一、路线本质与核心分歧
VLA模型（视觉-语言-行动）：
数据驱动：通过海量真实驾驶数据（如摄像头画面、控制信号）训练端到端模型，直接将感知映射到行动。理想汽车将其定义为“生成式模型”，输出轨迹和控制信号。
优势：依赖车企百万级车辆的真实数据闭环（如理想拥有150万辆车、10亿公里数据），能快速迭代拟人化驾驶行为。
局限：过度依赖数据质量，难以解决无限长尾场景；语言模块（L）可能成为信息瓶颈，导致效率损失（如小鹏、华为选择去掉L，转向VA模型）。
世界模型：
物理规律建模：让AI在虚拟环境中预测未来状态（如物体运动轨迹），再生成行动策略，强调对时空因果关系的理解。蔚来将其定位为“高带宽认知系统”，超越语言模型的局限性。
优势：通过仿真生成海量场景数据，降低对真实数据的依赖；具备长时序规划和泛化能力，适合复杂决策。
局限：算力需求极高（需千亿级算力支持），实时推理难落地；技术成熟度低，仿真与现实的差距（Sim-to-Real Gap）尚未完全解决。
二、主导权之争：车企派 vs 机器人派
车企派（VLA路线）：
代表企业：理想、小鹏（第二代VLA）、华为（WA模型）。
核心逻辑：掌握真实数据是王道。车企通过量产车收集的驾驶数据具有不可复制的规模优势，可快速优化模型体验。例如小鹏用3万卡算力训练无语言转译的VLA，实现5天全链路迭代。
进展：用户反馈显示VLA已涌现拟人化行为（如非严格居中行驶），接近人类驾驶水平。
机器人派（世界模型路线）：
代表企业：蔚来、宇树科技、谷歌DeepMind。
核心逻辑：架构决定上限。宇树CEO王兴兴批评VLA是“傻瓜式架构”，依赖数据难以突破临界点；世界模型通过视频预测实现跨任务迁移，更适合开放场景。
进展：蔚来世界模型实现停车场自主寻路；谷歌Genie3可生成720p一致性视频，助力训练。
三、融合趋势：技术互补与产业实践
架构融合：
地平线提出“VLA with World Model”分阶段演进，短期用VLA优化体验，长期引入世界模型提升泛化能力。
小鹏第二代VLA虽保留名称，实际架构已贴近世界模型，通过物理AI实现视觉到行动的端到端映射。
数据协同：
世界模型为VLA提供高效数据生成。例如极佳视界开源GigaWorld-0，用世界模型生成90%训练数据，使VLA性能提升300%。
车企用世界模型做云端仿真测试（如理想），弥补车端算力不足。
四、谁将主导？短期分化，长期协同
短期：具备数据闭环的车企（如理想、小鹏）在自动驾驶落地占优；机器人公司则通过世界模型突破工业场景泛化瓶颈。
长期：
系统能力决胜：具身智能需感知、芯片、本体全栈协同（如理想强调底盘与大脑配合），单一模型无法独立支撑。
政策驱动融合：北京AI白皮书明确世界模型提升泛化能力，上海规划500亿具身智能产业，推动算力、语料等资源整合。
风险提示：当前争论部分源于企业对自身路线的商业化背书（如车企强调数据壁垒，机器人公司突出架构创新），实际技术边界逐渐模糊，需警惕过度宣传。 (以上内容均由AI生成)
