近日，地平线HSD V2.0智驾体验日在北京举行。作为一段式端到端架构的又一次进化，这次升级吸引了行业关注。据雷峰网新智驾报道，在约12公里的城市路测中，系统表现出更接近人类司机的驾驶水平，也让外界再次看到端到端技术路线的演进方向。
HSD V2.0最核心的变化，并非简单的算力堆叠，而是在一段式端到端架构基础上引入了“世界模型+端到端强化学习”双引擎。通俗地说，系统可以在虚拟物理世界中自主试错与成长，以海量优秀司机的真实驾驶数据为底，再叠加世界模型生成的高精度合成场景数据，专门补足长尾场景的短板。这种训练范式改变了过去“规则写不完、场景测不全”的困境。
升级带来的能力提升，首先体现在几项关键指标上：无接管里程提升56%，系统响应延时下降20%，交互博弈能力提升167%。但更值得关注的，是这套产品对场景选择的态度。地平线并不追求极端的炫技式表现，而是围绕用户每天约40分钟通勤的高频场景，打磨跟车顺滑、转弯从容、加速自然的体验。用官方的说法，不想让用户“越用越紧张，越开越精神”，而是希望用户“越用越松弛，越开越放心”。
在整个体验过程中，最令人印象深刻的场景是窄路掉头。不少智驾系统在空间不足以一把掉头时，要么提示接管，要么反复尝试后僵住。HSD V2.0则能通过D挡与R挡间的丝滑切换，多次动态腾挪完成掉头。这背后是挡位切换、轨迹规划均由同一个模型基于空间理解实时决策生成，每一次进退轨迹都连贯计算，而非机械地触发停止，再重新规划。
另一个意外惊喜，是系统开始具备一定的“社会常识”。例如避让救护车，传统规则系统需要工程师预先定义“看到救护车→减速让行”的规则，但现实中救护车所在车道、距离、周围空间等因素千变万化。HSD V2.0通过世界模型理解场景语义，识别救护车及其紧急状态，预判行驶轨迹，再做出合理的让行决策。类似场景还包括遇水坑减速、路口预判行人意图等，它们的共同特征是没有标准答案，需要系统有深入的物理世界理解与推理能力。
行车能力之外，泊车环节也明显升级。系统对侧方、斜列、极窄车位都能“有空就泊”，避障能力同步增强。行泊一体指标的全方位提升，说明端到端模型的能力跃迁是全局性的，并非只针对某几个模块做专项优化。
回到实际路测，体验路线从园区出发，全程约12至14公里，覆盖园区、城市支路、主干道以及三里屯商圈等复杂路况。几个细节值得展开：在识别潮汐车道和分时段公交车道时，系统依靠VLM大模型对标识牌内容的实时理解，提前变道避让，而不是依赖高精地图的预先标注；在人车混行路段，面对横穿马路的行人与突然驶出的外卖电动车，系统既不过度保守停在路中间，也不激进抢道，能根据空间余量选择减速礼让或果断提速，这种分寸感很像一位经验丰富的人类司机。
从产业视角看，HSD V2.0的这次升级是一次架构红利的集中释放。一段式端到端并非终点，而是一个可以持续自进化的框架：世界模型弥补长尾场景，强化学习提升博弈能力，真实路测数据再反哺训练，形成正向飞轮。相比依赖规则堆叠的传统方案，这种架构对开放世界复杂场景的适应性更强，也更具规模效应。
对智驾行业而言，地平线HSD V2.0带来的启示在于，端到端技术的竞争已从“能否运行”进入“能否在常见场景中做到舒适、可靠、像人”的阶段。后续更值得关注的是，这套系统如何在不同车型、不同城市环境中快速迁移与迭代，以及它能否真正赢得用户的日常高频使用信任。