华为用千亿投入铸剑，用 60EFLOPS 算力淬火，用 200 万辆车磨刃，用 130 亿公里试锋。

2026 年 7 月 16 日，深圳。

华为高级副总裁、引望公司 CEO 靳玉志站在台上，身后的大屏幕滚动着一个数字：128 亿公里。

这不是一个抽象的统计数字，这是 200 万个普通人，在过去 50 多个月里，真真切切跑出来的。

有人在重庆的暴雨夜里跟车跟了 30 公里，有人在沪昆高速的隧道群里解放了双脚，有人在广州老城区的窄巷里让车自己泊进了位。128 亿公里，拆开来看，是无数个琐碎的日常。

靳玉志面对台下的媒体，要讲的事情很简单——华为在智驾这件事上，走到哪了，接下来往哪走。但如果你听得够仔细，会发现他真正在说的，是另一件事——一场关于" 谁定义自动驾驶 "的战争，已经打响了。

44 个月与 12 个月

先把数字摆出来。

2022 年 1 月，华为乾崑智驾的第一辆车交付，从 0 到第一个 100 万辆，用了 44 个月，第二个 100 万，只用了 12 个月。鸿蒙座舱的曲线几乎一模一样，第一个 100 万用了 42 个月，第二个 100 万用了 15 个月。

这不是线性增长，是指数级的跳变。而当一个系统的搭载量突破 200 万，它变成了一种 " 基础设施 "。

就像当年移动通信从 1G 到 5G，用户基数突破某个临界点后，生态就会自我繁衍。华为乾崑的 200 万辆车，单月在路上跑出 8.8 亿公里，每一次启动、每一次变道、每一次刹停，都在向云端回传数据。

本月 130 亿公里。预计到今年年底达到 200 亿公里。这些数字不是用来炫耀的。它们是华为向自动驾驶进化的弹药库。

千亿投入与 60EFLOPS

自动驾驶这件事，不是一个 " 聪明人 + 好算法 " 就能搞定的游戏。它是一个烧钱的游戏，而且是一个只有极少数玩家有资格上桌的烧钱游戏。

靳玉志在台上透露了一组数字：华为在汽车智能化领域的历史累计投入，超过千亿。仅 2026 年这一年，专项研发投入就超过180 亿元。他的原话是—— " 比其他主要供应商加在一起的研发投入还要多 "。

这句话需要翻译一下。中国智驾领域排名前十的供应商，每家的年研发投入大概在 10-30 亿之间。华为一家，等于它们全部加起来还多。

钱花在哪了？最狠的一笔，在算力上。2023 年底，华为的云端 AI 算力是 2.8EFLOPS，2026 年已经达到 60EFLOPS，三年翻了 21 倍。

这是什么概念？如果把 2.8EFLOPS 比作一辆家用轿车的马力，那 60EFLOPS 就是一列高铁。算力就是自动驾驶的 " 发动机排量 " ——你的算力越大，你的 AI 模型就能学得越快、想得越深、反应越敏捷。

靳玉志还甩出了一个更吓人的数字：未来五年，算力投入还需要700-800 亿元。这不是在造车，这是在造一个 " 汽车大脑的超级孵化器 "。

华为为什么要这么干？因为自动驾驶是让机器达到甚至超越人类老司机的水平，而机器需要海量的算力去 " 看 " 海量的场景，才能学会应对那些万分之一概率的极端路况。

算力，就是华为智驾的 " 驾校 "。

887 万公里与 180 万公里

说完了投入，再说安全。

这是整场演讲中最硬的一组数据，中国平均人驾水平：每180 万公里出一次严重碰撞事故。华为乾崑 ADS 辅助驾驶状态下：每887.2 万公里才出一次，是人驾的4.92 倍。

也就是说，开启华为 ADS 的车辆，安全性是中国人驾平均水平的近 5 倍。

更微妙的一个数据：即使你不开辅助驾驶，只是人驾状态下，搭载了华为 ADS 的车辆也能达到560.3 万公里才出一次严重碰撞，3.11 倍于人驾平均。——因为主动安全系统在人驾状态下也在默默工作，帮你踩那一脚你来不及踩的刹车。

