還記得華為最新的自動駕駛算法架構叫什么嗎？WEWA - World engine and World Action。

在最近的 CVPR 2026 Workshop（丹佛）上，香港大學計算與數據科學學院助理教授，OpenDriveLab 的Li Hongyang 李弘揚先生做了一場名為《Simulation at Scale for Production-level Autonomous Driving》的演講。其中主題就是采用WE(World Engine)世界引擎來仿真攻克自動駕駛長尾。

所以，本文在演講內容基礎上，結合其團隊公開論文對論文中的World Engine 這個自動駕駛仿真技術的方法和邏輯進行解讀，希望給大家帶來一些信息和啟發。

1. 問題的來源：長尾分布與「最后 20%」

演講中，Li hongyang 先生用給演講內容做了一個鋪墊，量產自動駕駛面臨的核心困難，用一條概率分布曲線概括：

日常行駛中，絕大多數情形是常規事件——直行、跟車、正常通過路口；

少數是「安全關鍵事件」，例如近距離接近、加塞、緊急制動；

而真正的事故屬于極小概率事件，發生頻率通常在每百萬公里乃至更低的量級。

但是，自動駕駛系統能力越是要覆蓋這條曲線的尾部，可用于學習的真實數據就越稀缺。

所以，目前業界的主流做法，本質上是兩條規模化路徑：

一是數據規模化，依靠大規模車隊采集行駛數據；

二是算力規模化，用更大的集群訓練更大的模型。

這條路徑在特斯拉等公司的實踐中被廣泛采用，對常規場景行之有效。但演講指出，它在長尾場景上會遇到收益遞減的問題——這正是本次演講試圖回答的核心。

需要明確的是，「最后 20%」是一個描述性的說法，用來指代那部分難以通過常規數據采集覆蓋、卻對安全至關重要的尾部場景，并非一個精確的量化指標。

2. 核心論點：把「后訓練」范式遷移到自動駕駛

Li hongyang 提出的主要思路，是借用大語言模型的訓練范式來重新審視自動駕駛算法的訓練。

大語言模型的能力提升通常分兩步：

先在大規模文本上做預訓練，再通過基于人類反饋的強化學習（RLHF）等手段做后訓練（post-training）。后訓練并不顯著增加模型「知道多少」，但對把模型調整到「可用、可控、符合期望」起關鍵作用。

Li hongyang在演講中的類比是：

自動駕駛模型在某種意義上已經完成了「預訓練」——海量真實路采數據相當于它的訓練語料；但它缺少一個有效的「后訓練」環節。

大語言模型的后訓練，可以直接引入人的反饋feedback做reward獎勵訓練。但是對于自動駕駛，卻很難，因為自動駕駛所在的物理世界的約束：無法讓車輛反復發生真實碰撞、再據此給出獎勵信號去優化策略。換言之，自動駕駛缺的不是數據本身，而是一個能夠交互、能夠提供反饋、并可安全試錯的環境。

這個類比有其啟發性。語言模型的「環境」是文本和人類評價，反饋廉價且可大量獲取；自動駕駛的環境是物理世界，反饋昂貴且涉及安全。

因此演講推出了他們的關鍵工作，構造一個替代性的數字環境——World Engine世界引擎。

3. World Engine 的三個組成部分

首先，指明一點World Engine 不是單一模型，而是由三個相互銜接的部分構成的系統：像素級的場景重建、場景中多個代理的行為世界模型、最后強化后訓練。

1. 像素級重建：構造視覺環境

第一部分基于 3D 高斯潑濺（3D Gaussian Splatting）構建像素級、可渲染的場景，對應其團隊的 MTGS論文（多次遍歷高斯潑濺，arXiv:2503.12552）工作。

其特點是支持視角外推：將同一地點多次穿行采集的數據融合后，可以從訓練時未直接覆蓋的位置和角度重新渲染圖像。這一部分解決的是「視覺觀測是否逼真、是否可控生成」的問題，和當前大家的虛擬simulator差別不大。

2. 行為世界模型（Nexus）：生成交通參與者的行為

第二部分是一個多智能體行為生成模型，對應論文 Nexus（《Decoupled Diffusion Sparks Adaptive Scene Generation》，arXiv:2504.10485），也是本演講的重點。

這個多智能體行為生產模型要同時滿足兩個相互沖突的需求：

一是反應性（reactivity），即對環境的實時變化做出響應；

二是目標導向（goal orientation），即能被預設的未來狀態精確引導，從而可控地生成帶有明確結局的安全關鍵場景。

此前的兩類方法各有短板：全序列擴散模型可控性好，但難以實時響應交互；自回歸式的逐幀預測響應及時，卻缺乏對目標狀態的感知。

Nexus 的做法是「解耦擴散」——讓序列中每個 token 擁有獨立的噪聲狀態，并以噪聲水平作為一種連續的軟掩碼：低噪聲 token 承擔已知條件或目標的約束作用，高噪聲 token 則保留對環境變化的響應能力。由此，可控生成與實時反應被統一在同一個去噪過程中。

