华为海思自动驾驶技术的端到端大模型基于 WEWA 架构训练，通过云端世界引擎生成虚拟场景，结合强化学习机制，在车端利用原生基模型和多专家混合架构，基于多模态感知数据进行训练，具体如下：

• 云端场景生成与强化学习：华为乾昆世界引擎（WE）利用扩散生成模型技术，在云端高精度、高可控地生成海量极端驾驶场景，其关键难例场景的生成密度较传统方式提升了 1000 倍。同时，构建 “安全优先” 的强化学习机制，为 AI 智能体设定明确的奖惩规则。做出符合最高安全标准的决策获得正向激励，若行为出现安全隐患则受到强力惩罚。通过这种 “AI 训练 AI” 过程，将安全驾驶的价值观内化到模型决策核心。截至 2025 年 4 月，已在 WE 中完成了超过 6 亿公里的高速 L3 级难例场景仿真与安全验证。
• 车端全模态数据训练：车端世界行为模型（WA）是智驾原生基模型，基于车辆多传感器融合（视觉、听觉等）收集的全模态感知信息进行直接训练。这些原始感知数据经过 “token 化” 处理，构建出为智能驾驶核心任务量身定制的原生基础模型，确保模型对车内外环境动态有深刻理解，降低时延和资源需求。
• MoE 架构专家决策训练：WA 采用多专家混合（MoE）架构，面对复杂路况时，能根据实时感知信息，毫秒级精准激活并调用最擅长处理当前场景的特定 “专家” 子模型来主导决策。这些 “专家” 模型各自精于特定领域，如夜间驾驶、雨天驾驶等，可提高决策效率，避免计算冗余。
• 输出轨迹与意图训练：WA 的输出不仅是车辆行驶轨迹，还包括场景意图信息，如 “准备避让右侧自行车” 等，以此增强驾驶员对系统的信任感。在训练过程中，模型会不断优化，使输出的轨迹更流畅、安全，意图更清晰合理，实现从模仿人类驾驶到突破人类反应极限和预判能力的质变。