版权声明：本文版权归网易汽车所有。打印时请注明出处。网易汽车12月11日报道，近日，理想汽车自动驾驶研发高级副总裁郎贤鹏通过微博回应了御数科技创始人王星星此前提出的“对VLA技术路线的担忧”。郎咸鹏明确指出，VLA是理想的自动驾驶模型解决方案，体现智能的关键在于系统的整体能力。这一声明不仅解决了技术争议，也提供了理想对自动驾驶未来发展道路的明确判断。让结果来说明一切：OTA 8.1 是 VLA 方法的分阶段验证。郎咸鹏强调，“与其谈架构，不如谈效率”。完美VLA路径跟随的前提是基于毫微产生的闭环数据车辆数量。 OTA 8.1 更新提供了这一点的视觉验证。认知能力的提升是第一个改变。通过采用2D VIT技术，将感知分辨率从1k提升到2k，识别距离从100米延长到200米。车辆可以更早识别红绿灯，实现更平稳、更舒适的制动体验。改进的传感能力为模型提供了更高质量的输入，以生成轨迹和控制信号。这与郎咸鹏提出的“模型必须适应整体的具身智能系统”的建议非常吻合。这也表明，具身智能不仅仅是单个大脑，而是系统协作的重要体现。 OTA 8.1显着优化了路径选择和决策能力。在主辅路换乘、支路选择等关键场景下，错误换线明显减少，决策更加精准。制作上变得更加准确。理想的情况是通过大约 600 万个高质量驾驶数据片段重新训练模型，让 VLA 能够通过强化学习不断迭代，继续逼近人类驾驶逻辑。郎咸鹏还指出，世界模型更适合云分析室进行模拟和数据生成，而车辆推理仍然由VLA进行。这种生产模式的划分，在车端务实，在云端训练高保真，体现了务实理想在系统架构上的思考。为什么VLA是理想的长期坚持：在系统论的逻辑下构建模型。郎咸鹏和王星星最大的观点不同在于，前者认为模型的关键不是架构本身，而是体现的智能系统的适应性。作为生成模型，VLA可以直接生成轨迹d 控制信号，向用户反馈显示拟人化的行为。通过将大量的真实数据与不断迭代的云端模拟数据相结合，VLA逐渐具备了理解空间关系、交通模式和驾驶习惯的能力。相比传统的端到端+VLM模仿学习，VLA强化学习机制可以处理“无知识”的情况，获得更大的整体能力。数百万辆车辆产生的闭环数据是理想对VLA的主要信心。郎咸鹏指出，理想不仅拥有超过10亿公里的存量数据，还获取150万辆车辆的实时新增数据。在筛查过程中，发现约40%的驾驶数据偏向道路一侧或未严格遵守限速。保留这些数据是为了保存对现实世界驾驶行为的研究。 VLA 所追求的目标已经接近真相。实现自然的驾驶行为，而不是几何标准化的轨迹。系统适配也可以在底盘层面看到。以VMM（车辆运动管理）模块为例，在减速任务时，车辆会根据策略划分卡钳制动和液压制动的比例，以达到安全性和舒适性的平衡。说明完美的技术体系并不是单一的模型，而是通过理解、模型、操作系统、芯片、底盘的全链路配合，将系统的能力渗透到生产和实施的各个环节。从这个角度来看，“VLA是否最优”不再是一个孤立的模型问题，而是系统架构下的路径选择问题。具身智能视角：VLA是实现“类具身机器人”的关键 郎咸鹏的回应也明确了未来完美的发展方向。自动驾驶体现的是智能智能，而体现智能不是单一的技术点，而是系统能力的综合展现。李想曾在一次内部会议上指出，未来五到十年，具身机器人将呈现车辆和人形两种形态。理想的选择以实体汽车机器人为中心，这是技术和产品战略的基础。体现智能方向的完美积累体现在感知、模型、操作系统、算力、本体的全栈配合。郎咸鹏强调，“通用系统能力”是体现智能的本质含义，单一的突破并不能成为真正的天才。 VLA之所以成为汽车内嵌智能的主要部分，是因为它能够理解物理世界，在空间理解、推理思维和驾驶行为生成方面形成统一的逻辑。它集视觉、语言、行为于一体，哈其链式推理能力，生成接近人类驾驶员风格的轨迹，并通过语言交互生成记忆和驾驶偏好。这是理想坚持将VLA作为技术长期路线的主要逻辑，也是其认为VLA是“最好的自动驾驶解决方案”的主要原因。结论：技术之争仍将继续，但路径的选择将变得更加清晰。郎咸鹏的回应并不是一场“路上的技术大战”的结束，而是一家深度投入自动驾驶、体现智能的企业根据自身技术能力、资源禀赋和产品策略做出的长期判断。对于业界来说，关于VLA、World Model、End-to-End等路线的争论不会很快结束，但随着更大规模的车辆部署、更成熟的云端仿真系统、更长时间的闭环数据积累，技术路线最终将胜出于效果而非意见。从我通过OTA 8.1的改进经验，到智能系统理想框架的逐渐清晰，可以确定的是，理想是以更加系统化、工程化的方式开发其自动驾驶系统。 VLA最终是否会成为定义行业的主要路径，还需要时间来证明。对于用户和行业观察人士来说，这一回应至少给出了一个明确的信号：VLA不是一个模型，而是一个系统；自动驾驶不是一项功能，而是体现智能的首战。