主流自动驾驶方案对比：FSD vs Momenta vs 华为 vs 小鹏

一句话理解主流自动驾驶方案对比

四家方案的本质差异不在"谁更先进"，而在"用什么路径逼近自动驾驶上限"：FSD押注纯视觉端到端+仿真数据飞轮，Momenta押注数据驱动的模块化+统一BEV空间，华为押注多传感器融合+规则安全兜底，小鹏押注视觉为主+渐进式端到端。2026年这些路线正在收敛——但收敛的方向各不相同。

理解这四家方案的差异，不能只看他们"做了什么"，更要看他们"没做什么"以及"为什么不做"。每一家的选择背后，都是对自动驾驶核心问题的不同信念：感知应该多冗余？规划应该多智能？数据应该多真实？系统应该多耦合？

🏗️ 第一维度：感知架构

感知是整个自动驾驶系统的起点，也是各家公司技术路线分歧最明显的地方。感知架构的选择决定了后续所有模块的设计空间。

Tesla FSD：纯视觉 + Occupancy Network

Tesla是纯视觉最坚定的信徒。从2021年去掉雷达开始，Tesla感知架构经历了三个阶段：

FSD感知的核心哲学是用空间的连续表示替代离散的物体表示。Occupancy Network对每个BEV网格中的体素预测"是否被占据"以及"被什么占据"，不依赖预定义的物体类别。这意味着即使遇到训练集中从未出现的异形车、掉落物、施工区域，Occupancy也能感知到"那里有东西"，只是不知道具体是什么。

在实现层面，FSD的感知流程是：

值得注意的是，Tesla已经不再单独输出3D检测框用于规划——规划器直接读取Occupancy栅格。这意味着"感知到规划的接口"从稀疏的物体列表变成了稠密的占据场，信息更丰富。

代价：Occupancy需要巨大的计算量（~100T FLOPs级别），Tesla为此自研了HW 3.0/4.0芯片。Occupancy的体素分辨率（0.5m/0.25m）直接决定了感知粒度，而高分辨率意味着显存和算力的指数增长。

Momenta：数据驱动的统一BEV感知

Momenta走的是"模块化+数据驱动"路线。感知架构本质上还是检测+分割+地图的多任务BEV融合，但核心差异在于：

1. 深度解耦设计：感知模型分离了"特征提取"和"任务头"，底层的BEV Backbone通用，上层任务头各不相同。这使得Momenta可以针对不同客户（OEM）定制不同精度的感知包。

2. 时序深度融合：Momenta特别强调temporal fusion（时序融合）的价值。其感知架构在每个时间步维护一个时序BEV记忆模块，将历史帧的BEV特征通过运动补偿对齐后与当前帧融合。这相当于用时间换精度——单帧不完美，但多帧叠加后鲁棒性大幅提升。

3. 数据闭环驱动：Momenta的感知模型每隔2-3周就重新训练一次，每次训练使用超过1000万公里的真实驾驶数据。数据来源包括：

   • 量产车影子模式（shadow mode）回传的corner case
   • 离线自动标注系统（AutoLabeling）生成的高质量GT
   • 仿真平台生成的对抗性场景

Momenta的感知指标（2026年量产版本）：

华为ADS：多传感器融合 + GOD网络

华为ADS的感知架构从命名上就体现了其野心——GOD（General Obstacle Detection）网络。GOD的思路与Occupancy类似（用稠密表示覆盖任意障碍物），但实现方式不同：

1. 传感器配置：华为是四家中传感器最"豪华"的。ADS 3.0/4.0配备了3个激光雷达（远距+侧向+补盲）、6个毫米波雷达、11个摄像头。传感器的冗余给感知带来了极大的容错空间。

2. 特征级融合：华为的感知不是"各传感器单独检测后融合"，而是在特征层面融合。每个传感器独立提取特征，然后通过一个Cross-Attention模块在统一BEV空间融合。这与BEVFusion的思路一致：

