详情

当梦想汽车纯电 SUV i8 亮相时，外界的眼神大多照旧聚焦在它的造型、内饰乃至是价钱上——一如平淡。但少有东谈主相识到赌钱赚钱官方登录，在这辆车的所在盘背后，搭载着一套足以改写梦想接济驾驶工夫幅员的中枢系统：VLA 司机大模子。它并非一次简便的功能升级，而是梦想汽车在昔日五年里跨越两个工夫期间——从东谈主工规章期间，到东谈主工智能期间——所集合的一皆心血的结晶。

这种工夫变革时时比外不雅设计更隐形，却也更惊愕。五年前，梦想接济驾驶团队还在为一个个 Corner Case 头疼——在雨夜、在桥洞、在施工路段，算法像"虫豸"一样，依赖既定例则和舆图。要让一台车学会"像东谈主一样念念考"，这条路并不比造出一辆全新电动车容易若干。

更具戏剧性的是，梦想每次都莫得选拔更适当的道路。行业内，许多厂商仍在用"规章 + 舆图"的传统架构踏踏实实完善功能，而梦想却在里面掀翻了一场自我编削：绝对告别舆图依赖，转向端到端大模子，以致押注比端到端更激进的 VLA 司机大模子。其间的风险和质疑显而易见——从团队里面的工程挑战，到外部对"舒禁止、安全性"的质疑，简直每一个版块迭代都像一次"无东谈主区探险"。

也正因为有这么的布景，梦想 i8 搭载的 VLA 接济驾驶系统并不单是是一套功能的升级，而是一段工夫道路变革的散伙。为了清楚 VLA 的真谛，就必须回望梦想这五年在接济驾驶工夫架构上的治疗与抉择：

为什么要一再推翻已有后果，每一次切换处置了什么难题，它又把所有这个词行业推向了若何的改日？

工程师的驾驶手册：用规章圈养的智能机器

格式悟这场工夫编削的最先，就必须回到 2021 年。那时的接济驾驶，实质上是工程师为汽车编写的一册瞩目 " 驾驶手册 "。每一种路况、每一个交通场景，都需要东谈主为设定应付规章：前车刹车时降速若干？变谈时保持多大安全距离？红绿灯倒计时如何响应？

梦想汽车的工程师们就像一群严谨的教官，试图为一台机器制定出涵盖所有可能情况的行驶法式。他们选拔了轻图、无图的工夫道路，以致在 2022 年就作念出了一个在其时看来相当激进的决定：用视觉感知取代角毫米波雷达。

这个决定当今看来颇具前瞻性，但在其时却充满争议。毕竟，大多数车企还在用各式雷达为系统提供 " 安全感 "，梦想却选拔了以视觉为主的道路。

关系词，规章期间的好意思好愿景很快就撞上了现实的墙壁。问题出当今东谈主类默契的局限性上：莫得东谈主有时想到所有可能的驾驶场景，更无法为每一种变化制定完满的应付战略。

最典型的窘境被梦想汽车自动驾驶研发高等副总裁郎咸一又博士形象地轮廓为 " 按下葫芦起来瓢 " ——当工程师处置了一个场景的问题时，时时会在另一个场景中产生新的艰难。就像给一个机器东谈主设定 " 遭遇阻拦物就泊车 " 的规章，看似安全，但要是每遭遇路边泊车就刹停，在拥挤路段就酿成了横祸。

更深层的问题在于，决定系统性能的中枢身分是 " 东谈主 " ——工程师的教育、编程水温和算法才气。即就是最优秀的工程师，面对用之约束的长尾场景也会感到力不从心。一些复杂的交通情况，根底无法用简便的规章来刻画和处置。

经过三年的拼搏，梦想汽车的全场景 MPI（平均吸收里程）达到了约 12 公里的水平。

这在规章期间仍是是相当可以的得益，但团队里面很清醒，这条工夫道路正在接近天花板。要想扫尾信得过的破损，必须寻找新的前途。

端到端的醒觉：从规章到师法的跃迁

2023 年中期，梦想汽车作念出了一个在其时看来颇为冒险的决定：绝对告别规章期间，拥抱端到端大模子。这个决策的背后，是对工夫实质的真切反念念。

要是说规章期间是 " 告诉车辆奈何作念 "，那么端到端就是 " 让车辆学会奈何作念 "。工夫逻辑发生了根人道治疗：不再是工程师预设各式应付有谋略，而是让 AI 通过学习多数东谈主类驾驶数据，师法东谈主类开车的妙技。这就像从 " 填鸭式莳植 " 转向了 " 启发式学习 "。

