VLA模型崛起 汽车行业迎智驾与智造双破局
纵观智能辅助驾驶技术的发展历程，人工智能的不断突破显著提升了智能辅助驾驶的感知性能。从卷积神经网络（CNN）的引入，到循环神经网络（RNN）的应用，再到结合鸟瞰图（BEV）与Transformer（自注意力机制的神经网络架构）的创新，再到当下的端到端结合VLM（视觉语言模型）统揽全局，AI不断改善出行体验。
时至今日，智能辅助驾驶技术和体验的变革，正在迎来更大的机遇，甚至将迅速改写以往的竞速规则。自今年开始，一种全新的技术范式正在开启落地，头部玩家有了爆款证明，引领行业跟进对齐，隐隐成为共识趋势。这种技术范式就是视觉语言动作模型（VLA，Vision-Language-Action）。
当特斯拉在2023年宣布FSD BetaV12（完全自动驾驶测试版）全面转向端到端架构时，行业首次意识到，传统“感知-决策-控制”的模块化体系正在遭遇颠覆。随着VLA模型的出现，将这场变革推向了更深维度——这种融合视觉、语言理解与行动决策的AI架构，拥有更高的场景推理能力与泛化能力，正在重新定义智能辅助驾驶的底层逻辑。据此，不少智驾人士都将VLA视为当下端到端方案的2.0版本，2025年则被称为“VLA上车元年”。
而在汽车制造方面，AI同样发挥着巨大作用。从辅助工人操作的智能提醒，到跨系统自动协同的智能执行，再到自主优化流程的智能进阶，AI正驱动汽车制造从传统的流水线，向高效协同、自主优化、数据驱动的“智能岛”范式跃迁。
● 熊永红 龚梦泽 张妍頔
VLA模型受推崇
事实上，VLA模型最早见于机器人行业，通过输入给定的文本和视觉数据，输出机器人可执行的动作，天然便带有AI与物理世界交互的基因。2023年7月28日，谷歌DeepMind推出了全球首个控制机器人的VLA模型。如今这一模型概念正快速扩散到智驾领域。