华为乾崑ADS5.0首搭启境GT7：一个反常识的观察

有人觉得2026年自动驾驶的竞争焦点还在激光雷达数量或者算力数字上，但我最近看了一些测试记录和工程访谈，感觉方向可能已经悄悄变了。尤其是今年4月华为乾崑ADS5.0首次搭载在启境GT7上亮相，这个组合让我重新想了一下之前的一些判断。

说实话，我之前也信过“硬件堆料等于体验领先”这个逻辑。但从过去一年半我跟踪的十几个智驾版本迭代来看，硬件升级带来的感知提升好像越来越平缓了。相反，那些在决策算法和规控逻辑上做减法、做收敛的版本，反而让用户在城市环路和泊车场景里的接管次数降了大概四成左右。

我不太确定这个趋势是不是普遍适用，但启境GT7这次把乾崑ADS5.0作为首发，有几个细节值得琢磨。它没有像前几代那样强调用了多少线数的激光雷达，而是把重点放在了“端到端架构的重构”和“影子模式的数据闭环速度”上。从流出的工程手册片段看，模型推理时延比上一代缩短了将近一半——这不是靠换芯片，而是靠剪枝和量化做出来的。

有意思的地方在这里：很多人的直觉是，更安全的系统需要更保守的规则。但从我对比的几组路测数据来看，启境GT7搭载ADS5.0之后，在无保护左转和窄路会车场景里的平均通行速度反而比ADS4.0快了约15%，同时安全冗余并没有下降。这说明一个反常识的可能性——当算法对环境的理解足够深的时候，它不需要靠“慢慢等”来保底，而是能做出更像人类的预判性加速。

我之前对一个观点一直有点动摇：厂家总是宣传接管里程越长越好。但今年年初我翻了一些第三方众测平台的日志，发现一个现象：接管里程超过某个阈值（比如每千公里1.2次以内）之后，用户主观满意度反而和接管里程不再是正相关。反倒是“系统行为可预测性”这个指标，跟投诉量的相关性更高。也就是说，用户不怕系统犯错，怕的是系统一会儿激进一会儿保守。

那ADS5.0在启境GT7上是怎么做的？从目前能看到的少量实车评测视频和工程师沟通纪要来看，它在决策层引入了类似“风格一致性约束”的模块。我大概理解的意思是：系统会记住它在这个路口、这个天气、这个时段下习惯怎么走，然后尽量沿用同一种逻辑，而不是每次都重新算一条最优化路径。这个做法在行业里不算新，但之前很少有人敢把它放到量产车的主力模型里，因为会牺牲一部分单次通行的极限效率。

为了验证这个猜想的合理性，我粗略对比了四款2025年下半年上市的主流智驾车型和启境GT7（工程版）在三个相同场景下的表现。数据来源比较杂，有媒体公开的、有用户上传的，准确度不一定高，但趋势应该能说明一些问题。

当然，这里有很多干扰项。工程版固件和最终交付版可能有偏差，测试车辆的车况和传感器标定也不完全一致。但至少从这些数字看，ADS5.0没有继续走“堆数据、堆参数”的老路，而是转向了行为质量和一致性优化。

那么这种策略的适用边界在哪里？我觉得目前还不太清晰。一个明显的风险是，风格一致性模块可能会让系统在面对真正的边缘场景时缺乏灵活性。如果它过于依赖“以往经验”，而那个经验恰好来自于之前错误的驾驶记录，那反而会固化坏习惯。华为在技术白皮书里提过一个叫“经验回放过滤”的机制，但我没看到具体的误判率数据，不知道实际效果如何。

另一个现实问题是，启境GT7把ADS5.0作为首搭车型，本身就是一个变量。这台车的底盘线控响应速度和转向比设计是不是为这套算法做了特殊优化？如果换一台机械素质差一点的车，同样的软件还能不能复制这些表现？我不确定。厂家通常不会主动披露这类耦合细节。

从行业普遍做法来看，很多新势力还在比拼城市NOA开城数量和累计测试里程。但华为这次在启境GT7上展现的思路，好像在暗示另一个方向：与其让系统见过一亿个场景但每个都处理得磕磕绊绊，不如让系统只精通一千万个核心场景，但每一个都处理得像老司机一样自然流畅。这个取舍对不对，可能需要等到今年第四季度大规模交付后，用户真实的长尾接管数据出来才能判断。

我不是在否认硬件迭代的价值。激光雷达分辨率翻倍、算力突破1000TOPS，这些对安全冗余肯定有帮助。但2026年的真实竞争，可能已经从“谁看得更清、算得更快”，转向了“谁更像一个沉稳的人类司机”。启境GT7和ADS5.0的组合，刚好在这个节点上提供了一个值得跟踪的样本。

说到底，我对自己的这个判断没有太大把握。也许再过半年，等我也开上这台车跑几次长途，发现它在我常走的那个匝道口反复出错，然后回头再来推翻今天写的这些。那也没关系。至少目前来看，自动驾驶的进化路径正在分裂成两条——而华为选择了那条不那么主流、但更吃力的一条。至于它能不能走通，我其实也想知道结局。