蔚来 6 月 18 日做了一件行业里没人做过的硬活：把同一套基于世界模型 + 闭环强化学习的智驾栈，同时推送到 NT2.0（8 款）、NT2.5（4 款）和 NT3.0（6 款）共三代平台上。换句话说，同一段复杂的智驾代码，现在能在不同代际的芯片上跑通——这背后真正的看点不是又一家车企上线了大模型，而是蔚来用一套自研 AI Infra 撑住了「跨代际部署 + 世界模型 + 闭环 RL 联合训练 + 长尾场景闭环验证」的全流程。\n\n支撑这件事的底层设施是蔚来智驾团队从 2020 年就开始搭建的：自研推理引擎、部署框架、AI 编译器，在英伟达 CUDA 之上把上层部署软件全部自己重写一遍。当时的判断是车端芯片架构会以 3-5 年一代的速度继续迭代，靠上层厂商工具链会被绑架。AI 编译器实现自动算子优化，把新平台适配从 1-2 周压到 1-2 天，端侧推理性能同步提升 20% 以上；流程端，AI Agent 把「训练—评测—回归」的串行人工链路自动化，一次完整的模型上车部署从一天甚至数天压缩到 2 小时以内。\n\n数据侧更激进。蔚来在所有量产车上以「影子模式」跑待验证的世界模型——不下发指令、只做实时推演，模型判断和人类驾驶动作一旦分歧，Corner Case 就回流到云端训练集。这套验证体系每周完成超过 4000 万公里的主动安全测试，相当于 1000 辆测试车连轴跑一年。任少卿直言「性能提升 3 个点，数据需要翻 10 倍；18 个点需要 10^6 倍」，物理测试车队触顶之后，量产车队本身就是数据工厂。云端世界模型会故意给 AI 制造违反常规的极端陷阱，强迫网络在错误状态下把车开回正轨——这是闭环强化学习的核心机制。\n\n值得讨论的是，世界模型 + 闭环 RL 这条路径对算力、数据工程、AI Infra 的要求极高，行业里大多数玩家短期内搭不起同等级别的底座。蔚来这次推送能跑通，关键不在模型大小，而在 AI Infra 是否真能让世界模型在产线规模上长期演化：硬件迭代一代（3-5 年），模型、数据、部署栈能不能同步重写而不返工。如果可以，那蔚来押中的就不只是一次世界模型推送，而是一套让物理 AI 跨代际复用的工程范式。