2025年VLA浪潮重塑智能驾驶版图

2025年8月的最后一周，中国智能驾驶迎来了历史性的转折点——从算法底层到整车OTA，短短数日内，行业见证了“VLA齐爆发”的壮丽景象。

VLA，即视觉-语言-行动模型，正以其迅猛的商业化为“高阶智驾”设立了新的技术门槛。

理想汽车借纯电旗舰i8的上市契机，首次向所有用户推送了“VLA司机大模型”；元戎启行则在8月26日发布了自研VLA大模型，并推出了名为DeepRoute IO 2.0的新平台，计划应用于5款车型，覆盖约20万台车。

紧随其后，小鹏汽车在8月27日的新P7发布会上展示了新一代VLA架构，宣称时延<100ms、规划帧率20Hz，树立了量产新标杆。

与此同时，华为引领的另一条路线——WA（世界行为模型）也蓄势待发。ADS 4.0将在9月随问界M9年度改款OTA，旨在重新定义城区智驾体验。

而“VLA上车潮”之所以发生在2025年，从商业角度来看，是因为今年正处于城市NOA规模化交付（L2++）与Robotaxi商业化（L4）之间的“空档期”。

谁能率先完成VLA量产，谁就能在用户体验与融资叙事上抢占先机。错过2025，技术红利将被稀释，成本优势也将被供应链摊平。

VLA引发的新一轮竞争，不仅将决定中国车企的未来地位，更可能引发整个智驾产业的重新洗牌。

新的门槛

若要对VLA路线的技术优势进行简要概述，其核心在于：

与传统端到端路线相比，VLA通过语言和文字这一中间环节，将具象化的路况、图像进行归类和“抽象化”，而不仅仅是单纯地对数据进行“死记硬背”，从而提升了模型的泛化能力。

同时，具备思维链（CoT）能力后，VLA模型能分解驾驶决策为逻辑连贯的中间步骤，增强了决策逻辑性、系统可解释性及泛化能力。

当驾驶员面对突发路况时，会本能地完成“观察→判断→动作”的认知过程。

VLA正是通过模拟这一逻辑，构建了“视觉感知-语言推理-动作输出”的闭环系统，实现对长时序路况的预判能力，尤其在长尾场景中展现出更强的泛化能力。

然而，由于多了“语言”这一层数据，VLA对算力与数据的需求已提升至传统方案无法企及的高度。在算力方面，训练端需吞吐22T token级多模态数据；数据方面，需同步采集并标注视觉-语言-动作三元组。

这意味着，VLA的量产落地是“千卡训练云＋千TOPS车端＋千亿级数据”三线并进的极限工程。对于年销量仅十余万辆的中小车企而言，如此高昂的投入难以通过规模化摊薄。

行业洗牌

在VLA所需的高昂成本面前，中小车企的生存困境愈发凸显。除了算力与数据的差距外，从规则时代到端到端1.0积累的先发优势也是多数品牌难以复现的关键环节。

最初，规则算法将驾驶任务拆解为可验证的模块；进入端到端1.0后，系统用大规模标注数据替代人工规则；而迈向VLA时，需将前两阶段的工程学积累整体迁移到新框架里。

在这样的差距下，VLA的降临无疑会让行业迎来一次大洗牌。中低端车企、品牌要么难以在新时代生存，要么只能成为“方案外购者”，或沦为低端代工。

头部之变

尽管VLA模型备受瞩目，但并非所有车企都认可这一路线。华为和蔚来主推的另一条路线——世界模型（WA），其核心是通过海量云端模拟数据让大模型“理解”世界而学会驾驶。

但尽管世界模型看似更“终极”，VLA这条更务实的路线对理想、小鹏等车企仍具“改命”意义。一方面，理想需用智能化重新定义产品；另一方面，小鹏选择VLA混合架构，为将来的机器人铺路。

从市场角度看，虽然华为与Momenta已占据90%份额，但VLA大模型的普及将显著改变竞争格局。传统智驾模型每新增一个少见场景都得补数据；而VLA模型通过多模态学习和推理能力在长尾场景上也能接近华为的表现。

因此，在新一轮智驾竞争中，现有格局不会立刻颠覆，但VLA已打开了一个新窗口。随着技术升级的到来，中小车企的危局及头部间差距的缩小将成为愈发显著的趋势。