一套模型，覆盖三个世界

德国那闻名全球的不限速高速公路、法国错综复杂的环岛、日本右舵左行的独特道路规则……

近日，多辆量产级别的L2++测试车正穿梭于这些国家的公开道路上。车身醒目的专属标识，格外引人注目。

△文远知行WRD 3.0测试车在德国路测中

一方面，Robotaxi在海外的规模化落地运营步伐未减；另一方面，文远知行面向量产车打造的L2++技术，也已成功走出国门，迈向全球。

德国、日本、法国，这三位都是传统汽车工业时代的强者。而如今，在这些汽车强国的道路上，引领智能化浪潮的，正是来自中国的文远知行。

这本身就是时代变迁的一个缩影。

L2++出海，究竟进展到哪一步了？

此次，是文远知行首次系统性地披露其全球道路验证的最新成果：

目前，该公司的WRD 3.0一段式端到端辅助驾驶方案，已先后在德国、法国、日本顺利完成了道路测试与验证工作。

不少人可能会认为：不就是把车开到国外跑了一圈而已。

但真正的难点在于，要让同一套智能驾驶系统，在截然不同的驾驶环境中，依然能够稳定、可靠地运行。

德国、法国、日本，这三个国家代表了三种各具特色的驾驶环境与交通条件。

首先来看德国。它的高速公路，堪称许多智能驾驶系统的“噩梦”。原因很简单——极速。

部分路段不限速，车辆高速超车、快速变道是常态。对于AI来说，它不仅要处理更快的车流，更要应对整个交通环境的急速变化。每一次决策都必须提前完成，否则留给系统的反应时间，将远比普通道路短得多。

法国则是另一番景象。这里遍布设计复杂的环岛，一个环岛可能包含多个出口，车辆不断汇入与驶离。对于人类司机，这依赖多年练就的直觉：何时进入？何时等待？何时让行？很多时候没有标准答案，依靠的是对其他参与者行为的持续判断。对于智能驾驶系统而言，这类场景比红绿灯路口更加棘手，因为它真正需要理解的并非交通规则，而是人的行为意图。

日本带来的挑战，则是一套完全不同的道路体系。

△文远知行WRD 3.0测试车在日本进行测试

右舵左行，意味着驾驶逻辑几乎整个颠倒。驾驶员位置变了，行驶方向变了，路口组织方式变了，道路标识与交通设施也全都变了。

如果说德国考验的是极限速度下的处理能力，法国考验的是复杂交互中的决策智慧，那么日本就像是在衡量系统能否快速适应另一套完全不同的世界法则。

这些差异看似零散，但都指向同一个核心问题：AI司机面对的，表面上是不同国家，本质上却是不同的数据分布。模型并不知道自己身处德国、日本还是法国，它只知道，眼前出现了一套过去很少见、甚至从未见过的环境，这直接影响它最终做出的判断。

因此，这次全球验证真正想回答的问题，不只是“能否进入海外市场”，更是：

同一套智能驾驶技术，是否具备跨环境运行的能力？

而文远知行，确实没有选择针对不同国家分别开发不同版本。他们采用的是同一套技术架构，从研发、测试、验证到商业化落地，搭建了全流程的工程体系，并在不同国家持续完成道路验证。

这意味着，自动驾驶，甚至未来物理AI竞争的焦点，正在悄然发生变化。

全球道路验证的价值何在？

一年前，L2++行业竞争的核心词还是“功能”。高速领航有没有？城市辅助驾驶何时开通？能否自动泊车？覆盖了多少城市？谁先把一个功能做出来，谁就能占据市场关注的C位。

但今天，这套竞争逻辑正在慢慢失效。原因很简单，越来越多的企业已经能实现相似的功能。真正拉开差距的，不再是“谁会做”，而是“谁能在陌生环境里依旧做好”——也就是AI的泛化能力：当它离开熟悉的领地后，是否依然知道该如何驾驶。

△文远知行创始人兼CEO韩旭(左)、博世智能驾控中国区总裁吴永桥(右)在2025慕尼黑车展合影

因为现实世界没有标准答案。每天都有新的施工区域、新的交通标识、新的驾驶行为出现。即使是同一条路，不同时段也可能呈现出截然不同的状态。没有一家公司能提前收集所有数据，也没有任何模型能把所有场景都“背”下来。真正成熟的L2++，不应依赖“见过”才能处理，而应依靠对世界的理解，去应对那些从未见过的情况。

这，也正是全球道路验证如此重要的原因。德国、日本、法国，它们不只是三个海外市场，对于AI来说，更像是三张完全不同的考卷。文远知行的方案能在这些交通条件迥异的国家完成测试，说明其学习的已经不是某一国的驾驶经验，而是一种能适应不同环境的底层能力。

这就不难理解，为什么近两年来，行业频繁提及“世界模型（World Model）”。它本质上是AI对现实世界的一种“认知能力”。

△文远知行GENESIS可模拟任意空间内的位移，实现闭环感知，指数级扩大仿真世界范围

相比传统一段式“黑盒”直接输出方向盘该往哪打、油门该踩多少，世界模型更关注的是：这个世界正在发生什么？接下来可能发生什么？它需要理解车辆、行人、自行车之间的关系，需要预测交通参与者未来几秒钟的行为，也需要在大量不确定因素中找到最合理的决策。从某种意义上说，世界模型真正学习的不是开车，而是理解世界。而不同国家、不同道路环境，恰恰就是检验这种能力最天然的考场。

