发布日期：2026-08-05 06:45    点击次数：117

文 | 极智 GeeTech尊龙体育网

2025 年智能扶助驾驶战场，实足着"短平快"的心焦。部分车企依赖东谈主工采集"老司机数据"，甚而雇佣数百东谈主实车路测，老本腾贵却效果低下。同期，"端到端 +VLM "架构碰到瓶颈——覆按数据冲破 1000 万 Clips 后，性能增长从容。实车测试无法复现极点场景，接受里程的数字茁壮背后遮蔽着极点场景的未解难题。

面对这些时局，现存端到端模子已给不出更多谜底，端到端模子像山公开车，大约学习东谈主类活动，但并不睬解物理寰宇。传统用法规算法"修补"端到端劣势的阵势已然失效，而咫尺，盼愿、小鹏等造车新势力正在推翻现存架构，以全新的 VLA 大模子重燃新一轮智驾战火。

新势力押注 VLA

在最近盼愿和小鹏首发的 i8 和 G7 Ultra 中，VLA 成为重要技艺。

盼愿 i8 中枢亮点便是 VLA "司机大模子"，这是盼愿汽车智驾畛域继前年推出"端到端 +VLM "之后的又一新进展。盼愿 VLA 的整个模块经过全新瞎想，空间编码器通过谈话模子并相接逻辑推理，给出合理的驾驶决策，并通过 Diffusion（扩散模子）瞻望其他车辆和行东谈主的轨迹，进一步优化出最好的驾驶轨迹。

8 月 15 日，小鹏汽车文书，小鹏 G7 Ultra 的 VLA 本事再度提前，现已明确 8 月内不错开启首批推送。"高速东谈主机共驾"等功能，不仅行将登陆 Ultra 车型，也和会过 OTA 推送至 Max 车型。

据称，小鹏 G7 Ultra 车型将搭载腹地端 VLA 模子，具备 VLA 念念考推理可视化、语音控车、主动保举等功能。这一版块使用了 3 颗小鹏汽车自研的图灵 AI 芯片，综划算力高达 2250TOPS。

"端到端 +VLM "被视为离别智能扶助驾驶技艺的分水岭。在此之前，NPN（先验集聚）轻图、无图均是东谈主工时间的技艺，而东谈主工时间的最大特色是"法规算法"，需要工程师设臆测法并编写规范，因此进步扶助驾驶性能依赖于工程师的本事和造就。

可是，从"端到端 +VLM "运转，车企不再用传统的阵势作念，"端到端 +VLM "架构的实践是师法学习，是用东谈主类驾驶数据覆按模子，数据数目和质料决定性能。

这场智能扶助驾驶的比拼非凡像体育界的铁东谈主三项，要想赢得竞赛，需要三个中枢要素：技艺、工程和产物。智能扶助驾驶要结束好用、爱用，需要眷注两个维度。一个是 Scale up（性能进步），即把系统打磨到不错处理多样极点环境和复杂交通流；另一个是 Scale out（场景泛化），即系统在全场景下在不同的时期、天气、环境和不同的城市都不错有很好的发达。

从技艺旅途看，非论端到端也好，照旧 VLM 也罢，最自后看都将同归殊涂，便是开荒 VLA 经过，举座系统会愈加接近于东谈主的应激反应，（感知）看到什么，（规控）就能作念出相应的驾驶动作。不少智驾行业东谈主士都将 VLA 视为当下"端到端"决策的 2.0 版块，觉得这是畴昔信赖的技艺门道，仅仅结束的时期快慢问题。

在智能扶助驾驶的发展过程中，VLA 和一段式端到端是两个较为主流的技艺旅途。

VLA 看成一种调和了视觉（Vision）、谈话（Language）和操作决策（Action）的多模态大模子，是介于传统模块化和端到端之间的技艺架构。它不径直限定车辆，而是先把路况出动为"语义信息"，比如把感知硬件看到的车谈、防止物、红绿灯等信息作念谚语义标注，包括文本描写和视觉关联，动作生成器轮廓视觉和语义信息输出决策。

从表面上分析，看成多模态大模子，VLA 具有苍劲的场景推理息兵话相识本事，可符合复杂、边际情况或动态交通环境。此外，由于融入了"寰宇知识"和"学问推理"，VLA 表面上具备更高上限的智能活动。

比如，VLA 不错相识城市中的"潮汐车谈""公交车谈"等率领牌的笔墨信息，甚而不错相识驾驶者的语音教唆并作念出相应的动作。

VLA 架构下，端到端与多模态大模子的相接将会更透顶。但更具挑战的是，当端到端与 VLM 模子合二为一后，车端模子参数将变得更大，这既要有高效及时推理本事，同期还要有大模子意志复杂寰宇并给出建议的本事，对车端芯片硬件有绝顶高条件。

