在计算机视觉领域，一场技术革新风暴正悄然掀起。近期落幕的国际计算机视觉大会（ICCV）上，特斯拉首次向外界深度揭秘其FSD（完全自动驾驶）系统的核心架构，这一举动引发行业广泛关注，也预示着自动驾驶技术迈向全新发展阶段。
特斯拉自动驾驶副总裁阿肖克·埃鲁斯瓦米在大会上介绍，FSD系统依托一个大型神经网络，将摄像头视频、地图、车速乃至音频等多模态信息一股脑输入其中，网络直接输出方向盘操作和油门控制指令。这意味着，过去感知、预测、决策、控制等独立环节，如今在一个网络内融合，通过反向传播实现整体优化。这种架构与当下热议的“世界模型”概念高度契合。
所谓“世界模型”，可理解为AI构建的“虚拟小宇宙”。它能将外界信息压缩成内部版本，并在此空间内模拟未来场景。例如，它能预测踩油门后前车的反应——是继续前行还是紧急刹车。这种能力如同人类大脑的“预演”，是实现智能决策的关键。特斯拉的“神经世界模拟器”正是此类模型的典型代表，它不仅能生成未来画面，还能根据不同操作预测多种结果。
这一技术的优势在于，它不仅能提供“未来可能堵车”的笼统判断，更能细化到“变道是否更快或更危险”的具体分析。通过在虚拟环境中反复测试新策略，甚至模拟极端场景，系统迭代速度大幅提升。例如，系统可在虚拟世界中尝试不同变道时机，评估风险与收益，从而优化实际驾驶决策。
围绕自动驾驶技术路线，行业已形成两大阵营。以特斯拉、蔚来、华为为代表的企业主张“世界模型”路线，认为AI需真正理解物理世界，通过内部模拟实现精准决策；而理想、小米等企业则倾向“VLA（视觉-语言-行动）模型”，借助大语言模型的推理能力，将视觉信息转化为文字描述，再通过语言逻辑制定策略。
两条路线各有优势。世界模型更贴近物理现实，擅长处理复杂动态环境，是高级别自动驾驶的核心技术；VLA模型则凭借语言模型的常识推理能力，在应对长尾场景（如罕见交通状况）时更具潜力。例如，面对道路施工标志模糊的情况，VLA模型可通过语言逻辑推断施工类型，而世界模型则可能更依赖对物理环境的直接感知。
中国企业在世界模型领域已展现强劲实力。蔚来推出的NWM世界模型，可在100毫秒内生成200多个应对预案，并筛选最优方案；华为的WEWA架构则强调从传感器信号到控制指令的直接映射，跳过语言转换环节，追求极致安全；商汤的“开悟”模型则聚焦仿真领域，通过AI生成海量高逼真训练数据，降低车企研发成本。
这场技术竞赛背后，是自动驾驶从辅助功能向完全自主的跨越。无论是特斯拉的“闭环神经宇宙”，还是中国企业的多样化探索，均指向同一目标：让汽车成为具备感知、思考与决策能力的移动智能体。世界模型作为关键技术，正成为企业争夺L4级无人驾驶制高点的核心筹码。
