北京
撰文|常 笑
編輯| 張 南
設(shè)計(jì)|甄尤美
1903年，霍拉肖·杰克遜和蘇厄爾·克羅克駕駛著簡陋的汽車，在泥濘與荒野中掙扎了整整63天，終于從舊金山抵達(dá)紐約。彼時(shí)，這場駕車橫穿美國的艱難跋涉，只為向世界證明汽車不是“曇花一現(xiàn)的消遣玩物”。
時(shí)隔122年后，相似的路線被賦予了全新的意義。2025年底，歷時(shí)2天零20個(gè)小時(shí)，跨越2732.4英里（約4397公里），坐在特斯拉Model 3里的大衛(wèi)·摩斯，在全程無接管的情況下，達(dá)成了首次憑借智能駕駛技術(shù)橫穿美國的壯舉。
這場看似科幻的現(xiàn)實(shí)演繹，不僅是汽車工業(yè)的百年進(jìn)階，更是自動(dòng)駕駛行業(yè)經(jīng)歷的一場跨越式變革。
剛剛過去的2025年，自動(dòng)駕駛行業(yè)沒有迎來所謂“技術(shù)終局”的大一統(tǒng)，反而陷入了更激烈的路線突圍戰(zhàn)。當(dāng)單純的端到端大模型遭遇長尾場景的瓶頸，一場集體押注“認(rèn)知智能”的競速由此引爆，并一路燒至2026年。
在這場博弈中，各方角力的落點(diǎn)，都指向了同一個(gè)神秘代號——VLA（Vision-Language-Action，視覺－語言－動(dòng)作模型）。
大洋彼岸，特斯拉在FSD V14版本引入類VLA多模態(tài)增強(qiáng)模塊，通過增強(qiáng)邏輯泛化能力解決“直覺駕駛”的不可知性；而英偉達(dá)在美國CES 2026上更是連新卡都不發(fā)了，反手直接開源基于VLA的推理模型Alpamayo 1，其創(chuàng)始人黃仁勛更是稱其為“世界上首款能思考、能推理的自動(dòng)駕駛汽車AI”。
視線回到中國，產(chǎn)業(yè)回應(yīng)更為迅猛。地平線、元戎啟行等供應(yīng)商紛紛亮出成熟方案，理想、吉利、奇瑞、長城等車企密集開啟了VLA的量產(chǎn)競速。
3月2日，小鵬汽車正式發(fā)布其所謂的第二代VLA，并將戰(zhàn)火推向了新的維度。根據(jù)官方介紹，這是全球首個(gè)量產(chǎn)級物理世界大模型，核心是去掉了語言轉(zhuǎn)譯環(huán)節(jié)，實(shí)現(xiàn)視覺直出動(dòng)作的端到端決策。
年初，小鵬汽車董事長、CEO何小鵬曾將2026年定義為中美自動(dòng)駕駛元年。而在此次會(huì)上，何小鵬更是放話說：“小鵬第二代VLA將開啟自動(dòng)駕駛的DeepSeek時(shí)刻，最快1年就能實(shí)現(xiàn)完全自動(dòng)駕駛。”
一片喧囂之下，當(dāng)VLA加速從實(shí)驗(yàn)室走向量產(chǎn)，自動(dòng)駕駛行業(yè)的底層游戲規(guī)則正在被悄然改寫。
中美競速，VLA緣何大火
故事的起點(diǎn)，其實(shí)源于一場行業(yè)集體的“迷航”。
時(shí)間倒回到三年前，特斯拉FSD V12橫空出世，用“端到端”的暴力美學(xué)震驚了世界，它徹底拋棄傳統(tǒng)模塊化與硬編碼規(guī)則，代碼量從30萬行銳減至2000行。這種用統(tǒng)一神經(jīng)網(wǎng)絡(luò)直接將攝像頭像素映射為方向盤轉(zhuǎn)角的“直覺駕駛”，一度被視為行業(yè)的終極答案。
