贾浩楠 发自 副驾寺
智能车参考 | 公众号 AI4Auto
“所以，那些号称要做L4的L2的玩家，不是真正的L4？”
“100%不是！” ——韩旭，文远知行CEO、全球Robotaxi第一股掌舵人，给今年空前乐观的自动驾驶圈泼下第一瓢冷水。
在他看来，就算有世界模型，端侧多加几个传感器，甚至跑通数据闭环，都远远达不到“谈论L4的资格”。
表态同样犀利：“咏春厉害，是因为叶问在打”。
那L4阵营呢？
一个无法回避的事实是，今年现身车展的L4玩家多少有些尴尬，宣讲多年的“L4降维打击L2”并未实现，而且在产品、商业上与汽车工业渐行渐远：自动驾驶、Robotaxi普及之后，个人用户购置汽车的必要性，还有多少？
韩旭的解释同样简洁：“马拉松和1500米是两回事”。
而这个问题，可能没有谁比文远知行更有发言权：
在L2++角度来看，文远是唯一一个真正L4同源同架构量产L2的玩家；而在L4阵营，文远知行又是唯一一个持续、规模化在量产智能辅助驾驶上取得进展的玩家——韩旭自己说的“搏二兔”。
但文远自身的矛盾性也“暴露”：
强调L4生态位，认为L4价值的完全释放，会“消灭”L2这条赛道，但眼下的文远依然不肯放弃L2市场。
而韩旭的给出的解答，是从L4如何“降维”的技术视角开始的。
跑赢1500米的马拉松冠军
2026年北京车展，文远知行展台上的两样东西放在一起。
一边是已经在广州、北京等城市跑了好几年的L4级无人驾驶出租车，另一边是一辆刚开启预售的广汽埃安N60——车身上贴着文远知行L2++辅助驾驶方案的标签。
同一家公司，同时展示着“最有新引力的未来”和“马上就能买到的东西”，这种组合在车展上并不多见。
韩旭将这种现象比喻成：一个马拉松冠军（L4），苦练之后又跑赢了1500米（L2++），自动驾驶诞生10多年前所未见的案例。
广汽埃安N60是文远知行今年最受关注的量产车型，首次在高通骁龙平台上量产了一段式端到端技术——文远官方给出的数据是200 TOPS算力，达到了相当于2000 TOPS的效果。
城市道路、高速公路、自动泊车、主被动安全，全场景覆盖，一个方案全部包揽。对于一家以L4 Robotaxi起家的公司来说，这意味着它的技术终于以可量产、可销售的形式进入普通消费者的视野。
与这辆新车同时发布的，是文远知行WRD 3.0解决方案的最新进展。
这套一段式端到端方案已经实现了多芯片平台适配——NVIDIA DRIVE、高通骁龙、芯擎科技的“星辰一号”（AD1000）都在支持列表里。
其中，与芯擎科技的战略合作被单独拿出来强调：双方将围绕“芯片+算法”深度协同，芯擎的智驾芯片已于2025年量产，单芯NPU算力512TOPS，多芯方案最高可达2048TOPS。
从高端到入门，从国际化方案到国产方案，文远知行已经证明同一套软件架构可以跑在不同的算力底座上。
据公司披露，WRD 3.0已经拿下了近30个车型定点，广汽、奇瑞都在合作名单中。
L4那边也没有停下来。
文远知行的Robotaxi仍然在中国多个城市公开运营，纯无人、无安全员的车队规模在持续扩大。对这家公司来说，L2++和L4不是“二选一”的取舍，而是两条同时推进的战线。
只不过在2026年的北京车展上，那条L2++的战线显得格外活跃——新车、新方案、新合作伙伴，密集的发布让外界重新审视这家公司的定位。
韩旭的技术逻辑
问题也随之而来：文远知行到底是一家L4公司，还是一家L2公司？
韩旭对这个问题的回应，不是非此即彼，而是“全都要”：当然是L4，也是L2。
秘密武器是五年前开始的GENESIS通用世界模型。
对应不同产品，WeRide GENESIS既可以模拟量产一段式端到端的L2+车辆，也能模拟Robotaxi，当然还有各种无人小巴、清扫车等等。
不关心材质、纹理细节，也不需要“光追”级别的计算资源，更加关心的首先是场景环境的物理法则，包括光照、重力、雨雾、碰撞力学等等。第二点，则是事物、事件之间的因果关系，生成的环境场景连续、低时延、可解释，仿真测试中的任何bad case或good case，都能反映真实情况，而且能够根据WeRide GENESIS的反馈数据迅速归因。
文远知行能成功融合特斯拉路线和Waymo路线，全球唯一实现L4级无人驾驶和L2+级辅助驾驶规模商业应用——创始人、CEO韩旭所说的“搏二兔”——WeRide GENESIS既是评价文远知行研发能力现状最好的指标，也是理解“Robotaxi第一股”的一个最直接切入点。
实际上，韩旭透露“世界模型”这个概念流行之前就已经开始相关研究，5年前文远知行就已经发现很多长尾场景数据收集不到，也不知道该怎么评估。
所以构建了Genesis，只不过当时被称为“仿真测试”而非“世界模型”。韩旭将其类比为深度学习——一个从“人工神经网络”到“Deep Learning”再到“AI”的命名演变过程。