3. GOD网络：GOD在融合BEV特征上预测稠密占据场，输出格式为200×200×16体素（50m×50m覆盖，0.25m分辨率，16帧时序）。GOD对"非标准障碍物"的检出率比传统检测器高47%（华为内部数据）。

4. RCR（Road Cognition & Reasoning）：华为还单独做了一个道路认知网络，负责理解车道拓扑、交通规则、路口结构。这部分其实相当于一个"隐式地图"模块，与感知分开处理。

华为感知的优势在于鲁棒性：某个传感器损坏或降级时，其他传感器还能兜底。代价是系统成本极高（三激光雷达方案的单套传感器成本超过2000美元）。

小鹏XNGP：视觉为主 + 轻雷达辅助

小鹏的感知路线介于FSD和华为之间。其核心思路是**“以视觉为主，激光雷达作为安全冗余”**。

1. XNet感知架构：小鹏自研的XNet是一个端到端的多任务BEV感知网络，输入来自11个摄像头+2个激光雷达(可选)，输出BEV检测结果、车道线拓扑、可行驶区域：

2. 去除激光雷达的趋势：小鹏从G6开始力推"纯视觉"版本，激光雷达逐步从标配变为选配。核心逻辑是：纯视觉方案在大部分场景下已经足够安全，激光雷达只在极低光照、逆光、雨雾等corner case下才展示价值。

3. 感知数据飞轮：小鹏在2024-2026年累计从量产车回传了超过50亿公里影子模式数据。通过自动标注+主动学习（active learning），从中筛选出高价值场景进入训练集。

4. 感知端到端：小鹏在2025年量产的XNet 2.0中，将感知模块从"多任务头独立预测"改进为"感知特征直接作为规划输入"——减少了感知→规划之间的表示转换损失。这一步可以看作是"从模块化走向端到端"的关键过渡。

感知架构对比总结

📐 第二维度：规划方法

规划决策是自动驾驶的"大脑"，也是2024-2026年间变化最剧烈的模块。四家公司在规划方法的路径选择上差异极大。

FSD：从Hybrid到One-Model端到端

FSD的规划架构是四家里最激进的。

V11时代（2022-2024）——Interleaved Hybrid：

V11保留了视觉输出→原始轨迹→基于规则的轨迹优化的框架：

这里的"ML"部分主要体现在交互预测和轨迹评分中，但最终选轨迹的优化器是基于规则的——类似于使用栅格化的cost function做穷举搜索。

V12/V13时代（2024-至今）——One-Model端到端：

V12是自动驾驶行业的里程碑：首次将整个驾驶策略（从感知输入到控制输出）用一个大神经网络实现。架构变为：

V12去除了一切显式规划规则，所有驾驶行为都是神经网络学出来的。这意味着：

• 没有显式的cost function
• 没有轨迹采样+评分
• 没有行为规划器（先判断向左变道还是向右变道，再算轨迹）
• 没有显式的安全约束（靠网络自身学会安全）

V13在V12基础上改进：

• 引入了视频序列作为输入（不再是单帧+稀疏历史），用Video Transformer处理16帧视频
• 增加了交互感知的因果推理（其他车看到本车会怎么反应？）
• 输出从轨迹点升级为空间-时间轨迹场（不仅给出轨迹，还给出每个时刻的可接受偏差范围）

FSD端到端的优势：

• 行为自然流畅，没有规则方案的"机器感"
• 能自动适应不同地区的驾驶风格
• 长尾场景的覆盖靠数据投喂，不需要人工编写规则

FSD端到端的劣势：

• 缺乏可解释性（为什么这样变道？不知道）
• 安全边界难以数学验证
• 数据需求巨大（V12训练用了超过1000万条视频clip）

Momenta：数据驱动的Hybrid Planning

Momenta是"模块化+数据驱动"路线的代表。其规划架构本质上是分级规划（hierarchical planning），但每一级都深度使用ML。

Momenta规划架构分为三级：

关键的设计思路：

1. Learned Policy + Rule Safety Net：行为规划器是一个经过RL训练的策略网络，但输出会被一组规则约束"截断"。例如，策略网络可能决定"现在变道"，但如果规则判断"相邻车道后车太快→变道风险高"，则该决策被否决。

2. Motion Planning with Imitation + Adversarial：运动规划器先用模仿学习学习人类的驾驶轨迹，再用对抗训练（对抗性场景生成）提高在corner case中的表现。训练数据中包含自动标注的碰撞梯度信息——即"如果朝这个方向走，碰撞概率会上升"。

3. Safety Layer：Momenta的轨迹优化层是一个可微的约束优化器。它接收粗糙轨迹，输出满足动力学约束、碰撞约束、交规约束的平滑轨迹。由于优化器是可微的，整个规划pipeline可以端到端地优化（梯度可以从最终轨迹一直回传到感知模块）。

Momenta规划指标（量产版本）：

Momenta的哲学是：不要为端到端而端到端。保留模块化结构的好处是每个模块可单独调试、验证、改进，而数据驱动则让每个模块都在持续进化。

华为ADS：规则为主 + ML增强

华为ADS在规划上走的是一条**“保守渐进”**路线。

华为规划的核心架构：

1. 规则引擎：华为拥有业界最大的驾驶规则库（超过3000条规则），覆盖了从"高速跟车距离保持"到"无保护左转的让行策略"的方方面面。规则引擎的输出是一组可行驾驶指令（可选的动作空间）。