靳玉志说了一句话：" 出了事故，车可以维修，人不能维修。所以安全是你的根基。"

这句话是在回应行业里近期热闹的 " 维修兜底 " 营销——一些智驾供应商推出了 " 出了事我帮你修车 " 的权益方案。靳玉志的态度很明确：把安全做好，比出了事帮你修车重要一万倍。

修车是态度，不出事才是能力。本末不能倒置。

截至目前，华为乾崑智驾累计避免了580 万次可能的碰撞，这意味着有 580 万个瞬间，系统比你的脚更快地踩下了刹车，或者比你的手更快地打了方向。每一次，都可能是一个家庭的命运转折。

两把刀，两种哲学

说到智驾不可避免地要提到另外一家公司——特斯拉。

这两家公司崇尚的是两种完全不同的技术哲学——就像武侠小说里的两大门派，各自修炼各自的内功心法。

特斯拉打的是" 纯视觉 "牌。马斯克的逻辑很极简：人开车靠眼睛，机器凭什么要靠雷达？8 颗摄像头，端到端神经网络，输入图像直接输出方向盘和刹车指令，中间不需要任何人工规则。影子模式让全球数百万辆特斯拉每天默默采集数据，反哺算法迭代。

这套打法的优势是成本极低，不需要昂贵的激光雷达。劣势同样明显：暴雨、浓雾、逆光出隧道的那几秒，摄像头会像人眼一样短暂失明。物理极限，绕不过去。

华为打的是" 多传感器融合 "牌。靳玉志在台上把这套逻辑讲得非常通透。他用了一个比喻："Camera 能识别色彩和纹理，但在暗光、眩光、逆光下会面临严重的性能下降。毫米波雷达波长更长，可以穿透雨雾。激光雷达频率更高、波长更短，能实现小目标精准探测。不同的传感器，优势是不一样的。" 三种感官叠加，互为冗余。一个瞎了，另外两个还亮着。

靳玉志说了一句话，几乎是直接怼向特斯拉的：" 只有多传感器融合技术，才能为自动驾驶提供安全保障。我们认为在面向未来自动驾驶的时候，多传感器是必要的条件。"

" 必要条件 "——这四个字很重。它的潜台词是：纯视觉不是 " 够不够用 " 的问题，是 " 安不安全 " 的问题。

华为有资格说这句话，因为它是全球唯一一家同时自研激光雷达、毫米波雷达、摄像头和算法的公司，把 30 多年 ICT 技术的根，全扎在汽车里了。

WEWA：跳过翻译层

技术路线之争，传感器只是前哨。真正的决战，在 " 大脑 " 里。

当前很多智驾供应商的端到端架构用的是 VLA 模型—— Vision-Language-Action，视觉 - 语言 - 动作。简单说，就是让 AI" 看 " 到画面，先 " 翻译 " 成语言描述，再输出动作指令。

华为选了另一条路：WEWA 架构—— World   Engine+World   ActionModel，世界引擎 + 世界行为模型。

靳玉志解释了为什么要跳过 VLA："VLA 有固有的缺陷，中间通过 language（翻译）层后，延迟大、资源要求高。我们是直接跳过了中间层，响应更快、用户体验更好、时延更短、感受更丝滑。"

这里的 " 翻译层 " 是一个关键概念。想象你开车时遇到一个突发情况——前车急刹。你的大脑处理这个信息的过程是：眼睛看到—大脑判断—手脚动作。这个过程是瞬间的，不需要 " 语言 " 参与。你不会在心里对自己说 " 前面那辆车减速了，我需要踩刹车 "，而是直接就踩了。

