在人工智能深度賦能自動(dòng)駕駛、推動(dòng)技術(shù)加速迭代的當(dāng)下，行業(yè)圍繞技術(shù)路線的選擇展開(kāi)激烈討論 —— 究竟該采用 WA（世界行為模型），還是 VLA（視覺(jué) - 語(yǔ)言 - 動(dòng)作模型），成為企業(yè)戰(zhàn)略布局的關(guān)鍵分歧。近期，華為智能汽車(chē)解決方案 BU 首席執(zhí)行官靳玉志明確表態(tài)，在輔助駕駛領(lǐng)域，華為更傾向于 WA 路線，認(rèn)為其才是實(shí)現(xiàn)真正自動(dòng)駕駛的終極方向。與之相對(duì)，VLA 路線在汽車(chē)行業(yè)擁有更廣泛的擁護(hù)者，小鵬、理想、奇瑞等車(chē)企均已公布清晰的 VLA 發(fā)展規(guī)劃。兩種路線的陣營(yíng)構(gòu)成如何？技術(shù)天花板在哪里？誰(shuí)又能最終成為智駕領(lǐng)域的主流方案？一系列核心問(wèn)題亟待梳理與解答。

一、陣營(yíng)對(duì)決：WA 與 VLA 的擁護(hù)者格局

從當(dāng)前市場(chǎng)落地情況來(lái)看，WA 與 VLA 的擁護(hù)者呈現(xiàn) “頭部引領(lǐng)” 與 “多點(diǎn)開(kāi)花” 的不同格局。

在 WA 陣營(yíng)，華為是絕對(duì)的核心推動(dòng)者。截至今年 7 月，搭載華為乾崑智駕系統(tǒng)的車(chē)輛規(guī)模已突破 100 萬(wàn)輛，輔助駕駛累計(jì)行駛里程達(dá) 40 億公里；到 8 月底，與華為合作的上市車(chē)型數(shù)量增至 28 款，覆蓋 “五界” 系列及嵐圖、方程豹、奧迪等多個(gè)知名品牌。華為選擇 WA 而非 VLA，背后有著深層技術(shù)考量。清華大學(xué)車(chē)輛與運(yùn)載學(xué)院助理研究員顏宏偉分析指出，WA 的核心優(yōu)勢(shì)在于能將感知、預(yù)測(cè)、決策、規(guī)劃整合到同一模型框架中，打破環(huán)節(jié)割裂的壁壘，更貼近人類(lèi)駕駛員的認(rèn)知邏輯。在關(guān)鍵性能上，WA 的決策響應(yīng)速度顯著更快 —— 高速公路突發(fā)并線場(chǎng)景下，WA 響應(yīng)僅需約 100 毫秒，而 VLA 則需近 200 毫秒，這意味著 WA 能更快速地調(diào)整車(chē)輛動(dòng)作，降低碰撞風(fēng)險(xiǎn)。同時(shí)，WA 可直接融合處理雷達(dá)感知數(shù)據(jù)與視頻影像，對(duì)數(shù)據(jù)細(xì)節(jié)的保存和識(shí)別更完整，例如在雨霧天氣中，WA 對(duì) 150 米外靜止車(chē)輛的識(shí)別準(zhǔn)確率比 VLA 高出約 37%。

不過(guò)，WA 的高門(mén)檻也限制了其陣營(yíng)擴(kuò)張。顏宏偉提到，WA 不僅研發(fā)投入巨大、對(duì)車(chē)端算力要求極高，在極端場(chǎng)景下的表現(xiàn)也存在不足。研發(fā)層面，WA 需要搭建 WE（云端世界引擎）與車(chē)端專(zhuān)用芯片的協(xié)同架構(gòu)，僅華為乾崑 2024 年的研發(fā)投入就超 100 億元，投入研發(fā)人員達(dá) 8000 人，這樣的資源規(guī)模遠(yuǎn)非中小車(chē)企所能企及。硬件成本上，WA 車(chē)端成本比 VLA 高 40% 以上，難以在中低端車(chē)型中普及。應(yīng)用場(chǎng)景中，極端強(qiáng)光或弱光環(huán)境下 WA 算法仍有缺陷，山區(qū)彎道通行成功率也比城區(qū)低 15%，這些問(wèn)題仍需持續(xù)優(yōu)化。

