VLA模型打響升維戰：理想、元戎啟行如何重塑“安心感”

當前，輔助駕駛已實現“全國都能開”的基礎覆蓋，但用戶從“能用”到“愛用”的鴻溝依然顯著。核心痛點在于“安心感不足”——系統決策缺乏解釋性、盲區預判能力薄弱、人機交互過于機械化等問題，導致用戶對智駕系統缺乏信任。

而理想與元戎啟行同期押注VLA（視覺-語言-動作）模型，正是針對這一痛點，通過技術升維破解智駕體驗的“最后一公里”。

VLA模型的本質是通過運用語言模型，增強系統的推理能力，讓系統對社會常識有更全面的認知，從而解決更多的長尾場景。

當下智駕面臨的挑戰和質疑，主要歸類為以下幾類問題：

首先是模型存在不可解釋性。

用戶并不知道系統為何會無故加速、減速，甚至退出。信息的不透明導致用戶對智駕系統喪失安全感和信任，不敢用輔助駕駛系統。

其次是防御型駕駛能力不足。

防御型駕駛能力的高低是新老司機的最大區別。

最典型的就是高架橋的橋墩盲區。匝道匯入主路時，一側的橋墩會遮住司機大半個視野，新手司機可能察覺不到，但老司機會提前減速觀察，避免突然出現車輛。

交管部門數據顯示，在眾多交通傷亡事故中，因內輪差和盲區引發的事故占比達到 70% 以上。現在多數智駕遇到鬼探頭只能做到急剎避讓，但防御型駕駛是要能提前結合場景，預知鬼探頭風險提前減速。

最后是人機交互過于機械化。

目前大多數車輛進入輔助駕駛狀態后，用戶選擇僅限于接管和不接管，沒有專屬用戶的定制化駕駛風格，與個性化的語音交互，這也是系統決策容易偏離用戶預期的原因質疑，智駕行業都沒有徹底解決用戶“安心感”的問題。

在此背景下，以理想、元戎為代表的玩家堅定押注VLA技術路線，運用語言模型的能力來解決以上這些問題。

首先，元戎和理想的VLA模型將語音交互控車進行了全面升級——用戶能在車輛在輔助駕駛中，語音控制車輛的動作、車速、車道選擇等，甚至還釋放了豪車識別功能。若遇上豪車，智駕則會更加謹慎，展示了VLA系統對場景深刻精準的理解能力。

語音控車指令

此外元戎啟行還釋放了空間語義理解、異形障礙物識別、文字類引導牌理解三大功能。

空間語義理解，即 VLA 可以解決盲區場景設計的問題。相當于為系統裝上透視眼，預判行車中的交通盲區。

例如，在通過無紅綠燈的路口時，VLA模型能提前識別到“注意橫穿，減速慢行”的指示牌，即使公交車通行造成動態盲區，VLA也會結合公交車的動作去做出準確的決策。當公交車進行減速時，它會通過推理前方可能有行人穿行，并做出“立即減速、注意風險、謹慎通行”的決策。

公交車動態盲區遮擋

異形障礙物識別屬于智駕的算法長尾問題，過去經常被歸類為 1% 的極端路況。但依靠 VLA 模型，即便識別到“變形”的超載小貨車，也能結合實際路況，執行減速繞行或靠邊駕駛。

異形障礙物識別

此外，VLA 也可以加強系統對文字類引導牌的理解能力。元戎啟行的 VLA 模型能識別并理解各種圖形、文字類路牌信息，按照路牌引導內容行駛。

特殊路標識別

面對左轉待行區、可變車道、潮汐車道等 “動態規則路段”，VLA模型能夠讀懂字符與圖標的含義，高效匹配實時路況。在多車道復雜路口選道直行的場景中，能夠準確識別車輛前方的文字及圖案標識牌，從左轉右轉混雜的路口準確找到左轉車道，并執行操作。

元戎啟行正在通過VLA模型，打造能防御型駕駛的 AI 司機。

據悉，元戎的 VLA 模型將會在第三季度量產上車 5 款車型。接下來，智駕是否具備更長遠的思維、推測能力，VLA 能否大規模量產上車，也將是下半年智駕玩家們能否進入 VLA 第一梯隊的關鍵。

（免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。）