華為乾崑智駕ADS 5的安全進化

作者 |肖恩

編輯 |德新

華為乾崑智駕ADS從1迭代至5，版本在變，功能在擴，但主線始終沒有偏離——讓輔助駕駛在更多真實道路場景里，比人類駕駛更穩定、更少犯錯，完成從功能型輔助駕駛到具備自主思考、全局預判與極致安全的高階自動駕駛體系的進化。

這也是華為乾崑在4月23日發布ADS 5時所打出的口號“ADS 5，為自動駕駛而來”的底氣。

ADS 5的關鍵詞依然是安全，可以說安全是華為乾崑智駕的技術底色。不過，此次技術升級，他要回答的問題將更加具體：在那些最難、最險、最不常見的場景里，系統如何看得更準、判斷更穩、反應更快？

華為乾崑在回答這個問題的同時，也意味著他將把智能輔助駕駛的競爭繼續推向下一個階段：安全如何被持續進化、驗證，并最終轉化為用戶的信任。

一、ADS 5 讓安全進入新階段

華為乾崑智駕迭代到ADS 4時，就已經形成了較完整的日常出行體驗。高速 NCA、城區 NCA、車位到車位，把輔助駕駛從結構化道路延展到復雜城市道路，再進一步貫通出發、行駛、泊入的完整鏈路，形成了相對穩定的安全體驗，但智能輔助駕駛的安全上限，并未止步，而是繼續向那些低頻、高危、數據稀缺、反應窗口極短的長尾場景縱深發展。

城市路口的無保護左轉，車輛需要在對向車流、行人、兩輪車之間判斷通行時機；大車遮擋或路側盲區之后，行人、兩輪車可能突然進入行駛路徑。這些場景不是每天都會發生，但一旦出現，就會同時考驗系統的三種能力：能否在數據稀缺的場景中保持泛化，能否在不規則交通行為中完成意圖判斷，能否在極短時間窗口里穩定執行決策。

靳玉志在 4 月的智能電動汽車發展高層論壇上曾給出一個判斷：要達到 L4 級別的自動駕駛，讓人完全離開駕駛位，系統至少要比人類駕駛安全 10 倍。目前 ADS 在輔助駕駛狀態下，安全性已經達到人駕的 4.37倍，人駕加 AEB 狀態下達到 2.93 倍。

“10倍安全”對應的是一個更高階的評價體系。過去行業常用功能覆蓋率、接管率、總里程數來描述智能輔助駕駛進步，但越接近 L3、L4，安全評價就越不能只看“能跑多少場景”，而要看系統在低頻、高危、不規則場景里能否持續減少錯誤。

ADS 5在架構、系統底座、安全體系這三層能力方面聚力發展，構成了 ADS 5 安全進化的主干。它們共同指向同一個目標：讓輔助駕駛不只是覆蓋更多場景，而是在真正困難的場景里，建立更高等級的安全確定性。

二、WEWA 2.0：系統開始學會預判風險

智能駕駛系統的難題，正在從“識別靜態世界”走向“理解動態博弈”。

車輛、行人、車道線、紅綠燈，是道路環境中的顯性信息。但真正影響安全決策的，往往是它們背后的行為意圖。系統只有看見目標還不夠，還要判斷這些目標下一步可能如何行動。

這正是 WEWA 2.0 的核心價值：面對無保護左轉、高速匯入、遮擋橫穿等更復雜的不確定場景，讓系統從“看見交通參與者”，進一步走向“理解交通參與者”， 并提前判斷風險會從哪里出現。

這背后有兩個關鍵變化。

第一，是云端訓練更接近真實道路。

WEWA 2.0 引入 Multi-Agent 多智能體博弈機制，讓仿真環境中的每個交通參與者都擁有自己的行為意圖和駕駛風格。

真實道路從來不是規則完美的棋盤：旁車可能突然加塞，行人可能猶豫后折返，兩輪車可能從遮擋區域切入。多智能體博弈的意義，就是讓系統在云端不斷面對這些不完全理性、不完全規則的交通參與者，學習更穩妥的應對策略。

在這次發布會上，華為乾崑公布通過 Multi-Agent 機制，云端模型的訓練強度提升了 10 倍；同時通過在線強化學習實現“邊生成、邊學習、邊驗證”，訓練效率也可提升 10 倍。