2. ML评分：在每个驾驶指令上，用一个ML模型打分，评分考虑因素包括：通行效率、舒适度、碰撞风险、违反规则的风险。评分最高的指令进入运动规划阶段。

3. Constraint Optimization：华为的运动规划是强约束优化——轨迹必须在规则的严格约束下生成（如：不能压线、不能超速、与障碍物距离至少0.5m）。约束优先级是硬编码的，安全永远优先于效率。

4. MPC控制：华为在底层控制中使用模型预测控制（MPC），规划周期为50ms，预测horizon为3s。MPC本身带有动力学约束，确保生成的控制量在实际车辆上可达。

华为规划的特点：

• 安全可证明：由于规则和约束都是显式的，华为可以通过形式化方法证明在某个场景下"不会发生碰撞"。
• 调试友好：如果车辆行为异常，可以快速定位到是某条规则写错了，还是某个ML评分模型出了问题。
• 保守：华为的驾驶策略在四家中最为保守——倾向于等待而非抢行，这也与华为"安全第一"的品牌定位一致。

华为规划在2025-2026年间引入的"ML增强"主要包括：

• 用ML替代部分规则的场景判断（“这个路口是否适合加塞"而不是"所有路口都不允许加塞”）
• 用ML做轨迹分布预测（行人/车辆的运动预测，供规划器参考）
• 用ML做决策评分校准（根据实时路况动态调整各决策因素的权重）

小鹏XNGP：渐进式端到端

小鹏的规划演进是四家中最清晰的"三步走"：

XPlanner是小鹏规划架构的核心：

1. 感知特征直接输入：与FSD V12不同但方向一致，XPlanner的输入不是物体列表或栅格，而是从XNet直接输出的稠密BEV特征。这避免了从感知到规划的"表示降级"。

2. 规划Transformer：XPlanner使用一个轻量级Transformer模型，以BEV特征+自车状态+导航指令作为输入，直接回归未来8秒的轨迹（16个waypoint，0.5秒间隔）。模型的训练方式为：

   • 95% 模仿学习：从人类驾驶数据中学习
   • 5% 对抗训练：在仿真中学习避免碰撞

3. 可微轨迹优化：XPlanner输出的粗糙轨迹通过一个可微优化器精化。优化器考虑了：动力学可行性、碰撞约束、舒适度。关键设计：优化器的约束违反可以被回传到XPlanner中，让规划Transformer学会自动避免生成违反约束的轨迹。

4. 安全冗余：在端到端规划器之外，小鹏保留了一个独立的规则规划器作为fallback。当端到端规划的置信度低于阈值时（或感知到系统检测到异常时），系统切换回规则规划。切换逻辑：

小鹏2026年量产版本的规划能力：

规划方法对比总结

📊 第三维度：数据策略

“得数据者得天下"在自动驾驶领域绝非虚言。四家公司的数据策略差异直接决定了他们的技术天花板。

数据来源对比

FSD：仿真数据飞轮

Tesla是仿真数据运用最极致的公司。其仿真平台不仅生成训练数据，还作为模型评估的核心工具。

仿真数据生成流水线：

这套流水线可以在一个真实际景数据上生成1000+个变体：改变天气、改变光照角度、插入不同类型的车辆、改变障碍物运动轨迹。

FSD的仿真数据使用量已经超过了真实数据（2026年数据：训练集中仿真数据占比约65%）。核心原因：真实数据中的corner case密度太低。需要跑100万公里才能遇到的极端场景，仿真中随时生成。

关键创新：Tesla的仿真不是随机构建场景，而是从模型当前的失败案例中自动挖掘需要生成的场景——“哪里有短板，就针对性地生成数据”。这套自动化的data flywheel流程：

Momenta：真实数据为主 + 数据闭环

Momenta的数据策略核心是"质量优先于数量”。CEO曹旭东多次强调：“100万公里高质量场景数据的价值超过1000万公里随机驾驶数据”。

Momenta的数据闭环流程：

1. 影子模式（Shadow Mode）：在量产车上运行一套简化版的感知+规划系统，持续对比模型决策与人类驾驶行为。

2. Corner Case挖掘：通过对比度过滤（decision difference > threshold），每天从海量数据中挖掘出约1万-2万个高价值片段。

3. 自动化标注：Momenta的自动标注系统（AutoLabeling 3.0）利用自车多帧信息+跨相机一致性，在无人工介入的情况下生成3D检测框、车道线拓扑、运动轨迹的GT标签。自动标注的质量达到了人工标注的95%以上。

