智能駕駛發(fā)展路徑如今已走到分歧路口。

從去年起，VLA成為智駕行業(yè)頻繁提及的詞匯。理想、小鵬、元戎啟行等車企或供應(yīng)商紛紛押注VLA技術(shù)路線，還相繼推出了量產(chǎn)和Demo產(chǎn)品。

而另一邊，蔚來(lái)基于“世界模型”量產(chǎn)了最新的NOP+，華為則發(fā)布了基于WEWA架構(gòu)的ADS 4，更強(qiáng)調(diào)WA（World Model Action）模型。

華為智能駕駛解決方案產(chǎn)品線總裁李文廣和華為車BU CEO靳玉志甚至公開(kāi)表示華為不會(huì)采用VLA的技術(shù)路線，還對(duì)L（Language Model）在智駕技術(shù)上的應(yīng)用提出了質(zhì)疑。

于是我們看到，VLA、NWM、WEWA等技術(shù)詞匯眾多，它們之間有何區(qū)別？哪種方案才是正確的呢？

大熱的VLA究竟是什么

最近大家可能看到很多基于VLA打造的智駕產(chǎn)品評(píng)測(cè)，其中一個(gè)容易感知的功能是“語(yǔ)音控車”，比如你可以直接告訴車你的意圖，像左轉(zhuǎn)、右轉(zhuǎn)或者靠邊停車等。

例如理想智駕將其包裝成專屬司機(jī)，你能用語(yǔ)音控制車輛行駛，屏幕上反饋的文字也直觀展示了車輛的行為，增強(qiáng)了交互性。

但這并非VLA最核心的能力，VLA也不是語(yǔ)音控車的必要條件。

早在2021年，小鵬就可以通過(guò)語(yǔ)音“使喚”輔助駕駛變道超車。

同樣，你在桌面HMI上看到的車輛推理過(guò)程也不是VLA的核心賣點(diǎn)，這只是廠商把因果推理展示給你看，也算是一種交互。

語(yǔ)音輸入和語(yǔ)言輸出都不是VLA的核心能力。

元戎啟行的周光稱：“語(yǔ)音控車只是VLA的基礎(chǔ)能力，最難的是思維鏈（Chain of Thought, CoT）和長(zhǎng)時(shí)序推理，這才是VLA真正的核心能力?！?/p>

同樣，識(shí)別車外的特殊交通識(shí)別指示牌也不是VLA獨(dú)有的能力。

那么，VLA的具體作用是什么，為何還有這么多研發(fā)自動(dòng)駕駛的人押注這條路線呢？

VLA中的V指感知、A是執(zhí)行，中間的L是語(yǔ)言模型（Language Model）。V負(fù)責(zé)感知環(huán)境、A負(fù)責(zé)動(dòng)作執(zhí)行，中間的L類似于“中臺(tái)”，將V感知的內(nèi)容轉(zhuǎn)譯成A執(zhí)行的規(guī)劃和決策。

L轉(zhuǎn)譯的內(nèi)容是自然語(yǔ)言，比如它看到前方有路口，能以自然語(yǔ)言表達(dá)感知內(nèi)容，再結(jié)合車輛狀態(tài)，做出行動(dòng)規(guī)劃和決策給A。

所以，VLA具有很好的可解釋性。

第二，正如周光所說(shuō)，VLA具有基于思維鏈（COT）的推理能力。這里引用理想自動(dòng)駕駛研發(fā)負(fù)責(zé)人郎咸朋博士的話更直觀：“（VLA）真正發(fā)揮作用的是背后推理的長(zhǎng)思維鏈。如果沒(méi)有強(qiáng)大的L，再好的V和A都無(wú)法發(fā)揮出來(lái)。這跟人與動(dòng)物的區(qū)別很相似。論視覺(jué)能力人比不過(guò)鷹，論行動(dòng)速度比不過(guò)獵豹，但人之所以能稱霸地球，靠的是強(qiáng)大的認(rèn)知和理解能力，而這個(gè)認(rèn)知和理解能力就來(lái)自于人類特有的語(yǔ)言能力。”

但VLA的弊端也較明顯，既然語(yǔ)言模型要將看到的內(nèi)容轉(zhuǎn)述為語(yǔ)言并為決策服務(wù)，就涉及一個(gè)挑戰(zhàn)——語(yǔ)言表述的模糊性與空間對(duì)齊問(wèn)題。

