2025年度，誰在推動智駕進步？

我們篩選了80多位入圍候選人，絕大多數(shù)在國內，少數(shù)在國外，個別是海外華人。他們的研發(fā)成果，體現(xiàn)在過去兩年里發(fā)生的兩次智駕拐點上。但其中的大部分，都很低調。

入圍的標準有兩條（個別極其優(yōu)秀者例外）：

1、2025年內，在全球頂會頂刊發(fā)表高引論文的第一作者（含合著團隊）；

2、2025《智駕天梯榜》年度榜單上榜方案商和主機廠的核心研發(fā)人員。

經(jīng)過核實與比對，最終挑選出50位有代表性的人物。他們的身份，大體分四類：

1、學術研究者，在頂會頂刊上發(fā)表高引論文的作者（含合著團隊）；

2、研發(fā)組織者，定投資、定方向、定目標、定范式、定團隊的人，類似奧本海默；

3、研發(fā)骨干，負責某一個具體方向的研發(fā)統(tǒng)籌，并和兄弟們一起拼搏出成果的人；

4、產(chǎn)品和工程負責人，負責產(chǎn)品定義、用戶交互、工程實施的人，做出了非常棒的產(chǎn)品體驗，或者保障了連續(xù)的工程交付表現(xiàn)。

繼第一期推薦11篇卓越論文的作者們，第二期記錄理想汽車、小鵬汽車和Momenta智駕關鍵人物，第三期記錄特斯拉和華為的智駕產(chǎn)研負責人之后，本期是第四期，記錄的人物全部來自智能駕駛供應商——博世中國、地平線、文遠知行（排名不分先后）。

#01

余凱：打造出一個令人信服的“智駕樣板間”

職務：地平線創(chuàng)始人兼CEO

過去兩年，智駕不斷駛入拐點，各家排位在變，但行業(yè)競爭結構基本已經(jīng)清晰，20萬以上的智駕市場，蛋糕幾乎被特斯拉、華為、理想、小鵬、小米，蔚來瓜分；10-15萬級的市場，格局未定，尚未形成獨大的局面，以方案商的角度看，地平線眼下的對手只有華為方案（尚界H5）和Momenta。

所以余凱在2025年面對的首要問題，就是能不能拿出一個可以一戰(zhàn)的方案，他稱之為“智駕樣板間”。

具體說，余凱在2025年面臨著三個挑戰(zhàn)：

1、智駕正在從少數(shù)車型的賣點，變成大多數(shù)車型的基礎配置。這一階段里，技術領先本身不再自動轉化為商業(yè)優(yōu)勢，工程能力和規(guī)模能力開始決定生死。對一家以芯片和智駕方案為核心的公司來說，如果不能證明方案在大規(guī)模量產(chǎn)下依然可控，那么再先進的架構都難被選擇。

2、主機廠的策略正在發(fā)生分化。頭部車企推進自研芯片和算法，中腰部和長尾車企面臨資源受限、節(jié)奏受限的現(xiàn)實困境。行業(yè)內部逐漸形成一個判斷，并非所有車企都能在短期內獨立完成智駕全棧。問題在于，合作方案是否足夠像自研，能否在平臺層面保留主機廠的可控空間。

3、地平線自身需要完成商業(yè)閉環(huán)驗證。前期多年投入已經(jīng)完成技術和生態(tài)鋪墊，但如果無法在主流價格帶形成穩(wěn)定出貨和持續(xù)激活，地平線很難向外界證明，這條“軟硬結合、面向量產(chǎn)”的路線在經(jīng)濟模型上成立。

在我們看來，這個樣板間的目標并不抽象，它需要回答幾個極其具體的問題：在單顆征程6算力約束下，城區(qū)輔助駕駛可以做到什么程度？在明確的成本邊界內，系統(tǒng)能力如何取舍？在真實量產(chǎn)條件下，方案能否被不同主機廠的不同車型快速復用？

在這個方向上，2025年余凱搬出了兩招：

1、反向收斂系統(tǒng)復雜度。HSD從設計之初就圍繞“單芯片、單套工具鏈、單一工程范式”展開，感知、規(guī)劃、控制的目標被重新拉齊，不再為極端長尾場景預留過多隱性冗余。模型規(guī)模、算力調度、數(shù)據(jù)閉環(huán)節(jié)奏，都被壓進一個可被核算的工程框架中。

