撰文 | Bruce 編輯｜馬青竹

“華為不會(huì)走向VLA的路徑。我們認(rèn)為這樣的路徑看似取巧，其實(shí)并不是走向真正自動(dòng)駕駛的路徑。華為更看重WA，也就是World Action，中間省掉language這個(gè)環(huán)節(jié)?！?/p>

近日，華為智能汽車解決方案BU CEO靳玉志談及技術(shù)路線時(shí)稱。

目前，理想、小鵬、卓馭和元戎啟行等選擇了VLA的技術(shù)方向。而且小鵬、理想近期均宣布推送VLA。

與上述幾家不同，華為ADS4采用了WEWA技術(shù)架構(gòu)。據(jù)官方介紹，這一架構(gòu)可使端到端時(shí)延降低50%，通行效率提升20%，重剎率降低30%。

8月下旬，靳玉志在社交平臺(tái)預(yù)告，“下個(gè)月，首批ADS4將陸續(xù)推送。”

伴隨華為ADS4到來，WEWA將影響新車尊界S800、問界M8等，并通過OTA，覆蓋已搭載華為乾崑方案的合作車型。

而根據(jù)靳玉志公布的數(shù)據(jù)，搭載華為乾崑智駕的汽車數(shù)量已正式突破百萬輛。從上車規(guī)模看，WEWA的影響不容小覷。

那么，WEWA究竟與VLA有何不同，華為乾崑為何會(huì)選擇這一架構(gòu)？

生成數(shù)據(jù)，解決“難例”場(chǎng)景

靳玉志曾對(duì)WEWA如此評(píng)價(jià)：“比VLM、VLA更智能?！?/p>

WEWA架構(gòu)由兩部分組成，其一，World Engine（WE），指云端的“世界引擎”；其二，World Action Model（WA），指車端的“世界行為模型”。

世界引擎基于“難例”擴(kuò)散生成模型，可生成“高質(zhì)量、高密度”的“難例”場(chǎng)景數(shù)據(jù)。

華為乾崑官方解釋，所謂“難例”場(chǎng)景，包括前車急剎、突然出現(xiàn)的行人、無保護(hù)左轉(zhuǎn)等。并表示，真正對(duì)安全產(chǎn)生威脅的“難例”場(chǎng)景十分罕見，難以人工采集。

靳玉志披露的數(shù)據(jù)顯示，“華為（今年4月）已在云端世界引擎進(jìn)行了6億公里的高速L3仿真與驗(yàn)證，已為高速L3量產(chǎn)做好準(zhǔn)備。”

值得注意的是，采用VLA路徑的廠商（如理想、元戎啟行）也同樣重視仿真技術(shù)，特別是通過世界模型生成極端場(chǎng)景數(shù)據(jù)來訓(xùn)練和強(qiáng)化模型。

比如，理想會(huì)通過生成方式獲得仿真數(shù)據(jù)，并用于訓(xùn)練模型。理想的MindVLA，也會(huì)基于仿真實(shí)現(xiàn)閉環(huán)強(qiáng)化學(xué)習(xí)。

通過自研的世界模型仿真系統(tǒng)，理想復(fù)刻了“99%的中國(guó)路況”，生成2000余種如暴雨淹路、隧道失效等傳統(tǒng)方案難以解決的長(zhǎng)尾場(chǎng)景。

不過，在仿真基礎(chǔ)上，VLA路線的各家更依賴真實(shí)行駛數(shù)據(jù)。

比如，元戎啟行認(rèn)為，現(xiàn)實(shí)世界中很多復(fù)雜微妙的臨界態(tài)，模擬器很難被描述。

臨界態(tài)，主要指處于性能邊界或安全邊界時(shí)所產(chǎn)生和依賴的數(shù)據(jù)。比如，要模擬綢緞，一塊布要用顯卡渲染，需要把布拆成幾十上百萬份，在現(xiàn)實(shí)世界中采集，更為高效。

卓馭的VLA，同樣依賴大規(guī)模真實(shí)道路場(chǎng)景數(shù)據(jù)訓(xùn)練，具有數(shù)十億參數(shù)規(guī)模。通過融合視覺和大語言模型的能力，VLA可解析行人橫穿、道路施工、特殊車輛等長(zhǎng)尾場(chǎng)景。

所以，華為的WEWA更強(qiáng)調(diào)生成仿真，VLA偏好真實(shí)路測(cè)數(shù)據(jù)，是區(qū)別之一。但真實(shí)路測(cè)與仿真并非截然對(duì)立，而是不同技術(shù)路線各有側(cè)重和組合。

基模型、多模態(tài)與算力平臺(tái)

