在今年8月舉辦的世界機(jī)器人大會（WRC）上，宇樹科技創(chuàng)始人王興興針對當(dāng)下熱門的VLA（視覺語言動作模型）技術(shù)路線發(fā)表了質(zhì)疑性觀點，在業(yè)內(nèi)引發(fā)廣泛討論。他直言不諱地表示，這種架構(gòu)設(shè)計相對簡單，存在一定局限性。

王興興的核心論點在于，當(dāng)VLA模型與現(xiàn)實世界交互時，其依賴的數(shù)據(jù)在質(zhì)量和數(shù)量上都難以滿足實際需求。他認(rèn)為這種技術(shù)路徑在實際應(yīng)用中可能面臨數(shù)據(jù)瓶頸，進(jìn)而影響整體表現(xiàn)。

針對這一爭議，理想汽車自動駕駛研發(fā)高級副總裁郎咸朋近日通過微博長文作出回應(yīng)。他解釋稱，此前未公開表態(tài)主要有兩個原因：一是理想汽車的VLA司機(jī)大模型尚未正式發(fā)布，缺乏實證依據(jù)；二是公司對具身機(jī)器人領(lǐng)域仍處于持續(xù)觀察階段。

郎咸朋明確指出，他與王興興的核心分歧在于技術(shù)側(cè)重點的不同。在他看來，模型架構(gòu)固然重要，但更重要的是與具身智能系統(tǒng)的整體適配性，而數(shù)據(jù)質(zhì)量才是決定性因素。他強(qiáng)調(diào)："脫離真實場景的海量數(shù)據(jù)，任何模型架構(gòu)都如同空中樓閣。"

理想汽車自9月正式發(fā)布VLA技術(shù)以來，經(jīng)過三個月的實踐驗證，形成了兩大核心認(rèn)知：首先，VLA是自動駕駛領(lǐng)域最優(yōu)的模型解決方案；其次，具身智能的競爭本質(zhì)上是系統(tǒng)能力的比拼。郎咸朋透露，該技術(shù)本質(zhì)上屬于生成式模型，采用類似GPT的架構(gòu)，但生成的不是文本而是車輛控制指令。

用戶反饋顯示，理想VLA在某些場景下已展現(xiàn)出對物理世界的認(rèn)知能力。相比傳統(tǒng)端到端系統(tǒng)，新模型能產(chǎn)生更多擬人化駕駛行為，這得益于其獨特的訓(xùn)練方式。世界模型在自動駕駛中更適合作為評估標(biāo)準(zhǔn)而非訓(xùn)練主體，真實道路數(shù)據(jù)才是技術(shù)突破的關(guān)鍵。

在數(shù)據(jù)獲取方面，理想汽車具有顯著優(yōu)勢。公司不僅擁有超過10億公里的存量駕駛數(shù)據(jù)，還能通過150萬輛在售車型持續(xù)收集新數(shù)據(jù)，構(gòu)建了完整的數(shù)據(jù)閉環(huán)系統(tǒng)。這種規(guī)模的數(shù)據(jù)積累，使得理想在現(xiàn)有算力條件下就能實現(xiàn)接近人類水平的駕駛能力。

郎咸朋特別強(qiáng)調(diào)，自動駕駛研發(fā)必須以整體系統(tǒng)視角推進(jìn)。理想汽車組建了跨部門協(xié)作團(tuán)隊，將自動駕駛算法、基座模型、芯片研發(fā)和底盤控制等模塊深度整合，確保各環(huán)節(jié)協(xié)同優(yōu)化。這種系統(tǒng)化研發(fā)模式，正是理想堅持VLA技術(shù)路線的重要原因。

理想汽車創(chuàng)始人李想近期提出，未來五到十年具身機(jī)器人將呈現(xiàn)兩大發(fā)展方向：車載移動機(jī)器人和仿人形機(jī)器人。公司規(guī)劃顯示，VLA技術(shù)不僅將應(yīng)用于現(xiàn)有車型，還將為未來車載機(jī)器人提供核心支持，形成技術(shù)協(xié)同效應(yīng)。