連比亞迪都開始發AI論文了！
而且不是成果平平的灌水文章。
最新公開的一篇HyWorldVLA，來自比亞迪汽車新技術研究院，瞄準的是當前自動駕駛最熱門的方向——Vision-Language-Action（VLA）+ World Model（世界模型）。
HyWorldVLA在自動駕駛公開基準NAVSIM v1上取得SOTA成績，PDMS達到 90.59。
太反差了！
過去幾年，外界提到比亞迪智能化，更多想到的是“天神之眼”、供應鏈整合、規模化落地，當然還有今年的“兜底”。
但要讓你具體callback一下，迪子有啥具體到“代碼級自研”的AI技術、學術成果......一片空白。
甚至有傳言比亞迪智能發布會的PPT，都是供應商幫忙做的。
但這篇論文一出，讓所有人看到一個基因都完全不一樣的比亞迪：
不但有自動駕駛成果，還有一支長期投入物理AI基礎模型的研發團隊。
先說這篇論文到底在研究什么。
HyWorldVLA瞄準的是當前自動駕駛領域最前沿的一條路線：
讓AI從“識別道路”走向“理解世界”。
因此，近幾年行業開始探索端到端自動駕駛模型，模型直接從傳感器輸入，輸出車輛控制或軌跡，而進一步的發展，就是加入世界模型（World Model）。
簡單理解，世界模型希望讓AI擁有一個“內部模擬器”。它不僅知道現在發生了什么，還能預測未來：幾秒后道路會如何變化？其他交通參與者可能如何行動？車輛應該采取什么策略？
這也是Tesla FSD、Waymo以及NVIDIA等玩家正在探索的方向。
但問題是，目前的自動駕駛世界模型仍然面臨一個核心矛盾：
既想讓模型理解真實世界的細節，又希望模型能夠高效推理。
一種方式是Pixel-level World Model，也就是直接預測未來視頻畫面。優勢是直觀，模型可以生成未來道路、車輛、環境變化。但缺點也明顯：計算成本高，而且容易受到視覺噪聲影響。
另一種方式是Latent World Model，也就是在壓縮后的隱藏空間中預測未來。這種方法效率更高，更適合大規模模型訓練。但問題是：模型可能理解了抽象關系，卻丟失了真實世界細節。
HyWorldVLA提出的，就是一種混合世界模型（Hybrid World Modeling），留視覺世界模型對于環境細節的理解能力，又利用隱空間模型提升推理效率。
在此基礎上，論文進一步引入Vision-Language-Action（VLA）模型，讓系統不僅能夠理解視覺環境，還能夠結合語義信息生成駕駛動作。
把兩條路的好處都拿到，同時把各自的短板規避掉，最終形成：看見環境、理解環境、預測未來、采取行動的端到端流程。
效果如何？
HyWorldVLA選擇的測試平臺，是當前自動駕駛研究領域較受關注的公開基準：NAVSIM v1。
和傳統視覺任務測試并不一樣，它更關注：如果車輛真的按照AI規劃路線行駛，會不會安全、高效完成駕駛任務。
因此，它采用了更接近實際駕駛質量的綜合指標PDMS（Predictive Driver Model Score）。其中包括是否發生責任碰撞；是否保持在可行駛區域；是否保持合理安全距離；是否完成駕駛目標；車輛運動是否平順舒適。
也就是說，一個模型不能靠“慢慢開”獲得高分，也不能只追求速度而忽略安全，需要同時做到：安全、效率、舒適。
HyWorldVLA在NAVSIM v1測試中取得PDMS 90.59的成績，達到公開結果中的領先水平。
這說明：至少在公開數據集和仿真駕駛環境中，比亞迪這套基礎模型具備當前自動駕駛研究前沿能力。
但需要客觀看待：benchmark領先，不等于已經完成量產自動駕駛。
