理想i8与VLA司机大模型 - 理想i8成为首款搭载VLA司机大模型的理想车型 核心能力包括空间理解 思维能力 沟通与记忆能力以及行为能力 [2] - VLA能力提升体现在三方面 更懂语义（多模态输入） 更擅长推理（思维链） 更接近人类驾驶直觉 [2] - 行驶中可响应自然语言指令如"靠边停一下""往前走50米" 并能根据记忆设定路段速度 主动规避障碍 [5] VLA技术发展现状 - VLA是自动驾驶量产新里程碑 技术从E2E+VLM递进发展 行业多家公司投入研发 [7] - 技术栈涉及大语言模型 BEV感知 扩散模型 强化学习等多领域 转行门槛较高 [19] - 当前招聘需求旺盛 VLA算法专家岗位薪资达40-70K 量化部署工程师40-60K [15] 端到端自动驾驶课程体系 课程内容架构 - 第一章概述端到端发展历史 从模块化到一段式 二段式及VLA范式的演进 [26] - 第二章重点讲解大语言模型 BEV感知 扩散模型等背景知识 覆盖未来两年高频技术关键词 [26][33] - 第三章解析二段式端到端 包括PLUTO CARPLANNER(CVPR'25)等经典算法 [27] - 第四章深度剖析一段式端到端子领域 涵盖UniAD 世界模型 扩散模型及VLA前沿方案 [28][30][32][35] 教学特色 - 采用Just-in-Time Learning理念 通过案例快速掌握核心技术栈 [21] - 配套RLHF微调大作业 可迁移至VLA算法 提供ORION等实战项目 [35][37] - 课程目标使学员达到1年经验算法工程师水平 掌握BEV感知 多模态大模型等关键技术 [42] 行业技术趋势 - 世界模型应用广泛 涵盖场景生成 端到端驾驶及闭环仿真 成为近年热门方向 [30] - 扩散模型与VLM结合实现VLA 多模轨迹预测提升环境适应性 多家公司尝试落地 [32] - VLA技术上限高但难度大 小米ORION 慕尼黑工大OpenDriveVLA等方案推动量产进程 [35]

7月7日，小鹏G7正式开启交付，并明确小鹏G7 Ultra版的VLA和VLM上车时间表。其中，2025年9月， VLA软件OTA推送上车，实现思考推理可视化展示；2025年11月，VLM软件免费升级，软件OTA推送 上车；2025年12月实现VLA＋VLM智能学习个性化推荐。据称，小鹏G7 Ultra版使用了3颗小鹏汽车自 研的图灵AI芯片，综合算力高达2250TOPS，位居量产车型领先之列。 理想汽车 奇瑞汽车 7月29日发布、8月20日交付的理想i8核心亮点就是VLA"司机大模型"，这是理想汽车智驾领域继去年推 出端到端＋VLM之后的又一新进展。据介绍，理想VLA的所有模块经过全新设计，空间编码器通过语 言模型并结合逻辑推理，给出合理的驾驶决策，并通过Diffusion（扩散模型）预测其他车辆和行人的轨 迹，进一步优化出最佳的驾驶轨迹。目前，理想VLA的推理帧率在10赫兹左右，相比之前VLM的3赫兹 提升了3倍多。 2025年，奇瑞汽车通过猎鹰900智驾系统，将VLA与世界模型技术引入燃油车领域，打造"油电同智"新 标杆。据称，奇瑞猎鹰900智驾系统采用自研的VLA模型，将视觉感知、语言理解与动作执行深度 ...

虽然触觉传感器如此重要，但还有很多问题没有解决，比如分辨率不高，实时性保证不了、买过来没多久 就坏了、质量不行等。然而，我们发现现场有一家触觉传感器硬件公司同时在分辨率、实时性、耐用性与 成本平衡方面取得了最优，这家公司就是 " 戴盟机器人 "。 这几天去WRC25逛了一圈，看到了各家具身机器人公司的产品和功能。说实话相比于去年，硬件和技术上 真的是有较大提升。还看到了多家没去WAIC25现场的公司，总体结论是现阶段的本体已经基本能够满足一 些场景的需求，反而是感知大脑，有点落后于硬件。 现场看到了很多相关的技术，特别是VLA模型。VLA作为新一代端到端视觉语言动作模型，是各家公司与 研究机构重点关注的。不过在展示过程中我们也发现了一个明显的问题，视觉虽然能提供丰富的环境信 息，在涉及物理交互（如抓取、操作物体）时，无法精确感知物体的材质、硬度、摩擦力等属性。特别是 在工业装配、医疗手术、家庭服务等场景中，机器人需要执行高精度任务，如果不小心用力过度将会产生 不良的后果。 就在近几天，戴盟机器人也（Daimon Robotics）宣布完成亿元级天使++轮融资，由招商局创投领投，东方 嘉富、架桥资本跟投。本轮融 ...

