元戎啟行CEO周光：幼年期的VLA智駕，強于巔峰期的端到端

撰文/濮振宇

目前，行業內逐漸興起VLA研發熱潮，小鵬汽車、理想汽車都在進行相關布局。

8月26日，元戎啟行發布全新一代輔助駕駛平臺——DeepRoute IO 2.0，該平臺搭載自研的VLA（Vision-Language-Action）模型，融合視覺感知、語義理解與動作決策三大核心能力。

如今，從理想、小鵬等整車企業，到元戎啟行等智駕供應商，越來越多企業開始布局VLA模型。VLA與現有的端到端架構的區別在哪里？它能給企業和用戶帶來什么？

讓AI學會“害怕”

區別于端到端架構的模仿學習，VLA大模型的優勢是通過強化學習不斷進化，讓機器嘗試理解“為什么這樣做”。

元戎啟行對VLA模型的投入，源于元戎啟行CEO周光對技術趨勢的判斷。

2023年底，GPT-4發布后展現出的多模態理解和邏輯推理能力，讓周光看到了一條通往更高階智能駕駛的路徑，他認為“強AI時代”可能提前到來。

“它打破了我們對AI發展進程的認知——原來從弱AI到強AI可能只需要幾年，而非過去認為的50年……如果我們不轉型為大模型驅動的公司，未來很可能面臨降維打擊?！敝芄庠诮邮芙洕^察報等媒體采訪時說。

真正促使元戎啟行堅定轉向VLA的，是一個發生在2024年6月的具體場景。在深圳福田保稅區入口，突然立起一塊“車輛左轉不受燈控”的指示牌。當時元戎啟行的測試車在紅燈前停下，卻因無法理解牌面文字而被后車鳴笛催促。

“這類場景無法通過傳統端到端學習解決，必須依靠對文字的理解。即便通過地圖打標簽也需要至少一周，而大模型則可以實時處理?！敝芄庹f。這件事讓他意識到，基于CNN的端到端系統已經觸及天花板，必須構建具備語義理解能力的新架構。

除了場景難題，量產規模也是促使端到端轉型的一個重要的刺激因素。官方數據顯示，元戎啟行已獲得超過10款車型的定點合作，并實現近10萬輛具備城市領航輔助系統的量產車型交付，涵蓋SUV、MPV、越野車等多個車型。

規模擴大帶來了新挑戰。周光坦言，當交付量達到10萬輛級別后，任何問題都會被放大。“早期千臺、萬臺的階段發生問題的概率較低，但規模擴大后，我們面臨更嚴格的市場監督。”他說。

市場上出現了更多嚴苛的評測，消費者對輔助駕駛安全的要求越來越高?！半m然目前我們的評測表現仍處于頭部，但我認為輔助駕駛還可以做得更好，仍有優化空間。”周光說。這種焦慮感刺激元戎啟行加速技術迭代，第一代端到端系統正逐漸觸及性能瓶頸，VLA被視為打破瓶頸的關鍵。

此前，理想汽車自動駕駛研發高級副總裁郎咸朋預測，未來VLA能將事故里程（MPA）提升至人類駕駛的10倍，做到600萬公里才出一次事故（當前理想輔助駕駛為350—400萬公里/次事故，人類駕駛約60萬公里/次事故）。

對于當前的主流技術路線，周光持批評態度。他以基于BEV架構的端到端系統為例，指出其存在先天局限。就像玩坦克大戰，墻后的物體無法被看到，系統就會認為“不存在”。

在周光看來，真正的智能駕駛必須突破視覺遮蔽的限制，實現對空間關系的理解和推理?！斑@并不是說我們要‘穿墻透物’，而是必須提升對高級語義和空間關系的理解能力?！彼f。

基于這一判斷，元戎啟行將“防御性駕駛”作為VLA訓練的核心目標。周光表示：“在DeepRoute IO 2.0中，我們讓AI學會了‘害怕’。害怕是生物進化出的保護機制，AI也應當具備對風險的敬畏之心?！被谶@種判斷，元戎啟行的VLA系統在盲區等場景中會主動進行“預防性預判”，像人類一樣采取謹慎策略。

對于特斯拉CEO埃隆·馬斯克提出的“激光雷達會讓自動駕駛越來越不安全”的觀點，周光回應稱，激光雷達目前對通用障礙物識別仍有重要作用。

不過，周光強調，隨著大模型技術的發展，視覺會在感知中扮演越來越重要的角色。元戎啟行的策略是兼顧兩條路線——VLA平臺同時支持激光雷達與純視覺版本，以適應不同客戶和場景的需求。

不只用于汽車

周光對VLA的期待遠不止于智能駕駛領域。在元戎啟行的規劃中，VLA的能力可復用于機器人、無人駕駛等多種移動場景。

周光表示，VLA模型本身是通用架構，不再為特定場景定制。這一理念與元戎啟行2025年3月發布的道路通用人工智能平臺"AI Spark"一脈相承，旨在讓智能體在道路上自主行駛，并具備與物理世界深度交互的能力。

"正如我們年初發布的Road AGI策略所說，未來這一技術可泛化至多種移動場景——包括小區、電梯、辦公室等室內外環境。"周光說。在他看來，現在的很多機器人還依賴遙控或巡線技術，而VLA架構將支撐它們實現真正自主、通用的移動能力，完成從單點功能到通用智能體的系統演進。

目前，行業內逐漸興起VLA研發熱潮，小鵬汽車、理想汽車都在進行相關布局。

周光表示，元戎啟行在防御性駕駛等方面布局較早，半年前就已強調這一方向。小鵬基于千問模型確實做出了實打實的成果，而元戎啟行的優勢在于對技術路線的早期判斷和快速工程化能力。

如何向用戶推廣VLA這樣具有技術門檻的產品？周光表示，VLA模型最直接的價值是讓輔助駕駛更自然、更人性化，能應對更多復雜場景，而這需要通過與用戶的持續互動來不斷優化。元戎啟行更傾向于通過實際體驗讓用戶感受VLA的價值，而非進行技術概念的灌輸。

在發布會尾聲，周光為當前的技術階段給出了評價——滿分10分中僅打"6分"，剛剛及格。他解釋稱，VLA模型仍處于早期，相當于幼年期，目前的VLA仍無法實現全無人駕駛，缺乏完全的推理能力，僅靠高精地圖無法根本解決泛化問題。

不過，"幼年期"也意味著巨大的成長空間。周光認為，VLA的上限遠高于端到端方案，"其下限已經超過端到端方案的上限"。在他看來，新一代架構需要新一代芯片支持，這不是CNN時代可比的。隨著下一代芯片達到更高算力，VLA模型的潛力將得到進一步釋放。