【ITBEAR】智能駕駛技術正迎來新的浪潮，其中“端到端”技術成為引領者。然而，這一領域的技術迭代速度之快，令人目不暇接。就在眾多公司仍在努力研發端到端技術時，一個全新的技術方向——VLA（Vision-Language-Action Model）已經悄然興起。
VLA模型，作為一種融合了視覺、語言和動作的多模態大模型，展現出了更高的場景推理與泛化能力。這一技術被視為端到端方案的升級版，備受智能駕駛行業的關注。
最初，VLA模型在機器人行業嶄露頭角。由谷歌DeepMind推出的這一模型，迅速引發了業界的廣泛關注。如今，這一技術概念正迅速滲透到智能駕駛領域。
谷歌旗下自動駕駛公司Waymo近期推出的端到端自動駕駛多模態模型EMMA，便被視為VLA模型架構的典型代表。該模型不僅具備端到端的智能駕駛能力，還融入了多模態大模型，為智能駕駛帶來了更多可能性。
在智能駕駛行業的發展歷程中，基于規則算法的技術路線曾占據主導地位。然而，隨著特斯拉引領的端到端智能駕駛技術的興起，行業開始探索更擬人化、能應對復雜交通場景的技術方案。
端到端技術配合大語言模型等外掛，曾一度提升了智能駕駛的能力上限。然而，VLA架構的出現，似乎預示著這一技術路線的終結。在VLA架構下，端到端與多模態大模型的結合更為徹底，為智能駕駛帶來了更強大的環境理解能力。
對于智能駕駛行業而言，VLA模型的意義重大。它不僅讓端到端理解世界的能力更強，還有望成為L2輔助駕駛到L4自動駕駛飛躍的關鍵跳板。因此，不少車企和智駕公司已經開始暗中發力，布局這一技術領域。
然而，VLA模型的上車難度并不小。它對技術和車端芯片算力都有著高強度要求。目前，能夠支持VLA模型上車交付的芯片尚未問世，預計將在未來幾年內出現。
盡管面臨諸多挑戰，但智能駕駛行業對于VLA模型的未來充滿信心。隨著技術的不斷進步和芯片算力的提升，相信這一技術將在不久的將來實現量產落地，為智能駕駛帶來革命性的變革。