模型控車方面，這兩個(gè)路線也有區(qū)別。

WEWA采用的世界行為模型，其工作流程是，基于攝像頭、雷達(dá)/激光雷達(dá)、車內(nèi)/外麥克風(fēng)等獲得的全模態(tài)感知數(shù)據(jù)，直接推理和決策。

這一過程中，主要涉及三項(xiàng)能力。

• 基于專為智能輔助駕駛和自動(dòng)駕駛打造的原生基模型的能力，可以做到更低的時(shí)延。

• 全模態(tài)（視覺、聽覺、觸覺）感知能力，可構(gòu)建全維度環(huán)境模型。

• MoE多專家能力，可根據(jù)實(shí)時(shí)環(huán)境調(diào)用最優(yōu)決策專家，降低計(jì)算負(fù)載，提高決策速度和準(zhǔn)確性，提升響應(yīng)能力。

在云端生成各類“難例”場(chǎng)景數(shù)據(jù)，用于訓(xùn)練大模型。之后，將訓(xùn)練好的云端世界模型，通過蒸餾部署到車端。再由車端模型通過多模態(tài)感知，基于MoE等能力做出決策，輸出行駛軌跡等。

VLA模型因其語言模型的特性，其推理過程可能更易于被理解和解釋。而WEWA架構(gòu)的世界行為模型則側(cè)重于對(duì)物理世界的直接推演和預(yù)測(cè)，如何呈現(xiàn)和輸出思維鏈，有待進(jìn)一步跟蹤觀察。

WEWA與VLA的區(qū)別，還體現(xiàn)在算力平臺(tái)層面。VLA模型的部署，目前主要在英偉達(dá)Thor、圖靈等新一代算力平臺(tái)上。

原因在于，模型參數(shù)規(guī)模變大對(duì)功耗和并行計(jì)算提出要求。同時(shí)，需要有高效的硬件加速設(shè)計(jì)，讓系統(tǒng)更好地做實(shí)時(shí)數(shù)據(jù)分析。Thor U、圖靈等新一代算力平臺(tái)符合這一需求。

WA模型可以直接從視覺等信息輸入實(shí)現(xiàn)控車，無需轉(zhuǎn)換成語言符號(hào)，避免了精度損失和信息轉(zhuǎn)換的延遲。也許可以降低對(duì)大算力的依賴。

拼體驗(yàn)，“Talk is cheap”

無論何種架構(gòu)，最終還要看體驗(yàn)如何。

基于WEWA的華為ADS4，能力再次進(jìn)化。在靳玉志發(fā)布的一則視頻中，華為ADS4 Beta避開了路上一個(gè)下水道井蓋。

“在WEWA架構(gòu)的加持下，對(duì)突發(fā)狀況的處理非常類人，甚至‘超人’。避開了井蓋，并減速通過，整個(gè)過程行云流水，非常絲滑?！苯裰颈硎尽?/p>

VLA的體驗(yàn)同樣揭開了面紗。

就在靳玉志宣布華為ADS4推送計(jì)劃的前一天，小鵬宣布，“全新小鵬P7和小鵬G7的全場(chǎng)景VLA來了”。

從小鵬公布的信息看，其VLA可以實(shí)現(xiàn)的功能，主要包括預(yù)判遮擋盲區(qū)的“鬼探頭”、路口盲區(qū)提前減速、面對(duì)積水路面提前減速等。

理想也公布了VLA的進(jìn)展，將于本月開啟全量推送。搭載VLA的理想i8，可以在無燈控路口、無保護(hù)右轉(zhuǎn)燈場(chǎng)景以更類人的方式通過。

可以預(yù)見，新一輪功能體驗(yàn)對(duì)決很快將至。

值得注意，Momenta創(chuàng)始人、CEO曹旭東近期發(fā)聲表示：

“VLM、VLA是很好的方向，但是錦上添花的方向。提升要用強(qiáng)化學(xué)習(xí)，把端到端大模型放到通過海量真實(shí)數(shù)據(jù)構(gòu)建起來的仿真環(huán)境去做探索，成功就給獎(jiǎng)勵(lì)，失敗就給懲罰，學(xué)習(xí)到什么是安全駕駛和高效駕駛。把模型的上限和安全的上限提升100到1000倍，甚至1000到10000倍?！?/p>

無論WEWA，還是VLA，一位智駕從業(yè)人士告訴筆者，部分觀點(diǎn)甚至沒有討論的必要，“Talk is cheap，在車上用起來才是硬道理?！?/p>

—THE END—

出行百人會(huì) | AutocarMax

追蹤汽?出行產(chǎn)業(yè)鏈進(jìn)化，關(guān)注新產(chǎn)品、新科技、商業(yè)邏輯與商業(yè)人物，影響圈層中有影響力的人。