所以，比亞迪自動駕駛大模型SOTA，更準確的意義是：
比亞迪證明了自己具備多模態、物理AI基礎模型研究能力。
HyWorldVLA的混合不是簡單地把兩條路線拼接在一起，而是在不同訓練階段讓像素級和隱空間表征各司其職。整個流程分為三步。
第一步：訓練一個視頻壓縮器。
先用視頻VAE把連續的視頻幀壓縮成緊湊的隱特征，后續模型在這個壓縮空間里做預測，而不是在原始像素空間里硬扛噪聲。為了提升壓縮質量，編碼過程中引入了文本信息作為語義指引——用文字描述輔助模型理解畫面中哪些是重要結構、哪些是可以忽略的細節，顯著改善了重構畫面的清晰度。
第二步：預訓練。 把圖像、動作、語言和隱特征全部轉成統一的離散token，拼成一個長序列，用自回歸的方式讓模型學會預測下一個token是什么。
這個階段的關鍵設計是“兩條腿走路”——模型同時做兩件事：預測未來畫面的token，以及預測未來隱特征。畫面token預測相當于一個“監工”，逼迫隱空間必須保留足夠的信息才能還原出清晰的畫面，防止表征在學習過程中變得空洞無用。
第三步：聯合微調。 到了這一步，模型不再預測畫面，只輸出隱特征。動作生成模塊把這些隱特征和歷史信息融合在一起產出最終軌跡。
論文驗證了兩種動作模塊——一種是從候選軌跡里打分選最優，一種是用生成模型直接輸出連續軌跡——兩者都有提升，說明這套方法的增益不依賴特定的動作設計。
那SOTA到底靠什么贏的？消融實驗給出了答案。
最大的貢獻來自“混合”本身。去掉畫面預測、只保留隱空間，PDMS從90.59掉到87.50——這是所有消融里跌幅最大的，說明像素級的精細監督對整體表現至關重要。反過來，去掉隱空間、只保留像素級模型，PDMS也掉到89.91。兩條路線誰都不能少，單靠一條都到不了90.59。
隱特征監督的權重也很有講究。聯合微調時完全不約束隱特征（λ?=0），PDMS只有90.17；給一個適中的權重（λ?=0.1），達到最優90.59；權重繼續加大反而掉到89.75。這說明：適度約束能防止預訓練學到的語義在微調中被沖掉，但約束太強又會束縛模型自己去發現對開車最有用的表征。
噪聲魯棒性則是隱空間帶來的“額外紅利”。論文專門收集了655個雨霧場景做測試。純像素方法WoTE只有60.65，DriveVLA-W0也只有61.18；HyWorldVLA達到86.87。這個差距說明：在惡劣天氣下，在壓縮空間里做推理遠比在像素空間里死磕要可靠得多。
一句話總結：這套方案贏在“分階段干活”——預訓練時用像素重建把隱空間“喂飽”，讓它保留足夠的環境信息；微調時切換到純隱空間推理，自動獲得了對雨霧光照的免疫力。
兩個階段分工明確，互不干擾，而不是讓一個模型同時扛兩項任務。
HyWorldVLA代表的是自動駕駛基礎模型探索方向，與Tesla FSD、Waymo、NVIDIA Cosmos等路線處于同一技術趨勢，但選擇了VLA與混合世界模型結合的具體技術路徑，有自己的差異化側重。
但距離真正大規模量產部署，仍需面對真實數據閉環、車端算力約束、長尾場景覆蓋等一系列工程化挑戰。
HyWorldVLA這篇論文完全由比亞迪汽車新技術研究院（也就是原來的規劃院，楊東生領導）獨立完成，沒有外部高校或研究機構合作署名，這在車企AI論文中不算常見。
順著“新技術研究院”這條線，再把范圍擴大到整個比亞迪關聯去擴大檢索，可以發現一些更完整的信息。
HyWorldVLA是比亞迪第一篇多模態基礎模型論文，但不是第一篇AI論文。
至少還有一篇EMoE-Planner（基于混合專家的自動駕駛規劃模型），發表于2025年。
