汽車與汽車零部件行業(yè)智駕平權(quán)系列六：AI智能涌現(xiàn)新階段，智駕VLA與世界模型之爭.pdf

汽車與汽車零部件行業(yè)智駕平權(quán)系列六：AI智能涌現(xiàn)新階段，智駕VLA與世界模型之爭。

引言：AI 賦能，智駕進入大模型時代

通用人工智能大模型迎來跨越式發(fā)展，模型規(guī)模、訓(xùn)練范式與推理能力持續(xù)突破，為各類 AI 應(yīng)用構(gòu)建了堅實的底層技術(shù)底座。智能駕駛本質(zhì)是“物理 AI”的應(yīng)用，大模型底座技術(shù)迭代加 速智駕駕駛持續(xù)升級。通用大模型能力涌現(xiàn)，賦能智駕模型基座，智駕模型架構(gòu)持續(xù)進階，逐 步進入 VLA 和世界模型的物理 AI 時代，邁向智能涌現(xiàn)新階段。

通用大模型能力“涌現(xiàn)”，鑄就 AI 應(yīng)用底層支撐

AI 大模型時代，以 Transformer 架構(gòu)為技術(shù)基底，依托算力的指數(shù)級提升與海量多模態(tài)數(shù)據(jù) 的積累，大模型實現(xiàn)了從單一語言理解到多模態(tài)融合、從專用任務(wù)適配到通用能力涌現(xiàn)的關(guān)鍵 突破，鑄就 AI 應(yīng)用底層支撐。重要節(jié)點來自于 AI 模型開發(fā)開始強調(diào)提升推理(Reasoning)，以 o1-preview 為代表，模型推理能力飛躍，引入 Agent 模式，實現(xiàn)功能體驗的質(zhì)變。同時， DeepSeek-R1 模型基于純強化學(xué)習(xí)的創(chuàng)新技術(shù)路徑展現(xiàn)出獨特優(yōu)勢，提升模型訓(xùn)練效率和降 低訓(xùn)練成本，使模型規(guī)模擴展的 "規(guī)模定律（Scaling laws）" 持續(xù)顯現(xiàn)，滿足國內(nèi)算力不充裕 背景下對于超大參數(shù)智駕模型訓(xùn)練的需求。

智駕大模型進階，邁向智能涌現(xiàn)新階段

自動駕駛經(jīng)歷從規(guī)則模型走向端到端大模型，并逐步向 VLA 和世界模型演進。傳統(tǒng)端到端模 型核心是通過神經(jīng)網(wǎng)絡(luò)直接建立視覺輸入到駕駛軌跡輸出的映射關(guān)系，“黑盒”方式缺乏對于 物理世界運行規(guī)律的深入理解，過程中無需顯式的語義理解或邏輯推理。隨著多模態(tài)大模型和 強化學(xué)習(xí)訓(xùn)練模式的引入，智駕“端到端”模型向 VLA 范式演進，提升深度推理與決策的能 力，逐步具備長思維鏈（CoT）能力，進一步提升泛化能力和增強模型動作的可解釋性。在模 型訓(xùn)練方面，借鑒 DeepSeek 訓(xùn)練方式優(yōu)點，強化學(xué)習(xí)逐步引入智駕領(lǐng)域，借助多階段強化學(xué) 習(xí)訓(xùn)練機制，提升模型訓(xùn)練效率和降低訓(xùn)練成本。同時通過與世界模型生成的仿真環(huán)境進行互 動，可以使模型對真實世界的物理規(guī)則擁有更深的理解，智駕進入物理 AI 時代。 國內(nèi)頭部玩家智駕模型加速迭代，向 VLA 和世界模型持續(xù)推進，模型架構(gòu)、訓(xùn)練方式、算力、 數(shù)據(jù)以及參數(shù)量升級，頭部智駕玩家最新方案預(yù)期陸續(xù)推送，智駕能力有望迎來飛躍。目前頭 部智駕玩家中，以小鵬、理想等為代表的主機廠主要采用 VLA 模型路線，以華為、蔚來等為代 表的主機廠主要采用世界模型路線。