智驾大分化：VLA、世界模型与L3｜2025上海车展

去年北京车展上，「一段式端到端」智驾系统还是汽车行业的一致追求。当年3月，特斯拉在北美市场全面推送了V12版FSD，用深度学习取代基于规则的路径规划算法，并将原本独立的感知、规划模块统一进了同一个神经网络。小鹏、理想等造车新势力也都在去年下半年竞相将端到端（尽管不都是一段式的）模型上车。

然而今年的上海车展上，关于智驾接下来要怎么做，每家公司的思路都开始不同。

继去年理想公开提出要从双系统方案转向VLA（Vision-Language-Action）后，元戎启行也在这次上海车展上端出了自己的VLA方案。

元戎启行市场部员工对「新皮层」称， 元戎将VLA视作「端到端2.0」，即它同样通过一个模型实现从感知信号（vision）输入到车辆驾驶动作（action）输出的一段式端到端，但相较于端到端1.0时代的VA（Vision-Action）模型，VLA增加了语言（language）维度的数据，从而能够解决「上一代」端到端模型的「黑盒」问题。

「车的行为变得可解释，理想状况下，人还可以通过自然语言与车交互。」这位员工称。在元戎启行展示的VLA模型Demo中，车辆座舱屏幕上可以一边显示周边驾驶环境，一边用自然语言向驾驶员说明周边环境、车辆驾驶策略等信息。

车展首日，元戎启行宣布了与字节跳动旗下云计算平台火山引擎的合作，后者将为元戎提供语言模型能力和算力支持，加速元戎启行VLA模型的迭代开发。元戎称，今年将有超过5款搭载VLA模型的车型实现量产，但没有透露具体量产客户。

元戎Demo显示，其VLA模型上车后可一边开车，一边文字说明其驾驶环境和驾驶策略。

「我们可能是在车领域最早提VLA的」，元戎启行CEO周光在发布会上的媒体交流环节中说，「可能到了明年，VLA就会成为行业共识。」