中國車企與供應(yīng)商也迅速跟進(jìn)，卷入這場名為“端到端”的軍備競賽。彼時(shí)的共識(shí)簡單而粗暴：似乎只要把感知、規(guī)劃、預(yù)測全部塞進(jìn)一個(gè)巨大的神經(jīng)網(wǎng)絡(luò)，奇跡就會(huì)發(fā)生。
然而，隨著2024年末特斯拉FSD V13的推送，行業(yè)遭遇了當(dāng)頭一棒。盡管特斯拉將算力堆到了極致，模型參數(shù)量相比V12提高了三倍，但那個(gè)“黑箱”依然會(huì)時(shí)不時(shí)出問題，不斷出現(xiàn)的低級失誤直接擊碎了“端到端萬能”的幻想。
這時(shí)候，行業(yè)開始意識(shí)到：端到端雖然在信息傳遞效率上做到了極致，規(guī)避了模塊化端到端信息熵減的弊端，但它本質(zhì)上還是一個(gè)巨大的概率擬合器。其展現(xiàn)出的強(qiáng)大直覺，也仿佛只得到了身體，卻沒能得到靈魂。當(dāng)面對那些從未見過的長尾場景時(shí)，這個(gè)“黑箱”內(nèi)部發(fā)生了什么、會(huì)產(chǎn)生什么決策，沒有人知道。
這種缺乏可解釋性、邏輯推演能力的特性，成為橫亙在L2輔助駕駛與L4完全自動(dòng)駕駛之間一道難以逾越的天塹。就在大家都在這個(gè)“直覺陷阱”中苦苦掙扎時(shí)，VLA多模態(tài)架構(gòu)的出現(xiàn)，恰好踩中了這個(gè)痛點(diǎn)。
其實(shí)，早在2023年7月，谷歌DeepMind就推出了基于VLA架構(gòu)的RT-2模型，讓機(jī)器人具備了驚人的零樣本學(xué)習(xí)能力。遺憾的是，由于聚焦低速封閉場景，它在當(dāng)時(shí)并未引發(fā)自動(dòng)駕駛?cè)Φ脑陝?dòng)。
但當(dāng)純端到端路線顯露出瓶頸后，VLA的價(jià)值開始被重新發(fā)掘：自動(dòng)駕駛行業(yè)迫切需要為車輛植入“認(rèn)知”能力。
2025年10月，特斯拉自動(dòng)駕駛副總裁阿肖克·埃盧斯瓦米（Ashok Elluswamy）的一張PPT，意外揭開了FSD V14的底牌：特斯拉正在“悄悄”引入類VLA的多模態(tài)模型，試圖用“思維鏈”破解黑箱的低級錯(cuò)誤。
這一信號，也瞬間被中國自動(dòng)駕駛軍團(tuán)敏銳地捕捉到了。何小鵬在親赴北美體驗(yàn)后，發(fā)出了那句著名的感慨：“FSD V14和特斯拉Robotaxi已經(jīng)沒有區(qū)別，L2和L4可以用同一套系統(tǒng)實(shí)現(xiàn)?！边@不僅僅是感嘆，更是一種“找對了”的釋然。
前理想汽車自動(dòng)駕駛研發(fā)高級副總裁郎咸朋更是直接定調(diào)：“如同端到端結(jié)合數(shù)據(jù)閉環(huán)取代了原來的規(guī)則算法研發(fā)范式一樣，VLA結(jié)合強(qiáng)化學(xué)習(xí)將會(huì)成為智能駕駛新的護(hù)城河。”
為什么中國車企會(huì)有如此強(qiáng)烈的共鳴？因?yàn)樵赩LA架構(gòu)的加持下，中美雙方的前沿技術(shù)第一次站在了近乎同一起跑線上。
2025年初，小鵬與理想幾乎在同一時(shí)間遭遇了端到端的天花板——系統(tǒng)泛化性增強(qiáng)，卻始終無法觸及真正的自動(dòng)駕駛邏輯?！拔覀儧Q定將蓋了一大半的房子推倒，重搭地基?！焙涡※i在測試了新一版系統(tǒng)后，決定直接轉(zhuǎn)型VLA這樣的端到端自動(dòng)駕駛方案。