2、進行更開放自由的合作方式。算法能力不再以功能點對外呈現(xiàn)，而是作為一套完整的城區(qū)輔助駕駛基線能力，通過HSD Together的合作模式，嵌入主機廠自身的軟件體系，這種方式比白盒交付更開放自由，因為主機廠可以自己去選擇供應鏈，HSD不受硬件供應商限制，一方面能降低主機廠的集成成本，另一方面也為后續(xù)差異化演進保留了接口空間，某種程度上，地平線和合作伙伴們一起，向讓主機廠讓渡了部分話語權。這也是余凱敢拍胸脯說未來3-5年HSD出貨千萬套的底氣。

盡管HSD的性能上限還沒有被完全榨出來，但它也是撼動2025下半年智駕拐點的三大供應商方案之一，（另外兩家是博世一段式和Momenta R6），合作車型星途ET5上市2周激活量達到12000輛，這個指標證明HSD在規(guī)?；虡I(yè)閉環(huán)上初見成效。

#02

蘇箐：把概念變成能交付的功能

職務：地平線副總裁兼首席架構師

蘇箐在華為時以“感言“著稱，到地平線以后，低調了很多。

作為主導HSD落地的研發(fā)一號位，蘇箐在過去兩年要解決的問題，是把工程能力和地平線原有的AI研發(fā)能力，有機的結合在一起，并在余凱給定的時間點，交付出一個讓大家驚訝的一段式端到端。

在HSD推進量產(chǎn)之前，蘇箐和團隊首先遇到的難題，并不是模型效果，而是一個更基礎、也更殘酷的問題：端到端系統(tǒng)，到底能不能在真實車規(guī)環(huán)境里“活下來”？

一段式端到端在理想狀態(tài)下，可以從傳感器輸入直接輸出駕駛軌跡，但一旦進入真實道路，就會立刻暴露出系統(tǒng)級風險，時延是否可控？異常行為如何回溯？跨城市、跨場景性能會不會迅速塌陷？這些問題，決定了端到端究竟是研究論文，還是可落地系統(tǒng)。

所以，蘇箐必須邁過“五道坎”。其一，是時延與算力的系統(tǒng)級控制。端到端模型天然傾向于更大的規(guī)模，而車端算力、功耗和車規(guī)穩(wěn)定性，幾乎不會給太多試錯空間。蘇箐的辦法，是圍繞征程?6P的算力架構，對模型計算圖、特征流轉路徑以及推理調度進行設計，讓端到端在保持完整閉環(huán)的同時，實現(xiàn)了從“光子輸入到軌跡輸出”的低時延響應。這一步，讓HSD有了跑起來的可能。

其二，是端到端的安全性與可解釋性。在傳統(tǒng)分模塊系統(tǒng)中，感知、預測、規(guī)劃可以分別驗證，但端到端一旦出問題，很容易變成無法追責的黑箱。他和團隊并沒有回避這一結構性缺陷，而是通過中間表征約束、行為先驗嵌入和多尺度回放機制，為端到端系統(tǒng)構建了可追溯的工程接口，異常行為可以被定位、復現(xiàn)和修正，而不是被“模型不穩(wěn)定”一筆帶過。

其三，是動態(tài)與靜態(tài)世界的統(tǒng)一建模。真實駕駛的難點，從來不只是“看見什么”，而是如何在不斷變化的環(huán)境中做連續(xù)決策。在蘇箐主導下，他對動態(tài)目標和靜態(tài)結構進行了統(tǒng)一建模和聯(lián)合學習，避免了傳統(tǒng)系統(tǒng)中動態(tài)模塊與地圖、規(guī)則反復對齊的高昂成本，也讓系統(tǒng)在復雜城市場景中可以保持連續(xù)、穩(wěn)定的駕駛風格。

第四道坎，是無圖與有圖的融合。在很長一段時間里，行業(yè)將無圖和有圖視為對立路線。HSD的實踐證明，這種對立并不成立。地圖在HSD中不再是強規(guī)則，而是以弱先驗、軟約束的形式融入模型學習，使系統(tǒng)在有圖時更穩(wěn)、無圖時不崩，大幅降低了跨城市部署的工程成本。

