中信证券前瞻理想汽车AITalk第二季速评VLA是实现人类司机体验的生产工

工具分类与AI爆发时刻

• 李想将工具分为信息工具（参考作用）、辅助工具（提升效率但依赖人类）和生产工具（完成人类工作）。
• AI成为生产工具（如VLA）是AI爆发的关键，目前智能驾驶仍处于辅助工具阶段。

智能驾驶与VLA的定位

• 智能驾驶本质是生产工具，VLA（虚拟领航员）是类人司机的模型。
• 评价VLA的北极星指标：专业能力（智驾水平）、职业性（符合人类驾驶习惯）、信任关系（沟通能力）。

智能驾驶发展阶段

• 昆虫智能（第一阶段）：规则依赖、高精地图、参数小，无法处理复杂场景。
• 哺乳动物智能（第二阶段）：端到端+VLM模型，可学习人类行为但泛化弱，仅辅助驾驶。
• 人类智能（第三阶段）：VLA模型具备物理理解、独立“脑系统”（语言、COT）、类人动作执行。

VLA与前代模型的关系

• 端到端是VLA的Action部分，但VLA在复杂场景（如修路）和沟通（如避免公交道）中优于双系统。
• VLA非终极架构，但现阶段能力最强，未来可能结合实用工具提升效率。

VLA模型的架构与训练

• 预训练：320亿参数云端基座模型（Vision+Language），蒸馏出3.2B端侧模型。
• 后训练：加入Action，模型扩展至4B，输出COT和轨迹预测。
• 强化：RLHF（规则+人类习惯）+RL（世界模型自我强化，指标：G值、交通规则、碰撞）。
• Agent交互：支持人类语言指令（如临时改路、找车位），短指令端侧处理，长指令云端处理。

商业化与定价

• VLA定价预计为雇佣人类的几分之一，商业模式可能包含保险和充电费用。