深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

车东西(公众号:chedongxi)
作者 | Janson
编辑 | 志豪

车东西3月19日消息,日前,车东西在深圳体验了卓驭最新端到端4.0在真实城区道路中的表现。

此次活动的试驾路线覆盖城市快速路、老城区窄路、人车混行路段、复杂路口掉头等多类高难度场景。

这套系统给人最直观的感受,不是“能不能开”,而是在复杂、不确定的城区环境里,能不能持续给人稳定的确定感。

深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

▲本次试驾车辆

过去不少城区辅助驾驶系统在标准化道路上表现不错,但一旦进入老城区、城中村、生活街区这类“烟火气”很重的道路,往往就容易出现动作僵硬、判断犹豫,甚至频繁接管的情况。

从这次试乘试驾来看,卓驭端到端4.0最大的变化,在于它开始明显摆脱传统规则式系统常见的“机械感”。

无论是面对临停车遮挡视线、狭窄道路与对向车辆博弈,还是在断头路、复杂掉头口这类过去最容易卡住的地方,整套系统都表现出更强的预判意识和更细腻的控车逻辑。

一、不换架构、不换硬件 卓驭用数据打造端到端4.0

这次卓驭升级端到端4.0采用了不改变技术架构的大前提,仅通过数据驱动完成重大版本迭代。

据悉,这一版本是卓驭自2024年10月“删库重练”以来,端到端研发范式持续迭代后的阶段性成果,也是其首次在既有架构上,靠数据驱动完成能力跃迁的重要版本。

这套方法论的一层闭环围绕数据本身展开——包括真实行车数据回收、清洗、标注、处理,以及针对性生成模拟数据,用来持续训练和评测模型。

深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

▲卓驭的独家训练秘籍

另一层闭环则围绕用户体验展开——量产车在路上的实际运行,会不断把新的长尾问题和复杂场景反馈回来,再反哺模型优化,进而继续改善实际体验。

从资料披露的数据看,卓驭已经与20家客户、32个合作品牌展开合作,量产50多款车型,累计定点合作车型超过100款。

这也让卓驭可以在较大体量的量产基础上积累真实道路数据。

对于端到端方案来说,这一点尤其关键,毕竟模型最终能否学会更拟人的驾驶行为,很大程度上取决于它是否见过足够多、足够复杂、足够贴近日常驾驶的真实场景。

深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

▲卓驭的客户分布

落地层面,卓驭已经明确,高悟性端到端4.0将首发搭载于红旗“司南智驾”,并计划在2026年上半年通过OTA陆续推送至红旗旗下多款车型。

其实在2025年底,卓驭“数据驱动的空间智能移动基座”已经基本成型,这次端到端4.0更突出的表现则是卓驭稳定地把体验越做越像人。

二、深圳实测端到端4.0 体验更像老司机

这次在深圳的试驾路线,最有代表性的并不是快速路,而是深圳周边和生活街区里的复杂城区场景。

这些路段里充满了规则难以穷尽的细节:临停车辆挡住视线、外卖电动车从盲区突然穿出、双向单车道中还要和对向来车“挤空间”、掉头路口既窄又复杂。

也正是在这些高频但非标的场景里,端到端4.0体现出了几个高光时刻。

第一个高光时刻,是变道动作终于不再像“程序执行”,而更像主动思考后的选择。

在连续变道和选道场景中,系统会结合前方通行效率、临停车位置和并线时机,自主选择更优车道,动作比较果断,但不会生硬地抢道。

它不仅能主动切入更合适的车道,也会在需要时延后变道,避开临停干扰。体感上,这种差别并不只是“变过去了”,而是整套动作的节奏更像一个经验比较老到的驾驶员,先看局势,再做决定,然后平顺完成。

深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

▲系统流畅完成效率变道

第二个高光时刻,是“看见看不见的危险”的防御性驾驶。

这也是端到端方案最能体现“悟性”的部分。

在临停车辆形成视线盲区时,如果系统判断旁边可能有人穿行,或者被遮挡车辆存在启动迹象,它会提前减速。

在右转遇到花坛、建筑物或大车遮挡的盲区时,也会先把风险预留出来,再完成通过。

深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

▲系统流畅跨越违停车辆

第三个高光时刻,是狭窄空间里的缝隙穿行和会车博弈。

在城中村、老街巷、双向单车道等典型窄路环境中,真正难的不是识别出障碍物,而是如何在有限空间里既不保守到走不动,也不过于激进地抢通行权。

包括绕行占道临停车、在护栏缺口处寻找可通行空间、夜间小路面对违停车和对向来车时完成极限会车,以及在人车混行环境中为两侧非机动车和行人预留安全距离。

深圳实测卓驭端到端4.0:不改变硬件,城中村也能灵活如老司机

▲复杂路况的蠕行博弈

实际体验下来,这套系统在这类场景中的优势在于,它不会一味“僵住”,而是会边观察、边试探、边修正,整个通过过程更像人在做空间博弈。

结语:卓驭端到端再升级

从这次深圳体验来看,如果说过去的竞争更多围绕硬件、算力和功能覆盖展开,那么到了今天,真正拉开差距的,可能就是谁能在不确定场景里做出更确定、更舒适、也更安全的判断。

毕竟,城区辅助驾驶的下一阶段,核心不再只是“开得起来”,而是“开得像人,而且越开越像人”。