第五道坎，是跨城市泛化的真實代價。傳統(tǒng)方案里，每進入一座新城市，幾乎都意味著一次新的工程項目。HSD的端到端范式，把系統(tǒng)能力更多錨定在駕駛行為本身，而不是城市特定規(guī)則，讓跨城市部署從“工程適配”轉向“數(shù)據(jù)驅動的能力擴展”，這是其真正具備規(guī)模化潛力的前提。從結果來看，HSD并沒有宣稱徹底取代傳統(tǒng)方案，而是完成了一件更重要的事，它證明了端到端不是減少工程復雜度，而是把復雜度前移到系統(tǒng)設計與工具鏈層面。

#03

張騫：把感知變成端到端的入口

職務：地平線智能駕駛系統(tǒng)產(chǎn)品線感知團隊研發(fā)負責人

在端到端體系里，感知的位置發(fā)生了根本變化。它不再是“把世界看清楚”，而是決定系統(tǒng)如何理解世界。張騫在2025年承擔的，正是這個入口級責任。

傳統(tǒng)智駕體系里，感知的目標非常明確：準、穩(wěn)、可解釋。但在端到端系統(tǒng)中，感知要回答的是另一類問題，哪些信息，值得被系統(tǒng)記??？這意味著模型結構、特征表達、時序建模，全部需要重來。

在HSD項目中，張騫負責的是高階智駕感知方案整體設計，端到端感知與系統(tǒng)的協(xié)同，還有工程體系的搭建與落地。這一過程中，他所推動的是一整套方法論，MapTR將地圖理解融入在線感知，DiffusionDrive擴展了感知對未來行為的建模方式，Vision Mamba探索替代Transformer的新視覺主干，這些工作背后，有一個共同目標，讓感知成為端到端系統(tǒng)可學習的一部分，而不是預設前提。

Vision Mamba在學術上的成功，使它成為2024年度最具影響力的AI論文之一。但真正困難的是，如何讓這些模型，在車規(guī)芯片上穩(wěn)定運行。2025年，張騫團隊完成的，不只是算法驗證，還有模型結構工程化、推理效率與算力匹配、與系統(tǒng)時延預算的深度協(xié)同。

最終的結果，是感知第一次真正融入端到端體系，HSD的量產(chǎn)落地，意味著感知不再是“外部輸入模塊”，而是端到端系統(tǒng)的一部分，行為生成的重要約束條件。

#04

蘇治中：把自動駕駛技術拓展到具身智能

職務：地平線機器人實驗室負責人

蘇治中在2025年面對的問題，來自一個更長期、也更棘手的技術斷層：如何讓地平線在智能駕駛之外，具備一套可以繼續(xù)擴展的通用智能技術底座。

在智能駕駛完成規(guī)?；慨a(chǎn)之后，一個現(xiàn)實逐漸浮出水面：以“駕駛”為中心構建的感知、決策與控制體系，正在接近其能力擴展的邊界。模型可以不斷變大，數(shù)據(jù)可以持續(xù)積累，但這種路徑更多是在既有問題空間內做逼近，而非打開新的能力維度。無論是更復雜的駕駛場景，還是機器人等新形態(tài)，都需要一種能夠跨任務、跨載體遷移的能力框架。

基于這一判斷，蘇治中的思路是，從“功能模型”轉向“基座模型”，并且直接在具身智能這一更具挑戰(zhàn)性的領域中驗證其可行性。

在地平線內部，他所負責的機器人實驗室被定義為三大核心實驗室之一，但其定位并非單純做前沿探索，而是承擔著為公司下一階段技術形態(tài)探路的角色。實驗室圍繞Manipulation、Mobility和Real2Sim三個方向展開研究，覆蓋了機器人操作、移動能力以及從真實世界到仿真環(huán)境的閉環(huán)遷移。這種布局，本質上是在復現(xiàn)一套比智能駕駛更復雜的感知—決策—執(zhí)行體系。