傳統的仿真，可能就是重構環境，然后算法修改看自車運動之后問題是否復現，效率低，而且不符合世界物理的發展，因為自車變化，演員車或者叫做智能體也會變化行為的。

現在，這樣做的好處是支持閉環場景生成，為自主智能體提供交互式環境。智能體使用生成的場景進行規劃，而 Nexus 則根據智能體的動作實時更新場景。為了評估場景生成器的真實性。

3. 強化后訓練：在環境中優化策略

第三部分是在上述環境中進行強化學習后訓練。演講強調兩點設計：

一是行為正則化強化學習（behaviour-regularized RL），用 KL 約束將后訓練后的策略限制在預訓練先驗附近，避免強化學習把策略推向異常或不安全的行為分布。

二是經驗混合（experience mixing），將真實路采日志與世界引擎生成的合成 rollout 混合進同一訓練池。演講對二者關系的概括是：模仿學習學習「人類會如何駕駛」，強化學習則補上「不應如何駕駛」。

這樣就形成了World Engine高效生成場景進行對抗學習的訓練方法。

4、實驗結論與解讀：數據效率

其實在演講中Li hongyang 透露的WorldEngine 還給出了目前仿真對比，以及量產級驗證。

仿真驗證中，為彌補公開數據中危險場景稀少的問題，團隊還構建了 Nexus-Data：通過 MetaDrive 仿真器生成，交通流以對抗方式合成，并經自動有效性校驗篩選。論文報告中指出仿真測試的主要結果包括（這些數字來自 Nexus 論文的基準測試，而非獨立復現）：

仿真數據規模約 540 小時，覆蓋匯入、加塞、碰撞等高風險交互；

相對所對比的方法，位移誤差降低約 40%；

通過數據增強，閉環規劃性能提升約 20%。

此外據他們研究的主頁披露：在某工業級閉環仿真平臺（超 1 萬個場景）上碰撞率下降約 45.5%；在 AITO M9 上做約 200 公里實車路測（上海城快、高架、居民區，含一次夜間）實現零接管；底座是基于 8 萬多小時真實路采日志訓練的量產系統。合作方包括港大 OpenDriveLab、華為、上海創智學院，以及 NVIDIA、圖賓根大學、valeo.ai、清華等。這些數字來自團隊自身的項目主頁與報告，正式論文尚未發布。

這里就回到文章開頭講到的，華為最新的自動駕駛算法架構叫WEWA - World engine and world action（可以看我們之前文章《深度分享和分析華為2026乾崑技術大會：大家如何應招？》），所以根據上面論文參與機構和測試透露的信息，華為自動駕駛應該也采用此項量產技術。

寫在最后

這場演講指向一個對產業有現實意義的判斷：輔助駕駛/自動駕駛如我們之前文章《從各家出行報告看：中國智駕第一梯隊的用戶成績》講到，已經從敢用走向了常用愛用的階段，那么大家比拼的就是誰能夠高效解決長尾問題。

Li hongyang 先生提出的World Engine能夠生產模擬人類駕駛的物理世界，也就是真是多智能體互動的模型，這就猶如給自動駕駛多了一個真實虛擬世界對抗訓練的場地，可以極大高效通過后訓練快速的提升算法能力。

當然，作為一項研究方向，World Engine 可能仍有若干尚未解決或需要獨立驗證的問題，這也是評估其落地價值時應保持審慎的原因：

仿真到現實的差距（sim-to-real gap）始終存在。重建場景與合成行為再逼真，與真實道路之間仍可能有系統性差異，模型在仿真中的收益未必能等量遷移到實車。

合成的危險場景是否真正覆蓋了真實世界長尾的分布，難以完全驗證。對抗生成有可能產生「看似危險但不真實」的樣本。仿真指標與真實安全之間不能簡單畫等號。開環、閉環的成功率提升，距離量產所需的安全性論證仍有距離。

深度創作不易，您的點贊、愛心和轉發是我們不懈創造提供優質信息的動力，

當然對自動駕駛感興趣的也可以購買我們的書籍

參考資料以及圖片演講：《Simulation at Scale for Production-level Autonomous Driving》，李弘揚，CVPR 2026 Workshop（丹佛）。

Nexus：Zhou et al.,Decoupled Diffusion Sparks Adaptive Scene Generation, arXiv:2504.10485, 2025。

MTGS：Li et al.,MTGS: Multi-traversal Gaussian Splatting, arXiv:2503.12552, 2025。

*未經準許嚴禁轉載和摘錄-

       原文標題 : CVPR 2026 Li Hongyang 演講的World Engine解讀 ：可能就是華為說的WE