相比之下，VLA 陣營(yíng)的車(chē)企數(shù)量更為龐大，小鵬、理想是其中的代表。近期上市的全新小鵬 P7 搭載了 VLA 大模型，理想剛發(fā)布的 i8 也采用 VLA 技術(shù)路線。理想汽車(chē)自動(dòng)駕駛研發(fā)高級(jí)副總裁郎咸朋看好 VLA 的安全潛力，預(yù)測(cè)未來(lái) VLA 能將事故間隔提升至人類(lèi)駕駛的 10 倍 —— 人類(lèi)駕駛員平均約 60 萬(wàn)公里發(fā)生一次事故，而 VLA 有望達(dá)到 600 萬(wàn)公里一次。

VLA 的吸引力主要源于其落地優(yōu)勢(shì)。清華大學(xué)人工智能研究院視覺(jué)智能研究中心主任鄧志東表示，VLA 在文本語(yǔ)言認(rèn)知上更具優(yōu)勢(shì)，不僅能接收各類(lèi)動(dòng)態(tài)子任務(wù)輸入，還可通過(guò)文本語(yǔ)言完成知識(shí)的導(dǎo)入與導(dǎo)出，實(shí)現(xiàn)系統(tǒng)知識(shí)增強(qiáng)。數(shù)據(jù)層面，VLA 可利用互聯(lián)網(wǎng)文本數(shù)據(jù)預(yù)訓(xùn)練，大幅降低對(duì)專(zhuān)業(yè)駕駛數(shù)據(jù)的依賴，初期數(shù)據(jù)獲取成本僅為 WA 的 1/3；交互層面，VLA 支持自然語(yǔ)言指令，更便于用戶操作；落地效率上，VLA 開(kāi)發(fā)周期更短，適合車(chē)企快速推出產(chǎn)品。當(dāng)然，VLA 也有明顯短板：復(fù)雜路口決策準(zhǔn)確度不足，限制了其在復(fù)雜交通場(chǎng)景的應(yīng)用；面對(duì)未經(jīng)歷過(guò)的極端工況，決策可靠性有待提升，且需依賴人工標(biāo)注補(bǔ)充數(shù)據(jù)，但人工標(biāo)注效率較低，制約了技術(shù)演進(jìn)速度。

二、上限博弈：兩種路線的技術(shù)天花板差異

當(dāng)前，WA 與 VLA 已形成直接競(jìng)爭(zhēng)態(tài)勢(shì)，二者的技術(shù)上限差異也逐漸清晰。行業(yè)普遍認(rèn)為，WA 的上限更高，但實(shí)現(xiàn)難度更大、所需周期更長(zhǎng)，對(duì)算力、數(shù)據(jù)和標(biāo)準(zhǔn)的支撐要求也更嚴(yán)苛 —— 僅華為匹配一款車(chē)型的 WA 系統(tǒng)，最快就需要 6-9 個(gè)月。

在顏宏偉看來(lái)，WA 的終極目標(biāo)是構(gòu)建 “數(shù)字孿生式” 駕駛決策系統(tǒng)，核心指標(biāo)體現(xiàn)在三個(gè)方面：一是場(chǎng)景覆蓋率，通過(guò) WE（云端世界引擎）的擴(kuò)散生成模型技術(shù)，可高度模擬各類(lèi)極端駕駛場(chǎng)景，持續(xù)為 WA 模型提供訓(xùn)練數(shù)據(jù)。目前 WA 已能覆蓋約 95% 的真實(shí)駕駛場(chǎng)景，未來(lái)目標(biāo)是實(shí)現(xiàn) 99.999% 的覆蓋率，幾乎應(yīng)對(duì)所有可能的駕駛情況；二是決策正確率，L4 級(jí)自動(dòng)駕駛 WA 模型的目標(biāo)是將人機(jī)接管率降至每千公里 0.1 次，優(yōu)于 VLA 的每千公里 1.2 次；三是硬件依賴度，鄧志東指出，WA 在演進(jìn)過(guò)程中有望逐步減少對(duì)激光雷達(dá)數(shù)量的依賴，未來(lái)或能實(shí)現(xiàn)純視覺(jué)方案下的全場(chǎng)景通行 —— 當(dāng)前多傳感器融合方案中，雷達(dá)數(shù)量越多雖感知越準(zhǔn)，但成本也越高，WA 若能在視覺(jué)感知算法上突破，將大幅降低硬件依賴，助力規(guī)�；茝V。