而理想汽車董事長兼CEO李想也在推出端到端1000萬Clips版本后，決定加快交付VLA，不能繼續(xù)在原有的路徑上死磕。在他們看來，如果系統(tǒng)沒有思考能力，無論堆多少數(shù)據(jù)，都無法抵達(dá)L4。
那么，特斯拉也好，小鵬、理想也罷，為何中美頭部玩家會(huì)如此默契地集體轉(zhuǎn)向VLA？
首先是技術(shù)底層邏輯的質(zhì)變。
VLA的核心邏輯，是在傳統(tǒng)的視覺和動(dòng)作之間，插入了一個(gè)語言模型（L）。這個(gè)簡單的插入，卻質(zhì)變了系統(tǒng)的處理方式：它讓車輛開始學(xué)會(huì)像人類司機(jī)一樣靠“預(yù)判與經(jīng)驗(yàn)”開車，而不是單純地靠肌肉記憶“背交規(guī)”。
在這個(gè)架構(gòu)下，當(dāng)攝像頭看到路邊一個(gè)穿著反光背心的人揮手，端到端模型可能還要靠海量數(shù)據(jù)去猜測該不該停，而VLA模型會(huì)將畫面轉(zhuǎn)譯為“前方有施工員指揮交通”，結(jié)合內(nèi)置的駕駛常識(shí)進(jìn)行邏輯推演，再?zèng)Q定減速繞行。
簡言之，傳統(tǒng)端到端只有見過的場景才會(huì)；VLA這樣的端到端，靠語言常識(shí)，沒見過的場景也能推理。很顯然，這種從“直覺”到“認(rèn)知”的躍升，正是解決當(dāng)下長尾問題的鑰匙。
其次是商業(yè)落地的現(xiàn)實(shí)倒逼。
隨著L2+輔助駕駛在量產(chǎn)車上的全面普及和下放，單純的功能比拼已經(jīng)到了盡頭，頭部企業(yè)原本引以為傲的差異化優(yōu)勢正被快速抹平。如今的用戶不再滿足于“能開”，而是苛刻地要求“好開”。
但在現(xiàn)有的端到端能力下，要解決那最后1%的長尾難題，所需的數(shù)據(jù)成本和算力成本正呈指數(shù)級上升，帶來的邊際效益卻在遞減。
對于車企而言，急需一種更具性價(jià)比、更泛化的技術(shù)方案來突破體驗(yàn)的天花板。而VLA通過引入常識(shí)推理，能夠用邏輯能力彌補(bǔ)極端數(shù)據(jù)的不足，無疑是在當(dāng)下算力與數(shù)據(jù)邊界下，打通體驗(yàn)躍遷的捷徑。
更為重要的是，VLA的出現(xiàn)正在重塑L2與L4的行業(yè)估值邏輯。過去，輔助駕駛（L2）與完全自動(dòng)駕駛（L4）被視為兩個(gè)割裂的市場：L2靠賣車賺錢，L4靠Robotaxi運(yùn)營賺錢，兩者的技術(shù)棧也完全不同。
但VLA架構(gòu)的出現(xiàn)打破了這種割裂：一套具備認(rèn)知能力的多模態(tài)模型，可以同時(shí)覆蓋量產(chǎn)車和Robotaxi，甚至還能同步泛化到人形機(jī)器人等更多終端。這意味著，車企未來可以用同一套技術(shù)底座，“通吃”多個(gè)萬億級市場。
對于資本市場而言，這不僅極大降低了研發(fā)的沉沒成本，更讓L4的落地時(shí)間表從遙遙無期變得清晰可見。
同濟(jì)大學(xué)汽車學(xué)院教授朱西產(chǎn)指出，智能駕駛行業(yè)已跨越早期認(rèn)知與市場鴻溝，用戶接受度發(fā)生了從“可選”到“必選”的轉(zhuǎn)變，當(dāng)前行業(yè)核心挑戰(zhàn)已轉(zhuǎn)變?yōu)椋涸谟脩艋A(chǔ)確立后，如何向更高階的自動(dòng)駕駛演進(jìn)并實(shí)現(xiàn)盈利。
