作为ADAS从业者，我一直认为，过去十年，是新势力为整个行业注入了活力，定义了智能化的新标准。所以当听到别克在发布会上提及“向新势力学习”时，我并不意外，这是一种正视现实的坦诚。但我也更好奇，这种“学习”，究竟是流于表面的模仿，还是真正理解了新时代造车的核心逻辑，并拿出了自己的东西？ 带着这个疑问，我看完了至境L7的技术发布会，确实有些东西值得聊聊。
坦白说现在“大模型”这个词快被盘包浆了，我们从业者私下里也常吐槽，开车的决策跟和LLM聊天写稿完全是两码事，安全冗余和实时性的要求是天壤之别。所以当别克把Momenta的“R6飞轮大模型”推到台前时，我也是想看看他们怎么圆这个故事。但听完之后我发现他们主要想说的不是大模型的部分，他们主要想讲的其实是我们这个行业里最难啃、但又必须啃的一块硬骨头：如何解决corner case（极端场景）的长尾问题。
ADAS和自动驾驶最终极的挑战其实并不是让车在99%的时间里开得像个人，而是要保证在剩下1%的混乱、极端、甚至离谱的场景下，系统能保证安全且不会突然“抽风”。靠人力路测去穷尽这些场景，基本是不可能的任务。所以，理论上来讲唯一的出路就是构建一个足够逼真的虚拟世界，让AI在里面每天“撞”上几万次“鬼探头”、经历几十万次“极限加塞”，通过强化学习或者其他方式让AI自己总结出生存法则。别克这次讲的“飞轮大模型”，核心就是这套“数据驱动+仿真驱动”的闭环逻辑。这说明他们没把智驾当成一个简单的功能配置，而是看作一个需要长期迭代、持续进化的系统工程，这正是那些头部新势力赖以生存的核心打法，现在别克也用同样，甚至更深入的工程逻辑来思考问题，我觉得这比单纯吹用了什么VLx，芯片多大算力要实在得多。
当然，从仿真到现实，中间还有一道巨大的鸿沟叫“sim-to-real”。就算AI在模拟器里练成了车神，但现实世界的物理反馈、传感器噪声、其他交通参与者的不确定性，都可能让它水土不服。所以，当他们现场演示那个“不停车一键泊入”，处理断头路这种非标车位时，我看重的不是炫技，而是把它看作一个“sim-to-real”的阶段性验证。泊车是个低速场景，风险可控，是检验感知和规控算法闭环能力的最佳试验场。能把这个老大难场景做利索了，至少说明他们的算法在特定环境下，是能够从虚拟走向现实的。这种务实的、一步一个脚印的工程思路，我个人是认可的。
再说说大家不太关注，但我挺在意的点，就是功能安全。很多发布会只讲智驾“能做什么”，很少谈“失灵时怎么办”。虽然台上对智驾的Fail-Safe策略没细说，但从其底层奥特能平台的安全设计就能看出体系化的思路。例如电池系统强调“软硬件双保险” 和“7*24h云端预知型监管” ，这种深入骨髓的冗余和监控理念，同样会贯彻到智驾系统中。所以我相信其核心控制链路不会因单一模块故障而整体“雪崩”，降级会是有序、有预案的，而不是粗暴地把车丢给驾驶员。这种“有序退化”的工程思维，远比多实现一两个花哨功能更有价值。
顺带聊一嘴底盘，稳定、可预测的姿态变化能“喂”给传感器和算法更干净的惯导/车体动态数据，有利于状态估计。不少所谓“运动+智能”的车，横摆加速度变化太急，导致多传感器时间同步/外参标定误差在边缘场景被放大，算法端还得加一堆滤波和迟滞，体验又被磨平。至境L7的CDC减振器能做到500次/秒的扫描频率 ，目的就是把车身多余的晃动压在萌芽状态，
本质上也是在给智能驾驶的感知系统“降噪”，这种底盘和智驾的深度联动确实是传统车企的长项。
回到开头那个问题，别克的“致敬”与“学习”是否只是口号？从技术的角度看，我的答案是否定的。它学到了新势力的精髓——用数据闭环和持续进化的思维来打造智能系统 ；但它没有盲目追随，而是将这种新思维，嫁接在了自己最擅长的领域上：用深厚的整车工程底蕴，去解决用户最真实的痛点，比如那个几乎为零的亏电性能衰减 ；用大师级的底盘调校，去赋能智能驾驶的稳定与可靠 。致敬，是为了更好地超越。如果说新势力定义了智能化的上半场，那别克至境L7展现出的，就是将智能化与顶级造车工艺深度融合后，下半场该有的样子。
别克至境L7凭什么跻身头部新能源 别克至境L7首秀