注意哦， 备注：机构/学校+姓名+研究方向 ，能够快速入群！ 感兴趣的同学可以添加小助理微信AIDriver005，邀请加入我们的社群。 具身智能之心技术交流群成立了！主要关注VLA、VLN、遥操作、Diffusion Policy、强化学习、VLA+RL、 sim2real、多模态大模型、仿真、运动控制、目标导航、建图定位、导航等方向。 ...

具身智能行业趋势 - 具身智能领域正经历技术范式转变，ChatGPT的出现推动了学习范式的革新，使得具身智能成为必然发展方向[13] - 行业现阶段普遍采用Transformer做预训练，但工程化后期效果将出现显著分化[34] - 预计四年后将进入Robot GPT3.5阶段，机器人能完成70%的家庭场景任务[41] 千寻智能商业模式 - 坚持软硬一体化路径，定位为"具身智能领域的苹果"而非安卓[10][11] - 成立19个月累计融资超10亿人民币，资方包括华为哈勃、京东、宁德时代等[7] - 技术路线强调VLA（视觉语言动作）模型创新，独创快慢系统提升动作流畅度[37][46] 技术研发重点 - VLA模型采用95%互联网人类视频数据预训练，显著提升泛化能力[58][61] - 算法创新包括任务分解能力（one two VLA）和动作tokenizer优化[40][45] - 现阶段世界模型仅小规模应用，分层技术路径将被端到端方案淘汰[49][50] 行业竞争格局 - 头部机器人公司仍聚焦硬件和教育市场，忽视"大脑"开发[14] - 同质化Demo现象普遍，叠衣服等复杂任务成为技术能力试金石[56] - "伯克利四子"分别专注不同技术方向：运动控制、操作交互、3D感知等[63][65] 数据策略差异 - 反对现阶段大规模建设数采工厂，认为跨本体数据迁移效率低[53] - 互联网数据价值在于提供多样性，遥操作数据确保物理世界精确性[59] - 数据清洗和配比直接影响模型性能，当前泛化能力提升率达60-80%[61] 人才战略 - 偏好年轻科研人才（硕士/博士），要求具备前沿技术敏感度[71][72] - 算法岗更看重近期学术成果而非工作经验，因技术迭代速度过快[72] - 团队构建强调"少而精"，需同时具备研究能力和工程化思维[70]

公司战略与定位 - 千寻智能采用软硬一体模式，定位为具身智能领域的"苹果"而非"安卓"，强调技术初期必须整合硬件与软件能力[5][6] - 公司成立19个月累计融资超10亿人民币，资方包括华为哈勃、京东、宁德时代等头部机构[4] - 创始团队为学术与产业组合：高阳为AI科学家，韩峰涛为硬件专家，曾操盘数万台机器人量产[3][7] 技术路径与创新 - 核心VLA模型采用快慢系统技术，实现动作流畅性（如叠衣服甩动动作），4个月前完成开发[35][36] - 独创one two VLA架构，支持复杂任务自主分解（如"手机放抽屉"需3步骤）[31] - 95%训练数据来自互联网人类视频，提升跨品类泛化能力（如折叠机识别无需额外训练）[46][47] - 现阶段暂未大规模投入世界模型研发，认为强化学习环节成本过高[37] 行业竞争格局 - 判断市场难以容纳第二家软硬一体公司，头部企业倾向固守教育细分市场[9][11] - 反对大规模数采工厂模式，认为机器人形态未定型导致数据迁移价值打折[41][42] - 叠衣服成为行业标准测试场景，因其需应对千变万化的物体形态[44] 技术发展阶段 - 预测4年后进入Robot GPT3.5阶段，任务完成率达70%（如家庭场景取水）[32] - 当前VLA存在语言模块过载问题，需优化数据利用（人类视频预训练）与架构设计[33][34] - 泛化能力仍处初级阶段，但互联网数据可使新物体识别提升60%-80%[48] 人才与研发管理 - 招聘偏好顶尖院校硕士/博士，需发表过机器人领域论文但无需工作经验，因技术迭代过快[52] - 自动驾驶与机器人技术本质相似，差异在于本体成熟度与安全容错标准[53] 产品验证标准 - 提出机器人性能评估方法论：观察跨品类操作（衣物品类切换）、动作流畅度（卡顿检测）、抗干扰能力（衣物团扔测试）[3][25][29]

具身智能技术交流群成立 - 交流群聚焦VLA、VLN、遥操作、Diffusion Policy、强化学习、VLA+RL、sim2real、多模态大模型、仿真、运动控制、目标导航、建图定位、导航等技术方向 [1] - 社群通过微信小助理AIDriver005邀请加入 [2] - 入群需备注机构/学校+姓名+研究方向以加速审核 [3]