VLA 的技術(shù)上限則受限于自身特性。顏宏偉提到，VLA 在將三維立體駕駛環(huán)境轉(zhuǎn)化為一維語(yǔ)言時(shí)，容易丟失數(shù)據(jù)細(xì)節(jié)，這會(huì)給極限場(chǎng)景決策帶來(lái)誤差。此外，VLA 更擅長(zhǎng) “紅燈停、綠燈行” 等場(chǎng)景的關(guān)聯(lián)推理，卻缺乏對(duì)物理因果的理解 —— 例如急剎車(chē)時(shí)重心轉(zhuǎn)移對(duì)輪胎抓地力的影響，這類(lèi)認(rèn)知缺失導(dǎo)致 VLA 在冰雪路面的事故率高于 WA。鄧志東還補(bǔ)充道，VLA 的核心矛盾在于 “擬合人類(lèi)習(xí)慣” 與 “超越人類(lèi)安全閾值” 的沖突：語(yǔ)言模型的訓(xùn)練目標(biāo)是貼合人類(lèi)駕駛習(xí)慣和語(yǔ)言表達(dá)，但自動(dòng)駕駛需要比人類(lèi)更保守、更安全的策略，例如急速變道場(chǎng)景中，人類(lèi)習(xí)慣可能存在風(fēng)險(xiǎn)，而 VLA 會(huì)傾向于擬合這種習(xí)慣，這使得 VLA 在實(shí)現(xiàn)高安全目標(biāo)時(shí)面臨更大挑戰(zhàn)。

三、終極之爭(zhēng)：階段性選擇與未來(lái)可能性

對(duì)于 “誰(shuí)是智駕終極方案”，不同陣營(yíng)的車(chē)企仍各持己見(jiàn)，而行業(yè)專(zhuān)家則給出了更具前瞻性的判斷。

VLA 的支持者認(rèn)為，VLA 的核心價(jià)值在于 “人機(jī)協(xié)同友好”—— 通過(guò)語(yǔ)言交互讓駕駛策略更透明，緩解用戶焦慮，非常適合 L2 + 智駕的過(guò)渡階段。在這一階段，駕駛員仍需關(guān)注路況，VLA 的語(yǔ)言交互能提供更直觀的輔助。郎咸朋強(qiáng)調(diào)，VLA 具備挖掘數(shù)據(jù)背后邏輯推理的能力，可模擬人類(lèi)的思考與解決問(wèn)題方式，且 VLA 架構(gòu)的迭代能力結(jié)合世界模型中的強(qiáng)化學(xué)習(xí)，能讓 VLA 司機(jī)大模型性能快速進(jìn)化，預(yù)計(jì)明年下半年其人工接管次數(shù)（MPI）將達(dá)到 1000 公里 1 次。

WA 陣營(yíng)則用數(shù)據(jù)證明其可靠性。華為數(shù)據(jù)顯示，搭載 WA 的 ADS 4.0 輔助駕駛系統(tǒng)，在深圳、上海等超復(fù)雜城區(qū)的平均百公里接管次數(shù)為 0.8 次，優(yōu)于主流 VLA 方案的 1.5 次。顏宏偉認(rèn)為，WA 更有可能成為終極方案，核心原因在于它能建立對(duì)世界的認(rèn)知與建模，與人類(lèi)駕駛邏輯一致，在不確定性和長(zhǎng)尾事件中能保持穩(wěn)定與一致。而 VLA 雖部署靈活、成本低，短期內(nèi)能推動(dòng)落地，但受限于數(shù)據(jù)丟失、物理因果理解不足等短板，更適合作為階段性方案或過(guò)渡路線。

值得注意的是，行業(yè)并未否定 “融合路線” 的可能性。顏宏偉提出，未來(lái)或許會(huì)形成 “底層以 WA 世界建模為核心，上層結(jié)合 VLA 交互與推理能力” 的架構(gòu)，既具備可解釋性，又擁有快速適應(yīng)性；也可能在 AI 技術(shù)新突破的推動(dòng)下，出現(xiàn)超越當(dāng)前 WA 與 VLA 的全新架構(gòu)。

鄧志東則強(qiáng)調(diào)，當(dāng)前自動(dòng)駕駛?cè)蕴幱谝?guī)�；虡I(yè)化的探索階段，各類(lèi)技術(shù)方案都在試錯(cuò)與迭代中，暫時(shí)無(wú)法判定誰(shuí)是終極方案。未來(lái)，更優(yōu)秀的解決方案必然要能更可靠地解決安全性問(wèn)題與產(chǎn)業(yè)落地難題 ——“沒(méi)有最優(yōu)，只有更優(yōu)”，這才是技術(shù)演進(jìn)的核心邏輯。