例如，車輛看到的和我們想讓車輛執(zhí)行的位置是否一致。這就像我們跟著教程學(xué)做菜，放鹽少許，這里的少許到底是多少？

華為李文廣也有類似質(zhì)疑：“它（VLA）有一個(gè)很大的弱點(diǎn)，它對(duì)空間的感知能力不行，因?yàn)槲覀兊能囀且鼍唧w動(dòng)作的，要在空間里面運(yùn)動(dòng)，那它在這塊的感知能力不行，就這樣就導(dǎo)致你讓它來(lái)做動(dòng)作的話，其實(shí)我是覺(jué)得，這條路挺危險(xiǎn)的。”

華為靳玉志也表示：“我們不會(huì)走向VLA的路徑，我們更看重WA（World Action），省掉language這個(gè)環(huán)節(jié)，通過(guò)信息輸入直接控車，而不是把各種各樣的信息轉(zhuǎn)成語(yǔ)言，通過(guò)語(yǔ)言大模型再來(lái)控制車?！?/p>

華為與蔚來(lái)站在了一起

蔚來(lái)今年基于世界模型打造了最新的NOP+，幾個(gè)月前已全量推送給用戶。

在智能駕駛上，蔚來(lái)采用世界模型（World Model），華為在今年上海車展前也發(fā)布了全新一代架構(gòu)WEWA，其中WE指的是World Engine世界引擎，WA指的就是World Model Action。

蔚來(lái)與華為，在智駕戰(zhàn)略上倒是走到了一起。

我們先看華為的WEWA，WE世界引擎的核心作用類似于云端的“虛擬駕?！?，用AI擴(kuò)散模型生成難例場(chǎng)景，例如鬼探頭、前車急剎等。

華為認(rèn)為，在現(xiàn)實(shí)世界采集這類場(chǎng)景不現(xiàn)實(shí)，因?yàn)閳?chǎng)景出現(xiàn)概率低，整體會(huì)很低效。

用AI訓(xùn)練AI，密度是真實(shí)世界的1000倍，效果提升會(huì)更明顯。

第二個(gè)作用是云端仿真，解決長(zhǎng)尾數(shù)據(jù)不足的問(wèn)題。第三個(gè)作用則是生成的數(shù)據(jù)回灌給車端WA模型，做持續(xù)訓(xùn)練與蒸餾，形成“數(shù)據(jù) - 模型”閉環(huán)。

WA更好理解：感知現(xiàn)實(shí)世界，不經(jīng)過(guò)語(yǔ)言層，直接輸出車控軌跡，也可稱之為VA。

蔚來(lái)在去年年中就發(fā)布了NWM，即NIO World Model蔚來(lái)世界模型。它的核心作用就是像人一樣，看到現(xiàn)在，腦補(bǔ)未來(lái)。

世界模型具備對(duì)信息的全景理解力，在想象的維度理解物理規(guī)律并重建世界。

它能根據(jù)感知輸入的信息，在100毫秒內(nèi)，推演216種可能發(fā)生的軌跡、尋找最優(yōu)路徑；還能基于3秒鐘視頻的Prompt輸入，生成120秒想象的視頻。

在NWM中，語(yǔ)言只是輸入之一，例如你也可以通過(guò)語(yǔ)言“使喚”車輛，它也能展現(xiàn)出類司機(jī)Agent效果。

目前來(lái)看，行業(yè)里對(duì)VLA技術(shù)路線存在爭(zhēng)議。

不只是華為、蔚來(lái)派，在上個(gè)月的2025世界機(jī)器人大會(huì)上，宇樹(shù)科技王興興也公開(kāi)談?wù)摿薞LA，他稱：“ VLA相對(duì)還是一個(gè)傻瓜式的架構(gòu)，自己對(duì)VLA模型抱有比較懷疑的態(tài)度?！?/p>

拿體驗(yàn)說(shuō)話

看到這里，你應(yīng)該對(duì)這些熱門詞的含義有了大致了解。

誰(shuí)更先進(jìn)、更強(qiáng)不需要我們?cè)u(píng)判，畢竟成千上萬(wàn)名從事AI、自動(dòng)駕駛的專家都無(wú)法形成統(tǒng)一共識(shí)，我們作為“外行”豈能輕易下定論。

但這對(duì)消費(fèi)者來(lái)說(shuō)重要嗎？其實(shí)根本不重要。目前基于世界模型的蔚來(lái)NOP+、基于VLA技術(shù)的理想AD Max，在體驗(yàn)上都有缺陷。

我們只需要看表現(xiàn)，用實(shí)踐檢驗(yàn)真理。

END

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com