自动驾驶行业研究 - 自动驾驶行业正处于快速发展阶段，涉及多个技术方向如BEV感知、VLA、端到端自动驾驶等[23][30][41] - 行业技术热点包括3DGS与NeRF场景重建、世界模型、视觉语言模型(VLM)等前沿领域[43][45][47] - 主流技术路线涵盖感知融合、规划控制、仿真测试等多个环节[23][30] 自动驾驶技术方向 - BEV感知已成为量产方案基石，包含纯视觉和多模态方案[54] - 端到端自动驾驶包含一段式、二段式及量产方案[41] - 3D目标检测技术路线包括激光点云、单目/双目及多模态方法[56] - 多传感器融合技术包含强融合、弱融合和后融合方案[58] 行业资源与生态 - 自动驾驶领域拥有近60+数据集，涵盖感知、预测、强化学习等方向[39] - 行业主流仿真平台包括Carla、Apollo、Autoware等[23][82] - 开源项目覆盖3D检测、BEV感知、大模型应用等40+方向[37] 企业布局与人才需求 - 头部企业包括蔚小理、地平线、华为、大疆等[23][33] - 企业面试注重候选人技术深度及非技术能力如沟通、学习能力等[4][5][6][7] - 行业建立内推机制，提供岗位对接服务[13][21] 技术发展趋势 - VLA(视觉语言动作)成为2025年重点方向[49] - 扩散模型应用于数据生成、场景重建等领域[52] - 在线高精地图是无图NOA方案核心[60] - 强化学习是VLM必备组件[63]

自动驾驶技术趋势 - 自动驾驶技术栈呈现趋同态势，从过去分散的几十个方向逐渐向统一方案演进 [1] - 当前技术发展重点集中在one model、VLM（视觉语言模型）、VLA（视觉语言行动模型）等统一架构 [1] - 技术方案统一化背后反映出行业技术壁垒的显著提升 [1] 行业社群发展 - 行业社群定位为综合型平台，旨在汇集自动驾驶全产业链人才 [1] - 社群主要功能包括产业动态讨论、公司分析、产品研发交流、求职与职业发展等内容 [1] - 社群运营目标是通过资源共享帮助从业者成长，并建立行业人脉网络 [1]

端到端自动驾驶行业现状 - 端到端自动驾驶已成为国内主流新能源主机厂技术竞争的核心领域 自去年E2E+VLM双系统架构成功以来 行业加速迭代 今年上半年VLA概念进一步推动量产方案升级 [2] - 行业人才需求旺盛 3-5年经验的VLM/VLA岗位年薪达百万 月薪高达80K 校招/社招转岗需求激增 [2] - 技术流派分化明显 包括以PLUTO为代表的二段式端到端 以UniAD为代表的一段式端到端 以及基于世界模型/扩散模型/VLA的新兴流派 [4] 技术流派分类与特点 - **二段式端到端**：通过模型实现自车规划 代表工作包括港科技PLUTO 浙大CarPlanner(CVPR'25) 中科院Plan-R1 相比一段式具有明确规划模块优势 [4][20] - **一段式端到端**： - 基于感知的方法：UniAD持续迭代 地平线VAD和CVPR'24的PARA-Drive推动性能提升 [21] - 基于世界模型的方法：AAAI'25的Drive-OccWorld和复旦OccLLaMA拓展场景生成与闭环仿真应用 [21] - 基于扩散模型的方法：DiffusionDrive/Diffusion Planner/吉大DiffE2E实现多模轨迹预测 适应环境不确定性 [21] - 基于VLA的方法：小米ORION 慕尼黑工大OpenDriveVLA 最新ReCogDrive代表大模型时代技术前沿 [21] 核心技术栈与学习路径 - 必备技术包括大语言模型 BEV感知 扩散模型理论 强化学习与RLHF DEEPSEEK优化技术等 构成未来两年求职高频考点 [6][22] - 学习难点在于多领域知识融合(多模态大模型/BEV/强化学习/视觉Transformer/扩散模型) 论文碎片化 缺乏实战闭环指导 [12][13] - 行业推出《端到端与VLA自动驾驶小班课》 采用Just-in-Time Learning理念 覆盖技术框架构建(第二章) 二段式(第三章) 一段式与VLA(第四章) 及RLHF微调实战(第五章) [14][15][16][21][23] 职业发展前景 - VLA/VLM大模型算法专家岗位3-5年经验硕士薪资达40-70K·15薪 博士应届生可达90-120K·16薪 实习生日薪220-400元 [11] - 职业路径包括算法岗技能深化 或转型自动驾驶大模型工程师 需掌握VLM/VLA多模态 模型量化部署等核心技术 [9][10] - 课程目标使学员达到1年经验算法工程师水平 可复现扩散模型/VLA框架 应用于实习/校招/社招场景 [28] 课程体系设计 - 第一章梳理端到端发展历史 对比模块化/一段式/二段式/VLA范式优缺点 分析学术与工业界动态 [19] - 第二章重点突破背景知识 包括Transformer扩展至视觉Transformer CLIP/LLAVA多模态基础 BEV感知实现3D检测/车道线/OCC等核心功能 [22] - 实战环节配置Diffusion Planner和小米ORION开源项目 结合RLHF微调大作业强化工程能力 [21][23] - 课程周期3个月 8月15日开课 分阶段解锁章节 需自备4090及以上GPU算力 要求具备Transformer/BEV/强化学习基础概念 [28]