端到端工夫带来的效果是立竿见影的。2023 年 7 月，第一个端到端版块的 MPI 就达到了十几公里，一举超越了规章期间三年的集合。这个散伙让团队既痛快又无意——本来 AI 的学习才气如斯广宽。

更令东谈主豪迈的是数据增长带来的性能飞跃。跟着教师数据从 100 万 clips 增多到 200 万、再到 1000 万 clips，MPI 呈现出指数级增长。到 2024 年头，当数据量达到 1000 万 clips 时，MPI 破损了 100 公里大关。从 12 公里到 120 公里，扫尾了 10 倍增长，只是用了 7 个月时辰。

这种进步速率在规章期间是绝对无法设想的。就像一个学生从不足格顷刻间跃升到优秀，端到端的阐扬让所有这个词团队看到了 AI 期间的无穷可能。

但就在团队为这个得益感到欢畅时，一个新的问题悄然闪现。

从 2025 年 3 月到 7 月底的数据来看，尽管团队参加了 5 个月时辰进行优化，模子性能只进步了两倍傍边。增长速率显着放缓了。

原因并不复杂——当数据量卓越 1000 万 clips 后，单纯增多数据量仍是无法带来权臣进步。就像学生教师，从不足格到合格很容易，但从 80 分进步到 90 分就需要更多妙技和极力。有价值的驾驶数据变得越来越稀缺。

更严重的是，团队发现不管如何治疗数据配比，端到端系统老是会出现一些令东谈主困惑的问题：

比如出现了一些违背常理的步履——车辆可能在需要左转的车谈上临时变谈逃匿，但随后发现无法顺利插回原车谈，堕入了我方给我方制造的窘境。

它的决策不够贤人——面对前线大货车对抗上匝谈的情况，车辆会选拔先切换到支配车谈，但这么作念反而给后续并线制造了更多艰难，而不是简便奴婢前车通过。

这导致了驾乘东谈主员的安全感出现不足，影响体验。在桥洞等视野受阻的区域，东谈主类司契机凭教育进行注意性降速，但端到端系统只消 " 看到 " 潜在危机才运行反应。

郎咸一又用了一个极其无邪的比方来去顾端到端期间的根底窘境：" 当今端到端的这套师法学习并不具备深度的逻辑念念考才气，就像山公开车一样。喂山公一些香蕉，它可能会按照你的意图作念一些步履，但并不知谈我方为什么要作念这些步履，一敲锣它就过来，一打饱读它就舞蹈，但不知谈为什么要舞蹈。"

这个比方谈出了端到端工夫的实质窘境：它酌定算是一个高等的 " 应激反应系统 "，给定输入就产生输出，但背后缺少信得过的逻辑推理才气。

端到端 +VLM：给 " 山公 " 配上军师团

相识到端到端缺少深度念念考才气后，梦想汽车尝试了一个看似合理的处置有谋略：端到端 +VLM（视觉言语大模子）。这就像给一个反应很快但不善念念考的司机配了一个军师团——当遭遇需要深度决策的复杂场景时，VLM 可以提供更感性的分析和提出。

遐想是很好意思好的。端到端隆重基础的感知和反应，VLM 隆重复杂情况下的决策念念考，两者相连应该有时择善而从。

但现实很快就给了团队当头棒喝。VLM 的推理速率只消 2-3Hz，根底无法温顺及时驾驶的需求。更致命的是，端到端模子绝对 " 听不懂 "VLM 在说什么。

郎咸一又的比方再次振领提纲：" 就像咱们对山公说东谈主话一样，你跟山公说别跳了，或者说让它往哪走，它很难清楚东谈主在说什么，因为它莫得念念考才气。"

VLM 可能提供了相等合理的决策提出，但端到端模子无法清楚这些提出的含义，更无法将其升沉为施行的驾驶步履。这种 " 言之无物 " 的景色让所有这个词有谋略堕入了死巷子。

