半年净增百万辆,天神之眼单日吞吐2.6亿公里
2.6 亿公里,这是比亚迪天神之眼系统当前单日生成的行驶数据体量。按照地球赤道周长约 4 万公里折算,这支庞大车队每天在真实道路上跑出的里程相当于绕地球 6500 圈。2026 年 11 月 14 日,比亚迪官方公布了最新的智驾运营数据:旗下辅助驾驶车型保有量已突破 419 万辆。官方海报在附注中注明,该数据统计截至 2026 年 10 月 31 日,涵盖所有搭载比亚迪自研天神之眼系统以及合作搭载华为乾崑智驾的车型。
拉出过去半年的时间线,这支车队的膨胀节奏呈现出陡峭的爬坡斜率。2026 年 5 月,比亚迪公布的辅助驾驶车型保有量为 315 万辆,单日数据生成量刚越过 2 亿公里关口;到了 8 月底,车队规模刷新至 372 万辆与 2.3 亿公里;9 月底进一步抬升到 395 万辆与 2.4 亿公里;如今正式迈过 419 万辆台阶。在不到六个月的周期里,比亚迪为真实路网净增了超过 104 万辆具备高阶传感器与计算平台的智能车辆。

图:比亚迪官方发布的智驾数据海报,公布辅助驾驶车型保有量超 419 万辆、单日数据超 2.6 亿公里的阶段性数据。来源:比亚迪汽车官方
量产车队在路面上的高密度行驶,直接缩短了低频偶发工况的采集周期。以往需要数十台测试车在特定封闭园区打磨数月的特殊路况,如今被数以百万计的日常通勤车流在几小时内自然捕捉。物理世界行驶规模的扩张,把智驾研发从实验室仿真推向了真实车流构建的天然试验场。
手写规则撞上天花板,端到端要靠真实博弈喂养
传统自动驾驶系统的架构由感知、预测、规划与控制多个独立模块拼接而成。工程师通过编写层层嵌套的逻辑判断代码,试图枚举道路上可能出现的各种情况。当面对倾倒货车散落的非标货物、突发暴雨反光的碎石泥泞,或者城中村内行人与非机动车的复杂借道穿插,人工编写的规则代码往往出现逻辑死锁。模块与模块之间传递的信息在层层转译中发生失真,边际维护成本呈指数级上升。
行业的技术航向因此全面转向端到端(End-to-End)大模型。该方案将传感器采集到的原始视频流与点云信号直接输入神经网络,由统一大模型直接输出转向、制动与油门等控制指令。模型的驾驶策略不再来自人类工程师的预设经验,而是直接向海量的人类真实驾驶轨迹学习。比亚迪海洋网总经理张卓公开表示,数百万辆车的数据积累是天神之眼系统体验跃升的直接原因,算法依靠海量真实数据学习复杂博弈,摆脱了对工程师手写规则的依赖。
端到端模型的训练效率高度遵循尺度定律(Scaling Law)。模型参数量越大、训练喂入的高质量博弈样本越多,其在复杂城区的泛化表现越接近人类熟练驾驶员。在这一技术路径下,人工代码经验的拉动作用迅速让位,物理车队回传的博弈样本成为推动算法迭代的核心燃料。
硬件分级软件端到端,万级算力支撑模型自我进化
规模庞大的量产车队若要有效输送养料,必须依托标准化的软硬件分层体系。比亚迪在 2026 年确立了「硬件看字母、软件看数字」的智驾平台架构。硬件端划分出天神之眼 A、B、C 三档方案:A 平台定位于仰望等百万级旗舰,配备三颗激光雷达与高冗余感知套件;B 平台主打中高端主力车型,支持以 1.2 万元选装激光雷达版本;C 平台则聚焦大众化市场,采用高性价比的纯视觉多传感器融合方案。
软件端同样经历了快速迭代。天神之眼 4.0 平台引入了无图全闭环端到端架构,使系统能够在不依赖高精度地图的前提下完成复杂路况领航;紧随其后的天神之眼 5.0 进一步融合了强化学习算法,着重增强车辆在路口抢行博弈与狭窄车位泊车时的通行拟人化表现。为了打消用户在体验早期对新技术的疑虑,比亚迪为新购车用户及升级至 5.0 系统的老用户提供了为期一年的城市领航安全责任兜底,以厂商背书降低技术尝鲜门槛。