在具體落地路徑上，蘇治中推動了基座模型的構建。他帶領團隊先后發(fā)布了具身智能“小腦基座模型”HoloMotion和“大腦基座模型”HoloBrain。前者聚焦于運動控制與執(zhí)行層能力，解決“如何穩(wěn)定、可控地完成動作”；后者面向更高層的感知理解與策略生成，解決“在復雜環(huán)境中如何做出合理決策”。

值得注意的是，這些模型并未脫離工程現(xiàn)實。無論是訓練方式、數(shù)據(jù)來源，還是推理結構設計，都刻意考慮了未來在真實硬件和真實系統(tǒng)中的部署可能性。Real2Sim方向的引入，正是為了解決具身智能在工業(yè)化過程中普遍面臨的數(shù)據(jù)獲取和驗證成本問題，通過仿真與現(xiàn)實的閉環(huán)，加快模型迭代效率。

從結果上看，蘇治中在2025年所推進的工作，已經(jīng)開始體現(xiàn)出工程與研究并重的特征。團隊在CVPR、NeurIPS、AAAI、IROS等頂級會議持續(xù)產(chǎn)出成果，同時在具身智能競賽中取得了包括CVPR 2025 RoboTwin雙臂協(xié)作真機賽第一名在內的實證成績。這些結果驗證了基座模型思路在真實系統(tǒng)中的可行性。

#05

吳永橋：帶博世坐上中國智駕牌桌

職務：博世智能駕控事業(yè)部中國區(qū)總裁

伴隨采埃孚、安波福、電裝等企業(yè)退出智駕賽道后，博世成了現(xiàn)在唯一留在“圈里”的傳統(tǒng)Tire 1。但2025年，吳永橋仍面臨2個核心問題：

1、盈利與成本壓力失衡。博世2025年整體營業(yè)利潤率僅1.8%，創(chuàng)金融危機后新低，智駕業(yè)務也陷入虧損，激光雷達等核心部件量產(chǎn)成本超預期，下游車企因自身盈利下滑，持續(xù)向博世轉嫁成本，價格戰(zhàn)擠壓空間顯著。

2、技術與競爭格局被動。第三方智駕供應商呈現(xiàn)華為、Momenta、地平線主導格局，市場份額被快速分割，博世傳統(tǒng)模塊化方案競爭力被弱化；同時車企全棧自研潮興起，博世作為Tier1的議價權被削弱，僅華為、寧德時代能在主機廠面前保持溢價能力。

這兩個問題都把矛頭指向了一處，作為全球最大的Tire 1，博世在中國到底有沒有智駕競爭力？他需要讓博世盡快出現(xiàn)在中國智駕牌桌上，這是他在過去一年，最核心的挑戰(zhàn)。

如何突圍？吳永橋的思路，是押注一段式端到端，造一個在20萬級有競爭力的智駕方案。

在這個方向上，2025年吳永橋推動了兩件大事落地：

1、在18個月內，和文遠知行聯(lián)合開發(fā)的WePilot 3.0完成工程交付，搭載在星紀元ES。這是繼地平線HSD之后，行業(yè)第二個量產(chǎn)的一段式端到端。在博世和文遠知行的合作過程中，雙方主要就算法應用和工具鏈等層面進行了聯(lián)合開發(fā)，如行車部分的感知、預測、規(guī)劃，以及部分工具鏈，其中博世主要以Tier 1的身份向主機廠提供包含傳感器、計算平臺、算法應用以及云服務等關鍵技術要素的全棧式高階智駕解決方案，如域控硬件、底層軟件、中間件、系統(tǒng)集成、閉環(huán)工具鏈、泊車功能等，文遠知行的優(yōu)勢集中在算法層面。

2、組織重構，增加AI領域的研發(fā)人才密度，陳大宇和張睿等人，在這一年相繼入職。在強烈的壓力之下，吳永橋賭對了，博世（文遠）的一段式方案，在2025年末取得了令人震驚的成功，在智駕大賽、智駕眾測以及其他博主的評測中，都拿下極高評價。這讓博世這家昔日Tier 1霸主，重新回到人們的視線之中。

#06

陳大宇：讓智駕快速進入商業(yè)閉環(huán)