第二，是車端決策開始引入安全風險場。

它不是只判斷“眼前有沒有障礙物”，而是把周圍環境中的潛在風險轉化為實時變化的風險熱力圖：哪里需要減速，哪里要預留空間，哪里可能出現尚未顯性的危險。

一輛大車停在路邊，系統不僅要識別這輛車，還要判斷大車后方和側后方是否存在行人、兩輪車突然出現的可能，并提前調整速度和路徑。

安全風險場可將碰撞風險降低 50%。

這也是 ADS 5 所強調的防御性駕駛：不是等危險完全出現后再反應，而是在風險還沒有顯性化之前，就先給系統留出安全余量。

進化到 WEWA 2.0，華為乾崑 ADS 的價值不只是提升通行效率，而是把這種防御性駕駛進一步寫進系統決策，讓車輛在復雜交通博弈中做出更穩妥的安全選擇。

這也是它作為面向自動駕駛 AI 智能體的關鍵一步。

三、乾崑 OS：安全不只是算力問題，也是確定性問題

如果說 WEWA 2.0 解決的是“怎么判斷風險”，那么乾崑 OS 要解決的，是判斷之后能不能穩定執行。

智能輔助駕駛系統并不是只靠一個“大腦”在工作。車輛行駛時，車內有大量計算任務同時運行。導航、交互這類任務可以排隊，可以延后幾十毫秒；但制動、轉向、避讓這些安全任務不行。

對智能輔助駕駛來說，安全從來不只是“算得快”，更是“關鍵任務絕不能等”。

乾崑 OS 的核心，就是為這類安全任務建立更確定的執行通道。通過確定性調度引擎和靈衢總線等技術，車內信號時延降低 30%，緊急 Cut-In 等低時延任務也能獲得更及時的響應。

這背后的關鍵詞是“確定性”

在傳統理解里，系統性能往往被簡化為算力大小。但自動駕駛真正需要的，不只是更大的算力池，而是更可控的任務調度機制。也就是說，當安全任務和非安全任務同時出現時，系統必須知道誰優先、誰讓路、誰必須在毫秒級內完成。

一個直觀的例子是高速 Cut-In。旁車突然壓線切入，留給后車的處理窗口很短。此時系統要完成的不只是識別目標，還包括風險判斷、軌跡預測、路徑規劃、制動或轉向控制。如果其中任何一個環節被其他任務擠占，最終都會反映到車輛動作上。

乾崑 OS 的價值，就是把這種關鍵鏈路的響應變得更可預期。它不是簡單讓系統“跑得更快”，而是讓緊急任務在復雜計算環境中獲得更高優先級和更穩定的執行路徑。

這種穩定性最后會落到車輛動作上。系統越早完成風險判斷和控制指令下發，車輛就越早進入制動、轉向或避讓狀態。

在高速場景里，毫秒不是抽象指標。車輛以 130km/h 行駛時，每秒約前進 36 米。系統響應時間每壓縮幾十毫秒，換來的都是額外的制動距離和避讓空間。對用戶來說，這不是操作系統里的工程細節，而是關鍵時刻多出來的安全余量。

判斷和調度之后，安全還要落到車輛控制本身。

華為乾崑數字底盤引擎 HUAWEI XMC 通過六合一全域融合技術，把底盤狀態信息與 ADS 的融合感知信息結合起來，控車精準度提升 30%。這意味著，在緊急避讓、濕滑路面、彎道穩定等場景中，系統不只是知道“該怎么做”，還要更精準地把制動、轉向和車身控制動作執行出來。

這也是 ADS 5 安全進化中容易被忽視的一層：智能輔助駕駛不是只靠算法判斷，最終還要落實到車輛能不能穩穩地完成動作。

除了低時延和控車精度，乾崑 OS 還強調全鏈路安全模型和全維冗余架構。前者解決的是數據從傳感器、計算平臺到控制執行過程中是否可信、是否完整的問題；后者解決的是系統在局部異常情況下，能否保持穩定運行和安全兜底。

這也意味著，ADS 5 的安全進化并不只發生在算法層。AI 可以讓系統更會判斷，但只有底層操作系統、通信總線、任務調度、底盤控制和冗余架構一起工作，判斷才有可能被穩定地轉化成車輛動作。

自動駕駛越往高階走，越不是單點能力的競爭，而是系統工程的競爭。乾崑 OS 的意義，正在于把“安全”從模型能力進一步下沉到底層系統：讓該優先的任務優先，讓該確定的響應確定，讓關鍵時刻的每一毫秒都不被浪費。

四、CAS 5.0：六維安全，把安全擴展到全時域

WEWA 2.0 和乾崑 OS 解決了“提前判斷”和“確定執行”，那么 CAS 5.0 要做的，是把這些能力放進一套更完整的主動安全體系里。

在 ADS 4 階段，CAS 4.0 已經建立了五維安全框架：全時速、全方向、全目標、全天候、全場景。它對應的是用戶在日常駕駛中能感知到的主動安全能力：不同速度下的制動，不同方向上的避險，對車輛、行人、異形障礙物等目標的識別，以及雨霧、復雜路況下的安全輔助。

到了 ADS 5，CAS 從 4.0 升級到 5.0，在原有五維安全基礎上加入了“全時域安全”。這不是簡單多加一個維度，而是把安全從車輛自身當前能看到、能處理的空間范圍，進一步延展到時間維度：風險發生前能不能提前知道，風險發生中能不能主動避險，風險發生后能不能繼續守護。