基于此，《汽車商業(yè)評論》認(rèn)為，VLA的意義，不僅在于它提升了端到端模型的“可解釋性”，更在于它為行業(yè)找到了一個(gè)既能兼顧當(dāng)下體驗(yàn)，又能通向未來L4的清晰商業(yè)閉環(huán)。
這才是過去一年，眾多頭部玩家都積極投身這場VLA競速的根本原因。
幾種路線，誰更接近“未來”
如果說三年前自動(dòng)駕駛行業(yè)還處于Gartner技術(shù)曲線的“低谷期”，那么行至2026年，行業(yè)的水溫已徹底改變。
一場前所未有的資本“回血”與上市潮，正在為此刻的沖刺加注燃料。2月2日，Waymo宣布獲得高達(dá)160億美元（約合人民幣1110億元）的戰(zhàn)略投資，投后估值逼近萬億大關(guān)。
視線轉(zhuǎn)回國內(nèi)，2025年11月6日，文遠(yuǎn)知行和小馬智行同日登陸港交所，分別成功募集23.9億港元與77億港元；隨后，希迪自動(dòng)駕駛也成功上市，成為首家專注商用車智能駕駛的港股公司。此外，滴滴自動(dòng)駕駛、哈啰Robotaxi也相繼完成大額融資。
資本市場的回暖，意味著行業(yè)已經(jīng)熬過了最艱難的“死亡之谷”。
元璟資本管理合伙人劉毅然對此感觸頗深：“經(jīng)歷過這一輪行業(yè)周期后，如今我們能看到，自動(dòng)駕駛實(shí)際落地效果實(shí)現(xiàn)了從量變到質(zhì)變，技術(shù)范式也迎來大幅升級，新的AI框架持續(xù)迭代，行業(yè)終于迎來了規(guī)模最大、爆發(fā)力最強(qiáng)、周期最長久的上行周期?！?/p>
這一次，不管是投資人、從業(yè)者還是普通消費(fèi)者，都開始相信自動(dòng)駕駛的落地已成定局，如今只剩時(shí)間問題。
但VLA的強(qiáng)勢入場，也并不意味著自動(dòng)駕駛行業(yè)就此形成單一技術(shù)路徑的共識(shí)。恰恰相反，在AI大模型賦能下，自動(dòng)駕駛?cè)Φ穆肪€分野比任何時(shí)候都要更加激烈且微妙。
目前，行業(yè)在“端到端”的大共識(shí)下，逐步分化出三個(gè)派別：以元戎啟行、理想、小鵬為代表的“VLA派”，以華為、蔚來為代表的“世界模型派”，以及Momenta、地平線等供應(yīng)商的“一段式強(qiáng)化學(xué)習(xí)端到端”。
這三條路線，不僅是代碼架構(gòu)的不同，更是各家企業(yè)對“如何理解世界”的三種回答。
眼下風(fēng)頭最盛的，無疑是VLA路線。這一派別主張，VLA能解決純端到端“死記硬背”視頻片段、缺乏底層邏輯的短板，賦予車輛處理長尾場景的泛化能力。
以元戎啟行為例，其能在2025年10月拿下第三方智駕市場近四成的份額，核心就在于這種方案的“可解釋性”與“高擬人度”。
更為現(xiàn)實(shí)的誘惑在于數(shù)據(jù)飛輪效應(yīng)。對于手握巨大用戶基盤的主機(jī)廠而言，車賣得越多，真實(shí)語料和駕駛數(shù)據(jù)就越多。這種“先落地、再迭代”的戰(zhàn)術(shù)，能讓VLA模型以驚人的速度進(jìn)化，遠(yuǎn)比“直指L4”更具現(xiàn)實(shí)意義。
然而，在風(fēng)光的表象之下，VLA的“問題”同樣不少。其核心癥結(jié)就在于：將視覺感知轉(zhuǎn)譯為語言，再由語言轉(zhuǎn)譯為動(dòng)作，這中間的“翻譯損耗”究竟有多大？
