2025中国智驾开发者50人（第三期）

2025年度，谁在推动智驾进步？我们推出《2025中国智驾开发者50人》系列，分5期刊发，这是第三期。

入围的80多位候选人，绝大多数在国内，少数在国外，个别是海外华人。他们的研发成果，体现在过去两年里发生的两次智驾拐点上。但其中的大部分，都很低调。

入围的标准有两条（个别极其优秀者例外）：

1、2025年内，在全球顶会顶刊发表高引论文的第一作者（含合著团队）；

2、2025《智驾天梯榜》年度榜单上榜方案商和主机厂的核心研发人员。

经过核实与比对，最终挑选出50位有代表性的人物。他们的身份，大体分四类：

1、学术研究者，在顶会顶刊上发表高引论文的作者（含合著团队）；

2、研发组织者，定投资、定方向、定目标、定范式、定团队的人，类似奥本海默；

3、研发骨干，负责某一个具体方向的研发统筹，并和兄弟们一起拼搏出成果的人；

4、产品和工程负责人，负责产品定义、用户交互、工程实施的人，做出了非常棒的产品体验，或者保障了连续的工程交付表现。

继第一期推荐11篇卓越论文的作者们，第二期记录理想汽车、小鹏汽车和Momenta智驾关键人物之后，本期（第三期），记录5名特斯拉和4名华为的智驾产研和工程负责人，正是他们推动了先进技术的落地，让理论变成了现实，并引领了智驾的发展方向。

#01 段鹏飞（PhilDuan）：特斯拉FSD的“小脑”

在特斯拉智能驾驶与Robotaxi研发体系中，华人工程师一直扮演着至关重要的角色。截至2026年初，根据最新的技术演示（如FSD V14无监督路测）及内部公开信息，特斯拉在职的多位华人技术骨干和专家在感知大模型、车队学习及工程化落地方面贡献显著，段鹏飞是其中的代表。

背景：

本科毕业于武汉理工大学光电信息科学与工程专业，后获美国俄亥俄大学电子工程硕博学位。‌‌

2017年首次加入特斯拉，参与Autopilot早期研发。2019年因高强度工作离职，9个月后回归。2022年升任首席软件工程师，2022年AI Day介绍OccupancyNetwork，2025年因Robotaxi项目成果被马斯克公开表彰。他是特斯拉去高精地图和纯视觉定位战略的核心奠基人之一。

主要职责：

特斯拉AI团队首席软件工程师，Autopilot关键技术负责人，FleetLearning团队负责人，主导数据与感知体系研发，是目前特斯拉自动驾驶算法团队的核心领军人物之一。

其领导的FleetLearning团队聚焦两大领域：

一个是‌数据引擎优化‌——通过AI技术自动处理全球特斯拉车辆的驾驶数据——真实驾驶视频进行“自动标注”，极大提升了FSD模型的训练吞吐量和迭代速度，提升数据标注效率（从人工20分钟/帧缩短至0.2秒），支撑自动驾驶模型迭代。‌‌

另一个是‌感知系统开发‌——主导关键神经网络模型设计，包括：OccupancyNetwork（占用网络）实现环境3D建模；视觉基础模型与物体检测系统，用于实时识别道路、行人及交通信号。实现了从2D图像到3D体积空间的感知跨越，是特斯拉移除雷达、转向视觉纯感知的核心技术支撑。

在过去几年FSD的进化过程中，段鹏飞扮演了关键角色。

贡献一：主导“去高精地图”的视觉定位系统

传统的Waymo或Robotaxi依赖昂贵的高精地图，车辆必须知道自己在地图上的厘米级位置。一旦地图没更新（比如修路），车就废了。他将自己在航空领域的惯性导航与视觉SLAM（同步定位与建图）技术结合，通过设计视觉特征指纹的算法提取道路上的地标特征（车道线边缘、路灯、地面标识），将其转化为“视觉指纹”。当FSD运行时，神经网络实时提取当前摄像头的特征，与云端简化的众包路网数据进行匹配。这让特斯拉仅靠普通的GPS（误差几米）配合摄像头，就能实现厘米级的车道定位。这是FSD能并在任何陌生道路上开启的关键——因为车不再依赖预先死记硬背的“地图”，而是具备了“看路”的能力。这是他对Robotaxi和FSD最具体的贡献，也是技术含金量最高的部分。