那么，为什么文远知行能参与到这样的全球道路验证中？一个重要原因，在于它过去多年持续积累的L4自动驾驶能力，以及在实践中建立的技术体系。这包括一段式端到端架构、WeRide GENESIS世界模型，以及面向不同算力平台的适配能力。这些能力共同构成了模型训练、仿真验证和量产部署的完整链路，让系统既能持续学习，也能更快适应新环境。

当然，智能驾驶最终能否真正走向全球，光靠算法远远不够。真正决定一项技术能否落地的，往往是工程体系。从数据闭环、仿真验证，到车规级开发、供应链协同，再到不同国家的法规和测试标准，每个环节都会影响最终产品表现。

举个例子，数年前关于L4玩家“降维打击”量产辅助驾驶的讨论很热，但最终真正做到的，是文远知行。其创始人兼CEO韩旭有个比喻，把L4比作马拉松——42.195公里，考验的是耐力、系统能力和对长尾场景的覆盖；而L2++则像1500米中长跑——需要爆发力、量产能力和成本控制。

△文远知行创始人兼CEO韩旭出席量子位·MEET2026智能未来大会

所以，深耕“马拉松”的文远知行，与其他L4公司相比，技术理论其实站在同一起跑线。真正在“降维”这件事上拉开差距的，是“坚持”——日日夜夜地打磨量产、适配不同芯片、满足主机厂的各种要求，一路坚持下来。这对应到技术层面，除了基础的知识蒸馏，还涉及许多细致到代码级的Know-how，比如蒸馏前的混合精度量化、模型剪枝、动态推理优化、MoE架构优化等。

这也正是文远知行与博世合作的关键意义所在：当智能驾驶真正走向全球时，必须回答一个问题——AI是否已经具备了跨越不同“驾驶世界”的能力。

第三道护城河：技术、工程与生态

如果把视角拉远，文远知行L2++的海外道路验证，折射出的不仅是其技术路线的一次延伸，更是整个行业正在发生的变化。过去几年，L2辅助驾驶和L4自动驾驶常被看作两条并行发展的路线——一条面向量产市场，一条探索更高等级的自动驾驶。但随着数据驱动、世界模型、强化学习等技术路线不断成熟，两者间的边界正变得越来越模糊。

△2025年11月，文远知行正式达成港股+美股双上市布局

有些L4玩家对这种趋势“如临大敌”，在公开表态中不断反对“升维”路线。但文远知行从技术本质出发，看到了新的机遇：L4是L2++不断向上的技术来源。而后续L2++的大规模量产，又能带来海量真实道路数据，反过来推动模型持续学习和迭代。这两条路线之间，不再是过去那种“各做各的”，而是在逐渐形成一个相互促进的技术飞轮。

从商业层面看，这种变化也开始体现。2026年第一季度，文远知行营收1.14亿元，同比增长58%，毛利率达到35%。这些数字本身未必说明一家自动驾驶公司已经完成商业化，但至少能反映一个趋势——过去沉淀在L4领域的技术能力，正在进入更大规模的市场，并逐步释放价值。

相比单纯增加一项业务，更重要的是技术开始形成“复用”。对于一家自动驾驶企业来说，这意味着研发投入不再只为单一场景服务，而是能同时支撑Robotaxi和量产辅助驾驶的发展，形成持续迭代的正循环。

△文远知行纯无人Robotaxi GXR已在全球多地开启商业化应用

自动驾驶公司从第一天起梦寐以求的“AI司机授权费”模式，在文远知行这里正快速形成闭环。

同样值得关注的，还有文远知行L2++出海的模式。博世代表的是成熟汽车工业积累数十年的车规体系、工程能力和全球供应链经验，以及这家百年Tier 1与跨国车企的强连接关系。而文远知行代表的，则是近年来快速崛起的一段式端到端算法、世界模型以及Physical AI能力。博世擅长说服车企拥抱变革、取得信任，文远知行则持续推动智能驾驶底层能力的演进。两者的合作，是在尝试让新一代AI能力与成熟汽车工业体系真正融合。

最后，可以看到文远知行开始为自动驾驶技术的迭代，定义新的行业“基线”：数据闭环能否持续运转？验证体系是否足够完善？车规开发是否满足安全要求？产品能否适应不同市场、不同法规、不同用户需求？只有这些能力共同建立起来，一项智能驾驶技术才真正具备全球量产的基础。

过去一年中，文远知行已连续六站获得中国智驾大赛第一名，并累计获得30余款车型量产定点项目。这些成绩未必意味着它已经解决了高阶辅助驾驶的所有问题，但至少说明，其技术体系已经具备了持续工程化、持续量产化的能力。对于下一阶段的智能驾驶竞争来说，这种能力可能比一次功能上的突破更为重要。它所对应的，也不只是某一代车型，而是下一代世界模型、下一代Physical AI，以及未来智能驾驶技术演进的方向。

因此，这次文远知行全球道路验证，回答的是一个更基础的问题：

当AI第一次来到一个完全陌生的世界，它究竟是在重复已经学会的规则，还是已经拥有了理解这个世界的能力？

这个问题，或许才是未来物理AI竞争真正的分水岭。