其他的論文還包括賽車軌跡優化（Global minimum time trajectory planning considering curvature and distance for track racing）、胎噪判斷地形（Road Terrain Recognition Based on Tire Noise for Autonomous Vehicle）。
但這些領域跟自動駕駛以及更前沿的物理AI基礎研究關聯不深。
而再往前，公開渠道幾乎查閱不到比亞迪的AI學術論文。
這在一定程度上證明，比亞迪對于核心的AI基礎模型研究，是近幾年才開始做的。
幾個高頻出現的名字，也印證了這種判斷。
Liulong Ma，資料不多，github上極其低調，也沒有個人主頁和Google學術主頁，但比亞迪汽車新技術研究院幾篇公開AI論文中都有署名，而且是通訊作者。
第一次出現的時間點，是2025年。
再往前，Liulong Ma在學術界的露出軌跡涵蓋自動駕駛規劃、機器人導航、多模態感知、世界模型等多個方向，與當前Physical AI技術趨勢高度重合——
他出身哈工大，而且是著名的哈工大機器人技術與系統國家重點實驗室，以及哈工大機電系。
從他的研究方向上推斷，指導老師有可能是哈工大的趙杰教授，哈工大機器人研究所所長。
再從哈工大這條線索入手，還能夠發現比亞迪AI團隊更鮮明的哈工大基因。
Hongbiao Zhu，前面提到的EMoE-Planner第一作者，2025年論文發表時，也隸屬比亞迪汽車新技術研究院，但是他的過往履歷，同樣緊密關聯哈工大，以及CMU。
說明BYD新技術研究院的AI團隊，不是單純招聘汽車算法工程師，而是在吸收頂尖名校的計算機、機器人人才，包括哈工大、CMU，形成一個“機器人AI派”的團隊。
最后，總結一下比亞迪自研AI團隊的構成呈現幾個鮮明特征。
第一，時間線指向從2024年甚至更早啟動的真正自研——2025年有EMoE-Planner，2026年有HyWorldVLA，中間還有多篇合作論文發表在ICLR、CVPR、NeurIPS等頂會。
這表明比亞迪內部有一個穩定運轉的基礎AI研究小組，而非項目制的階段性投入。
第二，學術圈露出的團隊成員背景高度集中，鮮明的哈工大和CMU背景。
第三，這與比亞迪同時在推進的自研機器人項目形成了呼應。
據公開信息，比亞迪自研機器人即將亮相。HyWorldVLA所代表的VLA+世界模型路線，本質上是機器人領域“感知-推理-行動”閉環的自動駕駛版本——兩者共享同一套技術棧和人才基因。
比亞迪這個AI團隊，和其他車企最大的不同在于，不是從汽車電子或ADAS工程延伸過來的研發路線，某種程度上更接近Tesla AI“機器人+自動駕駛”一體化的組織邏輯。
這是物理AI從技術出發的第一性原理，在組織架構上的反應。
所以，比亞迪發布HyWorldVLA的意義，不只是多了一篇論文。
它讓外界第一次看到：這家年銷量全球領先的新能源車企，正在展示過去并不顯性的能力——物理AI的基礎模型研發。
自動駕駛競爭正在從“功能堆疊”進入“物理AI能力競爭”，比亞迪顯然已經認識到這一點，不過HyWorldVLA是否代表比亞迪已經進入第一梯隊，還有待驗證。
但至少，比亞迪是所有老牌車企中，率先擺脫“就事論事”搞智能輔助駕駛，按照AI系統能力建設團隊，把研究向機器人和基礎大模型推近的玩家。
— 聯系作者 —
— 完 —
【智能車參考】原創內容，未經賬號授權，禁止隨意轉載。
點這里??關注我，記得標星，么么噠～