贡献二：车队自动标注与高维重建

训练FSD神经网络需要数亿张标注好的图片（比如标出每一条车道线），人工标注太慢且昂贵。他参与构建了特斯拉著名的自动标注机器，利用特斯拉售出的数百万辆车，当多辆特斯拉经过同一个路口时，系统会将它们上传的视频片段聚合。然后在云端利用巨大的算力，通过SfM （Structure from Motion）技术，把这些视频“缝合”成一个完美的3D路口模型。在3D模型上标好车道线后，再把结果“投影”回2D图片上。这样就自动生成了完美的训练数据。最终，段鹏飞团队利用这种方法，让AI在云端“吃掉”了全美国复杂的路口数据，训练出的FSD模型因此具备了超越人类的复杂路口处理能力。

贡献三：Ego-Motion（自身运动估计）的极致优化

如果车辆不知道自己的速度和转向角度（哪怕有毫秒级的延迟或误差），预测周围车辆的轨迹就会出错。他优化了Autopilot底层的卡尔曼滤波（Kalman Filter）和 IMU （惯性测量单元）预处理算法。确保在摄像头帧率波动或短暂失效（如强光刺眼）的瞬间，车辆依然能通过惯性传感器精准推算出未来几秒的位姿。这是Robotaxi安全性的最后一道防线。

段鹏飞在特斯拉的核心任务可以总结为一句话：“让汽车像人一样，只用眼睛（摄像头）就知道自己在哪里，该往哪里走，而不依赖早已过时的预制地图。”

如果说FSD的大脑是神经网络，那么段鹏飞就是负责小脑的人。他解决了“我是谁（定位）”和“我在哪（建图）”这两个最基础但也最致命的自动驾驶问题。没有他的工作，特斯拉的Robotaxi就必须依赖昂贵的激光雷达和高精地图，无法实现马斯克“低成本、全球通用”的商业愿景。

#02蔡云塔（Yun-TaTsai）：特斯拉FSD的“眼睛”

背景：

蔡云塔本科毕业于台湾交通大学（NationalChiaoTungUniversity），计算机科学专业；硕士毕业于南加州大学（UniversityofSouthernCalifornia），计算机科学。

他的职业生涯贯穿了从移动端计算摄影到自动驾驶感知的顶尖领域，先后在诺基亚、英伟达、谷歌工作拥有超过10年的“软硬结合”视觉算法落地经验，2021年加入特斯拉。

主要职责：

特斯拉高级主任软件工程师（TeslaSeniorStaffSoftwareEngineer），负责Autopilot视觉感知栈中最底层的图像处理与神经网络设计，是Autopilot视觉底层架构的关键把关人。

主要贡献：

蔡云塔在特斯拉的角色可以被形容为“让汽车看清不可见之物”。

他的研发领域可以概括为：让机器视觉超越人类视觉的动态范围。在特斯拉移除雷达后，摄像头必须在暴雨、逆光、漆黑深夜等极端环境下工作。而他的任务就是处理这些“看不清”的场景。

普通摄像头在极低光照（如无路灯的乡村道路）或恶劣天气下，噪点极多，传统ISP（图像信号处理）会丢失大量细节。他开发了PhotonCountNetwork，这是一种直接处理传感器原始光子/信号数据的深度学习网络。它不依赖传统的图像降噪流程，而是用AI“猜”出黑暗中的物体轮廓和细节。这项技术是特斯拉FSD敢于移除雷达、仅靠摄像头在黑夜中开启自动驾驶的底气来源。这是他最著名的技术贡献之一。

自动驾驶最怕“光线剧变”，例如车辆从黑暗的隧道突然驶入刺眼的阳光下，或者夜晚对向车开远光灯。普通相机会瞬间“致盲”（过曝或欠曝）。他设计了专门的HDR遥测算法，确保Autopilot的摄像头在这些极端动态范围场景下，依然能提取出车道线、路障和行人的特征。

他还利用生成式AI（类似于他在Google做人像光影重建）的经验，改善FSD在雪天、大雾、雨天等低能见度环境下的感知稳定性。这直接关系到Robotaxi能否在全天候条件下运营。