VLA 模型的问题在于，它非要在这个过程里插入一个 " 语言翻译 " 环节。AI 要先 " 描述 " 看到了什么，再决定做什么。多了一步翻译，就多了一步延迟。在 120 公里时速的高速上，0.1 秒的延迟就是 3.3 米的制动距离——可能是生与死的距离。华为的 WEWA 直接砍掉了翻译层，从 " 看 " 到 " 做 " 一步到位。

WEWA   2.0 在上一版基础上实现了三大升级：

Multi-Agent——群体博弈，不再是一辆车跟一辆车的博弈，而是同时跟周围所有车博弈。博弈难度提升 10 倍。

在线强化学习——学习效率提升 10 倍。车在跑的过程中，实时学习、实时进化。

车端安全风险场——在车行驶的空间里，始终工作在风险最低的区域。碰撞风险降低 50%。

这三项叠加，意味着华为的智驾系统正在从一个 " 会开车的 AI" 变成一个 " 会思考的 AI"。它不再只是按规则开车，而是在实时博弈中找到最优解，从被动躲避风险进化为主动预判风险。

知行合一

车控平台，这可能是最容易被忽略的部分。但它可能是华为走向自动驾驶最关键的一步——驾控融合。

现在的智驾系统，管 " 看 " 和 " 想 "   的是一套系统（ADS），管 " 动手 " 的是另一套系统（运动控制）。两个系统之间要通信、要协调，中间有延迟。华为要做的事情，是把这两个系统焊在一起。

华为的方案叫XMC——六合一车控平台，同时管电驱、制动、悬架、车身转向和热管理。ADS 的感知信息 + 底盘回传的状态信息，统一决策，直接下发指令给执行器。

为什么要这么做？" 只有非常低的时延和精确的控制精度，才能保证极端情况下的安全和体验。"

翻译一下：爆胎了，低附着路面上打滑了等等极端情况，留给系统反应的时间是以毫秒计的。如果你的智驾系统要先告诉控制器 " 我要刹车 "，控制器再告诉刹车卡钳 " 该制动了 " ——这个传话游戏跑完，车可能已经转了三圈了。

驾控融合的意思是：ADS 直接控制底盘，直驱执行器。感知到打滑的瞬间，刹车已经在工作了。没有传话，没有延迟，知行合一。

靳玉志表示：" 只有这种深度融合，才能真正解决自动驾驶的安全性和落地。"

这不是一个技术参数的升级，这是一个架构革命。它意味着华为正在重新定义 " 智驾系统 " 的边界——从 " 帮你开车 " 到 " 帮你控车 "，从大脑延伸到四肢。

永不宕机

自动驾驶对系统的可靠性要求，跟辅助驾驶完全不是一个量级。辅助驾驶出了问题，人接管。自动驾驶出了问题，谁接管？

靳玉志的答案是：系统本身必须永不宕机。

华为为此造了一个新的操作系统——乾崑 OS。确定性时延调度，时延降低 30%。全链路安全模型：防侵入、防篡改、防泄漏、防扩散。数据面和控制面全冗余。可靠性提升 20 倍。

硬件层面，全链路冗余架构。任何单系统故障都不会影响安全停车。故障后安全停车率要做到 "8 个 9" —— 99.999999%，意味着系统故障导致无法安全停车的概率，是亿分之一。

飞机的飞行控制系统，安全等级大概是 10 的负 9 次方。华为给智驾系统定的目标，是同一个量级。

这不是在造一个 " 更好用的辅助驾驶 "，这是在造一个 " 可以托付性命的自动驾驶底座 "。

ADS5：三个版本的年度 OTA

讲完了底层逻辑，最后说产品。

2026 年 4 月，华为发布了 ADS   5。7 月 16 日的媒体日上，靳玉志公布了年度 OTA 计划——到春节前，三个大版本。

第一个版本 V5.0，7 月开始推送，核心是更安全、更便捷。

靳玉志挑了两个功能详细讲。第一个是后向主动防被撞辅助。场景很具体：你正常开着车，后面一辆车高速冲过来要追尾你。你的车检测到后方来车速度过快、前方有空间，会主动加速，避免或减轻追尾伤害。这是一个 " 替你踩油门逃生 " 的功能。人类司机遇到后方追尾，绝大多数人的反应是愣住——因为你眼睛看的是前面，不是后面。但系统可以 360 度同时监控，反应时间以毫秒计。第二个是RCA 漫游巡航辅助。场景更日常：上车时还没来得及设导航，直接启动这个功能，车自己找出口开。你在路上设好导航，无缝切换。

