【導(dǎo)語(yǔ)：2025年智能駕駛領(lǐng)域迎來(lái)VLA技術(shù)集中爆發(fā)，一年前“端到端”還是萬(wàn)能解法，一年后卻被打上“落后技術(shù)”的標(biāo)簽。加之VLA、WA等新詞主要集中在新勢(shì)力圈層內(nèi)，這不禁讓我們思考，VLA真的能帶來(lái)領(lǐng)先“端到端”數(shù)倍的使用體驗(yàn)嗎，還是新勢(shì)力們又一個(gè)科技營(yíng)銷故事？】

撰文|蔡家倫、編輯|禾 子

無(wú)論是VLA還是WA都屬于端到端的范疇，兩者是端到端智駕進(jìn)入下一個(gè)階段的技術(shù)分支，并非新鮮玩意。

具體到技術(shù)定義，VLA是由V（Vision視覺(jué)）、L（Language語(yǔ)言），A（Action行動(dòng)）三個(gè)能力組合而成。理想作為國(guó)內(nèi)少數(shù)已經(jīng)落地VLA的車企，理想對(duì)VLA的定義是：有思維能力，有溝通能力，有記憶能力，有自主學(xué)習(xí)能力。

為何衍生出VLA技術(shù)路線

端到端為什么會(huì)進(jìn)一步衍生出VLA技術(shù)路線。主要原因在于，在VLA之前，行業(yè)普遍追逐和使用技術(shù)模型，主要分為模塊化端到端和一段式端到端，這兩種技術(shù)模型有個(gè)很大的弊端，即為“黑箱特性”，即端到端大模型決策過(guò)程缺乏可解釋性，對(duì)極端場(chǎng)景容易出現(xiàn)不可預(yù)測(cè)行為。

模塊化端到端：保留了人工設(shè)計(jì)的模塊接口，人工能夠單獨(dú)補(bǔ)充和優(yōu)化各個(gè)模塊的數(shù)據(jù)/傳輸性能，然而在信息傳遞中會(huì)有一定損耗，所以實(shí)際是一種“偽端到端”。

一段式端到端：直接將傳感器獲取的數(shù)據(jù)映射為控制指令執(zhí)行，減少信息傳遞的損耗，是真正的端到端，例如特斯拉FSDV12便是典型的一段式端到端。

VLA對(duì)比傳統(tǒng)端到端，核心突破在于引入“思維鏈”，傳統(tǒng)端到端只有“觀察+行動(dòng)”兩個(gè)動(dòng)作，而VLA由于加入Language語(yǔ)言模型，讓決策推理可以被解釋，讓整套智駕邏輯更像人類“觀察+思考+行動(dòng)”的推理過(guò)程。

例如在缺乏紅綠燈的環(huán)島場(chǎng)景，VLA能生成多個(gè)步驟規(guī)劃，而不是簡(jiǎn)單根據(jù)地圖，傳感器進(jìn)行判斷；在潮汐車道，VLA能結(jié)合視覺(jué)信號(hào)與文本指令判斷車道的用通過(guò)性。

相比傳統(tǒng)端到端（VLM）僅能輸出單步控制指令，VLA這種“多模態(tài)深度融合”的能力，在長(zhǎng)尾場(chǎng)景中，能夠展現(xiàn)更強(qiáng)的泛化能力。

因此，我們可以理解為，VLA就是為了解決端到端“黑箱特性+極端場(chǎng)景”而誕生的大模型，是端到端的“智能增強(qiáng)版”，用來(lái)填補(bǔ)端到端難以完成的剩下10%場(chǎng)景。

當(dāng)然，正如上文所訴，傳統(tǒng)端到端的優(yōu)化路徑并不只有VLA，以華為，蔚來(lái)為代表的車企則給出WA（世界模型）的技術(shù)路線。

相較VLA“觀察+思考+行動(dòng)”技術(shù)路線，WA是直接通過(guò)Vision（視覺(jué)）信息的輸入實(shí)現(xiàn)控車，無(wú)需將各種信息轉(zhuǎn)為L(zhǎng)anguage（語(yǔ)言），在通過(guò)語(yǔ)言模型來(lái)控制。

華為自研WEWA架構(gòu)之所以能夠跳過(guò)“Language”，關(guān)鍵在于云端WE和車端WA的配合工作。云端WE是在智駕系統(tǒng)的云端大腦里搭建“虛擬沙盤”，負(fù)責(zé)在虛擬世界不斷學(xué)習(xí)和淬煉?cǎi){駛數(shù)據(jù)，車端WA則將云端學(xué)到的駕駛數(shù)據(jù)高效落地的真實(shí)道路。

并且在華為車BU CEO靳玉志看來(lái)，VLA是在LM（語(yǔ)言模型）相對(duì)成熟的背景下，將視頻轉(zhuǎn)化為語(yǔ)言進(jìn)行訓(xùn)練，再通過(guò)執(zhí)行模塊控制車輛的行為，看似取巧實(shí)則不是自動(dòng)駕駛的終極方案。