蔡云塔（Yun-Ta Tsai）是特斯拉FSD的“夜视仪”和“滤光镜”，如果说其他架构师在设计大脑，那么蔡云塔就是在设计视网膜。他通过Photon Count Network技术，让特斯拉普通的摄像头发挥出了接近专有传感器（如夜视仪/激光雷达）的感知能力，这是Robotaxi能够实现低成本、全天候运营的关键物理基础。

#03 PatrickCho（赵博）：让FSD理解物理世界

背景：

本科毕业于新加坡国立大学计算机科学专业（2013-2017），硕士毕业于斯坦福大学计算机科学专业（2017-2019），研究方向为计算机视觉与深度学习，导师为李飞飞团队关联学者。

2019年入职特斯拉，历任机器学习科学家、高级科学家、Staff科学家。

2024年底，升任视觉团队工程经理，专注视觉机器学习，被段鹏飞称其为特斯拉多次视觉感知技术突破背后的“功臣”。

主要职责：

视觉团队工程经理，机器学习专家，隶属段鹏飞领导的FleetLearning团队。

主要贡献：

Patrick Cho 解决了自动驾驶行业的一个痛点：“遇到训练集中没有见过的物体怎么办？” 

贡献一：主导开发“占用网络” （Occupancy Network）

这是FSD以及Robotaxi安全性的基石。早期的Autopilot依靠“白名单”识别物体（这是否是车？这是否是人？）。如果路上出现了一辆侧翻的卡车，或者一堆散落的货物，系统可能因为“认不出这是什么”而直接撞上去。而他参与设计的Occupancy Network占用网络不再纠结“这是什么”，而是只关心“这里有没有东西”。遇到此类场景首先用RegNet等骨干网络从8个摄像头提取图像特征，再利用Transformer的注意力机制，将2D图像特征映射到车辆周围的3D向量空间中，系统再将车辆周围的空间划分成无数个微小的立方体（Voxels）。网络会输出每个立方体是“被占用（Occupied）”还是“空闲（Free）”的概率。最终得到哪怕路上有一块奇怪的石头或以前没见过的外星飞船，只要它占据了空间，算法就能告诉控制系统“绕开它”。

贡献二：解决“多摄融合”中的几何一致性

特斯拉有8个摄像头，每个角度不同。如果算法只是单独处理每个摄像头，当一辆大卡车横跨两个摄像头的视野时，系统可能会把它误判为“两辆车”或者直接把车切断。他推动了将图像特征直接转换到BEV（鸟瞰图）坐标系下的算法落地，使用一组固定的“3D位置查询（3D Positional Queries）”去各个摄像头的特征图中“抓取”信息。这确保了无论物体横跨几个摄像头，最终在3D空间里重建出来的都是一个完整的、连续的物体。

贡献三：利用 NeRF 提升感知分辨率

随着FSD的发展，Patrick Cho所在的团队开始探索利用NeRF（神经辐射场）技术。虽然NeRF通常用于离线重建，但视觉团队正在尝试将其思想引入实时推理，通过分析光线在时间轴上的变化，来更精准地判断物体的体积和距离，这对于Robotaxi在狭窄街道（如两边停满车的胡同）的通行能力有极大提升。

Patrick Cho 是特斯拉FSD空间感知能力”的赋予者。如果说之前的技术让车“看懂图片”，他的工作则是让车“理解物理世界”，是确保车辆不撞上任何不明障碍物的技术守护者。

#04 张修明（XiumingZhang）：利用生成式AI重构3D场景，重建真实世界

背景：

清华大学自动化系学士，麻省理工学院计算机视觉与计算机图形学博士；曾在Waymo从事3D感知算法研发，2024年中加入特斯拉，擅长点云与视觉融合建模。特斯拉智驾团队中在3D感知和逆渲染（InverseRendering）领域的学术级顶尖人才。2025年7月离职，目前就职于英伟达担任首席研究科学家。

主要职责：

特斯拉FSD团队高级机器学习科学家，专注3D视觉与场景理解，隶属段鹏飞FleetLearning团队。在特斯拉期间，他的主要任务是重建真实世界。不同于主要负责“识别物体”的感知团队，他的工作侧重于利用生成式AI重构3D场景。

