理想i8与VLA技术发布 - 理想i8在品牌十周年之际上市，重点推出辅助驾驶功能升级，并首发VLA（视觉-语言-动作模型）司机大模型，成为首款搭载该技术的理想车型 [2] - VLA将作为全系i8车型标配功能，计划于8月随车辆交付 [2] - VLA技术突破体现在三方面：多模态语义理解（空间/思维/沟通记忆/行为）、思维链推理能力、接近人类驾驶直觉的决策能力 [3] - 具体功能包括：执行自然语言指令（如"靠边停"）、记忆路段速度偏好、语音搜索目的地（如"找最近星巴克"）、复杂路况风险评估与避障 [6] VLA技术架构与行业影响 - VLA整合端到端与大模型优势，融合视觉空间理解（BEV感知）、语言模型思维推理（含RAG记忆）、多模态输入处理能力 [3] - 技术演进路径：从E2E+VLM到VLA，代表自动驾驶量产新里程碑，引发行业人才转型热潮（传统规控/感知方向从业者转向VLA） [5] - 技术流派分化：一段式（UniAD/OccWorld/DiffusionDrive）与二段式（PLUTO）并行发展，VLA成为大模型时代端到端新方向 [8][23] - 人才市场需求旺盛：VLA算法专家月薪达40-70K（15薪），博士级顶尖人才年薪90-120K（16薪），实习岗位日薪220-400元 [11] 端到端技术发展趋势 - 技术迭代加速：2023年工业级端到端方案已不适应2024年环境，需掌握多模态大模型/BEV感知/强化学习/扩散模型等复合技能 [14] - 学术前沿动态：基于感知的UniAD、基于世界模型的OccWorld、基于扩散模型的DiffusionDrive形成三大技术分支 [23] - VLA成为技术制高点：融合VLM/BEV/扩散模型/强化学习，代表端到端自动驾驶最高难度，小米ORION等开源项目推动工业落地 [25] 技术人才培养体系 - 行业推出《端到端与VLA自动驾驶小班课》，覆盖技术发展史、背景知识（Transformer/BEV/扩散模型/RLHF）、一段式/二段式实现方案 [21][22][24] - 课程设计特点：Just-in-Time快速入门、构建研究框架（论文分类/创新点提取）、RLHF微调实战（ORION案例复现） [16][17][18][26] - 培养目标：3个月达到1年经验算法工程师水平，掌握主流框架复现能力（扩散模型/VLA），适配实习/校招/社招需求 [32]

车企AI辅助驾驶人才争夺战 - 中国车企如华为、理想、Momenta等对AI辅助驾驶人才需求激增，行业竞争激烈导致高端人才被哄抢，理想汽车CEO透露核心人员平均接到20+猎头电话[6][9][16] - 人才流动伴随竞业纠纷，理想汽车曾起诉跳槽员工并达成千万元级别和解，行业普遍采用竞业协议延缓技术外溢[7][8][14] - 比亚迪、小米等车企积极补足辅助驾驶能力，比亚迪自研城市NOA方案并挖角新势力背景人才，小米招募Wayve科学家加入团队[12][13] 技术路线演进与行业格局 - 辅助驾驶技术从传统规则方案转向"端到端"模型，并探索VLM/VLA多模态大模型，头部公司如理想、华为、Momenta装机量分别突破50万/30万辆[9][11][24] - 理想汽车技术路线快速迭代，从依赖地图方案升级至VLA模型，联合清华团队开发双系统方案并积累AI大模型量产经验[11][24] - 特斯拉停止公开FSD技术路径后，中国车企自主探索，华为乾崑智驾和小鹏"世界基座模型"成为代表性方案[10][11] 行业竞争策略与乱象 - 比亚迪发起辅助驾驶平权运动，将高速NOA功能下放至7万元级车型并通过补贴降至5.58万元，倒逼行业技术普及[12][17] - 部分车企通过"白盒"代码泄露获取技术捷径，供应商核心算法被非授权扩散至其他车企，导致人才携带代码跳槽牟利[18][19][20] - 头部企业采取项目保密措施，理想要求VLA项目员工签署协议且离职需脱敏6个月，华为亦有类似保密机制[14][16] 技术挑战与未来方向 - "端到端"模型存在场景泛化局限，理想提出VLA模型增强物理世界交互能力，但面临人才稀缺与工程化挑战[23][24] - 行业下一阶段技术重心聚焦生成式AI世界模型仿真器和强化学习应用，Momenta已率先在规控环节应用AI模型[24][25] - 跟随型企业依赖技术外溢难持续，原创性思考与工程能力成为竞争分水岭[25]

车企AI辅助驾驶人才争夺战 - 行业核心人才遭哄抢，理想、华为、Momenta成为被挖角最严重的公司，理想核心人员每人接到20+猎头电话[3][4][6] - 竞业协议诉讼频发，理想起诉跳槽员工案例涉及千万元赔偿，南方车企员工赔付超百万元[4][5] - 技术保密手段升级，理想要求VLA项目员工签署保密协议，离职需脱敏6个月；华为采取类似措施[12][14] 技术路线演进与竞争格局 - 技术路径从规则方案转向端到端模型，VLM/VLA多模态大模型成为新方向[6][9][24] - 头部企业技术布局： - 理想尝试4种技术路线（城市NOA/轻地图/端到端+VLM/VLA），与清华合作开发双系统方案[9][25] - 小鹏采用"世界基座模型"训练方式[10] - 华为乾崑智驾装机量突破50万，Momenta方案搭载量近30万辆[10] - 特斯拉停止公开FSD技术细节后，国内企业进入自主探索阶段[8][23] 车企人才战略与市场动态 - 传统车企加速布局： - 比亚迪推出5.58万元级辅助驾驶车型，下半年计划推出自研城市NOA[11] - 比亚迪技术院高层亲自招揽新势力背景人才，团队已吸纳多名竞品员工[11] - 小米引进Wayve科学家陈龙，强化辅助驾驶团队[11] - 人才流动双向性： - 理想曾为关键人才支付数百万竞业赔偿[12] - 端到端技术导致理想精简团队，部分人才外溢[12] 行业技术挑战与发展趋势 - 当前技术局限性： - 端到端方案存在场景泛化难题[23] - VLA模型面临人才稀缺、数据获取、问题定义等量产挑战[25] - 未来技术重点： - 生成式AI世界模型仿真器[25] - 强化学习在规控/仿真领域应用[25] - Momenta已率先在预测/规控环节应用AI模型和强化学习[26] 行业生态与潜在问题 - 技术泄露现象严重，存在代码被员工携带跳槽或出售的情况[18] - 部分企业通过"白盒"获取供应商代码进行拼凑开发，与头部"好用"方案存在差距[19][20] - 行业面临工程化能力与AI不确定性的双重挑战，需原创性思考突破技术迷雾[23][26]