長城VLA：嗯，是「真」第一梯隊！

在人均第一梯隊、個個遙遙領先的本土自動駕駛角斗場里，長城汽車一直是宣發上比較保守、但研發上相當激進的獨特存在。

猶記得2021年，長城率先量產上線高速NOA，落地時間和功能體驗上完全可以跟新勢力蔚小理比肩。

2022年第三季度，更是一度跟小鵬、華為爭奪城區NOA本土首發的頭銜。

當然了，在吵架最為激烈的2023年，由于技術路線選擇失誤、算法團隊量產經驗不足，經歷低谷期的長城一度退出了跟頭部智駕玩家的競賽。

不過，進入2024年之后，憑借深厚的技術直覺和遠見，長城卷土重來，率先落地了端到端。

在行業大多玩家還在打磨傳統端到端方案的2025年，長城汽車悄然成為本土首家推送VLA輔助駕駛方案的傳統車企。

這一系列低調扎實卻不大為人所熟知的事實告訴我們，是時候重新審視一下長城汽車在自動駕駛上面的實力了。

01

作為一項技術密集型的復雜系統工程，自動駕駛系統的開發理念、方法論、技術和工具始終處于不斷進化的動態演進之中。

不帶著大家考古了，反正進入感知-決策實現全鏈路端到端的軟件2.0時代后，一切都變了。

和分模塊方案相比，端到端的優點在于，一則，通過減少中間環節，實現了信息的高效無損傳遞和可控的延遲。

二則，借助神經網絡可以捕捉數據背后隱藏的更通用統計規律和特征的優勢，系統具備了舉一反三、應對未知和復雜場景的泛化能力。

三則，完全數據驅動，可利用數據閉環+海量數據顯著提升模型迭代優化的效率，再加上高效利用計算資源、減少資源浪費等一系列優勢，端到端方案迅速顛覆了分模塊方案。

對于這么一種一舉顛覆過去十年技術路線的吊炸天新方案，業界的第一反應是猶豫的、遲疑的。

所以，雖然聞道無先后（特斯拉23年8月份正式對外公開量產了端到端FSD），但轉型有早晚。

正在那些在規則時代積累了大量軟件資產、不愿意放棄馬奇諾防線的玩家們還在猶豫不決之時，長城汽車戰略投資的元戎啟行，沒有絲毫的遲疑和猶豫，果斷轉型了端到端。

總之，由于轉型迅速且堅決，雖然不曾像小鵬汽車和理想汽車宣傳得那么鑼鼓喧天。

但從時間線上來看，長城汽車端到端方案的量產時間并不比這倆“全球唯二”、“本土首發”晚。

小鵬于24年7月30日的AI智駕技術發布會上宣布了端到端大模型的量產上車，理想雖然是在24年7月初發布了基于端到端和VLM視覺語言動作模型的雙系統方案，但其雙系統方案的內測推送是7月30日，跟小鵬汽車的發布會卡在了同一天。

長城汽車的端到端智駕大模型SEE在8月21日上市的魏牌全新藍山上實現了量產搭載，要說量產落地，長城比小鵬和理想只早不晚。

02

時隔一年之后，長城汽車再一次率先所有傳統車企推出了VLA方案。

不要覺得啞然，這事兒實屬自然而然。

因為，從VLA也采用端到端神經網絡形式來看，從（傳統）端到端到VLA，根本就不存在技術賽道的切換。

不僅不存在切換，更重要的是，VLA能夠復用端到端實戰中的各種資源。

理想汽車曾經表示，端到端技術能力的上限是VLA技術能力的起點，上限即起點，是因為端到端方案的成功落地，提供了VLA破土而出的先決條件。

一則，端到端打通了感知、預測、決策、規劃的壁壘，奠定了處理海量原始數據的技術框架，為后續的VLA或世界模型處理更為復雜的多模態信息奠定了模型架構和算法的基礎。

二來，端到端催生了適應大模型開發的數據閉環體系，圍繞數據驅動迭代的工程體系，正是訓練VLA這類更大、更復雜的模型所必需的基礎設施。

沒有在端到端的實踐中建設起來的這套數據工廠，VLA的訓練將無從談起。

最后，在端到端的戰場上構筑起來的數據壁壘，建立起來的對數據、算力和工程的深刻理解，磨練出來的AI原生研發思維、組織文化、駕馭技術不確定性的戰略耐心與定力，使得長城汽車完成了一場認知、組織和文化的全面進化。

這次能夠領先行業大部分玩家量產端到端2.0時代的VLA方案，也清楚無疑地表明，長城已經從一時的領先做到了體系性的領先。

03

明人不說暗話，雖然諸多玩家在VLA和世界模型上打了不少的口水仗，但是，正如小鵬汽車在AI科技日上所表達的那樣，VLA大模型也是世界模型。

既然都是追求讓自動駕駛車輛像人一樣建立起對物理世界的統一理解并具備生成式交互能力。

那么，VLA和世界模型在底層本質上就是統一的，兩者的區別并沒有營銷戰宣傳得那么明顯。

所以，長城汽車沒有卷入VLA和世界模型的無聊口水戰，而是用以用戶價值為起點，選擇VLA路線，克服傳統端到端方案場景理解能力不足、黑盒特性的一系列缺陷。

從物體識別進化到場景理解，是高等級自動駕駛系統需要的核心能力。

物體識別的前提是感知，而場景理解的前提是推理，再進一步，推理的前提是常識，沒有常識帶來的語義理解能力，永遠解決不了層出不窮的長尾問題。

VLA里的大語言模型恰可以提供復雜場景推理所需的常識，結合視覺信息，VLA可以理解場景背后的含義和潛在風險，并基于預判能力進行邏輯推理，實現擬人化決策和防御性駕駛。

至于端到端方案的黑盒特性，在更廣義的AI層面，幾乎所有AI系統都面臨如何幫助人類建立信任感的老大難。

如果駕駛決策過程不透明，尤其是在發生非預期行為時，難以追溯其行為背后的原因，我們恐怕很難建立對自動駕駛系統的信任感。

參照DeepSeek R1引入了CoT思維鏈，VLA也可以將推理過程可視化，在一定程度上打開黑盒，幫助消費者建立對智駕系統的信任感。

流水不爭先，爭的是滔滔不絕。

無論是搶跑端到端，還是率先拿出VLA方案，長城汽車以極深的技術遠見和不為喧囂所動的戰略定力，向我們清晰地展示了一條通往高等級自動駕駛的可行路徑。

從打磨端到端的基本功，到邁向VLA的無人區，長城的每一步都踩在了技術演進的核心節點上，華麗麗地躋身第一梯隊了。

嗯，是「真」第一梯隊！