主要贡献：

3D空间理解：利用其在MIT期间研究的逆渲染技术，帮助FSD系统更精准地重建3D驾驶环境，解决了传统算法难以处理的复杂物体形状和材质反射问题。

物理规律对齐：将真实的物理模型注入神经网络，使感知模型具备对周围环境光影、遮挡的深度理解，提升了Robotaxi在复杂城市场景下的安全性。

参与OccupancyNetwork3D重建优化，提升复杂路况下障碍物检测精度；支撑Robotaxi在奥斯汀试点的场景泛化能力；优化车端3D感知推理效率。

张修明代表了自动驾驶的一个新趋势：从“判别式AI”（识别这是什么）转向“生成式AI”（创造一个世界）。他在特斯拉的工作证明了，图形学（Graphics）不再只是做游戏的工具，而是自动驾驶理解世界、进行训练仿真不可或缺的核心技术。

#05查尔斯・祁（Charles . Qi）：攻克空间理解痛点，奠定无激光雷达感知基石

背景：

斯坦福大学博士，他是著名的PointNet和PointNet++算法的发明者。他解决了“AI如何直接理解三维空间点云”的世界级难题。2023.5月至2025年在特斯拉任职期间担任高级主任机器学习工程师，他是特斯拉FSD从规则代码转向端到端神经网络FSD V12以及Robotaxi 3D感知架构成型的关键推动者之一。目前他已离职，现就职于OpenAI。

主要职责：

将3D几何处理的逻辑迁移到视觉系统上。

主要贡献：

他在特斯拉期间的工作，为Robotaxi解决了最核心的“空间理解”问题。

贡献一：将PointNet思想引入Occupancy Network（占用网络）

特斯拉的摄像头将视频转化为3D体素（Voxels）或稀疏点（Sparse Points）来表示障碍物。这些数据结构在数学上与激光雷达的点云非常相似。Charles Qi 将他在PointNet++中提出的“多尺度特征提取”和“稀疏卷积”思想，应用到了特斯拉的视觉占用网络中，优化了FSD处理稀疏空间数据的架构，使得系统能从摄像头生成的“伪点云”中，极快地识别出物体（哪怕是不认识的异形障碍物）的几何轮廓。这让特斯拉FSD在没有激光雷达的情况下，依然具备了对空间距离和物体形状的物理级理解能力。

贡献二：FSD V12 / Robotaxi 的“端到端”感知底座

在端到端（End-to-End）架构中，感知不再输出“这是车、那是人”的方框，而是输出“可行驶区域”和“潜在碰撞风险”的高维特征。

Charles Qi 帮助构建了这种基于几何感知的Token（Geometry-aware Tokens），让大模型在做决策时，不仅仅是基于2D图像纹理，而是基于深层的3D空间结构。这是FSD 能像人类一样柔顺驾驶的底层原因之一。

贡献三：自动标注（Auto-labeling）与数据仿真

他将Waymo成熟的“离线大模型指导车端小模型”的方法论带入特斯拉。利用特斯拉巨大的云端算力，运行高精度的3D重建算法（类似于他擅长的3D Scene Understanding），自动为数百万英里的视频数据打上精准的3D标签，用于训练Robotaxi的模型。

在特斯拉，他解决了“车怎么看懂路”的问题。尽管他已离职，但他为特斯拉留下的3D深度学习处理管线和稀疏感知架构，依然是目前FSD核心基石。正是因为有了他（以及他带来的3D点云处理技术），特斯拉才得以在移除所有雷达后，依然具备了高精度的三维空间感知能力。

#06 FSD从V13到V14的跨越，段鹏飞团队贡献了什么？

2025年特斯拉FSD V13到V14的跨越，并非简单的软件升级，而是从“辅助驾驶”向“机器独立驾驶”的质变。

第一，核心战略定位的质变：从“监督”到“原生”。

FSD V13被定义为“无监督驾驶的敲门砖”。它的核心使命是在现有的 Model 3/Y 车型上，将人类接管率降低到极低水平，主要是为了通过加州和中国监管机构的路考测试。此时，系统默认驾驶位上仍有人。

而FSD V14 则被定义为“Robotaxi 原生架构”。它是专为没有方向盘、没有踏板的Cybercab 设计的操作系统。它不仅关注如何“把车开好”，更关注如何“像网约车司机一样服务乘客”以及处理极端边缘情况（如灾害、警察指挥）。

