新一轮智驾竞赛集中爆发原因 - 监管加强和舆情事件拖后部分公司既定节奏[10] - 各家公司智驾技术底层依赖AI创新突破 时间起点相近[10] - AI底层技术套用于智驾需大量训练和调整 时间周期相对固定[10] - 公司担忧竞对优先发布技术 选择先发布基础版再优化策略[10] VLA模型技术突破 - VLA模型去掉规控时代多环节划分 实现从传感器到控制端单一完整模型[7] - 模型底层从CNN升级为Transformer 大幅提升对人类大脑模仿学习能力[7] - VLA模型下限已超过端到端模型上限 未来持续优化[6] - 相比VLM模型 VLA增加历史状态输入并输出可执行动作 应用于机器人控制和人机交互等领域[8] 思维链能力提升 - VLA通过语言媒介模仿人类思考模式 将驾驶决策分解为连贯推理步骤[11] - 分步推理提升复杂路况处理可靠性 例如识别校车后减速并检测儿童横穿风险[15] - 决策依据以可理解语言展现 增强系统可解释性和事故追溯能力[15] - 模型通过海量数据学习推理逻辑 获得泛化能力处理未知新场景[15] 实际道路表现 - 在立交桥下辅道人车混行场景 持续自我推理并将车速降至绝对安全范围[16] - 视线被遮挡路口感知对向电瓶车时 决策从控速升级为主动降速预留反应空间[18] - 丁字路口汇入前提前分析识别 降速后再汇入车流避免被迫变道[20] - 复杂十字路口综合天气和行人动态推理风险 以缓慢安全方式通过[22] 行业发展趋势 - VLA模型成本差异主要在芯片 15万元以上车型可适配 10万元级别车型通过优化有望搭载[26] - 智驾芯片将加强对Transformer支持 尤其在FP4和FP6精度算力优化[26] - 自研辅助驾驶系统需经历规则算法、端到端1.0到VLA过程 无法完全跳过发展阶段[26]