第二个版本，9-10 月推送。核心增加会车倒车脱困、凹坑绕行等功能。这些是城区开车最常见的场景——窄路上对向来车，谁退？路边有坑，怎么绕？华为让系统自己处理。

第三个版本，春节前推送。驾驶员失能辅助 2.0，紧急逃生体验超过人类。它的场景是驾驶员突然失去驾驶能力——心脏病发作、昏迷、任何原因导致无法操控车辆，系统接管，安全停车，呼叫救援。

这是一个 " 替你活下来 " 的功能。三个版本，一条清晰的演进路径：从 " 帮你开得更好 "，到 " 替你处理麻烦 "，再到 " 替你保命 "。

L3：必经之路

最后一个问题：自动驾驶什么时候真正到来？

靳玉志的回答很克制。他没有给一个激动人心的日期，而是给出了三个前提条件：

第一，安全性需要公开数据量化证明。不是 PPT 上写 " 更安全 "，而是把 887 万公里 vs180 万公里这样的数据摊在阳光下，接受检验。

第二，用户角色转变需要时间适应。从 " 人开车 " 到 " 车开车 "，不是按一个按钮就完成的。用户需要慢慢建立信任，这需要几亿公里的安全运行来喂养。

第三，监管体系建设需要经验积累。L3 意味着出了事故，责任在系统不在人。这需要法规跟上，需要保险跟上，需要一整套新的规则体系。

华为的判断是：L3 是走向自动驾驶的必经之路。而 L4 比 L3 的安全要求还要再高 10 倍。

不跳级，不冒进。先跑通 L3，再谈 L4。这不是保守，这是对安全的敬畏。

靳玉志用了一句话收尾这次演讲：" 把智能带入每一辆车，让出行更安全，生活更美好。"

这句话不单是一句品牌口号，更像是一个承诺——一个用千亿投入、200 万辆车、130 亿公里去兑现的承诺。

路还长，剑已亮

靳玉志讲完后，大屏幕上的智驾里程数字还在不断向上滚动，每一个跳动的数字背后，都是一辆在路上的车，一个握着方向盘的人。

他们中的大多数，可能永远不会知道 "WEWA 架构 " 是什么，不会关心 "8 个 9" 的可靠性指标，也不会去比较纯视觉和多传感器融合的技术优劣。

他们只知道一件事，车更安全了。路更好走了，生活，确实比以前美好了一点点。对华为来说，这就够了。

李白写过一首诗，叫《行路难》。

金樽清酒斗十千，玉盘珍羞直万钱。然后呢？停杯投箸不能食，拔剑四顾心茫然。一个人拿着剑，站在路口，四下张望，不知道往哪走。这是 1200 多年前一个诗人的困惑。

2026 年的 AI 行业，也站在这样一个路口。大模型、智能体、端到端、纯视觉——每一条路都有人走。全世界都在问：AI 的路到底该怎么走？机器到底能不能信？

华为没有茫然，它拔了剑。

这把剑不是砍向竞争对手，它砍的是 "AI 不可信 " 的偏见，砍的是 " 纯视觉就够了 " 的侥幸，砍的是 " 出了事帮你修车 " 的本末倒置。

它用千亿投入铸剑，用 60EFLOPS 算力淬火，用 200 万辆车磨刃，用 130 亿公里试锋。

李白在那首诗的结尾写了一句，流传了一千多年：长风破浪会有时，直挂云帆济沧海。

华为这把剑已经出鞘，风浪也确实来了。但 200 万辆车，正在路上；128 亿公里，还在跳动；580 万次避撞，还在累积。