【智車派新聞】近日，理想汽車自動駕駛研發(fā)高級副總裁郎咸朋在接受媒體采訪時回顧了理想智駕團(tuán)隊(duì)發(fā)展演變歷程，并首次回應(yīng)外界對VLA的質(zhì)疑。

據(jù)智車派了解，今年3月理想發(fā)布VLA技術(shù)后，競爭對手和行業(yè)觀察者在落地可行性、技術(shù)路線選擇等方面提出不同看法。如博世智能駕駛與控制系統(tǒng)事業(yè)部（XC）中國區(qū)總裁吳永橋認(rèn)為，VLA落地有“多模態(tài)的特征對齊非常困難”等多個難點(diǎn)。華為智能汽車解決方案BU CEO靳玉志稱，華為不會走向VLA的路徑，而是更看重WA（World Action）路徑。

對此，郎咸朋進(jìn)行了詳細(xì)回應(yīng)：

第一是多模態(tài)對齊。據(jù)了解，博世不自研基座模型，也幾乎沒做過大模型相關(guān)工作。但我們成立了基座模型研發(fā)團(tuán)隊(duì)，智駕團(tuán)隊(duì)之前做VLM時也做過視頻和文本的多模態(tài)對齊，這方面能力我們已經(jīng)積累很多。這確實(shí)有難度，但難才有技術(shù)含量，對我們來說不是問題。

第二是數(shù)據(jù)訓(xùn)練和提取。博世自己的數(shù)據(jù)量不大，但不能簡單認(rèn)為我們也沒有很多數(shù)據(jù)。我們摟著采，到現(xiàn)在還有十幾億公里的數(shù)據(jù)。

第三是大語言模型的幻覺。不能完全站在生成式數(shù)據(jù)角度來考慮，生成圖像、文本。隨著模型這幾年不斷迭代，幻覺越來越少。而且我們有強(qiáng)化學(xué)習(xí)、有超級對齊，有辦法解決模型幻覺。

靳總說的也同理。我們已經(jīng)做完端到端，過程中發(fā)現(xiàn)corner case的數(shù)據(jù)收集，最重要的是數(shù)據(jù)分布和數(shù)據(jù)質(zhì)量?，F(xiàn)在就是corner case分布不均衡，收集數(shù)據(jù)困難，確實(shí)挑戰(zhàn)很大。即使有很多數(shù)據(jù)，也不可能窮盡世界上所有場景。必須讓系統(tǒng)有人類這種思維推理能力才可以，簡單泛化不行。

郎咸朋認(rèn)為，他們反對VLA，恰恰說明VLA是正確的。出于市場競爭和技術(shù)演進(jìn)的考慮，在VLA和端到端上線初期，我們首先要保證它們在安全性的維度上做得不差，之后再去逐步提高上限。他表示，理想VLA的能力現(xiàn)在還沒有完全發(fā)揮出來，到今年底、明年初，大家就能看到一些非常好的表現(xiàn)，用戶會覺得這輛車真的活了。

郎咸朋還認(rèn)為，VLA可以實(shí)現(xiàn)L4，但以后一定還會有新技術(shù)出來。他指出，開車這件事并不需要很復(fù)雜的技術(shù)或很高的智商，一般人都能學(xué)會開車，所以VLA夠用。但技術(shù)本身會持續(xù)迭代，比如將來人工智能發(fā)展到讓每個人都像愛因斯坦或各領(lǐng)域?qū)＜夷菢樱切枰萔LA更高級的技術(shù)才能實(shí)現(xiàn)。