要知道，語言天生存在模糊性，而這對于需要在毫米級空間中做精確運(yùn)動(dòng)的汽車而言，是致命的。
“放鹽少許”在廚房是藝術(shù)，在自動(dòng)駕駛系統(tǒng)里卻是災(zāi)難。
在華為智能汽車解決方案BU CEO靳玉志看來，這不僅是畫蛇添足，更是舍本逐末，“華為不會(huì)走向VLA的路徑，這樣看似取巧，其實(shí)并不是走向真正自動(dòng)駕駛的路徑。華為更看重WA（World Action），中間省掉language這個(gè)環(huán)節(jié)，通過信息輸入直接控車”。
因此，面對VLA的“語感”流，華為和蔚來選擇了他們認(rèn)為更硬核的WA（世界模型）路徑。在他們看來，VLA依然是基于經(jīng)驗(yàn)的“概率預(yù)測”，而非真正的“因果推演”。
華為提出的“WEWA”架構(gòu)，旨在構(gòu)建一個(gè)可計(jì)算的物理引擎，讓智駕系統(tǒng)通過云端模擬數(shù)據(jù)構(gòu)建一個(gè)“數(shù)字孿生世界”，從而實(shí)現(xiàn)對真實(shí)世界的深度理解。
與VLA的“從數(shù)據(jù)到?jīng)Q策”不同，WA試圖讓系統(tǒng)“先理解世界，再作出決策”，這種思路被不少專家視為智駕的“終極答案”。
這種思路的優(yōu)勢在于“可驗(yàn)證性”。通過這種對物理世界的深度建模，車輛做出的決策不再是基于“常識(shí)”，而是基于“懂物理”。
但這無疑也是一場豪賭，構(gòu)建一個(gè)高保真的物理世界模型，其訓(xùn)練代價(jià)是天文數(shù)字，這不是一般玩家玩得起的游戲。
就在VLA與WA激辯正酣之時(shí)，Momenta、地平線等供應(yīng)商的“一段式強(qiáng)化學(xué)習(xí)端到端”路線，卻在悄然攻城略地。
這條路沒有那么多花哨的概念，不談“思維鏈”，也不談“物理引擎”，它追求的是極致的“黑盒”直覺。
它是通過海量的數(shù)據(jù)投喂和強(qiáng)化學(xué)習(xí)，讓模型直接建立從感知到動(dòng)作的映射，更像是在訓(xùn)練人類的“下意識(shí)反應(yīng)”——老司機(jī)在緊急避讓時(shí)，是不會(huì)先背誦物理定律的，肌肉記憶比邏輯推理更快。
Momenta之所以能在2025年拿下61.06%的第三方供應(yīng)商份額，正是因?yàn)檫@種方案在覆蓋多價(jià)位區(qū)間時(shí)，展現(xiàn)出了極高的泛化能力和成本優(yōu)勢。
在《汽車商業(yè)評論》看來，這三條路線的本質(zhì)博弈，實(shí)際上是時(shí)間與空間的置換：VLA派追求短期未來下的體驗(yàn)極致，世界模型派追求通往L4級的終極安全，而一段式端到端則追求當(dāng)下的“利益最大化”。
若以2026年為分水嶺，局勢依然充滿變數(shù)。但變數(shù)之外，更有可能的是三者之間開始呈現(xiàn)“融合進(jìn)化”的趨勢。
有業(yè)內(nèi)專家表示，現(xiàn)在行業(yè)仍處于模式的探索期，很多企業(yè)大概率不會(huì)“一條道走到黑”。
我們越來越多地看到，有的企業(yè)利用世界模型生成的高逼真虛擬數(shù)據(jù)，來反哺VLA的訓(xùn)練；有的嘗試在端到端架構(gòu)中嵌入世界模型模塊，以補(bǔ)強(qiáng)長時(shí)預(yù)測能力。