4. 主动学习（Active Learning）：训练中的模型对每个新场景输出不确定度，不确定度高的场景优先进入标注和训练。

Momenta认为，随着自动驾驶模型趋近成熟，数据质量比数据量更重要。当模型在常见场景上已经达到99.9%的准确率时，再增加10倍普通数据不如增加100个corner case有效。

华为ADS：真实数据+规则知识

华为因为起步相对较晚，在真实数据积累上不占优势，但华为的数据策略有一个独特的优势——规则知识。

华为的规则知识库（超过3000条驾驶规则）可以看作是"手动编码的人类驾驶知识"。这些规则在数据不足时起到了数据替代作用：

• 规则定义了什么行为是安全的，什么是不安全的
• 当数据中缺乏某个场景的驾驶示例时，规则提供了"应该怎么做"的指导
• 规则可以作为模型训练的辅助监督信号

华为的数据策略三支柱：

小鹏XNGP：端到端数据飞轮

小鹏的数据策略是四家中"最像Tesla"的，但有一个关键差异：小鹏在中国，能够获取更适合中国驾驶场景的数据。

小鹏的数据飞轮特点：

1. 全量数据回传：小鹏的量产车（2024年后）支持全量数据回传（不只是影子模式触发时回传），每天的原始数据量超过5PB。经过压缩和脱敏后，核心场景数据约500TB/天。

2. 预训练场景提取：小鹏在车端部署了一个场景检测模型，实时判断当前驾驶场景是否是"有价值的训练场景"（如：复杂路口、加塞、行人横穿等）。有价值的场景自动打标签并压缩回传，无价值场景仅保存统计特征。

3. 生成式数据增强：小鹏在2025年引入了基于扩散模型的数据增强。给定一个真实驾驶场景，扩散模型可以改变背景、光照、其他车辆的分布，生成语义一致但视觉多样的新场景。这种生成数据不需要人工标注——标注继承自原始场景。

小鹏数据策略的一个亮点是**“大模型→小模型"的知识蒸馏**：用海量数据训练一个超大感知模型（XNet-Large），然后用它的输出作为伪标签来训练车端的小模型（XNet-Small）。这样车端模型获得了远超其自身参数量应有的数据量。

数据策略对比总结

🏗️ 第四维度：系统架构

系统架构决定了整个自动驾驶软件栈的组织方式——模块怎么划分、接口怎么定义、怎么迭代升级。

系统架构谱系

四家公司的系统架构可以放在一个从"高度模块化"到"高度耦合"的直线上：

华为ADS：模块化架构

华为ADS是四家中最模块化的：

每两个模块之间有严格的接口定义（protobuf格式）。各模块由不同的团队独立开发、独立测试、独立部署。升级一个模块不需要重新编译其他模块。

模块化的优势：

• 可独立验证每个模块的性能
• 支持OTA分模块升级（只更新感知模块而不动规划）
• 便于供应链管理（不同模块可以来自不同供应商）

模块化的代价：

• 模块间接口压缩了信息（感知的稠密特征传到规划时变成稀疏object list）
• 联合优化困难（梯度无法跨模块传播）
• 系统延迟高（每个模块序列执行，总延迟=各模块延迟之和）

Momenta：软耦合模块化

Momenta的架构形式上也是模块化的，但模块之间不是硬接口，而是共享BEV特征：

所有模块共享同一个BEV特征空间，模块之间的接口是稠密特征图而非结构化对象。这降低了信息损失。

Momenta架构的另一个特点是可微分接口：虽然模块在组织上分离，但感知和规划之间通过可微模块连接，允许梯度从规划loss回传到感知Backbone。这在形式上实现了模块间的端到端训练。

小鹏XNGP：半耦合架构

小鹏的架构介于Momenta和Tesla之间：

感知和规划共享特征空间，但安全层（规则fallback）保留为独立模块。训练时，感知和规划可以联合优化（端到端训练）；部署时，如果端到端路径置信度不够，自动切换到规则规划。

FSD V12+：One-Model架构

FSD V12/V13是四家中唯一实现"一个模型搞定一切"的系统：

没有感知模块、没有规划模块、没有控制模块——没有模块边界，一切都在一个统一的神经网络中。模型架构是类似Video Transformer + Dense Prediction Transformer的混合体。

