云端大模型蒸馏技术路线 - 公司采用云端72B参数VLA大模型蒸馏到车端小模型的技术路线 相比直接训练车端小模型具有更高上限 [1] - 优势1：规模效应更强 云端大模型数据量更大 参数利用率更高 涌现效应更显著 蒸馏后小模型表现更优 [1] - 优势2：解决多模态困境 大模型能统一处理驾驶员不同决策路径 避免数据量增大导致的模态坍塌问题 [1][2] - 优势3：强化学习效果更佳 云端大模型后训练能力更强 蒸馏结果优于车端小模型直接训练 [2] 车端VLA部署必要性 - VLA必须部署在车端 云端方案存在300毫秒以上延迟风险 地库/高速等场景网络不稳定可能导致严重安全事故 [3] - 云端VLA仅适用于无实时性要求的脱困场景（如L4靠边停车） 允许2-3秒延迟 [3] - 本地VLA体系具备全球化适用性 不受海外网络条件限制 [3] 车端芯片核心价值 - 自研芯片是AI企业模型落地的分水岭 特斯拉/苹果/华为/小米均布局芯片领域 [4] - 公司研发图灵芯片 算力达主流车端芯片3倍 通过芯片-模型联合设计实现协同效果最大化 [4] - 芯片算力提升需配合模型蒸馏/剪枝/量化等软件优化 全栈自研才能实现全链路效能突破 [4] 轻雷达+重算力方案优势 - 去除激光雷达节省20%感知算力 视觉响应速度达激光雷达2倍 端到端延迟减半 [5] - 视觉处理帧率达行业激光雷达方案12倍 城市辅助驾驶安全性显著提升 [5] - 自研芯片算力为行业Pro车型4-5倍 配合720亿参数云端大模型实现系统上限突破 [5] - 800万像素鹰眼视觉摄像头+Lofic技术 在夜间/逆光/雨雪等场景超越人眼识别能力 [5]