陳大宇在2025年面對的，是一個更具體、也更棘手的問題：如何把博世分散的低、中、高階智駕能力，擰成一條真正可交付的產(chǎn)品線。

智駕不缺功能，缺的是結構。陳大宇在2025年10月出任博世智能駕控中國區(qū)副總裁、智駕體驗業(yè)務負責人時，博世內部其實已經(jīng)具備了覆蓋低到高階的完整能力棧。但問題在于，各層級方案彼此獨立，主機廠的理解成本偏高，這會導致一個認知偏差，博世很強，但可能“不好用”。

盡管陳大宇的加入時間較晚，但他在2025年仍做出了核心判斷，把智駕重新定義為一條連續(xù)的產(chǎn)品曲線。這意味著三件事，博世縱橫輔助駕駛基礎版不只是“入門版”，而是高階方案（縱橫輔助駕駛至尊版）的工程基礎；中階方案（縱橫輔助駕駛升級版版）必須承擔規(guī)?；熑?；高階方案的技術路徑，要反向約束低中階的設計。

在他的推動下，博世開始以“全域產(chǎn)品布局”來重新拆解項目，不再單獨賣某一個功能，而是明確給出從L2到高階輔助的升級路徑。

所以在2025年四季度，陳大宇把主要精力放在了三件“硬任務”上，中高階方案的量產(chǎn)攻堅；項目出海的工程重構；傳感器業(yè)務為系統(tǒng)服務的轉型。

尤其是傳感器這條線，過去長期以性能指標為導向，而在2025年開始，被明確要求為系統(tǒng)效率和體驗讓路。這對一家硬件背景極強的Tier1來說，并不輕松。

到2025年底，博世在中國的智駕產(chǎn)品，開始呈現(xiàn)出清晰結構，主機廠更容易選型，項目推進節(jié)奏明顯加快，出海項目具備更強復制性。可以說，這是一次“工程型負責人”的勝利，讓博世智駕方案像一條完整產(chǎn)品線那樣運轉起來。

#07

韓旭：把概念變成工程交付

職務：文遠知行創(chuàng)始人兼CEO

客觀的說，文遠的算法，是博世一段式在2025年末崛起的頭號功臣。

當特斯拉用 FSD 把one model推向行業(yè)主敘事，華為開始在整車與智駕系統(tǒng)層面重構閉環(huán)能力時，文遠知行如果只停留在“Robotaxi 跑得通”，就很難進入下一階段的產(chǎn)業(yè)牌桌。

所以韓旭在過去一年，所承受的壓力在于：端到端如果只是一種科研成果，它不足以支撐一家自動駕駛公司的規(guī)模化未來。

2025年，韓旭的關鍵貢獻是把端到端從研究對象，變成可被拆解、被約束、被量產(chǎn)的工程系統(tǒng)。這件事的核心節(jié)點，正是文遠知行與博世聯(lián)合開發(fā)的WePilot 3.0一段式端到端模型。在這個過程中，韓旭團隊實際上解決了三類問題：

1、端到端的“不可解釋性”，如何與車規(guī)安全共存？通過系統(tǒng)級拆分，把一段式端到端放入可被驗證的安全框架中，在輸入、輸出、約束條件上引入工程邊界，同時把“學習到的策略”限定在可被系統(tǒng)級規(guī)則校驗的范圍內。

2、端到端如何跨車型、跨算力平臺部署？在與博世的聯(lián)合方案中，雙方將大模型重構成了能遷移的模型結構、可裁剪的算力配置和可標準化的接口層。

3、端到端如何進入真實商業(yè)交付，而不是只跑 Robotaxi？這是最難的一步，因為Robotaxi目前能接受高成本、高算力、高維護，而量產(chǎn)車不行。

比起國內的技術成就，我們也關注他對L4的推進節(jié)奏。在2025年之前，Robotaxi行業(yè)已經(jīng)被反復唱衰過很多次了。原因并不復雜，技術進展很快，但商業(yè)模型始終站不穩(wěn)。韓旭在這一年面對的現(xiàn)實問題，比“能不能自動駕駛”更直接：如果自動駕駛不能形成可復制的規(guī)?；Ｐ?，它還能不能繼續(xù)存在？

