启境刘嘉铭：华为 ADS 5 在 WEWA 2.0 架构加持下，会车跟车场景博弈更稳妥

这篇文章最有价值的信息是，华为ADS 5在WEWA 2.0架构下对会车跟车场景博弈能力的提升，表明自动驾驶商业化正从“感知拼图”进入“决策博弈”阶段。这一技术突破，将直接影响我们评估智能驾驶赛道中两类技术路线的长期风险收益比。

方案A：华为的“规则博弈+场景蒸馏”路线
华为ADS 5的WEWA 2.0架构，核心是引入了显式的博弈论建模。它不是简单地将所有场景输入一个端到端神经网络，而是在会车、并道这类交互密集型场景中，将车辆、行人、非机动车视为“智能体”，通过极小化双方代价函数来求解最佳行动序列。这种方法的优势在于：

• 可解释性高：当车辆在窄路会车时做出“停车让行”或“加速通过”的决策，工程师可以追踪到博弈树中某个节点的成本差异（例如对方车速、路面宽度、双方意图概率）。这种可追溯性对安全合规至关重要，尤其在中国复杂的路权博弈环境中。
• 长尾场景覆盖：WEWA 2.0将高频博弈场景（如无保护左转、双向单车会车）单独训练，相当于在通用模型之外建立了一个“场景专病数据库”。启境GT7实测中“更稳妥”的表现，意味着这些场景的决策失败率可能降低了2-3个数量级。
• 硬件依赖度可控：华为可以在MDC 910（200TOPS）这类中等算力芯片上运行，不需要像特斯拉那样堆叠到2000TOPS以上的芯片，这对于车企的BOM成本控制是利好。

方案B：特斯拉的“端到端模仿+强化学习”路线
特斯拉FSD Beta V12抛弃了规则代码，用一个统一的神经网络从感知直接映射到控制。这种做法的优势是：

• 数据效率天花板更高：当数据量达到百亿英里级别时，神经网络可以自动学习到人类驾驶员在博弈中的隐性知识，例如“对方车辆打左转向灯并不一定意味着要左转，可能只是失误”。
• 场景泛化性强：不需要单独为每个博弈场景编写规则，理论上可以处理任何从未见过的交互模式。

但风险同样明显：

• 可解释性灾难：当车辆在会车时突然减速，工程师无法判断是因为模型认为对方车速过快，还是因为识别到了路边一个塑料袋。这种“黑箱”特性在监管审批中会面临巨大阻力，尤其在中国对自动驾驶事故责任划分有严格法律框架的背景下。
• 长尾场景失效：端到端模型在训练数据中占比极低的场景（如农村双向单车道上同时出现拖拉机、三轮车和儿童）会表现不稳定，而特斯拉的“影子模式”需要大量实车迭代才能覆盖这些场景。

从投资角度看，两种路线的竞争壁垒正在分化

华为WEWA 2.0的优势在于“确定性”。它用博弈论框架将部分决策逻辑固化，在会车跟车这类高频高风险场景中，提供了比端到端更可靠的基线表现。这对于追求“零事故”目标的监管机构、以及注重品牌声誉的车企（如启境、赛力斯）来说，意味着更低的合规成本和更快的量产节奏。

而特斯拉的壁垒在于“数据飞轮”。但请注意，这个飞轮正在被华为的“场景蒸馏”策略追赶

---

原文链接：启境刘嘉铭：华为 ADS 5 在 WEWA 2.0 架构加持下，会车跟车场景博弈更稳妥 - IT之家