技术路线分化背景 - 特斯拉去年年初上线端到端后引发行业快速跟进 推动城市领航辅助功能普及 [3] - 当前辅助驾驶技术路线出现分化 主要形成VLA视觉语言动作模型和WA世界模型两条路径 [4][5] VLA技术路线代表企业 - 理想汽车全量推送VLA司机大模型 并宣称辅助驾驶从"局部领先"进入"全面领先" [7][8] - 小鹏汽车通过自研图灵芯片明确VLA路线 并强调"只有小鹏是真VLA" [12][13] - 奇瑞 吉利 元戎启行等企业也已明牌采用VLA技术路线 [15] WA技术路线代表企业 - 华为明确表示不会走VLA路径 认为WA才是实现真正自动驾驶的路径 [16] - 蔚来汽车同样选择WA技术路线 [21] - 宇树科技创始人质疑VLA为"相对傻瓜式架构" 引发行业讨论 [18][20] VLA技术原理与优势 - 工作原理：将传感器信息转化为语言文字 再通过语言大模型进行逻辑推理后输出动作 [30][32] - 解决端到端架构可解释性差的问题 工程师可直接修改描述文字进行纠错 [37][50][51] - 增强系统交互能力 支持通过语音指令控制车辆动作 如"向左转"或"找车位停"等 [56][57] - 提升复杂场景处理上限 通过类人思考做出更拟人化决策 [63][64] - 理论上有助实现从L2向L3 L4级自动驾驶突破 [87] VLA技术挑战 - 架构复杂度增加 需投喂大量数据训练才能体现体感差异 [74][75] - 对算力要求极高 需要大算力芯片支持实时分析 [77][80] - 小鹏自研图灵芯片已装车 理想自研M100芯片单颗算力据称可达3颗英伟达Thor-U [82] - 需要更大资金与技术投入 软硬件要求均高于传统端到端架构 [84][87] 行业技术发展现状 - 目前所有企业仍处于L2级辅助驾驶阶段 能力不足是重要制约因素 [42] - 最后5-10分的性能提升最为困难 但却是实现更高级别自动驾驶的关键 [43][44] - VLA技术不仅限于车端应用 在AI机器人等领域也有拓展潜力 [70][71]