理想vla发布了吗

吃个瓜同志们啊，理想高管刚刚发文回怼了此前关于 v l a 路线的评价，事情是这样的啊，在八月份的世界机器人大会上，曾经发表过 v l a 模型是一个相对比较傻瓜式的架构这样的言论，而那个时候啊，理想的 v l a 四 g 大 模型还未正式发布啊，那么如今经过了几个月的沉淀，最新的八点一也已经推送了，那么 于是理想的制假负责人狼先鹏啊就做出了解释，我觉得啊，这个语气说是回怼啊，不如说是一个讨论，那么作为旁观者，我们来一起学习一下。 首先啊，跟大家简单的说一下啊，目前的智驾行业，它主要是存在 v l a 和 w a 两种路线嘛， v l a 呢，就是 vision language action 意思啊，即视觉语言动作。 当然这里的视觉啊，同时包括摄像头和激光雷达等等传感器啊，那么它的本质就是通过大语言模型技术，比如说 g b t 啊，来作为决策大脑，只不过这里它生成的 token 不是 文本，而是轨迹和控制信号。 而 w a 呢，它指的是 word action 啊，这个页内称为世界模型，你可以把它理解为啊，是基于一个数字孪生世界来计算每种场景下所存在的多种可能性，并基于物理和交通规则呢，从中选一个最优方案啊，而相比 v l a 啊， w a 就 省略了 l， 也就是这个大约模型这个步骤啊，那么数据直接决定动作。 所以呢，很多人就觉得这个 v l a 啊，它实际上是走了一个捷径嘛，直接利用大约模型对世界的理解力来控制自动驾驶，而 w a 呢，则更为正统啊，那么事实真的如此吗？从狼先鹏的表述来看的话，那么基于理想目前在 v l a 上的实践，貌似 v l a 呢，要更加实用些啊。我总结了三点， 一、世界模型无论是训练还是推理，那么都需要庞大的算力做支持，而这一点呢，在数据中心可以啊，但是呢，在车端貌似呢就不太现实了。比如理想啊，他也在通过世界模型做仿真测试，但需要的这个推理算力啊，高达数亿 flops 啊。 那么这个呢，在数据中心问题不大，但是在车端，即便是经过了量化蒸馏，那么恐怕也会对算力和功耗提出很大的挑战。第二，基于世界模型特性，它比较适合在云端做数据生成和极度逼真的仿真测试啊， 来强化训练。所以呢，它其实更像是一个考场，而不是考生本身。那么关于这点呢，我们来补充一下啊，其实目前所谓的走 v l a 路线的车型呢，他们也有 w a 啊，只不过是用于对大模型进行打磨和优化， 而不是直接基于它来做决策啊。第三，理想之所以坚持 v l a， 它有一个重要的前提就是理想啊，它有强大的数据替换能力，过去几年所积累的十几亿公里的真实质价数据，以及当下的一百五十多万辆车的实时活动，都 都会给理想提供充足的数据来做挖掘。所以呢，在对 v l a 和 w e 的 这个争论中呢，不能够抛开数据这个必要条件啊，而人机器人啊，它并不像汽车那样啊，有百万级出货量和海量的服役市场，它自然就缺乏数据先率，那么自然呢，也就会更觉得这个 w e 它的重要性更强， 所以呢，不能够空谈架构而不谈疗效。而且蓝仙朋还顺便提到了理想在具身智能方面的优势啊，那就是如 软硬件全占资源，这个呢，就可以做到制驾系统跟硬件响应之间的这个高度契合。比如底盘的车辆运动管理模块啊，他会对自动驾驶的这个控制信号做精细化调教，在减速过程中会区分卡钳制动和液压制动的使用策略，那么实现身体和大脑的一个协调驾驶。 而模型要想跟旧式智能系统匹配，那么又回归到了海量数据的头位上，也就是理想它作为畅销车企较为显著的一个优势。所以总结起来说的话就是制驾这个领域啊， v l a 的 潜力依然是巨大的，那么同时巨深智能的整体系统化能力也是关键影响因子。我个人的观点是啊，无论是 v l a 还是 w a， 其实呢，都可以做出非常优秀的支架系统， 而且呢，两者不见得始终对立啊，那么可以在研发中互相融合。而针对很多人对 v l a 的 偏见，我只能说啊，目前主打 v l a 的 企业，他自然也知道它的短板啊， 未必没有应对策略，那么也不要去低估 v l a 的 能力上限。而无论是 v l a 还是 w a 啊，那么在某一个时间节点具体表现如何，这个还是得看是什么企业去做啊，以什么样的优势去做，那么投入了多大的资源去做，那么你更看好哪一个路线呢？