比如，小鵬就在其最新的VLA 2.0架構(gòu)中，嘗試突破傳統(tǒng)VLA依賴語言轉(zhuǎn)譯的路徑，構(gòu)建了以物理世界模型為核心的端到端架構(gòu)，直接實(shí)現(xiàn)視覺信號到駕駛動(dòng)作的生成，從而彌補(bǔ)了早期VLA因語言轉(zhuǎn)譯導(dǎo)致的信息損耗、延遲和數(shù)據(jù)使用效率低的短板。
據(jù)介紹，小鵬第二代VLA的突破并非單點(diǎn)能力升級，而是遵循L4能力等于“模型x算力x數(shù)據(jù)x本體”的規(guī)模法則。在保障安全與穩(wěn)定性的基礎(chǔ)上，該系統(tǒng)響應(yīng)延遲率降低80%，推理效率提升12倍，綜合行車效率提升23%。
對此，小鵬汽車通用智能中心負(fù)責(zé)人劉先明表示：“自動(dòng)駕駛的本質(zhì)是AI問題，AI的規(guī)模法則同樣適用于物理世界模型。”
說白了，大家都在互相抄作業(yè)，取長補(bǔ)短。這更像是一場融合進(jìn)化，而不是單純的路線淘汰賽。
回看過去幾年，從“重地圖”到“無圖”，從模塊化到端到端，行業(yè)的風(fēng)向從未停止過劇烈搖擺。
輕舟智航CEO于騫更是做出預(yù)判：“無論是VLA還是世界模型，都不會(huì)是自動(dòng)駕駛的終極答案，未來必有新的技術(shù)誕生?！?/p>
在探索未來的過程中，技術(shù)的演進(jìn)邊界正在從算法層面向整車系統(tǒng)層面延伸。吉利聯(lián)合千里科技在CES2026上發(fā)布的WAM（World Action Model）世界行為模型，便不再局限于單一派別的優(yōu)劣之爭，而是嘗試構(gòu)建一個(gè)統(tǒng)一的“整車大腦”。
WAM打破了自動(dòng)駕駛、座艙、底盤等各個(gè)域之間的物理壁壘，試圖把“世界模型”的理解力與“VLA”的執(zhí)行力合二為一。
吉利將其比作“大腦+小腦”的協(xié)同：WAM像經(jīng)驗(yàn)豐富的老教練利用世界模型宏觀決策，而車端VLA則像敏捷的小腦負(fù)責(zé)精準(zhǔn)執(zhí)行。
這種從“算法融合”向“整車系統(tǒng)融合”的跨越，或許不失為一種新的解題思路。但要實(shí)現(xiàn)這一步，需要全棧自研的底氣與對整車架構(gòu)的掌控力，這注定并非所有玩家都能走通的路徑。
對于大多數(shù)企業(yè)而言，當(dāng)下的競爭依然務(wù)實(shí)且殘酷。歸根結(jié)底，不管技術(shù)名詞怎么變，有一個(gè)硬指標(biāo)是繞不開的。誰能率先在成本、安全與體驗(yàn)這個(gè)“不可能三角”中找到平衡點(diǎn)，誰就能率先定義真正的“未來”。
2026年，通往L4前的落地?fù)尀?/p>
當(dāng)埃隆·馬斯克拋出那句“實(shí)現(xiàn)安全無監(jiān)督自動(dòng)駕駛需要100億英里訓(xùn)練數(shù)據(jù)”時(shí)，行業(yè)早已不是單純的算法競賽，而是一場拼算力、拼數(shù)據(jù)的“規(guī)模戰(zhàn)”。
中汽協(xié)最新報(bào)告顯示，2025年前11個(gè)月，全國配備城市NOA功能的乘用車銷量達(dá)312.9萬輛，占總上險(xiǎn)量的15.1%，較2024年全年提升5.6個(gè)百分點(diǎn)。報(bào)告預(yù)計(jì)，到2030年城市NOA將成為輔助駕駛主流功能。2026年，智能駕駛行業(yè)將進(jìn)入普及關(guān)鍵期，面臨核心技術(shù)攻堅(jiān)挑戰(zhàn)。
