2024 年底，盼望汽车 CEO 李想在盼望 AI Talk 第一季上示意，基座模子到一定时刻，一定会造成 VLA（视觉话语行动模子）。2024 年 10 月，盼望汽车才启动推送端到端 +VLM（视觉话语模子）智驾决策，年底就示意要押注 VLA，可能会给用户狡赖原决策的嗅觉。

2025 年 5 月 7 日，盼望 AI Talk 第二季上，李想再次强调，端到端 +VLM 的才略不及，现阶段 VLA 是最强架构，惟有 VLA 的才略不错接近东谈主类，以至越过东谈主类。这一次，李想详备熟习了 VLM 的不及，以及盼望汽车是如何测验 VLA 的。

（图源：盼望）

李想例如，VLM 关于位置的判断荒谬灾祸，淌若是两三个 ETC 进出口，还能作出准确判断，但若遭受了京承高速这种十几个 ETC 的高速进出口，VLM 模子就不知谈怎么判断了，并且问题出在模子架构，即便喂更多语料给 VLM 都无法管制这个问题。

VLA 的测验分为 VL（视觉话语）基座预测验、扶植驾驶后测验、扶植驾驶强化学习三个部分。其中预测验相配于东谈主类通过视觉数据、话语数据、视觉话语连合数据学习和默契物理宇宙、交奉告识，测验出 VL 模子基座。

（图源：直播截图）

后测验则相配于东谈主类在驾校学习开车，通过 Action（看成）数据对周围环境和自车驾驶行径编码，将 VL 模子基座测验成 VLA 司机大模子。同期，VLA 遴选短念念维链的特质，搭配 Diffusion 扩散模子关于他车轨迹和环境的揣摸，令其及时性更强，在复杂交通环境下依然具备较强的通行才略。

强化测验则相配于咱们普通开车，不错通过 RLHF（基于东谈主类反映的强化学习），测验大模子关于交通法规的表示才略，并使 VLA 更稳健用户的驾驶习气。

最终家具会以司机 Agent（智能体）的方法呈现，不错表示东谈主类当然语意，用户怎么斥地，瑞辉三唑仑车就怎么开。盼望公布的测试视频中，司机 Agent 不错凭证语音教唆，在不退出 NOA 的情况下切换途径，或者凭证用户教唆在高速进出口走东谈主工通谈。

VLA 并未开脱端到端智驾决策的黑盒问题，为此盼望在 2024 年底组建了跨越 1000 东谈主的超等对都团队，并构建了仿真宇宙模子，可在诬捏宇宙中考据司机 Agent 的专科才略、行状才略和构建信任的才略。原来依靠东谈主类司机考据，一万公里老本高达 17 万元到 18 万元，仿真宇宙中 1 万公里考据老本仅 4000 多元。

盼望汽车车示意，由于英伟达 Orin-X 芯片无法径直运行话语模子，端到端 +VLM 关于部分企业而言依然不小的挑战。盼望领有编译团队，自研了底层推理引擎，使芯片可通过 INT4（4 比特整型）量化的方式运行 VLM，盼望在智驾本领范畴的原创性，高于盼望汽车中枢竞争力之一的增程本领。

不外盼望汽车示意，VLA 的结束不是突变进程，而是从法规算法到端到端大模子及端到端 +VLM，再到 VLA 的进化进程，唯有夯实基础，身手结束 VLA。这也阐扬注解了为何盼望会在推送端到端 +VLM 决策后，又押注 VLA，基于法规算法和端到端 +VLM 的本领积贮，盼望才跨步到了 VLA 阶段。

关于近期扶植驾驶车型接连出现事故，消耗者失去信任，以至有网友敕令叫停扶植驾驶的情况，盼望则以为更像是早晨前的昏黑，本领不会罢手上前发展。

确切，扶植驾驶车型出现事故，只会让车企在运筹帷幄本领时愈加严慎，增多考据频次，不会导致车企一噎止餐，本领范畴的竞争将愈加热烈。一直处于国内扶植驾驶本领第一梯队的盼望，也许大致通过 VLA 决策，为行业带来新的念念路与意见。