朋友问起广州车展小米发布的端到端辅助驾驶HAD增强版做了哪些增强？好用吗？此处叠个甲由于并没有拿到广州车展之后才会推送的HAD增强版v1.11版本的车型可供体验，也为了避免因主观评价好用与否导致不必要地引战。咱们此处只借着小米ICCV和NeurIPS的论文为什么强化学习与世界模型是大势所趋，再基于小米最新财报推敲一下小米发布端到端辅助驾驶HAD增强版的充分必要条件。
早在小米YU7发布时就提到辅助驾驶系统HAD的1000万Clips场景优化算法。具体是指使用1000万个真实驾驶场景片段进行端到端训练的智能驾驶算法，其中Clips是指从真实道路采集的高质量驾驶场景视频片段。该系统采用端到端训练架构，直接从传感器数据输入到驾驶决策输出，跳过传统的分步处理模式，并通过多模态大模型甄选专业司机团队的优质驾驶行为进行训练。端到端自动驾驶系统的核心理念在于通过统一的神经网络架构,将传感器原始数据直接映射到驾驶控制指令,跳过传统的多模块串联处理流程。
近年来学术界的研究表明这种架构能够有效减少信息在模块间传递时的累积误差。目前已经能在GitHub上找到ICCV获奖的小米论文相关强化学习世界模型的论文细节及仿真环境。小米HAD增强版采用的1000万Clips端到端训练，本质上是在构建一个大规模的状态行为映射空间。从机器学习的角度看这相当于在超大规模数据集上进行的模仿学习。通过专业司机团队提供的高质量驾驶行为作为监督信号使系统学习到复杂交通场景下的最优策略。
这种端到端范式的优势在于其能够捕捉传统模块化方法难以建模的隐式因果关系。小米联合开发的ORION框架所展示的通过视觉-语言模型指导的行动生成机制。端到端系统能够建立场景语义理解与轨迹规划之间的直接联系。小米HAD增强版的另一核心技术在于引入了多模态大模型对驾驶场景的世界建模能力。世界模型理论起源于强化学习领域。其核心思想是让智能体在内部构建对外部环境动态演化的预测模型从而实现从被动反应到主动预判的转变。
从NeurIPS论文提到的Genesis生成模型框架的技术细节可以看出,先进的驾驶世界模型已经能够同时生成多视角视频和激光雷达点云序列并保持时空一致性和跨模态一致性。这种能力对应到小米HAD增强版体现在其能够通过历史轨迹和当前场景状态预测未来可能的交通演化情况。例如在复杂路口场景中系统需要同时建模多个交通参与者的意图、交通信号灯的状态变化以及自车可选的行驶轨迹。这本质上是在隐空间中构建了一个动态的场景演化模型。
一句话总结强化学习+世界模型的端到端驾驶辅助方案最明显的特点就是在各个场景都更拟人化。这一特性可能让用户很难去具体体会。不过小米发布会提到的后向低速AEB和智能避障AES是很多用户看重的使用场景体验。最近好友驾车出了前车变道插队导致追尾的小事故，对方全责，人都没事。不过当时车速不快，车本身有紧急刹停、紧急避让，提前警报提醒这几个功能全部没有触发，如果触发一个，可能就避免了。某国外车企的回复解释说前车的重合度不够，所以没有触发紧急制动。这里只能期待强化学习+世界模型的端到端驾驶辅助方案上车以后的表现和潜在对行业的提升吧。
这里要客观地说几句行业现状。当前驾驶辅助系统主流仍采用规则系统+VLA大模型的混合架构而非纯端到端强化学习+世界模型方案。核心原因在于安全性验证困难和数据效率瓶颈。端到端系统的"黑盒"决策特性使其在特定情况下解释或特调其决策依据或过程难上加难。神经网络的隐式表征难以提供因果链条。强化学习需要通过试错获得最优策略，需要依托在仿真环境中构建足够逼真且覆盖长尾场景的世界模型。就需要巨量多模态数据和数万GPU集群持续训练。这种算力和数据门槛只有销量和财务双前列的企业才能承受。
小米选择在2025年广州车展发布基于强化学习+世界模型的HAD增强版，其时间节点的选择背后相信是精准的财务计算。从财务数据看，小米汽车在2025年第三季度首次实现单季度盈利7亿元，距离首款车型交付仅19个月。此时小米汽车累计交付量已突破50万辆。
从小米2025年第三季度财报数据可以看出，电动车业务已成为集团最重要的增长引擎和战略支点。EV业务收入占比从2024年Q3的约8%快速攀升至2025年Q3的超过25%，增速远超IoT和智能手机业务，单季交付10.88万辆，同比增长173.4%。更关键的是，小米汽车业务在Q3首次实现运营盈利，这意味着每辆车的边际贡献已转正，为后续的技术研发投入创造了现金流支撑。
在此背景下，小米选择在盈利拐点出现后立即加大智能驾驶技术投入，将HAD增强版的训练规模从300万Clips扩展至1000万Clips，用汽车业务的盈利反哺下一代技术。智能手机业务虽然毛利率承压，但仍贡献稳定现金流，IoT生态提供协同效应，而汽车业务达到50万辆销量规模实现自我造血。多业务组合的抗风险能力，使小米在端到端+世界模型这种高投入、长周期的技术路线上押注。
小米HAD增强版的发布正是在盈亏平衡和销量达成后的窗口期。1000万Clips强化学习端到端训练规模和多模态世界模型的引入背后是已具备持续盈利能力+仍保持技术投入。该软件版本更新后再谈体验，感兴趣可以私信小星代号“ICCV”。