如何将端到端与多模态大模子的数据与信息进行深度调和，结束软硬件的无缝调和与协同合营，将磨真金不怕火着每一个智能扶助驾驶团队的模子框架界说本事、模子的工程开发本事以及模子快速迭代本事。

在往时一年，险些整个主流的车企在扶助驾驶上都更新成了端到端大模子驱动的系统，在短时期内性能和体验进步都比较昭彰。但端到端黑盒的研发模式，导致了部分 Corner Case 无法追溯产生的原因，这也导致一部分车企很快地从"热恋期"进入到了"瓶颈期"。

即使是当前 TOP 级别的端到端系统，在濒临复杂谈路结构重叠复杂车流博弈时大无数情况也会崩溃。行业迢遥濒临瓶颈，是以很天然地有公司运转探寻上限更高的新架构。

而 VLA 通过谈话模子的引入，很好地惩办了研发和用户两头黑盒的问题。

不外，这并不虞味着端到端不值得干与开发。要是法规算法都作念不好，那么压根不知谈怎样去作念端到端；要是端到端莫得作念到一个绝顶极致的水平，那连 VLA 怎样去覆按都不知谈。换句话说，在端到端上取得大限制顺利量产造就，是探索 VLA 的一个门槛。

为什么是 VLA？

往时几年，扶助驾驶经验了三种架构的迭代：法规算法、端到端、VLA，这是一个从教唆限定，到师法活动，再到相识意图的过程。每一代技艺都在不竭地进步算力、平均接受里程，实践上是要赓续接近东谈主类的驾驶阵势。

扶助驾驶的东谈主工时间到咫尺 AI 时间的分水岭，是从无图到端到端。在正本轻图、NPN 或者无图的东谈主工时间，扶助驾驶的中枢是法规算法。

最早的扶助驾驶取舍模块化架构，由于感知、盘算及施行系统相对寥寂，且每个枢纽都要占用一定的臆测时期，举座系统的反应较慢，延时较高。

陋劣来说，便是需要在既定的法规下，同期依赖高精舆图，雷同蚂蚁的活动和完成任务的阵势。但无法完成更复杂的事情，需要赓续地加收尾例则。

东谈主工时间的局限性在于，单靠东谈主力难以惩办整个场景，好多场景是"按下葫芦起来瓢"，于是扶助驾驶进入了端到端时间。

端到端阶段通过大模子学习东谈主类驾驶活动，足以支吾大部分泛化场景，但端到端很难惩办从未遇到过或非凡复杂的问题，此时需要合营 VLM。VLM 对复杂交通环境具有更强的相识本事，但现存 VLM 在支吾复杂交通环境时只可起到扶助作用。

"端到端 +VLM "的中枢是师法学习，用东谈主类驾驶的数据来覆按模子。这个技艺阶段，决定性的要素便是数据。数据多，覆盖的场景全，数据质料好——最好是来自老司机，这时覆按模子的性能就会绝顶好。

但师法学习终究有上限。比较往时只依赖简直驾驶数据，VLA 取舍生成数据和仿真环境相接的阵势，让模子能在无风险、可控的臆造寰宇中自主进化。这套念念路如今也正在被更多车企经受，VLA 正成为智能驾驶的新共鸣。

由于东谈主类驾驶数据存在严重的散播不均，大多蚁合在白昼、好天、平日通勤等成例场景，着实复杂或危境的工况数据稀缺且难以采集。而覆按具备简直决策本事的模子，碰劲需要这些边际与极点场景。

这就条件引入合成数据和高质料仿真环境，用生成式步调构建覆盖更全、散播更广的数据集，同期赓续评测模子发达。最终决定模子性能进步速率的重要，不是集聚了若干简直数据，而是仿真迭代的效果。比较传统的数据驱动阵势，这是一种更具主动性的覆按阵势。

事实上，VLA 并不是一套跳班的吩咐，而是端到端之后的天然发展。要是莫得经验过端到端阶段对模子感知、决策、限定等枢纽的竣工覆按，就无法一步跨入 VLA。

在 VLA 阶段，应用 3D 视觉和 2D 的组合构建更简直的物理寰宇，此阶段系统可结束看懂导航软件的运行逻辑，而非 VLM 阶段仅能看到一张图。

同期，VLA 不仅能看到物理寰宇，更能相识物理寰宇，具有我方的谈话和念念维链系统，有推理本事，不错像东谈主类同样去施行一些复杂动作，大约更好的处理东谈主类驾驶活动的多模态性，不错符合更多驾驶格调。