第二，神经网络架构：从“模仿直觉”到“逻辑推理”。

在V13中，系统采用的是End-to-End V1.5（端到端1.5版）。

它的逻辑主要是“模仿学习”——通过观看数百万小时的人类驾驶视频，模仿人类在特定场景下的反应。比如看到红灯就模仿人类停下来，但它缺乏深层的物理常识，遇到训练集中没见过的怪事（如马戏团的大象上街）可能会犹豫。

在V14中，系统进化为 World Model（世界模型）驱动的推理架构。它不仅仅是模仿，而且具备了“预测未来”的能力。它会生成未来几秒钟的多种可能性视频流（Simulated Futures），然后通过物理常识进行推理（Reasoning）。

这一架构的底层采用了Charles Qi 设计的Sparse Geometry Token（稀疏几何令牌）技术，使得AI能够理解三维空间的物理本质，而不仅仅是二维图像的纹理。这让V14能够处理从未见过的异形障碍物。

第三，感知能力的升维：从“几何轮廓”到“材质与时空”。

1. 材质识别能力的突破

V13能够通过Occupancy Network（占用网络）极其精准地知道前方有障碍物，并描绘出它的形状。

V14在此基础上增加了材质与语义感知。它不仅知道前面有个东西，还能判断出那是“软的黑色塑料袋”（可以直接压过去）还是“硬的黑色石头”（必须避让）。

这是Patrick Cho团队在2025年的攻坚成果，极大地提升了Robotaxi的通行效率，避免了因为路上有个空纸箱就急刹车的情况。

2. 光线感知的极致化

V13引入了光子计数，解决了夜间看不清的问题。

V14则实现了Full-Spectrum Perception（全谱感知）。它利用原始光子数据，彻底解决了“致盲”问题（如出隧道瞬间的暴亮、夜间对向远光灯直射）。V14对光线的动态范围处理能力是人眼的100倍以上。

这是Yun-Ta Tsai的核心贡献，他设计的HDR遥测算法保证了传感器在任何极端光照下都不丢失数据。

3. 记忆能力的跨越（4D时空）

V13拥有短时记忆，能记得几秒前的限速牌。

V14引入了4D Long-Term Memory（超长时序记忆）。如果车辆在两分钟前经过路口时看到了警察的手势，或者在500米外看到了施工预告，V14会一直“记着”这些信息直到通过该区域。

这同样得益于Patrick Cho设计的时空体素存储架构，解决了遮挡和视线盲区的问题。

第四，导航与决策，从“依赖地图”到“语义理解”。

V13依然在一定程度上依赖导航地图（GPS）的路径规划。如果地图显示直行，但前方实际上被临时封路，V13可能会在路口犹豫，等待人类确认。

V14实现了完全的Mapless Reasoning（无图推理）。它不再死板地遵循GPS线路，而是像人类一样通过阅读路牌、锥桶摆放、甚至理解路边工人的手势来实时修改路线。它也能听懂乘客的模糊指令，比如“就在那个穿红衣服的人旁边停”。

段鹏飞的视觉定位算法在V14中进化为“语义导航”，让车辆在完全陌生的环境中也能像老司机一样认路。

第五，优化算力使用效率，从“暴力计算”到“混合专家”。

V13的模型参数量巨大，对老款HW 3.0芯片造成了极大的发热和算力压力，导致部分功能在老车上受限。

V14采用了Sparse MoE（稀疏混合专家）架构。虽然总参数量更大，但在每一帧推理时，只激活当前场景（如“高速公路”或“停车场”）所需的那一小部分神经网络。这使得V14运行起来反而比V13更高效、更省电。

这是段鹏飞在编译器和底层系统优化上的杰作，确保了Robotaxi不需要搭载昂贵的H100级芯片就能运行L4级算法。

第六，数据训练，从“真实世界”到“黑客帝国”。

V13的训练数据中，约80%来自真实车队采集的视频，20%来自仿真。

V14的训练数据发生了倒置，50%以上来自生成式仿真数据。因为在真实世界中，极端车祸（如小孩突然从卡车底钻出来）的数据太少了，无法训练出足够安全的模型。V14是在数千万个由AI生成的“虚拟噩梦”中训练出来的。

