零跑汽车技术交流会要点20260917 出席领导：武强（联席总裁）、王耀农（副总裁，智驾负责人）、沈珂（董秘） 一、智驾模型与算力 1.世界模型算力：原始模型基
- 序号：132
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
零跑汽车技术交流会要点20260917
出席领导：武强（联席总裁）、王耀农（副总裁，智驾负责人）、沈珂（董秘）
一、智驾模型与算力 1.世界模型算力：原始模型基于640TOPS芯片训练，经仅10%裁剪优化后可部署至 200TOPS芯片；不采用VLA，基于第一性原理，聚焦人类开车关注点，并非完全是大语言模型路线。200TOPS与更高算力（600TOPS）差距集中在远距离、长思考场景（如提前100m选择可变车道），近距离交互场景差异较小；Scaling Law效应依旧明显，持续训练更大规模模型。
2.模型参数 & 云端算力：模型分三档，最小1B、最大10B，未来目标做到几十B；当前约5000卡云端算力，与移动合作租用物理机器，云端系统自建。
3.迭代节奏：模型每日迭代8个版本，当前多智驾版本日常场景表现接近，迭代重点提升性能上限；后续两款搭载供应商智驾方案的车型将通过OTA切换为自研方案。
4.仿真与测试：世界模型工作9成用于世界理解、1成用于仿真生成，侧重时空关系计算；当前仿真数据质量有限，测试主要依赖人工，配置200台测试车，每车2名测试人员，长时间轮测。
5.芯片适配与自研芯片：芯片适配属于工程化问题，投入即可解决；现阶段无自研芯片计划，待销量进一步提升后才有可能重启，当前资源聚焦整车研发与市场拓展；不排斥其他芯片供应商合作，但受存储涨价影响，待存储价格回落再推进。
二、智驾团队、突破原因与数据闭环 1.智驾突破三大因素：旧2.0模型能力不足，选择先破后立重构模型；自研基座积累深厚，工程化效率高；管理层持续相信并投入自研智驾。
2.团队情况：模型驱动下规则类岗位需求下降，今年团队规模较去年有所缩减；预算随算力、数据规模增长，高端AI人才需求提升，最大投入在数据存储与计算。
3.数据闭环体系：实现人员-车辆 数据一体化系统化管理，提前规划测试任务，回传数据进入数据池挖掘场景，再输出给工程师反哺模型迭代。
三、法规、产品与商业化 1.L3进展：国内仍处于试点阶段，试点预计持续一段时间；研发已开展，高端车型硬件满足L3要求，现有算法与L3无冲突，跟随法规落地节奏推进。
2.智驾评价与收费：自评估智驾处于国内第一梯队头部，评判核心指标：安全性、效率、体感；现阶段软件变现并非重点。
总体总结
主题正文
- 200TOPS与更高算力（600TOPS）差距集中在远距离、长思考场景（如提前100m选择可变车道），近距离交互场景差异较小；
- 3.迭代节奏：模型每日迭代8个版本，当前多智驾版本日常场景表现接近，迭代重点提升性能上限；
- 当前仿真数据质量有限，测试主要依赖人工，配置200台测试车，每车2名测试人员，长时间轮测。
- 不排斥其他芯片供应商合作，但受存储涨价影响，待存储价格回落再推进。
- 2.团队情况：模型驱动下规则类岗位需求下降，今年团队规模较去年有所缩减；
- 3.数据闭环体系：实现人员-车辆 数据一体化系统化管理，提前规划测试任务，回传数据进入数据池挖掘场景，再输出给工程师反哺模型迭代。
- 1.L3进展：国内仍处于试点阶段，试点预计持续一段时间；
- 2.智驾评价与收费：自评估智驾处于国内第一梯队头部，评判核心指标：安全性、效率、体感；