华为乾崑到200万，工程团队该看接口还是里程

200万更像一个交付规模阈值。

华为乾崑智驾和鸿蒙座舱搭载量、华为乾崑App用户数同步到200万，说明它已经从少数样板车型变成跨品牌、跨车型、跨动力形式的通用组件。媒体日里给过一个口径，乾崑已与超25个品牌、超50款车型合作，覆盖轿车、SUV、MPV、越野、纯电、混动、燃油。这个组合对车企是生意，对工程团队是矩阵地狱。

短期看，200万最直接影响的是采购决策。车企选供应商时，以前会问模型能力、算力、传感器、城市覆盖，现在会问一个更朴素的问题，出了事能不能兜住。50款车型意味着50套配置差异，屏幕尺寸不一样，车机芯片不一样，底盘域控不一样，转向和制动响应不一样，法规地区也不一样。一个智驾版本不可能像手机App那样一次OTA全量铺开。测试写了吗，回归矩阵多大，灰度比例多少，回滚方案是什么，这些会比参数表更值钱。

我最近盯测试覆盖率盯了两个月，也用了三周数据清洗工具，感受很直接，模型再强，脏数据、错字段、版本命名不统一，都会把后续数据流拖住。华为这套名字表面整齐，乾崑智驾、鸿蒙座舱、乾崑车云，对外传播清楚。但落到研发里，内部版本命名、车型适配标签、传感器配置指纹、功能开关、事故数据索引才是麻烦。这个函数命名不太行，后面查问题就会变成考古。

长期看，200万带来的变化是数据开始有规模效应。累计里程如果到百亿公里级别，单靠路测已经不够，核心是云端能不能把真实场景切成可训练、可评估、可追溯的样本。这里要区分训练和推理。我之前说过，训推分家容易被强化学习搅乱，合并到同一个池子更高效。放到车上，这个池子就是车端日志、影子模式、仿真评估、OTA回滚。谁把这条流程跑顺，谁就能把一次事故变成下一版的安全用例。

不过数据多不等于数据干净。智驾场景里，最麻烦的是长尾，施工围挡、临时限速、夜间电动车、路边开门、动物横穿。这些样本数量少，风险高，标注贵，验收难。没有明确评价标准，就像没有单元测试的代码，看起来能跑，真上路才暴露。我写AI约会产品时吐槽过这个点，情感产品缺测试机制，智驾产品如果也缺可执行的安全测试，体验会非常脆。

Cybercab 这类无方向盘产品也让我换个角度看华为。我刚上手几天，不能算老用户，但它提醒我，硬件越激进，软件验证越要慢。华为乾崑先进入量产车，用现有方向盘、制动、冗余兜底，没有先把极端形态造出来再等系统追上。这个策略工程上更稳。短期它拿不到最炫的展示，长期它能积累可解释、可申诉、可审计的数据。

我会把200万看成从功能竞争转向基础设施竞争。车企以后不太可能每个品牌自己养一支完整智驾团队，更现实的是用全栈或部件方案，把自己的精力留给座舱、服务、渠道。华为的五大方案里，车云、数字底盘引擎、车载光这些名字听起来不像爆款功能，但很可能决定它能不能继续扩大装车。因为车越多，越需要统一接口、统一日志、统一安全边界。

未来两三年，华为乾崑的护城河更多来自把200万量级变成可管理的交付体系。到L3试点扩大后，监管、保险、召回都会问版本、数据、责任边界。工程团队看接口还是里程，最后都要落到车型适配、OTA灰度、场景库、事故追溯能不能被管理。没有这套东西，装车量越大，风险越大。