华为智能汽车解决方案BU CEO靳玉志近日通过视频形式，系统阐释了华为乾崑智驾的WEWA架构设计理念。该架构由云端运行的"世界引擎"（World Engine）与车端部署的"世界行为模型"（World Action Model）构成，旨在通过数字化手段突破自动驾驶训练的数据瓶颈，构建面向未来出行场景的智能驾驶解决方案。
在自动驾驶技术演进过程中，极端场景数据的稀缺性成为制约系统进化的关键因素。传统人工采集方式存在样本量有限、覆盖场景单一等局限，难以满足复杂路况下的决策训练需求。华为提出的WE世界引擎通过数字孪生技术，在云端构建起覆盖全场景的虚拟训练场。该系统可基于真实道路数据生成百万级衍生场景，例如在空旷路段模拟行人突然闯入、前车紧急变道等复合型危险场景，使训练数据密度较现实世界提升三个数量级，同时严格遵循物理运动规律确保数据有效性。
支撑云端训练体系的是华为昇腾AI集群的强大算力，其45EFLOPS的运算能力可支持大模型持续消化超十亿公里的极端场景数据。通过AI自我迭代机制，系统在云端完成从感知到决策的全链路优化，形成"数据生成-模型训练-场景验证"的闭环进化体系。这种训练模式使智能驾驶系统在应对复杂路况时，展现出接近人类驾驶员的直觉判断能力，部分场景下甚至超越人类反应速度。
车端部署的世界行为模型作为WEWA架构的另一核心组件，具备多模态感知与动态决策能力。该模型可实时解析摄像头、雷达等传感器的输入信号，根据不同驾驶场景自动切换应对策略。在华为乾崑智驾ADS 4.0系统中，WEWA架构使端到端响应时延降低50%，城市道路通行效率提升20%，紧急制动触发频率下降30%。这种架构设计不仅优化了驾驶体验，更通过数据驱动的方式持续拓展系统的场景适应边界。
据华为官方技术文档披露，世界行为模型采用分层式架构设计，底层基础模块负责环境感知与运动控制，上层策略模块则处理复杂决策逻辑。这种模块化设计使系统既能保持整体协同性，又可针对特定场景进行定向优化。例如在高速公路场景下，系统可自动激活巡航优化策略；而在城市拥堵路段，则切换为精细避障模式，实现场景感知与决策能力的动态匹配。