當(dāng)然，由于目前VLA和WA尚未完全落地，技術(shù)主要集中在高端車型上優(yōu)先使用，因此我們今天尚且先不討論，這兩種技術(shù)路線到底誰(shuí)能成為最后的贏家。

畢竟無(wú)論是VLA還是WA，本質(zhì)都需要數(shù)據(jù)、算法、算力和工程四個(gè)方面要素的共同配合。

以WA世界模型為例，盡管世界模型對(duì)長(zhǎng)尾數(shù)據(jù)量沒(méi)有太多要求，但既然依靠云端生成數(shù)據(jù)進(jìn)行訓(xùn)練，那么對(duì)云端算力、工程和數(shù)據(jù)質(zhì)量就有很大要求，如果世界模型數(shù)據(jù)描述偏差過(guò)大，那么在執(zhí)行層面同樣會(huì)帶來(lái)糟糕的體驗(yàn)。

因此，與其過(guò)度爭(zhēng)論VLA和WA孰好孰壞，技術(shù)邏輯，我們不妨將角度回到技術(shù)落地和用戶感知層面。

黑貓白貓，抓到老鼠就是好貓

技術(shù)落地層面，目前華為乾崑智駕 ADS 4（參數(shù)丨圖片）已經(jīng)融合WEWA世界模型，蔚來(lái)世界模型 NWM也在今年5月份開(kāi)始陸續(xù)推送。顯然，世界模型作為數(shù)據(jù)驅(qū)動(dòng)，云端AI訓(xùn)練為核心邏輯的技術(shù)路線，技術(shù)越早落地，云端“AI駕?！本驮綇?qiáng)大。

值得一提的是，盡管目前華為，蔚來(lái)的世界模型已經(jīng)落地，但想要將世界模型的功能發(fā)揮到極致，一方面取決于數(shù)據(jù)根基，另一方面則來(lái)自云端AI芯片的算力。數(shù)據(jù)驅(qū)動(dòng)和AI芯片算力，但凡一方缺席，AI駕校的學(xué)習(xí)速度和訓(xùn)練精度就會(huì)受到嚴(yán)重的影響。因此，世界模型賽道的高門檻，注定成為少數(shù)企業(yè)的專屬玩法。

至于VLA，在智駕板塊擁有自研能力的車企，諸如吉利、長(zhǎng)城、奇瑞，零跑等均在全力推進(jìn)VLA模型的研究和落地。

盡管，理想和小鵬成為率先實(shí)現(xiàn)技術(shù)落地的頭批玩家，但從行業(yè)發(fā)展時(shí)間點(diǎn)來(lái)看，VLA想要實(shí)現(xiàn)大規(guī)模落地并且發(fā)揮最大效能，仍需要3-5年等待適配大模型的芯片出現(xiàn)。

主要原因在于，VLA想要實(shí)現(xiàn)行車安全以及駕駛高度擬人化，模型不僅要部署在智駕芯片上，而且模型規(guī)模必須要做到7B-10B左右，目前市面上的三方智駕芯片，帶寬相對(duì)較小，幾乎都不是專為大模型計(jì)算而設(shè)計(jì)，如果將模型縮水布置在Thor芯片上，刷新頻率則難以保持穩(wěn)定。

在用戶感知層面，以理想i8為例，大部分用戶對(duì)該車的印象更多停留在“碰撞測(cè)試”“強(qiáng)化彩電冰箱大沙發(fā)屬性”，而對(duì)于VLA，用戶反而難以理解價(jià)值和擁有明確的感知，或者是覺(jué)得VLA很強(qiáng)大，但真要掏錢的時(shí)候，反而會(huì)變得猶豫。

因此，當(dāng)硬件和用戶思維跟不上車企節(jié)奏時(shí)，對(duì)于現(xiàn)階段想要沖擊VLA的車企而言，更重要是深耕內(nèi)功“強(qiáng)化學(xué)習(xí)+端到端場(chǎng)景”，而非放大營(yíng)銷聲音。Momenta創(chuàng)始人曹旭東也曾表態(tài)“VLA是好方向，但只是錦上添花?！?/p>

點(diǎn)評(píng)

VLA確實(shí)為更高階的智能駕駛輔助“擬人化”提供了可能性，但當(dāng)現(xiàn)有理論架構(gòu)已經(jīng)遠(yuǎn)超實(shí)際大規(guī)模落地的可能性時(shí)，用更多精力鞏固、優(yōu)化現(xiàn)階段成功，才是行業(yè)平穩(wěn)發(fā)展的重中之重。

（本文系《禾顏閱車》原創(chuàng)，未經(jīng)授權(quán)，不得轉(zhuǎn)載）