智能驾驶VLA模型崛起 物理AI成最大增量方向

时间：2026年08月07日 19:46:48 中财网

　　信息显示，智能驾驶技术正从模块化流水线、端到端、VLM4AD快速演进至VLA4AD阶段。VLA模型核心是将视觉感知、语言理解与动作决策整合进同一策略模型，通过显式动作头解决此前动作生成缺口，使语义理解和驾驶控制实现更紧密耦合。

　　
　　一份研报观点认为，VLA4AD核心架构通常包含视觉编码器、语言处理器和动作解码器三部分。视觉编码器处理摄像头和激光雷达等多传感器输入并强化三维理解，语言处理器注入驾驶知识，动作解码器则直接输出轨迹或控制量。研报指出，VLA可分为被动解释器、规划协作者、统一动作生成器、推理中枢四个阶段，并非固定架构，而是自动驾驶向大模型、多模态和动作生成演进的总称。

　　
　　研报认为，当前厂商路线已明显分化。Waymo用Gemini驱动纯端到端并统一语言空间，理想升级至MindVLA统一架构，小鹏第二代VLA则弱化显式语言层，以原生多模态Tokenizer和视觉思维链直达动作。元戎启行和千里也分别提出三角色与多专家世界模型方案。研报指出，这种分化集中在是否保留语言作为慢思考中枢，后续竞争焦点将落在实时性、数据闭环和量产可靠性上。

　　
　　研报认为，数字AI底座路径已清晰，但物理AI在物理世界建模闭环上具备更大确定性。智能驾驶作为最先跑通闭环的代表场景，其技术突破将带来显著增量价值，相关领域有望率先受益于AI向实体经济渗透。