很顯然，在數(shù)據(jù)狂歡的背后，是一場關(guān)于生存資格的殘酷洗牌。誰能更好地服務(wù)用戶、解決實(shí)際問題，誰將在競爭中勝出。
有頭部廠商預(yù)測，2026年中國具備高階自動(dòng)駕駛能力的車型，年銷量有望沖擊500萬臺(tái)量級。這意味著，無法提供可用城區(qū)NOA的車企，將直接失去這塊巨大的增量市場。
因此，擺在很多主機(jī)廠面前的，是一道殘酷的選擇題：是死磕自研，還是尋求外供？
從目前來說，在AI大模型的“加持”下，自研的門檻正在被無限拔高。組建團(tuán)隊(duì)、訓(xùn)練泛化性強(qiáng)的模型、跑通數(shù)據(jù)閉環(huán)，這不僅是一個(gè)漫長的周期，更是一場金錢的馬拉松。
有車企透露，僅訓(xùn)練VLA模型所需的算力卡采購，每年就高達(dá)數(shù)億元，這還不包括人員薪資與運(yùn)維開銷。
因此，對于大多數(shù)腰部車企，甚至部分頭部車企來說，與其在自研的無底洞里豪賭，不如擁抱成熟的供應(yīng)商方案。
像華為、Momenta、地平線、元戎啟行等廠商，之所以能在這個(gè)階段拿下大量訂單，核心就在于它們不僅能提供不輸于自研的算法能力，更能通過極致的工程優(yōu)化，把高階自動(dòng)駕駛打進(jìn)15萬甚至更低價(jià)位的車型中。
與此同時(shí)，在國際巨頭的棋局里，一場關(guān)于生態(tài)控制權(quán)的爭奪也悄然改變著戰(zhàn)局。2026年CES上，英偉達(dá)開源了名為Alpamayo 1的思維鏈推理VLA模型。這款模型專為增強(qiáng)自動(dòng)駕駛決策能力設(shè)計(jì)，可供汽車開發(fā)者調(diào)優(yōu)、蒸餾，以成為其完整輔助駕駛技術(shù)棧的核心基礎(chǔ)。
目前，包括Lucid、捷豹路虎、Uber和伯克利DeepDrive等企業(yè)，均展現(xiàn)出對Alpamayo的極高關(guān)注，希望開發(fā)基于推理的自動(dòng)駕駛堆棧，以實(shí)現(xiàn)L4級自動(dòng)駕駛。
英偉達(dá)的邏輯也十分清晰：通過開源基座模型，讓車企能夠快速搭建起一套具備“及格線”能力的自動(dòng)駕駛系統(tǒng)，從而牢牢鎖定Thor芯片的算力生態(tài)。
對于急于落地、渴望縮短研發(fā)周期的車企而言，這無疑是難以拒絕的誘惑，但也意味著在核心技術(shù)路徑上被供應(yīng)商深度綁定的風(fēng)險(xiǎn)。
很顯然，對于車企而言，2026年的落地策略將不再是簡單的技術(shù)比拼，而是資源整合與選擇的藝術(shù)。
頭部“新勢力”與華為系車企，將繼續(xù)通過全棧自研掌控?cái)?shù)據(jù)閉環(huán)的每一個(gè)環(huán)節(jié)，以此構(gòu)建差異化壁壘；而傳統(tǒng)轉(zhuǎn)型車企與新晉品牌，則會(huì)更多選擇“強(qiáng)強(qiáng)聯(lián)合”——在采購供應(yīng)商高性價(jià)比方案的同時(shí)，保留自研團(tuán)隊(duì)進(jìn)行聯(lián)合調(diào)優(yōu)與數(shù)據(jù)反哺。
