視覺(jué)語(yǔ)言動(dòng)作模型如何重塑自動(dòng)駕駛競(jìng)爭(zhēng)格局

    本報(bào)記者 龔夢(mèng)澤

    縱觀(guān)自動(dòng)駕駛技術(shù)的發(fā)展歷程，人工智能的不斷突破顯著提升了自動(dòng)駕駛的感知性能。2025年以來(lái)，一種全新的技術(shù)范式，即視覺(jué)語(yǔ)言動(dòng)作模型（VLA，Vision-Language-Action）正在加速崛起。

    新技術(shù)崛起

    VLA模型最早見(jiàn)于機(jī)器人行業(yè)，其通過(guò)輸入給定的文本和視覺(jué)數(shù)據(jù)，輸出機(jī)器人可執(zhí)行的動(dòng)作，天然帶有AI與物理世界交互的基因。

    2023年7月28日，谷歌DeepMind推出了全球首個(gè)控制機(jī)器人的VLA模型。如今這一模型概念正快速擴(kuò)散到智駕領(lǐng)域。不少智駕人士將VLA模型視為當(dāng)下端到端方案的2.0版本。

    中國(guó)自動(dòng)駕駛產(chǎn)業(yè)創(chuàng)新聯(lián)盟調(diào)研員高超對(duì)《證券日?qǐng)?bào)》記者表示，VLA模型的核心突破在于其“思維鏈”的推理能力。VLA模型可以從傳感器數(shù)據(jù)中提取豐富的環(huán)境信息，借助語(yǔ)言模型理解人類(lèi)指令并生成可解釋的決策過(guò)程，最后轉(zhuǎn)化為駕駛操作指令，期間可向用戶(hù)展現(xiàn)系統(tǒng)推理過(guò)程，解釋為什么這么開(kāi)，讓用戶(hù)更信任智駕，進(jìn)而推動(dòng)智能駕駛從“功能時(shí)代”邁向“體驗(yàn)時(shí)代”。

    “VLA模型極有可能在未來(lái)兩年內(nèi)改寫(xiě)智能駕駛市場(chǎng)的競(jìng)爭(zhēng)格局。”在高超看來(lái)，VLA模型將端到端與多模態(tài)大模型更徹底地融合，能夠根據(jù)感知直接生成車(chē)輛的運(yùn)動(dòng)規(guī)劃和決策，更接近“圖像輸入、控制輸出”的端到端智駕理想狀態(tài)。預(yù)計(jì)2025年VLA模型的量產(chǎn)落地，將推動(dòng)城區(qū)NOA滲透率提升。

    現(xiàn)階段，智駕市場(chǎng)競(jìng)爭(zhēng)焦點(diǎn)已從單純的功能實(shí)現(xiàn)轉(zhuǎn)向了更深層次的技術(shù)范式競(jìng)爭(zhēng)，強(qiáng)調(diào)技術(shù)架構(gòu)的先進(jìn)性和可持續(xù)性。高盛最新自動(dòng)駕駛報(bào)告顯示，到2030年，VLA模型主導(dǎo)的端到端方案可能占據(jù)L4級(jí)市場(chǎng)60%份額，這意味著傳統(tǒng)一級(jí)供應(yīng)商的價(jià)值鏈地位面臨重構(gòu)。

    電車(chē)巨頭特斯拉或?qū)⒊蔀檫@場(chǎng)變革的潛在受益者。據(jù)悉，特斯拉的Dojo超算中心已形成20000多片自研的芯片集群，專(zhuān)門(mén)針對(duì)視覺(jué)數(shù)據(jù)的時(shí)空連續(xù)性進(jìn)行優(yōu)化。

    國(guó)內(nèi)企業(yè)也在發(fā)力布局。北京理想汽車(chē)有限公司（以下簡(jiǎn)稱(chēng)“理想汽車(chē)”）曾在2024年三季度財(cái)報(bào)電話(huà)會(huì)議上表示，內(nèi)部已經(jīng)啟動(dòng)了L4級(jí)別自動(dòng)駕駛的預(yù)研，在當(dāng)前的技術(shù)路線(xiàn)基礎(chǔ)上，研發(fā)能力更強(qiáng)的車(chē)端VLA模型與云端世界模型相結(jié)合的強(qiáng)化學(xué)習(xí)體系。

