9 月 16 日，2026 零跑技术日正式举办，零跑向大家分享了 11 年全域自研的最新成果和全球首创技术。其中，「世界模型 」辅助驾驶作为重磅亮点，我们也拿到实车进行了一次深度体验，一起来看看吧！

一、零跑的「世界模型」有何亮点？

- 硬件和适配

首先，零跑为我们带来了多平台世界模型，打造 200、640、1280TOPS 三种世界模型，最低仅需 200TOPS 算⼒即可实现端到端世界模型⽆导航漫游，不靠堆硬件，以算法与架构创新实现⾼阶辅助驾驶。

对于老用户，零跑表示存量激光雷达版⽤⼾可升级，零跑已售出的所有激光雷达版车型⽤⼾，⽆需更换硬件，2027 年⼀季度通过 OTA 即可同步升级世界模型智驾能⼒。

- 什么是「世界模型」

如果说 VLA 解决了 “理解、沟通、执行”，世界模型则解决了系统 “未来的预判与规划”。它的核心是通过生成式 AI 框架模拟物理世界的规律和因果关系，例如人行道滚出的皮球≈即将冲出的儿童。让智驾系统在 “虚拟场景里” 预演未来场景，再做出最优决策，相当于给车装了个 “预判外挂”。

如何进行推演+预判呢？首先系统将传感器采集的信息进行 “同声传译”，把现实世界的信息转化为虚拟世界的 “剧本”。

然后我们把剧本拿到 “虚拟剧场”。它的游戏规则和现实物理规律和交通规则相同，对未来一段时间的场景进行推演，比如预测 “前车打转向灯后是否真的会变道”、“路口行人是否会突然横穿”，甚至能模拟暴雨、施工等极端场景下的路况变化。

与传统预测模型不同，世界模型不依赖单一场景的数据训练，而是通过 “虚拟经验 + 真实数据” 的结合，大幅降低对真实长尾场景数据的依赖，训练成本可降低 90%。

通俗来讲 ： 传统智能辅助驾驶系统的决策逻辑是 “见招拆招”：前车刹车，就跟着刹车；看到行人横穿马路到自身面前，才紧急避让，只能对眼前的突发状况做出反应。

而世界模型的加持，则让系统学会 “未雨绸缪”：它就像司机的 “脑补”，遇到路口时，会提前预演 “行人可能横穿”“非机动车可能抢道” 等多种剧情，提前调整车速、预留安全距离；看到前车打转向灯但长时间没有动作，会预判 “大概率不会真变道”，避免不必要的急刹。 