图:比亚迪在技术发布会上展示的天神之眼软硬件体系,明确「硬件看字母、软件看数字」的分级架构。来源:比亚迪技术发布会
支撑这套算法运转的是自研算力基座。比亚迪量产落地的 4nm 车规级智驾芯片「璇玑 A3」,单车三芯协同可输出超过 2100 TOPS(Tera Operations Per Second)的本地算力。端侧芯片负责实时运行感知与规划模型,云端超算中心则负责承接由触发机制回传的高价值数据切片,完成清洗、标定、回放仿真与模型增量重训。软硬件分级与云端算力的打通,让数百万辆车形成了一个持续反哺的工程循环。
车海战术也有死角,合规脱敏与算力账本成为新门槛
车队规模虽然是获取稀缺场景的必要条件,但物理规模并不能自动等同于算法进化。行业针对「规模决定论」的争议从未停息。反对观点明确指出,日均 2.6 亿公里的路况数据中,超过 99% 属于结构化高速或畅通主干道上的重复巡航。这部分平庸数据对大模型训练没有任何增量价值,盲目回传只会挤占车载 5G 模块的通信带宽并迅速撑爆云端存储介质。
筛选机制是解开这一矛盾的关键。车企普遍采用影子模式(Shadow Mode)与异常触发器:只有当驾驶员发生紧急接管、车辆触发急制动、AEB(自动紧急制动)启动,或者车端模型输出与人类驾驶动作产生显著偏差时,系统才会截取前后数十秒的多传感器原始包回传。数据采纳的标准从「里程多寡」收缩到了「有效博弈密度」。
合规脱敏与算力开销构成了另一道隐形高墙。419 万辆车构成的庞大网络在全国路网流动,行车视频与点云涉及人脸、车牌以及地理敏感区域的严苛合规要求。每一帧回传数据在进入训练集群前,都必须经过本地或边缘云的脱敏处理。随着端到端模型参数规模攀升至百亿级,清洗、标注与多模态预训练对车企的智算中心吞吐能力提出了苛刻要求。数以万张专业 GPU 构成的计算集群,正在考验车企在价格战周期内的利润耐受度。
物理车队筑起壁垒,智驾胜负手离开纯算法假设
国内新能源汽车的竞争重心,已从前几年的电机功率、电池续航与中控屏幕,转移到以数据飞轮为内核的智驾工程。比亚迪依靠单月超 40 万辆的新能源乘用车交付量,在极短时间内筑起了其他软件供应商难以企及的物理车队规模。这种规模带来的直接产物,是真实世界里不断滚动的样本捕获能力。
高阶智驾算法的泛化边界,无法仅依靠研发人员在封闭道路或人工合成虚拟环境里完成推演。罕见异形车辆的避让策略、无标线混合道路的博弈节奏,最终都要回到数百万车主每天行驶的真实路况中寻找解答。比亚迪辅助驾驶车型突破 419 万辆,标志着智驾产业的竞争规则发生实质改变:脱离量产车队支撑的纯算法公司生存空间被逐步压缩,而拥有百万级硬件底座与端到端一体化能力的车企,正在将规模优势转化为数据壁垒。
这场战役的长跑才刚刚开始。当硬件配置在不同价位车型上趋于标准化,车企比拼的重点将演变为谁能以更低的单公里成本筛选出高价值样本,并在云端完成最高效的权重更新。谁掌握了源源不断的真实路况回流,谁就掌握了端到端智能驾驶在复杂物理世界中持续进化的最终解释权。
参考链接:
- 比亚迪汽车官方最新智驾运营数据
- 2026 粤港澳大湾区车展比亚迪天神之眼技术发布会
- 比亚迪汽车官方微博公布里程碑海报
- 比亚迪海洋网总经理公开技术访谈
- 工信部智能网联汽车准入与通行试点相关指南