⚡️VLA-科普贴
全拼是Vision-Language-Action，视觉-语言-行动模型，简单来说，就是像人类一样，通过眼睛-看、通过语言-描述，以及最后的落地行动。
这个大模型的用处，其实是在补强目前规则之下的场景盲区，比如，红绿灯左转，但是头顶屏幕上写着“车辆左转不受灯控”，那VLA就可以通过，而之前规则之下的模型没见过，那基本就是歇菜了。
VLA为什么大家都觉得强？那就是因为这个模型可以在面对自己没有见过的场景时，能够主动去尝试给出解答，这个是非常戳用户好感的地方。
都不绝对，我都是举例子，别较真。
想子做得很棒的地方在于，它把VLA的工作流直接展示在智驾界面，比如VLA非常强的长时序规划，你能够看到VLA的分析，还有给智驾下的指令。虽然这个操作炫技的效果大于实际的落地效果。
这个我必须提一下子，理想确实是VLA用得很好的公司，但其实还有一家大家真忽略了，那就是元戎，他们的方案落地在魏牌、smart上，表现也很不错。
⚡️弊端
弊端当然有，VLA需要高质量的数据，这个对于数据获取和分类要求很高，而且地平线的人反复强调过一个点，那就是智驾传感器的统一性，会很大程度影响数据的质量。
还有一个弊端，那就是VLA有黑箱问题，这个在“端到端”概念火起来以后，大家就注意到了。同一个场景，大家很难解释，为什么智驾要这样做，哪怕复现后，智驾也可能会选择和上一次不一样的方式去解题。
而黑箱最大的问题，是因为不可解释的黑盒之下，会有比较大的安全性问题，因为无法复刻，只能通过云端大模型迭代去尝试解决，对是尝试解决。
⚡️结论
我的结论是，VLA在优质数据加持下，确实可以实现智驾能力的快速提升，但它不是终局方案。而世界大模型在概念上确实要更近一步接近终局，后续有机会再聊这个。