One-Model的优势：

• 信息无损传递（模块边界不存在，自然不会丢信息）
• 全局优化（所有参数朝着最终目标优化）
• 自然仿真人驾驶（训练数据=人类驾驶数据，模型直接克隆驾驶行为）

One-Model的劣势：

• 调试极其困难（调试"为什么在这个路口停下来"需要理解整个模型的行为）
• 安全验证几乎是黑盒（无法证明模型在某种场景下不会出错）
• 迭代成本高（改一个地方需要重新训练整个模型）

架构演进趋势

2024-2026年间，四家架构的演进趋势：

🔬 四象限综合分析

从感知、规划、数据、架构四个维度，可以对四家公司做一个综合定位：

另一个维度：

⏳ 演进时间线

四家方案的关键技术节点：

💡 各路线面临的挑战与2026年趋势

FSD的挑战

• 可解释性危机：当FSD在某个路口做出冒险行为时，工程师无法知道"为什么”。这在安全监管日趋严格的背景下是一个巨大隐患。
• 数据需求无上限：端到端模型的性能似乎还没有看到天花板，但数据需求也没有上限。Tesla需要持续扩大仿真数据规模。
• 中国场景适应性：FSD基于美国/欧洲驾驶数据训练，在中国复杂的交通环境下（大量非机动车、不规则路口、加塞文化）表现打了折扣。

Momenta的挑战

• 模块复杂度：虽然模块化带来了可调试性，但整个系统的模块数量超过15个，模块间的交互复杂度呈指数增长。
• 功能安全认证：每个模块都需要单独认证，模块越多认证工作越大。
• 客户定制负担：不同OEM客户的定制需求导致需要维护多个版本。

华为ADS的挑战

• 成本：三激光雷达+高算力芯片的方案成本至今难以降低到主流车型可接受的范围。
• 规则维护：3000+条规则的维护成本越来越大，新场景需要持续添加规则。
• 创新速度：相比数据驱动的Tesla/Momenta，华为迭代速度受限于规则更新和仿真测试的周期。

小鹏XNGP的挑战

• 端到端不彻底：保留的规则fallback层带来了"两个大脑"的不一致问题——端到端模型觉得可以走，规则层觉得不能走，决策冲突。
• 规模效应：小鹏150万辆的保有量是Tesla的30%，意味着数据积累速度有量级差距。

2026年收敛趋势

1. 感知层的收敛：Occupancy Network已经成为共识——所有四家都在2025-2026年引入了稠密占据表示作为主要感知输出。差异在于传感器配置和分辨率。

2. 规划层的分化：FSD走向one-model端到端，其他三家走向"端到端化模块架构"——保留模块结构，但通过可微接口和共享特征实现部分端到端。

3. 架构的趋同：BEV→稠密表示→规划器的三段式架构成为事实标准。区别在于耦合紧密度。

4. 数据策略的分野：Tesla的仿真数据路径和其他三家的真实数据路径的差异在扩大。Tesla认为仿真可以无限扩展，其他三家认为真实场景的多样性无法被仿真完全覆盖。

5. 安全策略的竞合：所有公司都在引入"可验证安全机制"——FSD通过safety filter加在模型输出之后，华为保留规则层，Momenta/小鹏用可微约束优化做安全兜底。

🔧 工程实践：如何选择技术路线

对于从业者和OEM厂商，选择/参考某个技术路线时需要考虑：

📝 总结

问题：全球自动驾驶行业在2020-2026年间形成了FSD、Momenta、华为ADS、小鹏XNGP四条主要技术路线，每条路线背后是对感知架构、规划方法、数据策略、系统架构的深层假设差异，从业者需要理解这些差异的根源和影响。

方法：本文从四个维度系统对比：感知架构（Occupancy vs BEV检测 vs 多传感器融合）、规划方法（One-Model端到端 vs Hybrid vs 规则主导）、数据策略（仿真驱动 vs 真实场景驱动 vs 规则知识补偿）、系统架构（模块化 vs 软耦合 vs One-Model），每个维度结合具体的技术实现细节和量化指标进行分析。

结论：四条路线在感知层已呈现收敛趋势（Occupancy Network成为共识），但在规划方法和系统架构上仍然分化明显。FSD的One-Model路径代表了"上限最高但风险最大"的选择，华为ADS的规则路径代表了"最安全但迭代最慢"的选择，Momenta和小鹏则走在中间地带。2026年的行业趋势是"端到端化模块架构"——既有模块的可调试性和可验证性，又有端到端的全局优化能力。