这套强大的生成式世界模型（World Sim）是由张修明在离职前奠定的基础，它让特斯拉拥有了上帝视角来制造训练场景。

总结：

从FSD V13到FSD V14，本质上是从“教车怎么开”变成了“教车怎么思考”。这五位华人专家的贡献贯穿其中：蔡云塔让它有了夜视眼；Patrick Cho让它有了三维大脑和记忆；段鹏飞让它有了强健的体魄（运行效率）和认路能力；而 Charles Qi 和张修明的技术遗产，则赋予了它理解物理世界和应对未知风险的本能。

#07 靳玉志：华为ADS 4.0升级的“决策者”

背景：

1977年生，华为20余年"技术派"高管，从华为光网络产品线研发工程师做起，逐步晋升至传送网波分产品领域总经理（2011年）、传送网产品线总裁（2017年）、光产品线总裁，2023年9月接任华为车BU CEO，2025年3月担任华为引望董事。

主要职责：

统筹引望智能智驾业务整体战略规划与落地推进，主导乾崑智驾ADS系列解决方案的迭代与规模化商用，牵头高速L3路测与商用筹备工作，为智驾技术研发与商业化落地提供支持。

主要贡献：

主导乾崑智驾WEWA架构研发，提出抛弃VLA“语言拐杖”的WA路径，实现端到端处理时延减半，降低重杀率。推动ADS 4.0/4.1版本迭代，强化复杂场景连续决策能力。截至2025年7月，带领团队实现搭载华为乾崑辅助驾驶系统的车辆突破100万辆，激光雷达发货量超100万台。

2025年核心贡献：定调L3商用元年，推动ADS从辅助向自动驾驶跨越，4月首发高速L3商用解决方案，使华为成为全球首个实现高速L3量产认证的企业，直接推动ADS 4.0成为行业L3落地的标杆。在面对行业VLA大模型和世界模型，纯视觉和多模态融合的路线争议时，坚定选择世界模型+多模态融合路线，明确激光雷达在极限场景（眩光、无光线）的必要性，为ADS 4.0的硬件配置（固态激光雷达、分布式毫米波雷达）和软件架构（WEWA）定调。

#08卞红林：华为ADS 4.0从技术到交付的“推动者”

背景：

1971年生，1997年毕业于中国科学技术大学电子工程专业，同年加入华为，华为体系任职超28年。

2021年7月接任苏箐任华为车BU智能驾驶产品部部长；9月任车BU CTO、研发管理部部长，统筹智驾技术路线。

2025年3月引望工商变更后任董事，现任引望董事、华为车BU CTO，统筹乾崑智驾WEWA架构与全栈算法研发，推动DriveVLA-W0等前沿算法落地。

主要职责：

统筹智驾全栈算法技术路线、搭建WEWA技术架构、负责前沿研发与技术标准，对乾崑智驾算法体系迭代负责。

主要贡献：

第一，统筹WEWA架构（世界引擎+世界行为模型）技术落地，支撑乾崑智驾ADS 4.0算法体系搭建，明确全栈智驾算法技术路线。

第二，推动乾崑智驾与中科院自动化所联合研发DriveVLA-W0等前沿算法，聚焦世界模型、VLM在智驾场景的适配，强化感知与决策算法能力。

第三，主导ADS 4.0算法全栈技术评审，保障WEWA架构下感知/决策/规划算法的工程化适配，支撑规模推送。

他是ADS 4.0从技术概念到量产落地的核心管理者，其贡献贯穿架构设计-研发推进-测试交付全流程。他并非ADS 4.0某一算法或模块的直接设计者，而是技术整合者，进度把控者，生态协调者。从技术层面，他以CTO视角整合通信、芯片、底盘技术，解决ADS 4.0的算力、时延、传感器融合痛点，支撑WEWA架构落地。研发层面，他通过全链路管理确保ADS 4.0按时发布。产业层面，他推动ADS 4.0跨车企适配，成本下降30%，2025年搭载车辆近百万辆，成为华为智驾从技术领先到市场领先的关键推手。

#08李文广：华为ADS 4.0落地的“保障者”

背景：

李文广加入华为后长期聚焦智能驾驶领域，早期任职于华为智能驾驶产品部，参与ADS全栈研发，后随华为车BU整合进入引望，现任引望智能驾驶产品线总裁、华为智能驾驶产品部副部长，深度参与从技术研发到生态落地的全流程。

