行业技术发展现状 - 端到端技术已成为自动驾驶行业普遍宣称但实际实现程度参差不齐的技术方向 [2] - VLA和世界模型成为行业新的热门词汇和竞相追逐的焦点 [2] - 横向端到端（模型驱动的横向规划）已被多家头部智驾团队实现 [3] - 纵向端到端仍是自动驾驶技术的一道分水岭，真正实现的系统极少 [3] 纵向端到端的必要性 - 单纯依赖规则或优化方法难以保证纵向控制的拟人丝滑 [3] - 老司机与新司机的关键区别在于对减速的控制能力 [3] - 防御性驾驶的核心是合理的纵向决策控制加减速 [4] - 真正的防御性减速需要根据必要性在安全和效率间进行权衡取舍 [4] 纵向端到端技术难点 - 纵向控制目标与沿着导航路径高效通行的核心目标存在矛盾 [15] - 人类纵向驾驶数据相比横向数据更为"嘈杂"，速度控制存在随机波动 [16] - 模仿学习难以区分有意识的纵向控速和无意义的降速波动 [16] - 横向控制与导航目标正交，而纵向控制与效率目标直接冲突 [15] 技术解决方案方向 - 需要大量数据清洗减少纵向数据噪声对模型训练的影响 [17] - 引入语言因果逻辑推理筛选有逻辑的加减速操作 [17] - 结合强化学习避免模仿学习假设人类数据永远是最优策略的局限 [17] 实际场景表现对比 - 在路口盲区场景中，FSD在自车未探出路口前就将速度降至11km/h，而其他系统在车头明显探出后才减速至12km/h [6][8] - 窄路会车场景中，FSD主动减速靠右让行，通过对向车后立即加速，而其他系统选择继续前行导致双方车辆都降至极低车速 [10][11] - FSD的纵向控制能够实现根据盲区消失及时恢复速度，完全符合人类驾驶预期 [8][14]

元戎启行新一代辅助驾驶平台发布 - 公司正式发布新一代辅助驾驶平台DeepRoute IO 2.0 搭载自研VLA模型 较端到端模型更擅长应对复杂路况 [1] 行业技术路线竞争格局 - 智能驾驶行业进入VLA时代 小鹏、理想、吉利、奇瑞等车企下半年纷纷布局VLA模型 理想汽车已在理想i8车型搭载VLA司机大模型 [1] - VLA技术涵盖范围广 需要精准技术判断和长期积累 公司宣称在防御性驾驶等方面具有先发优势 [1] VLA模型技术特性 - 模型融合语言模型 具备强大思维链能力 有效缓解传统端到端模型黑盒问题 实现信息串联、分析与因果推理 [1] - 天然集成海量知识库 展现更强泛化能力 更好适应真实道路复杂多变场景 [1] - 预训练阶段可能产生幻觉现象 但通过后训练对齐等技术手段已能大幅抑制 行业已有成熟应对方案 [2] - 模型同时支持激光雷达与纯视觉两种方案 可灵活适配不同传感器配置 [9] 算力需求与成本结构 - VLA作为全新领域存在众多技术方向 资源消耗可控制在较优水平 辅助驾驶场景下GPT模型规模相对可控 [4] - 7B参数模型不需要极端庞大算力支撑 [4] - 与端到端方案成本差异集中于芯片部分 其余模块成本接近 芯片成本与制程工艺密切相关 行业已进入千TOPS级算力芯片时代 [5] 商业化进展与产能规模 - 公司已获得超过10款车型定点合作 成功交付近10万台搭载城市领航辅助系统的量产车辆 [6] - 基于DeepRoute IO 2.0平台已达成5个定点合作项目 首批量产车即将进入市场 [9] 市场定位与价格策略 - 目前15万元以上车型可适配VLA技术 通过进一步优化未来有望下探至10万元级别车型 [5] - 10万台交付规模是起点 高阶辅助驾驶市场加速打开将带来更大市场空间 [9] 安全理念与技术路径 - 公司将防御性驾驶作为系统训练核心目标 让AI具备对风险的敬畏之心 [9] - 激光雷达在通用障碍物识别方面短期仍具有不可替代作用 长期可能被视觉方案替代 [9]