毫無疑問，2026年，自動(dòng)駕駛行業(yè)的較量將前所未有的激烈。這不僅是主機(jī)廠自研與供應(yīng)商方案的PK，也是供應(yīng)商之間的角逐，更是一場中國自動(dòng)駕駛軍團(tuán)與特斯拉FSD之間關(guān)于速度與極限的全球競賽。
2026年，這場競速的“終局預(yù)演”，已隨著特斯拉FSD的入華提速，從硅谷的測試場直接搬到了中國的城市道路上。
1月23日，馬斯克在達(dá)沃斯世界經(jīng)濟(jì)論壇上公開表態(tài)，特斯拉滿血版FSD最早將于2月份獲得中國監(jiān)管批準(zhǔn)，正式進(jìn)入中國市場。
盡管當(dāng)下自動(dòng)駕駛遠(yuǎn)未抵達(dá)終點(diǎn)，但必須承認(rèn)，特斯拉依然是目前最接近那個(gè)“正確答案”的玩家。
當(dāng)FSD的公測倒計(jì)時(shí)已經(jīng)開啟，這場全球競賽也將從大洋兩岸的隔空較量，變成中國城市街頭的貼身肉搏，一個(gè)無法回避的問題擺在整個(gè)行業(yè)面前：我們與特斯拉的差距，究竟還有多遠(yuǎn)？
卓馭CEO沈劭劼在新近一次采訪中給出了一個(gè)相對量化的行業(yè)基準(zhǔn)：“我們現(xiàn)在與特斯拉的距離，已經(jīng)從最初的三年縮短到一年時(shí)間?！边@意味著，隨著技術(shù)路線回歸同一起跑線，競爭的核心已不再是底層的代差，而是工程落地的效率與數(shù)據(jù)閉環(huán)的轉(zhuǎn)速。
更直觀的對比來自2025年底的一場“賭約”。何小鵬在親身體驗(yàn)了FSD V14之后，與自家自動(dòng)駕駛負(fù)責(zé)人劉先明定下賭局：
如果在2026年8月30日，小鵬的VLA模型在國內(nèi)能達(dá)到FSD V14.2在硅谷的運(yùn)行效果，何小鵬將在硅谷研發(fā)中心籌建一座中國風(fēng)味食堂，若未能實(shí)現(xiàn)，劉先明則需在金門大橋裸奔。
這看似是一場充滿硅谷極客色彩的戲謔賭約，實(shí)則是中美頭部玩家在技術(shù)認(rèn)知上的一次正面“對表”。
至于賭約的輸贏，何小鵬并沒有多費(fèi)口舌，而是直接在會(huì)上向全行業(yè)喊話：“車已到門店，歡迎來試，盡管對比！”劉先明也當(dāng)場表態(tài)，稱第二代VLA是小鵬在全球自動(dòng)駕駛元年，給出的“中國答案”。
這并非盲目的樂觀，而是基于架構(gòu)同源后的理性預(yù)估。中國擁有全球最復(fù)雜、最稠密的交通場景，反而為訓(xùn)練VLA的語言推理能力提供了天然沃土。
在何小鵬看來，在這場科技變革中，中國在政策環(huán)境、硬件基礎(chǔ)和軟件能力等底層條件上都具備非常好的優(yōu)勢，這對走VLA路線的企業(yè)是一個(gè)巨大的機(jī)遇。
基于此，何小鵬給出了一個(gè)相當(dāng)激進(jìn)的預(yù)判：完全自動(dòng)駕駛將在未來1-3年內(nèi)完全到來，真正成為人們的日常出行習(xí)慣。
而這場競速，也不再是誰先抵達(dá)終局，而是誰先在復(fù)雜場景中定義終局。
《汽車商業(yè)評論》期待在不久的將來，當(dāng)一輛中國自動(dòng)駕駛車能夠從容應(yīng)對全球最復(fù)雜的路況，完成一場無接管穿越中國的壯舉時(shí)，那將不僅是一段物理距離的跨越，更是中國自動(dòng)駕駛軍團(tuán)真正加冕的時(shí)刻。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
