自动驾驶VLA模型行业报告（47页）

行业报告下载 2025年08月19日 07:00 管理员

VLA 模型具备成为具身智能基础模型潜力。视觉-语言-动作模型（VLA）代表一类旨在处理多模态输入与输出的模型，通用性是 VLA 模型的核心特点之一，体现在其以多模态大语言模型为底座，具备“理解万物”的能力，VLA 模型的理解能力和多任务泛化能力让模型在不同的应用场景中具备出色表现，展现出超越自动驾驶乃至机器人等单独垂域应用的潜力，有望成为广义具身智能基础模型范式。 VLA 模型是自动驾驶向知识驱动、体验优先升级的技术基础。我们认为汽车领域智能化的最终形式是实现驾驶领域的通用人工智能，而非简单的汽车电子软件智能化，这使得汽车从第三人称智能化向第一人称智能化、由数据驱动向知识驱动进化成为自动驾驶进化的未来趋势，而 VLA 模型特别是其中语言类大模型的成功引入则奠定了范式转变的技术基础。底层技术逻辑升维也带动了车端应用焦点由基本功能实现向人车交互性、极端场景通过性等体验提升转变，中期维度看，不同车企自动驾驶的模型性能领先、功能领先将转化为体验领先并重塑汽车行业产品生态，知识驱动范式的智能化模型也将重新定义自动驾驶，行业将真正开启电动智能化下半场角逐。

自动驾驶VLA模型行业报告（47页）-第1张图片