當自研撞上“飛輪”：上汽通用把方向盤交給 Momenta，是一次戰術撤退還是戰略突圍？

當“全棧自研”的光環褪去，自動駕駛的下一幕由誰來寫？

答案在別克至境 L7 的發布會上被一語道破：上汽通用把高階智駕的核心算法交給了 Momenta 的 R6 飛輪大模型。

曾經，每家車企都在宣講“靈魂必須握在自己手里”，可五年過去，行業卻發現那條路越走越窄——感知、高精地圖、規控乃至芯片都要自建，團隊像氣球一樣膨脹，代碼版本層層堆疊，每一次 OTA 都被芯片產能、法規更新和實測里程三重閘門拖慢節奏；研發投入年年加碼，用戶卻越來越難感知到實質性的進步。

于是，曾經象征著掌控力的“全棧自研”，如今在經濟賬本面前顯露出疲態：固定成本滾雪球般失控，現金流被漫長的驗證周期鎖死，功能迭代的速度再也追不上資本市場的耐心。

然而，壓垮自研的最后一根稻草還不是逐年攀升的預算，而是端到端大模型的突然崛起。

過去，車企可以沿著“感知—融合—決策—控制”的鏈條分兵把守，每個環節都有成熟的供應商和可復用的開源框架，即便自研，也能拆分任務、逐年迭代；可當端到端范式下的 VLA、VLM 乃至世界大模型輪番上陣后，游戲規則瞬間被改寫：數據、算力與算法三位一體，必須一次性砸下數十億公里的有效里程和數千萬乃至上億段高質量 clips，才能啟動模型的自我進化，更遑論背后 GPU/TPU 等加速卡與持續攀升的訓練成本。

這道門檻把“漸進式自研”變成了“一次性梭哈”——沒有哪家年銷量低于百萬的車企敢把現金流押進一個可能三年都無法商業化的黑盒。

更致命的是，端到端模型一旦跑通，便以指數級速度抹平了傳統分模塊方案的功能差異；在同樣的芯片、傳感器配置下，大模型帶來的體驗躍升肉眼可見，這讓仍在內部苦熬“感知準確率再提升 1%”的團隊瞬間失去了敘事支點。

于是，放棄自研不再是技術妥協，而是一場迫不得已的止損：與其繼續為一條日漸過時的技術棧輸血，不如直接把成本轉嫁給已經完成沉沒投入的算法供應商。

押注Momenta，不代表能安枕無憂

把方向盤交給外部模型并不等于主機廠可以“躺贏”。至境 L7 的案例里，上汽通用把一整套“別克式安全哲學”注入了 Momenta R6 飛輪大模型：

其一是安全冗余層面，比如整車的制動、轉向均做了冗余設計，并向下延伸到傳感器、零件、系統層級，確保冗余同時支撐上層算法的持續迭代；

其二是仿真驗證與實車驗證，依托 Momenta 歷年累積的海量數據搭建高保真仿真場景，并回灌通用 Super Cruise 過去數百萬公里高價值危險場景標簽——別忘了 Super Cruise 已實現累計 1100 萬公里 0 事故。

其三正是在這種“軟硬一體”的反復拉鋸中，原本不在產品定義里的“一鍵泊車”被雙方共創出來，把原本需拆分成三四步的泊車動作壓縮成絲滑的一氣呵成：即便面對只比車身寬 40 cm 的極窄車位，至境 L7 也能自信泊入。

換言之，這次合作并非主機廠單向提需求，而是雙方共創：Momenta 深度介入整車研發流程，并在項目各階段將體驗最終閉環到落地場景。

下一階段的智駕戰：三條路線正在分叉

當端到端模型把門檻抬到“數十億公里數據”級別，行業迅速分化出三種生存策略。

第一條路線是“垂直整合派”。以特斯拉、蔚來、小鵬為代表，繼續加碼全棧自研，并且把戰火延伸到芯片——自研智駕 SoC、自研 MCU、自研 ISP，試圖在晶圓廠門口就把摩爾定律握在自己手里，用硬件-算法聯合迭代把體驗上限再拉高一層。

第二條路線是“共創定義派”。上汽通用、廣汽、等銷量規模足夠卻不想重走數據長征的主機廠，把 Momenta、地平線、華為們請進門，用自身對整車架構、安全冗余和場景需求的理解反向調教大模型：主機廠提供需求、場景、冗余框架，算法公司負責數據、訓練、OTA，雙方在 V 字流程里深度耦合，最終把“別人的飛輪”磨成“自己的護城河”。

第三條路線是“成本優先派”。針對入門級的走量車型，主機廠直接采購成熟的高速 NOA 方案，比如兩顆前視 8M 攝像頭、一顆前向毫米波、一顆域控，成本 3000 元以內，足夠在高速場景里做自動變道、自動上下閘道，滿足入門市場“夠用就好”的需求。

三條路線不會并行太久：垂直整合派賭的是下一輪芯片工藝紅利；共創定義派賭的是“主機廠經驗 + 外部數據”的復合壁壘；成本優先派賭的是規?；瘮偙〔少彸杀?。誰能先跑出正現金流，誰就能在下一幕寫下新的規則。