程度，我们认为还是需要激光雷达作为安全冗余组件的，摄像头总有感知不到的时候，这个时候需要激光雷达进行感知兜底，让车不会乱开。

甲子光年：训练世界模型的时候，零跑用了仿真数据吗？

冯铭月：没有，我们用的是自己采集的数据，以及用户上传的真实行车数据。

甲子光年：训练数据大概用了多少个小时？

冯铭月：3月份demo的时候，大概只用了6万小时，现在的版本大概20万小时。

甲子光年：李飞飞认为世界模型有三种功能：渲染器（Renderers）、模拟器（Simulators ）、规划器（Planners ），零跑具备哪些功能？

冯铭月：从这个角度，我们有两个：渲染器和规划器。渲染器角度，我们对未来场景进行预测，本质是未来视角的渲染。规划器角度，我们把自监督学习到的表征用在了最终开车的实际轨迹和自车轨迹预测上。

甲子光年：你认为世界模型未来迭代方向是什么？

冯铭月：大的方向非常确定：让模型更好地理解物理世界，这是永无止境的。小的方面，首先是提升基座模型能力；其次，尝试加入语言模态，最后是可能接入声音模态，比如后方车辆低鸣、救护车声音等等。

甲子光年：加入语言模态不就相当于回归VLA架构了？

冯铭月：加入语言模态仅仅是把大语言模型的文字、语音特征提取出来，通过使用特征提取器让这两种模态信息可以放在世界模型中处理，这和任何模态都先和语言进行对齐不是一回事。

零跑世界模型智驾上车测试（临时施工路段），视频来源：「甲子光年」拍摄

3.普惠、升级、做减法

甲子光年：这套世界模型智驾系统不会只在新车上有吧，老车主也能体验到吗？

周洪涛：当然，我们希望新的技术也能给老车主带来体验上的升级。现在我们的世界模型是在高通8797芯片上做的，但明年一定会下放到8650芯片上，甚至在100TOPS的算力上也要跑出来一个比较好的效果，这个也是我们给团队下达的目标。

零跑世界模型免费计划，图片来源：零跑汽车

甲子光年：不同算力平台，比如8797和8650，世界模型的实际运行效果会差多少？

冯铭月：不同的算力储备，实际使用效果还是有一点差异的。某些极端工况下，高算力平台确实会表现得更好一些，但绝大部分场景，比如正常的城市上下班通勤，基本没有什么区别。

周洪涛：这是硬件设备的性能规律决定的，比如在应对鬼探头的情况时，更高算力的芯片可能会有更快的反应时间和更短的刹车距离。

甲子光年：你觉得用户会怎么看待这种差异？

冯铭月：任何一个智驾系统都不是绝对完美的，强如特斯拉也能被人挑刺，所以我们要做的就是不断提高。

甲子光年：很多车企在卷智驾芯片算力，而你们却在100TOPS低算力平台车型上也跑通了世界模型智驾系统，你们工程上做了哪些取舍？

冯铭月：我们不会盲目堆叠堆叠Encoder和Decoder的层数。

我们给模型放入什么组件，是根据开车的第一性原理设计的。人类开车没有BEV，就不花算力做BEV视角转换，这样可以把视角转换的算力用在其他地方。

冯铭月：车型适配更多是一个工程问题，确实需要花额外成本，但给时间就可以搞定。

甲子光年：未来零跑所有的车上都会搭载自研的世界模型吗？还会同步搭载其他第三方智驾供应商的方案吗？

周洪涛：对于零跑来说，肯定是同级别哪个智驾系统能让用户有最好的体验，我们就用哪个。现在看来，未来能够预见的一段时间里，我认为我们的世界模型是最好的。

4.军令状和观念冲突

甲子光年：朱江明已经体验过这套新的智驾系统了吗？

周洪涛：今天（发布会前夕）上午他还在外面试驾，试了一个多小时。

甲子光年：他的评价是什么？

周洪涛：同级别对比的话，远超友商。

甲子光年：听说你给朱江明立了军令状，具体内容是什么？

冯铭月：军令状是三个时间节点：3月30日、6月30日、9月30日，然后承诺了我们要在这三个时间节点，让零跑的世界模型达到什么样的效果。

3月30日的目标，是做成一个验证我们世界模型方案上限的demo，让任何人看到、体验之后就能确信这就是零跑智能驾驶的下一代方案，要让所有人形成这样的认知。6月30日的目标是达到某个友商同级别智驾方案MPI（平均接管里程）120%的水平。9月30日是达到150%的水平。

甲子光年：实际完成情况如何？

冯铭月：3月30日的目标我们是3月6日完成的，6月30日的目标我们也是提前了两三周完成的。6月30日的时候，我们的方案测试已经达到了友商同级别系统对比200%的水平。

周洪涛：我们最近的一次测试，已经接近了400%的水平，已经超过了9月30日的既定目标。

甲子光年：这个百分比是怎么测试出来的？

冯铭月：人不可能两次踏进同一条河流，对于车也一样，一辆车所经历的所有场景都是在动态变化的。

所以我们为了确保测试的准确性，用了AB test方法，先随便选一条道路，然后让搭载友商智驾系统的测试车出发，间隔十分钟后我们的车再跟随出发，一轮测试之后再调换出发顺序，这样就能尽可能保证实际测试的一致性。

甲子光年：为什么所有目标节点都要提前完成？

冯铭月：我是可以在3月30日的时候再提交demo，但是我选择3月6日的时候就做好，原因是我希望把事情做在前面，后面节省下来的时间可以不断发现一些新的问题，并且能够有充足的时间去解决这些问题。

甲子光年：在世界模型的整个研发过程中，团队遇到的最大的困难是什么？

冯铭月：第一个是多任务的并行推进，我们一边要做世界模型的开发，另一边也要保证现有车型和现有智驾系统的交付。

第二个是观念的转变。往往在这个行业干得越久的人越不容易接受新事物。

甲子光年：你觉得对于一个智驾技术人员来说，具体要转变的是什么观念？

冯铭月：应该是对于系统关键矛盾的判断和把握。模型需要和Smoother以及控制形成正向的闭环反馈，不可以像以前两段式一样只关注自己模块的误差。

观念的不同，就会造成对问题定义的边界不一样，这是需要在内部完成共识的。

甲子光年：怎么让几百人的团队达成共识？

冯铭月：前期要不断对齐认知。一开始我们只有十几个人，后来变成了几百人，想让大家观念一致。对一个技术问题达成共识确实不容易，在初期磨合的时候，我们也度过了一段痛苦的时光。

甲子光年：现在这种困难还存在吗？

冯铭月：不存在了，大家的认知已经基本对齐了。

周洪涛：我们没有什么困难了，所有的困难都已经解决了。

（封面图为「甲子光年」对话零跑汽车周洪涛、冯铭月对话现场，由零跑汽车提供）