    作為“車(chē)位到車(chē)位”的提出者，華為技術(shù)有限公司（以下簡(jiǎn)稱(chēng)“華為”）通過(guò)智駕3.0融合GOD（通用障礙物檢測(cè)）網(wǎng)絡(luò)與VLA模型，在無(wú)高精地圖區(qū)域?qū)崿F(xiàn)厘米級(jí)定位；百度集團(tuán)股份有限公司Apollo則依托文心大模型，將VLA模型的交通場(chǎng)景理解準(zhǔn)確度大幅提升。

    據(jù)新戰(zhàn)略低速無(wú)人駕駛產(chǎn)業(yè)研究所統(tǒng)計(jì)，2024年，國(guó)內(nèi)自動(dòng)駕駛領(lǐng)域公開(kāi)185起重要投融資事件，較2023年增加30%，端到端技術(shù)公司表現(xiàn)活躍；披露的融資總金額超370億元（含收并購(gòu)、IPO募資），較2023年增加76%。

    市場(chǎng)競(jìng)爭(zhēng)激烈

    在進(jìn)入規(guī)模推廣之前，下一代端到端方案還面臨很多現(xiàn)實(shí)挑戰(zhàn)。

    現(xiàn)階段車(chē)端芯片硬件不足以支撐多模態(tài)大模型的部署落地。有行業(yè)人士向記者透露，將端到端技術(shù)與視覺(jué)語(yǔ)言模型二合一后，車(chē)端模型參數(shù)變得更大，既要有高效實(shí)時(shí)推理能力，同時(shí)還要有認(rèn)識(shí)復(fù)雜世界并給出建議的能力，這對(duì)車(chē)端芯片硬件有相當(dāng)高的要求。

    “目前，高階智駕的算力硬件基本為2顆英偉達(dá)Orin-X芯片，算力在508Tops左右，以現(xiàn)有的車(chē)端算力很難支撐VLA模型的部署。”上述人士表示，如何將端到端技術(shù)與多模態(tài)大模型的數(shù)據(jù)與信息進(jìn)行深度交融，也考驗(yàn)著頭部智駕團(tuán)隊(duì)的模型框架定義能力、模型快速迭代能力。

    與此同時(shí)，商業(yè)化之路并非坦途。據(jù)《證券日?qǐng)?bào)》記者統(tǒng)計(jì)，2024年成功上市的7家智能駕駛領(lǐng)域相關(guān)企業(yè)中，6家企業(yè)處于虧損狀態(tài)，研發(fā)費(fèi)用遠(yuǎn)高于營(yíng)業(yè)收入。另?yè)?jù)麥肯錫調(diào)研報(bào)告顯示，雖然中國(guó)消費(fèi)者對(duì)智能駕駛的接受程度在上升，但對(duì)智能駕駛的支付意愿卻出現(xiàn)了下滑。受訪(fǎng)者中，愿意對(duì)智能駕駛進(jìn)行支付的用戶(hù)占比，從2022年的42%下降到了2024年的28%。

    供應(yīng)鏈的暗戰(zhàn)同樣激烈。據(jù)悉，英偉達(dá)Orin芯片雖占據(jù)75%的市場(chǎng)份額，但北京地平線(xiàn)機(jī)器人技術(shù)研發(fā)有限公司征程6的BPU架構(gòu)專(zhuān)門(mén)針對(duì)VLA模型進(jìn)行優(yōu)化，能效比提升3倍。這場(chǎng)芯片架構(gòu)之爭(zhēng)背后，是每年價(jià)值數(shù)百億美元的車(chē)載計(jì)算市場(chǎng)主導(dǎo)權(quán)的爭(zhēng)奪。

    “VLA模型引發(fā)的技術(shù)變革正在重塑自動(dòng)駕駛產(chǎn)業(yè)格局，這場(chǎng)變革的終局或許不是某條技術(shù)路線(xiàn)的完勝，而是催生出分層市場(chǎng)。”中國(guó)乘用車(chē)產(chǎn)業(yè)聯(lián)盟秘書(shū)長(zhǎng)張秀陽(yáng)告訴記者，在Robotaxi（無(wú)人駕駛出租車(chē)）領(lǐng)域，混合運(yùn)營(yíng)架構(gòu)（有人+無(wú)人）可能長(zhǎng)期共存；而在量產(chǎn)車(chē)市場(chǎng)，未來(lái)VLA模型有望成為高階智駕的標(biāo)配。這不是單純的技術(shù)競(jìng)賽，而是整個(gè)汽車(chē)和智駕行業(yè)認(rèn)知范式和技術(shù)范式的遷移。“當(dāng)軟件定義汽車(chē)進(jìn)入2.0時(shí)代，真正的較量才剛剛開(kāi)始。”

（編輯 張博）