在海量的优质数据的加抓下，VLA 模子在绝大无数场景下能接近东谈主类的驾驶水平；跟着偏好数据的缓缓丰富，模子的发达也缓缓接近专科司机的水平，安全下限也得到了巨大的进步。

VLA 天然给自动驾驶行业提议了新的可能，但实践应用依旧濒临好多挑战。

起头是模子可解说性不及，看成"黑盒子"系统，很难缓缓排查在边际场景下的决策罪过，给安全考证带来难度。

其次，端到端覆按对数据质料和数目条件极高，还需构建覆盖多种交通场景的高保真仿真环境。另外，臆测资源消费大、及时性优化难度高，亦然 VLA 商用化必须克服的技艺壁垒。

为了惩办上述问题，车企也正在探索多种技艺旅途。如有通过引入可解说性模块或后验可视化器具，对决策过程进行透明化；还有应用 Diffusion 模子对轨迹生成进行优化，确保限定教唆的平滑性与踏实性。同期，将 VLA 与传统法规引擎或模子瞻望限定（MPC）相接，以羼杂架构提高安全冗余和系统鲁棒性也成为热点目的。

智能扶助驾驶接近决战时刻

盼愿、小鹏并不是智能扶助驾驶畛域的先驱，当技艺目的了了后，它们速即通过干与大算力和海量的数据，快速考证旅途，追上了敌手。这种旅途适用于车辆保有量大、且驾驶数据可有用回传的车企。但跟着时期的鼓舞，逾期者的契机窗口渐渐缩窄。

从端到端到"端到端 +VLM "再到 VLA，其中需要濒临好多现实难题，比如多模态对王人工程重大，锻真金不怕火度亟待进步，多模态数据的得回和覆按也十分逶迤，关于算力需求更是情随事迁。

咫尺，行业应用的主流英伟达 Orin 芯片单颗算力 254TOPS，且不援救径直运行谈话模子。而英伟达 Thor 芯片由于存在瞎想劣势和工程问题，实践算力与宣传数据比较大幅缩水，其中 Thor S、Thor U 版块的算力约为 700TOPS，而 Thor Z 基础版算力约为 300TOPS，关于端到端 +VLM 的算力需求而言，都依然垂危。

算力不及会导致大模子在推理过程中可能出面前延起头 200 毫秒的问题，而自动驾驶系统关于进攻制动等操作的反当令期条件是限定在 100 毫秒以内。

正因如斯，咫尺行业内的芯片算力大战正在渐渐升温。除了英伟达，高通推出的 8797 舱驾一体芯片最高援救 350TOPS 算力，也已成为车企的取舍之一。

而车企，尤其是新势力企业自研 AI 芯片如故渐渐成为潮水，其中，盼愿汽车自研的马赫（原名"舒马赫"）100 大算力 AI 芯片，尽管尚未显现参数，但本年 5 月如故流片顺利，目的 2026 年量产。

特斯拉下一代全自动驾驶（FSD）芯片 AI 5 已进入量产阶段，单颗算力或达到 2500TOPS，较 AI 4 进步 4~5 倍，据称最快在本年年底启用。

此外，多模态对王人使得 VLA 需要依赖海量的标注数据来结束，可是在实践应用场景中，雨天反光、夜间弱光等并不常见的极点场景联整个据积存不及，将影响 VLA 的决策准确率及可靠性。是以，VLA 要结束大限制落地，至少需要 3~5 年时期甚而更久。

VLA 的大限制落地，实践是算法、算力、数据技艺创新的交织。短期（2025~2026 年）具备 VLA 功能的车型将在高速公路、阻塞园区等特定场景运行，典型应用包括自动停车、高速领航等。

中期（2027~2029 年），跟着算力达 2000TOPS 及以上新一代 AI 芯片量产，VLA 将覆盖城市谈路全场景，平均无接受里程将权臣进步，或冲破 100 公里，接受率或降至 0.01 次 / 公里以下。

弥远（2030 年后），将出现如光臆测架构等专用 AI 芯片，并与脑机接口技艺调和，或将使 VLA 结束类东谈主驾驶的直观决策本事，如准确预判行东谈主突发活动的概率等。

多模态对王人锻真金不怕火度、覆按效果进步、芯片能效比创新等一些重要要素，都可能在畴昔 3~5 年迎来新的冲破，为 VLA 大限制落地提供更好援救。

可是，技艺门道的遽然升级与竞赛变奏尊龙体育网，为还没发力端到端的玩家建树了更高门槛，先发制东谈主的契机愈加珍稀，距离智能扶助驾驶的决战时刻如故越来越近。

---