团队濒临一个根人道问题：要么让 VLM 变得更快（工夫上极其辛苦），要么让端到端变得更贤人（相似辛苦）。或者，寻找一个全新的工夫道路。

郎咸一又又用了一个相等形象的比方来刻画端到端期间的窘境："山公开车"。

在施行的测试中，" 山公开车 " 的问题在施行驾驶中阐扬为三种典型症状：

违背常理的步履：车辆可能会作念出看似合理但施行不当的决策，比如在需要左转的车谈上临时变谈，但随后又无法顺利复返。

开车不够贤人：面对复杂情况时，车辆无法作念出最优决策，比如在匝谈前遭遇大货车时，不会选拔最合理的跟车战略。

安全感不足：缺少东谈主类司机自然具备的注意性驾驶相识，时时要等看到危机才运行反应，而不是提前预判和准备。

" 当今端到端的这套师法学习并不具备深度的逻辑念念考才气，就像山公开车一样。喂山公一些香蕉，它可能会按照你的意图作念一些步履，但并不知谈我方为什么要作念这些步履。"

一个斗胆的 VLA 遐想：让机器会念念考

面对端到端 +VLM 的窘境，梦想汽车团队运行念念考一个根人道问题：既然端到端模子听不懂 VLM 的 " 东谈主话 "，那为什么不让它顺利学会 " 说东谈主话 " 和 " 想东谈主事 " 呢？

这个观点催生了 VLA（Vision-Language-Action）司机大模子。VLA 不是简便的工夫拼接，而是从架构层面的再行设计，让视觉、言语和算作三种才气在归并个模子中有契机通。

分开清楚这三个字母并不辛苦，其中 Vision（视觉）：通过各式传感器和导航信息，让模子对空间有精确的感知才气，就像给司机配备了最尖锐的眼睛。

Language（言语）：将复杂的空间信息进行高度压缩和编码，用言语的表情进行里面抒发。就像教育丰富的司机有时用纯粹的话语准确刻画复杂的交通景色。

Action（算作）：基于对场景的清楚，生成具体的驾驶步履。这里最大的创新是使用了 Diffusion 工夫，有时生成当然、平滑的行驶轨迹，而不是生硬的轨迹点探究。

此前咱们仍是先容过一次梦想 VLA 工夫的才气：比如在通过高速收费站时，可以顺利说"走东谈主工"，系统就可以从繁密的 ETC 收费通谈中转向东谈主工收费通谈。在日常的驾驶武艺，也可以通过"前线掉头"和"前进 10 米"的简便指示，治疗行车道路——就像是咱们平时和代驾司机顺利交流的水准。

这也意味着 VLA 在尝试清楚物理天下。

VLA 最大的破损在于处置了端到端期间的 " 交流范围 "。由于所有这个词模子都具备言语清楚才气，东谈主类可以顺利用当然言语与 VLA 交互，这种交互与 VLA 里面的决策逻辑是绝对一致的。

当用户说 " 开快点 " 时，这相当于给 VLA 的里面决策系统发送了一个 prompt 指示；而 VLA 在分析路况、作念出决策时，里面亦然通过访佛的言语编码进行推理的。这种一致性让东谈主机交互变得天关系词敞开。

更蹙迫的是，VLA 不再依赖于师法学习，而是转向了强化学习。这意味着系统不仅有时学习东谈主类的驾驶步履，还有时在杜撰环境中自我教师，不息校正和完善。

从工夫上看，VLA 的工夫才气最终升沉为四个中枢居品脾性。第一念念维才气：VLA 具备了念念维链推理才气，可以及时进行逻辑念念考，不再是简便的应激反应。其次交流才气：用户可以顺利用言语与 VLA 交流，" 开快点 "、" 往左转 " 这么的指示都能被清楚和履行。然后驰念才气：VLA 有时记着用户的驾驶偏好，比如在某条路上俗例的行驶速率，并不才次经过期主动治疗。终末是自主学习才气：通过强化学习，VLA 可以不息自我迭代和进步。

也就是说，从这么的一个工夫逻辑来看，梦想汽车有时率先扫尾 VLA，依托的是广宽的工夫基础设施。在数据方面，从 2020 年运行，梦想汽车就建设了完整的数据闭环，限制 2025 年 7 月已累计麇集了 12 亿公里的有用驾驶数据。