那么下面让我们看看零跑世界模型在实际城市道路中面对各种场景的实际表现。

一、通行策略

- 曲率匝道

最为常规的曲率匝道，对于拥有「世界模型」加持的零跑城区 NOA 来说毫无压力，系统在保证通行效率的前提下，可以看到方向盘基本不存在多余的修正动作，安心感很强。

- 无保护路口

• 案例1

首先是无保护右转，可以看到系统首先的策略是蠕行观察，在判断车流量较大后采取了原地等待的策略，等待车流减少后再汇入主路。

• 案例2

再来到难度升级的双向无保护路口，这里可以看到右侧是存在着观测盲区的，所以系统对于右侧的探测受到干扰，表现比较极限并且影响了直行车辆通行，冷汗指数略高。

- 三点式调头

令人意外的是，作为高阶辅助驾驶的新入局选手，零跑目前已经具备了三点式调头的能力，顺滑度还是很高的，但效率还有待提升。

- 可变车道

相信大家都会经常遇到可变车道，通行方向需要观察顶部的指示牌，但对于零跑来说这个还是比较简单的，系统可以实时观察顶部的指示牌，以此判断是否处在正确的车道。

- 左转待转区

除此之外，系统也支持对于左转待转区的识别，并且可以正确识别放行信号，即便我们处于第一位。

- 直行待行区

更加高难度的直行待行区也是可以识别的，这也是很多友商系统此前不具备的功能，因为直行待行区需要额外识别其它信号灯，对于系统来说难度也是更大的。

二、行车安全

- 避让横穿行人

在面对横穿马路的行人时，系统可以根据行人轨迹智能控速，并且在最后还可以通过向左借道的动作提高脱困效率。

- 避让路边行人

在面对这种侵占行车道的行人时，系统在判断安全后可以采用优先借道超越的策略，通行效率还是很高的。

- 右转避让非机动车

我们在城市道路中也经常会遇到右转需要横跨非机动车道的场景，可以看到系统在这个场景下能够做到提前识别并且提前减速，等待右侧非机动车通行完成后自身再起步。

- 避让非机动车

在遇到非机动车时，系统也会根据道路情况输出不同的策略，例如下面这个场景由于道路空旷，系统选择不减速，并采用大角度避让的策略，保证安全的前提下也能保证行车效率。

第二种情况就是不具备充足的超越空间，系统会采用先减速让行的策略，等待对向车辆经过再对非机动车进行超越，安心感还是很强的。

三、潜在博弈安全性

- 2并1博弈

在面对这种 2 并 1 场景时，容易产生双方车辆对于路权的争夺，但系统在面对这种情况时依旧会保持优先让行的策略，主动规避即将发生的车辆博弈。

- 避让抢行车辆

在下面这个场景中，我们遇到了调头车辆与我们抢行的情况，虽然我们拥有路权，但对方大半车身已经侵入车道，所以这时的系统也会选择减速避让。

- 避让侵占车道车辆

这个场景非常有意思，可以看到路口存在拥堵，由于没有标线右侧车辆侵占了我们的可用通行空间，这时我们左后还有源源不断的车辆驶来，可以看到系统比较聪明的采取了停车等待策略，并没有急于向左避让，给人的安心感很强。

四、通行效率

- 窄路

在世界模型加持下，零跑目前的城区 NOA 拟人感也是很足的，在面对这种非机动车混行的路况时，车辆也能保持缓行通过，并不会收受到太多非机动车干扰而产生通行效率的问题。

- 避让障碍车

在遇到这种临停的公交车时，系统的处理还是非常果断的，整个过程十分丝滑无感。

但如果遇到这种需要借道避让的场景时，系统的通行效率就会偏低了，容易被对向车辆干扰，并且同向后方的超越车辆也会成为干扰源。

- 避让调头车辆

首先是常规的避让前方调头车辆，我们可以看到在遇到这种情况时，系统会默认保留一段安全距离，并不会因为贴前车过近而干扰到对方调头。

这个场景则难度进一步升级，由于违停车的阻碍和前方车辆的调头动作，系统原本是有点被卡在原地的，但在前方车辆即将完成调头时，系统则能灵活的应用右侧的空余空间完成通行。

- 施工

这个场景相信许多老司机遇到都会“一脸懵”，路况良好的条件突然出现了阻碍通行的桩桶，这时系统就会被卡在原地了，因为避让需要跨越双黄线，但在思考了几秒钟后，系统还是选择了从左侧进行避让，全程我们并没有踩油门的动作。

- 车道收窄

这个场景考验的是系统对于突发路况的处理能力，由于我们的视线被前方的公交车所阻碍，所以并不能及时发现前方存在道路收窄的情况，但系统的反应还是很及时的，判断后方无车后迅速发起变道避让。

五、接管案例

- 机动车鬼探头

在行驶过程中，我们遇到了大盲区鬼探头的情况，由于情况比较比较突然我们采取了手动接管。

- 窄路调头失败

在此次调头过程中，由于交通流量较大，系统被后方车辆所干扰无法自主完成倒车，所以我们采取了手动接管。

- 窄路极限会车

这个场景确实是辅助驾驶无法完成的案例，右转窄路遇到迎面驶来的车辆，必须要倒车才能获取会车空间，所以我们采取了手动接管。但我们也希望遇障碍物自主倒车的功能能后早日 OTA 。