他在2025年的核心判斷，是Robotaxi必須先“收斂”。過去一年，韓旭推動的最重要方向是對技術與產(chǎn)品形態(tài)的收斂。

具體表現(xiàn)為三點，減少過度定制的算法路徑；壓縮不同城市；不同車型之間的系統(tǒng)差異，他與團隊讓端到端與傳統(tǒng)模塊化方案共存，而非對立。這背后的邏輯非?，F(xiàn)實，因為Robotaxi的“敵人”，從來不只是技術難度，而是商業(yè)規(guī)?；\營的復雜度。

2025年，韓旭依然作為核心作者，參與了端到端與跨場景平臺化的高引論文。這些論文的關注點，已經(jīng)明顯不同于早期研究，而是更強調系統(tǒng)穩(wěn)定性、更強調跨任務遷移、更強調數(shù)據(jù)閉環(huán)效率。它們不再只是“證明可行性”，而是為規(guī)?；\營提供方法論支撐。

#08

李巖：用一套系統(tǒng)把自動駕駛業(yè)務串起來

職務：文遠知行聯(lián)合創(chuàng)始人兼CTO

如果說韓旭面對的是“公司如何跑下去”，那么李巖在2025年承擔的，是一個更加底層的問題：技術是否足夠通用，才能支撐規(guī)模化。李巖的履歷橫跨學術界與工業(yè)界，CMU博士、Facebook、微軟核心工程經(jīng)驗、微軟亞洲研究院早期成員，在文遠知行，他的角色并不是“寫最好模型的人”，而是把不同模型、不同感知任務，擰成一套可長期維護的平臺，更像是一個角色更重要的系統(tǒng)中樞。

他在2025年做的核心工程，是UniPerception-4D，解決了一個長期存在的問題，為什么自動駕駛的感知系統(tǒng)，始終難以跨車型、跨場景復用？4D 時空感知的意義在于，把時間作為一等公民，把不同傳感器、不同任務，納入統(tǒng)一表示，能減少針對單一場景的“特化設計”。

過去一年，李巖主導的另一項關鍵工作，是WeRide One通用技術平臺。這套平臺的目標非常明確，讓Robotaxi、無人配送、自動駕駛巴士等業(yè)務，共享同一套感知、決策、工具鏈與數(shù)據(jù)系統(tǒng)。

這一步的難點在于，平臺化意味著犧牲短期最優(yōu)，換取長期穩(wěn)定。隨著UniPerception-4D和WeRide One的逐步成熟，文遠知行在2025年的技術體系呈現(xiàn)出一個重要變化，新業(yè)務上線成本下降、不同城市的部署速度加快、技術債開始被系統(tǒng)性消化。

#09

寫在最后：

當智能駕駛的發(fā)展被不斷拆分為模型參數(shù)、技術架構和路線分歧時，討論本身正在變得越來越熱鬧，但判斷卻并不總是隨之清晰。

從2025年往回看，會發(fā)現(xiàn)真正拉開差距的，已經(jīng)不再是誰率先采用了哪種方案，而是誰能夠在復雜現(xiàn)實中，把系統(tǒng)長期運行的風險、成本和體驗同時納入決策之中。這類能力往往不顯山露水，卻直接決定了產(chǎn)品是否具備持續(xù)演進的基礎。

智能駕駛進入量產(chǎn)深水區(qū)后，工程判斷的重要性正在被重新認識。它不只關乎算法是否先進，更關乎組織是否能夠對不確定性負責，是否具備在爭議中保持節(jié)奏的能力。

也正是在這一階段，行業(yè)開始從“路線正確性”的爭論，轉向對“系統(tǒng)可控性”和“交付確定性”的檢驗。速度仍然重要，但不再是唯一指標。

《2025中國智駕開發(fā)者50人》系列記錄的這些面孔，正是處在這一轉折點上的關鍵角色。他們的工作很少成為話題中心，卻持續(xù)影響著智能駕駛真正落地的方式。在1月31日舉行的【2025智駕天梯榜年度盛典】上，我們將邀請其中部分代表，進行現(xiàn)場分享，敬請關注。

返回第一電動網(wǎng)首頁 >