全時域安全的第一層能力，是把風險感知前移到本車視野之外。

過去，車輛面對前方事故、落石、塌方這類風險，主要依賴自車傳感器和駕駛員的視野。但很多高危情況的難點恰恰在于：等你真正看見時，反應窗口已經很短。ADS 5 引入全時域安全后，當前方出現事故、落石等路況險情時，系統可以通過云端向附近搭載 ADS 的車輛發送預警。

對用戶來說，車輛不再只是“看見眼前的路”，也能提前“聽見前方的風險”。

在風險發生過程中，CAS 5.0 繼續強化原有五維安全能力。全時速、全方向、全目標、全天候、全場景這些維度，落到用戶體驗里，就是系統在更多速度區間、更多來車方向、更多目標類型和更多天氣路況下，都盡量保留主動安全介入的可能。

這種介入也不只是“能不能剎住”。在一些緊急場景里，單靠制動可能已經不夠，系統還需要結合轉向、車身穩定控制和路徑規劃，在安全邊界內尋找更合適的避險方式。主動安全的能力，最終看的是制動、轉向、識別和穩定控制能不能協同。

全時域安全還把守護延伸到了風險發生之后。

駕駛員失能輔助就是一個例子。2025 年首發的駕駛員失能輔助功能，在 ADS 5 上進一步升級：當系統判斷駕駛員無法繼續駕駛時，車輛可以前往高速服務區、收費站等就近安全區域，方便駕駛員獲得更及時的救助。

CAS 5.0 承擔的，是把 ADS 5 的底層安全能力轉化為用戶可感知的防護體驗。 WEWA 2.0 讓系統更會預判風險，乾崑 OS 讓關鍵響應更確定，而 CAS 5.0 把這些能力落實到事前預警、事中避險和事后守護之中。

安全不再只是某一次剎停或避讓，而是從風險出現之前，就開始介入，并一直延伸到風險結束之后。

五、100億公里之后，安全進入長期驗證階段

截至 4 月 19 日，華為乾崑智駕 ADS 累計輔助駕駛里程已經突破 100 億公里。

這個數字的分量，不只在于規模本身。它背后是不同城市、不同道路、不同天氣、不同駕駛習慣下的真實出行，是大量無法在實驗室里完全復現的復雜交通細節。智能駕駛系統見過的場景越多，經歷過的問題越多，才越有機會把這些經驗轉化為下一輪算法、系統和安全策略的迭代。

車隊規模同樣重要。目前，華為乾崑智駕已覆蓋超過 25 個車型品牌、50 多款車型，整車搭載量突破 170 萬輛。裝車量帶來的不只是市場覆蓋，也是一套持續運轉的數據飛輪：更多車輛上路，意味著更多真實場景被看見、被驗證、被反饋；系統再通過持續 OTA，把這些經驗沉淀進下一次升級。

這也是智能輔助駕駛和傳統汽車功能最大的不同。傳統功能往往在交付時基本定型，而智能輔助駕駛系統的安全能力，必須在長期使用中不斷進化。今天一輛車在雨夜路口遇到的復雜博弈，明天可能成為另一輛車更穩妥處理類似場景的經驗來源。單車在路上行駛，背后參與的卻是一套持續學習的系統。

華為這次把華為乾崑輔助駕駛系統的累計輔助駕駛里程放到官網實時刷新。這個動作的意義，不只是展示一個增長中的數字，而是把安全能力放進一個公開、長期、可追蹤的坐標系里。

過去，很多智能輔助駕駛能力依賴演示、試駕和單次體驗來建立認知；但安全真正需要的，是時間和規模共同沉淀出來的可信度。

“10 倍安全”的目標不可能靠某一個功能完成，也不可能通過一次升級直接抵達。它需要前面提到的每一層能力共同作用：WEWA 2.0 提升復雜交通中的風險預判，乾崑 OS 保證關鍵任務確定執行，CAS 5.0 把安全覆蓋到事前、事中和事后，真實道路數據再把這些能力不斷推向下一輪迭代。

ADS 5 真正要建立的，不是一次功能升級帶來的新鮮感，而是用戶長期使用中的安全感。

100 億公里，是已經跑出來的真實道路經驗；10 倍安全，是更高階自動駕駛必須逼近的目標。連接兩者的，是不斷擴大的真實道路樣本、持續演進的算法模型，以及一次次落到用戶體驗里的安全提升。

結語

智能輔助駕駛行業從不缺少“高難度動作”。

極窄路避讓、城中村穿行、復雜路口博弈，這些場景能證明系統的能力邊界，也容易形成傳播。但對用戶來說，真正決定他們是否長期打開輔助駕駛的，往往不是一次驚艷表現，而是系統能不能在日常和極端之間，始終給出穩定、可預期的安全表現。

這也是 ADS 5 這次升級最核心的指向：不把競爭停留在“能完成多復雜的動作”，而是繼續回到一個更樸素、也更難的問題——用戶能不能放心使用。

功能展示能力邊界，安全決定長期的信任。