从技术演进来看，文远知行确实走出了一条区别于多数同行的路径：在L4领域积累了多年的仿真与世界模型能力后，再将这套体系“蒸馏”下沉到算力有限的量产平台上。
这种做法是否真的比直接从L2做起更有效，仍需更多量产车型的实际用户反馈来验证。
但至少在技术架构的层面，唯一展现了从云端大模型到量产车端小模型的闭环能力。
但话说回来，世界模型+蒸馏为主，再辅以强化学习手段，如今被称为广义数据驱动技术体系，包括文远在内的L4玩家，已经是标配。
甚至L2阵营大浪淘沙后留存的实力玩家，也已经完成了这种广义数据驱动体系的迭代。
所以理论上，任何L4玩家都有条件实现“降维打击”，而任何L2玩家，也能快速跑通L4。
但事实并非如此。韩旭把L4比作马拉松——42.195公里，考验耐力、系统能力和对长尾场景的覆盖。把L2++比作1500米中长跑——需要爆发力、量产能力和成本控制。
一个从来没跑过马拉松的1500米选手，说自己要去争马拉松冠军，这是很多车厂宣布做Robotaxi的现状。反过来，一个真正的马拉松选手去跑1500米，同样要面对完全不同的挑战——距离变了，节奏变了，训练方法也要跟着变。
所以深耕“马拉松”的文远知行，和其他L4相比，技术、理论其实站在同一起跑线，在降维这件事上拉开差距的，是坚持。
韩旭提及其他L4玩家，比如百度Apollo在极越项目的尝试，最终退出……只有文远知行在过去三年多的时间里，日日夜夜地磨量产、适配不同芯片、满足主机厂的种种要求，一路坚持下来。
在他看来，从L4到L2+的“瘦身”过程，就像一个马拉松选手为1500米比赛专门做爆发力训练，不是简单地把长跑耐力砍掉一截就能解决的。
对应到技术层面，除了基础的知识蒸馏之外，还涉及更多细致到代码级的know how，比如蒸馏前的混合精度量化 (Mixed-Precision)、模型减枝、动态推理优化、MoE架构优化等等……
这些技术积累，从另一个角度看，也是L2出发的“升维”玩家，为何不能称之为真正L4的原因。
AI汽车的话题热得发烫，尤其今年物理AI、具身智能、L4架构、世界模型……几乎每家厂商都在创造自己的名词。不少原本只做L2++的公司，也开始宣称“用L4的方法做L2”。
可能技术体系相似，但韩旭认为，真正的L4壁垒从未被“攻破”。
不看门派，看结果
仿佛一夜之间这个赛道所有玩家都跟L4、物理AI攀上了关系。
毕竟，如今的自动驾驶不是再两条路，是一条路的两段，L4、L2++都在做一件事：多模态大模型、数据驱动为基础，在汽车上率先落地物理AI。
不过韩旭引用了一句老话：“咏春厉害是因为叶问在打，不是咏春这门拳厉害。”
在他看来，行业里“过多的陷入了招式之争、门派之争、路线之争”。今天你讲VLA，明天我讲世界模型，后天他又讲具身智能——名词越堆越多，真正能拿出来的实在东西，几乎一模一样。
对于那些连一辆纯无人车都没有、却张口闭口“L4架构”的L2++公司，韩旭给出了一个相当硬核的回应：L4资格赛。标准很具体——100辆车、纯无人、公开运营半年、无重大事故。
按这个标准，中国目前真正算得上L4玩家的只有文远、百度、小马。滴滴正在过努力资格赛，有纯无人公开运营，但有没有100辆车、能不能撑过半年，还要再看。
至于其他公司，“请他们先过了资格赛再来讨论这件事”。
这种标准是不是太苛刻了？
说到底，新的浪潮趋势下，传统L4玩家可能不太容易在技术范式、体系上构建起和L2泾渭分明的壁垒。
但换个角度看，如果L4真的只是一个可以随便贴的标签，那它跟营销词汇有什么区别？
所以文远知行的L4不是概念，是可验证的运营事实，而这个事实背后的技术积累，是文远眼下在L2攻城掠地，赢得车企信任押注的核心、
关于终局，韩旭的判断很明确。如果有一天L4政策完全放开、技术真正成熟，L2++这条赛道会被消灭：“就像智能机消灭了功能机。”
而L4玩家，比如文远知行，已经证明自己在1500米赛道上能赢，但更重要的是仍然在L4的“珠峰”上前进，且已经在冲顶前的训练营里，而大多数L2++玩家还在山脚下。
韩旭的态度就一句话：不看门派，看结果。
他提出了一个可以验证的L4资格赛标准，公布了文远在智驾大赛中的连续排名，展示了WRD 3.0在多芯片平台上的量产进度。
这些信息是否足以证明文远知行就是那个“跑赢1500米的马拉松冠军”，业内可以继续争论。但至少这套“用公开数据说话”的叙事方式，在概念满天飞的自动驾驶行业里，提供了一种稀缺的参照。
至于L4真的会像智能机消灭功能机一样成为主流，以及文远知行能否在“iPhone 1.0到3.0”的跃迁中保持节奏，这些问题没有现成答案。
就像韩旭自己说的：比赛之前的宣传声量，对比赛结果其实没什么影响。最终决定行业走向的，从来不是谁的口号更响，而是那些真正在路上跑的车。