主要职责：

负责智驾算法产品线交付，含感知/决策/规划/控制等细分算法模块研发、项目管理与落地。

主要贡献：

保障ADS 4.0从实验室到量产，统筹仿真验证-实车测试-量产适配全流程，截至2025年9月，推动ADS 4.0完成6亿公里高速L3仿真验证、50亿公里累计辅助驾驶实车测试，确保高速L3功能符合国家法规与安全标准。推动L3级自动驾驶的安全冗余与接管机制落地，公开明确2026年高速L3规模商用、2027年城区L4试点扩展。

#10韩建华：华为ADS 4.0感知能力的“突破者”

背景：

韩建华上海交通大学硕士，拥有计算机视觉和自然语言处理双重技术背景，具备“视觉感知-语言理解-动作决策”跨域融合能力。

2019年7月加入华为，参与早期VLM（视觉-语言模型）在驾驶场景的适配研究，探索“语言推理+视觉感知”融合方案。后随华为车BU独立并入引望智能，担任自动驾驶VLA技术路线的核心负责人，是华为引望核心研究员（华为2030研究院团队）。他是引望智能VLA技术领域的灵魂人物，其研究成果直接推动了自动驾驶从传统感知-决策分离向感知-理解-决策一体化的范式转变。

主要职责：

主导全球首个在单一VLM中隐式集成2D/3D感知能力的模型，解决传统VLA模型空间定位漂移感知-规划脱节问题，支撑引望智能WEWA架构落地。

主要贡献：

韩建华的核心贡献主要在“感知-理解-决策一体化”VLA模型研发，他解决了自动驾驶领域空间感知弱的痛点。

众所周知，智能辅助驾驶中的许多事故源于感知的不准确与不稳定性，尤其在长尾场景和复杂交汇场景中。这是因为智能驾驶高度依赖精准且稳定的空间感知能力，但是，当前的视觉-语言模型（VLM）在空间定位与理解方面表现薄弱，基于这些模型构建的视觉-语言-动作（VLA）系统存在感知和定位能力有限的问题。

为解决这些挑战，韩建华及团队提出Percept-WAM——一种感知增强型世界感知-动作模型，它首次在单一视觉-语言模型中隐式集成了2D/3D场景理解能力。不同于依赖问答式空间推理，Percept-WAM将2D/3D感知任务统一为世界-透视视图（World-PV）和世界-鸟瞰图（World-BEV），这两种指令均编码空间坐标和置信度信息。然后再利用密集目标感知的网格条件预测机制，融合IoU感知评分和并行自回归解码技术，提升了长尾场景、远距离场景和小目标场景下的感知稳定性。此外，Percept-WAM利用预训练VLM参数保留通用智能（如逻辑推理），可直接输出感知结果和轨迹控制指令。

2025年核心贡献：其贡献聚焦ADS 4.0世界行为模型的感知层突破，为WEWA架构提供2D/3D感知一体化的底层技术支撑。

贡献一：核心技术突破，研发Percept-WAM模型，支撑世界行为模型的多模态感知。

统一2D/3D感知的“World令牌”设计：研发“World-PV（透视视图）”与“World-BEV（鸟瞰图）”双令牌体系，将2D图像特征、3D空间坐标、置信度信息编码为可复用令牌，解决传统VLM（视觉-语言模型）“仅能理解语义、无法精准定位”的缺陷，直接成为ADS 4.0世界行为模型的核心感知模块：

贡献二：长尾场景优化，提升ADS4.0极端场景感知稳定性。

IoU-aware置信度校准技术：针对大语言模型过置信导致的假阳性问题，为每个预测边界框设计IoU置信度令牌，通过真实模型预测数据集（而非随机扰动数据）学习IoU分布，使ADS 4.0在雨天、夜间等长尾场景中，目标识别假阳性率降低40%，直接支撑CAS 4.0全天候安全能力。

贡献三：技术适配，支撑MoE架构的专家模块设计

参与ADS 4.0世界行为模型MoE多专家架构的感知专家模块设计，将Percept-WAM模型的2D/3D感知能力封装为独立专家网络，使系统可根据场景（高速/城区/泊车）动态调用，提升ADS 4.0在跨城车位到车位、施工区绕行等场景的感知-决策协同效率。