这些数据不是简便的里程堆积，而是经过全心分类和标注的可贵资源。包括不同天气、不同期间、不同谈路类型的数据；各式车谈类型如 ETC 车谈、潮汐车谈的数据；各式路口类型和交通景色的数据。更蹙迫的是，梦想汽车还通过天下模子工夫，将简直数据进行重建和生成，创造出更多稀缺场景的合成数据。

梦想的工夫第一性旨趣：以处置问题为导向的创新

其实从这里就可以发现。纵不雅梦想汽车五年的工夫演进旅途，有一个清醒的内在逻辑：每一次工夫架构的切换都是为了处置上一代工夫无法克服的根人道问题，而非单纯的工夫骄气或竞争考量。

从规章算法转向端到端，是因为东谈主工设计的规章无法障翳用之约束的长尾场景；从端到端转向 VLA，是因为师法学习缺少深度念念考才气；从师法学习转向强化学习，是因为简直数据区别不均匀，有价值的数据稀缺。

这种 " 问题导向 " 的创新念念维，让梦想汽车弥远有时收拢工夫发展的中枢矛盾，扫尾信得过有真谛的工夫破损。

举例强化学习也让 VLA 具备了自我迭代的才气。在仿真环境中，模子可以反复锻练归并个辛苦场景，从起先的撞车到逐渐掌抓安全通过的妙技，所有这个词经过就像一个杜撰的驾校教学在 24 小时陆续交地领导锻练。

传统的实车测试存在无法复现、测试周期长、本钱腾贵的问题。梦想汽车通过天下模子构建了精确的仿真环境，可以作念到场景的绝对复现和快速迭代。2023 年实车测试每公里本钱约 18 元，而 2025 年上半年通过仿真测试，本钱降到了 5 毛钱一公里，测试质地还更高。

VLA 期间，推理算力变得比教师算力愈加蹙迫。梦想汽车现时领有 13EFLOPS 的算力范围，其中 3EFLOPS 用于推理，10EFLOPS 用于教师。这种建树反应了 VLA 工夫的特质：需要多数的推理算力来运行天下模子，生成各式仿真场景供模子学习。

再好的模子要是不可部署到车辆上也毫无真谛。梦想汽车在工程化方面展现了广宽的才气，得胜将 4B 参数的 MoE 模子部署到 Thor-U 芯片上，并扫尾了 FP8 和 INT8 的推理优化。

更令东谈主印象真切的是，VLA 以致可以部署到上一代的 Orin-X 芯片上。郎咸一又袒露，他我方的 2022 款梦想 L9 就搭载着 VLA 系统在日常使用。这种跨平台的部署才气，体现了梦想汽车在工程优化方面的深厚功力。

梦想汽车为 VLA 设定了一个攫金不见人的谋略：将 MPI 进步到 1000 公里。要是这个谋略有时扫尾，意味着用户可能两三个月才需要吸收一次，这将标记着接济驾驶工夫迈入了一个全新的期间。

规章期间破费三年才达到的 10 公里 MPI，成为了端到端期间的最先；端到端期间达到的 200 公里 MPI，又将成为 VLA 期间的基础。每一次工夫跨越都不是推倒重来，而是站在巨东谈主的肩膀上不竭攀高。

郎咸一又合计 " 上一代工夫才气的上限，是下一代工夫才气的最先。" 这句话真切地揭示了工夫高出的实质。

VLA 大模子的出现，似乎也标记着咱们正在从 " 机器接济东谈主类驾驶 " 的期间，迈向 " 机器清楚东谈主类需求并主动奇迹 " 的新纪元。当汽车不再只是一个交通器具，而是一个有时念念考、交流、驰念和学习的智能伙伴时，出行的真谛也将被再行界说。

最近，咱们也实地体验了一下梦想汽车园区的" VLA 巴士"：它的外形其实是一辆 MEGA Home，但可以使用手机呼车，在坐上这辆 MEGA Home 后，前排并莫得司机，你绝对可以使用语音告诉"梦想同学"你想去的地点，它就能安全地把你送到方针地。

工夫的高出永无终点，但所在和速率都相似蹙迫。梦想汽车用五年时辰讲解了一个敬爱：只消信得过以处置用户问题为导向，以工夫创新为驱动，才能在强烈的阛阓竞争中走出一条属于我方的谈路。

跟着工夫的不息迭代和完善赌钱赚钱官方登录，咱们也多情理敬佩，信得过真谛上的 " 移动空间 " 和 " 智能出行 " 期间行将到来。