一直以來，相較自動駕駛都是于端智能電動汽車市場競爭最為激烈的戰線，發展最為迅速的到端帶改賽道。萬事萬物皆有因果，智駕自動駕駛這么火，相較資本傾情投入，于端消費者萬眾矚目，到端帶改主要是智駕因為自動駕駛這項產品或服務能夠創造巨大的用戶價值。

說起來，相較自動駕駛系統的于端價值與自動駕駛等級密切相關，但是到端帶改，在車企們看似無意、智駕實則或許真無意的相較宣傳下，樸素的于端人民群眾往往把輔助駕駛系統當成自動駕駛系統來用，很少去研究不同自動駕駛等級之間的到端帶改界限，以至于近幾年經常出現因誤用智駕系統導致的事故。

有的事故像鴻毛一般，消費者在事故之后還能好整以暇地發朋友圈，有的事故人命關天，或許到生命的最后一刻，當事人把那些開車睡覺被象征性罰款的高管罵了100遍才戀戀不舍地離開了人間。沒辦法，總會有無知的消費者不知道組合輔助駕駛和高等級自動駕駛的區別，不自覺地對它們抱持著同樣的期待。

對于車企而言，唯有不斷通過技術的進步，盡最大努力提升系統在各種場景下的表現，才不至于被突發的事故影響了銷量表現。在卷了一年的端到端之后，各大車企和智駕方案供應商齊刷刷地轉向VLA方案，期待著VLA能夠實現驚天一躍，幫助系統邁進到真的可以讓用戶信賴的L3。

在這樣的背景下，有必要探討的是，VLA相較于端到端到底有哪些優點，以至于車企把端到端這個曾經的小甜甜冷落在了一邊？以及，各大頭部企業的VLA是長著同樣的臉盤，還是有著不一樣的路線？

VLA與端到端

6月17日，特斯拉自動駕駛前總監Andrej Karpathy在YC AI創業訓練營上面發表了主題為《AI時代的軟件》的演講。在2017年提出軟件2.0的概念之后，Andrej Karpathy再一次提出了軟件3.0的概念，總結了近年來軟件形式的重大轉變。軟件1.0的開發范式是編寫代碼，主體是code，軟件2.0的開發范式是設計專用神經網絡，主體是神經網絡權重weight，軟件3.0的開發范式是給出提示詞，主體是作為操作系統的大語言模型及其交互接口。

圖片來源：Andrej Karpathy

借用這種代際劃分來區分VLA和常規的端到端方案，很顯然，端到端是軟件2.0時代的產物，VLA是軟件3.0時代的成果。當然，完全照搬也是不妥，畢竟，Andrej Karpathy的本意是講軟件開發方式上的變革。不過，大語言模型的問世是劃分軟件2.0時代和軟件3.0時代的分界線，同樣類比過來，常規的端到端方案是面向自動駕駛的專用小模型，而VLA引入了具備通用能力的大語言模型，核心區別同樣在于大語言模型。除了專用和通用的分別，還可以認為傳統端到端方案是端到端形式的小模型，而VLA在傳統端到端方案的基礎上引入了大語言模型LLM之后，成了端到端形式的大模型。

圖片來源：元戎啟行

和小模型相比，大模型顯然更加吻合尺度定律Scaling Law：通過更多訓練數據、更大參數規模提升模型的能力。要知道，傳統端到端方案的神經網路架構過于簡單，在數據訓練量突破1000萬個Clips之后，性能很難繼續同步提升，而VLA引入了大語言模型，通過更大的參數提供了更高的表達自由度，能夠在更大規模訓練數據的驅動下，構建出可建立更多層次、更長時序、全局性語義特征的模型。引入大語言模型保證繼續遵循尺度定律還意味著，在模型架構保持不變的情況下，企業可以實現對未來模型性能的準確預測。對于資源日益捉襟見肘的車企來說，這意味著它在模型上的訓練不會白燒錢，當然，這也意味著智駕企業在VLA上的迭代和探索在很長一段時間之內都不會觸及天花板。

除了形式和內容上的區別，常規端到端和VLA當然還有在功能作用上的區別。小鵬汽車掌門人何小鵬在G7預售發布會上以大腦和小腦為喻，間接地講述過傳統端到端和VLA的功能作用。大師兄表示，傳統端到端方案發揮的是運動小腦的功能，起到的作用是“讓汽車會開”，VLA這種進化版端到端方案額外引入了壓縮了人類知識的大語言模型，發揮的是思考大腦的功能，起到的作用是“讓汽車開好”。

圖片來源：小鵬汽車

在這里可以做一個總結了。無論是形式、內容還是功能、作用，常規端到端和VLA的核心區別就在于端到端沒有大語言模型，VLA則引入了可以起到決策中樞或大腦作用的大語言模型。

兩種VLA路線

說到在傳統端到端方案的基礎上引入大語言模型，業界之前其實有過另外一種實踐，其代表是理想汽車的雙系統方案。24年7月份，理想汽車提出了單顆英偉達Orin X運行端到端方案、單顆Orin X運行視覺語言模型的雙系統方案，通過VLM主動思考、理解世界的能力，其雙系統方案可以識別公交車道、潮汐車道，能夠鑒別復雜的交通標識，在一定程度上具備了只有人類大腦才能具備的交通信息閱讀理解能力。

圖片來源：理想汽車

VLM盡管引入了大語言模型，卻并不直接參與軌跡的生成，無法利用車端采集的大量“視覺輸入-軌跡輸出”數據做訓練，再加上VLM不具備3D理解能力，業界紛紛摒棄了這種雙系統方案。至于VLA，大路朝天，各走一邊，作為本土車企中探索VLA方案的兩個先行者,理想汽車和小鵬汽車走出了略微不同的路線。兩者的不同主要體現在兩個方面。第一，理想汽車先對云端基座大模型做蒸餾，然后再對蒸餾后的端側模型做強化學習，小鵬汽車則是先對云端基座大模型做強化學習，然后再蒸餾到車端。第二，對于用戶語音控車這種復雜任務處理，理想汽車走的是端云結合路線，由云端基座大模型做復雜任務拆解，再將拆解后的簡單任務下發到端側，小鵬汽車則是在座艙部署一個幾十B（幾百億）參數的本地大模型，通過中央融合架構，將座艙端拆解的指令下發給智駕系統實現。

圖片來源：理想汽車

區別一在于小鵬對幾百億參數的云端基座大模型做強化學習，理想對幾十億參數的車端VLA模型做強化學習，孰優孰劣，還得看具體的表現，不過，引入強化學習的步驟恰恰也是傳統端到端方案和VLA的區別。傳統端到端方案依賴數據驅動建立傳感器數據-軌跡的因果關聯，這種模仿學習缺乏對場景語義的深層解析，對駕駛場景只能做到知其然而不知其所以然，而VLA中的大語言模型經過強化學習，不僅可以知其然，還能做到知其所以然。

區別二在于如何在智駕系統不退出的情況下實現人機共駕。幾十億參數模型的語言理解能力顯然不足以做復雜語音指令任務的處理，理想將這部分任務拋給云端，但可能會由于斷網、弱網等因素出現不可接受的延遲，而且涉及到云端運營的問題，小鵬直接在座艙部署可處理復雜任務的幾百億參數大模型，缺點在于座艙需要用一顆等價算力高達大幾百TOPS的AI芯片，如果沒有自己的芯片，會比較燒錢。

寫在最后

關鍵詞 : 端到端AI時代的軟件無人駕駛軟件車企 新浪科技公眾號

“掌”握科技鮮聞 （微信搜索techsina或掃描左側二維碼關注）

相關新聞