時(shí)間倒回到2年前，NOA領(lǐng)航輔助駕駛還只是發(fā)布會(huì)上的期貨，是少數(shù)高端車型才具備的功能。然而僅僅2年時(shí)間，NOA功能快速進(jìn)入到普及階段，并且下探至10萬-20萬元級(jí)別中低端市場(chǎng)，在這期間，華為、小鵬、比亞迪、Momenta等中國科技公司成為了“智駕平權(quán)”的最大推手。

那么在目前階段，到底哪一家的輔助駕駛有未來？端到端、純視覺、世界模型、VLA，各種路線、方案都有什么區(qū)別？這期文章就來聊一聊。

從硬件層面來看，目前國內(nèi)輔助駕駛主要有兩種技術(shù)路線。

一種是多傳感器融合感知，以華為乾崑ADS、比亞迪天神之眼A為代表。它們通常搭載有1顆或多顆激光雷達(dá)，結(jié)合多枚毫米波雷達(dá)、攝像頭等多重傳感器的冗余配合，實(shí)現(xiàn)對(duì)周圍環(huán)境的全方位、高精度感知。

這種方案的優(yōu)勢(shì)在于安全冗余高，在黑夜、大雨、強(qiáng)光等惡劣天氣或復(fù)雜光線環(huán)境下依然穩(wěn)定可靠，但成本也相對(duì)較高。

另一種是純視覺，代表選手有特斯拉FSD和小鵬最新的XNGP 5.0。這一派系主張通過端到端智駕大模型和海量數(shù)據(jù)訓(xùn)練，讓車輛模仿人類用“眼睛”（攝像頭）觀察、用“大腦”（高算力芯片）思考并給出決策。

純視覺的優(yōu)勢(shì)是可以擺脫對(duì)高成本激光雷達(dá)的依賴，也因?yàn)榫邆渥晕页砷L能力，被認(rèn)為擁有更高的技術(shù)上限。缺點(diǎn)是極度依賴高算力芯片和云端的海量數(shù)據(jù)訓(xùn)練。

從智駕大模型的角度分析，目前也有兩條不同的技術(shù)路線——視覺語言動(dòng)作模型VLA和世界行為模型WA。

VLA模型的全稱是Vision Language Action，翻譯過來就是視覺語言動(dòng)作模型，它是在VLM（視覺語言模型）的基礎(chǔ)上發(fā)展而來，最早由谷歌在具身智能領(lǐng)域提出，后來廣泛應(yīng)用在智駕領(lǐng)域，小鵬、理想等新勢(shì)力品牌是VLA模型的忠實(shí)擁護(hù)者。

VLA模型的決策路徑很簡(jiǎn)單，模型計(jì)算中心實(shí)時(shí)提取每一幀畫面，然后將畫面轉(zhuǎn)化為文字描述，根據(jù)文字描述給出決策指令，最終下達(dá)給車輛系統(tǒng)完成相應(yīng)決策。

VLA模型的優(yōu)勢(shì)是不需要人工介入，系統(tǒng)自身就能夠完成從識(shí)別到?jīng)Q策的一系列動(dòng)作。缺點(diǎn)是對(duì)算力要求十分苛刻，一旦算力不夠，系統(tǒng)識(shí)別數(shù)據(jù)的速度變慢，決策動(dòng)作就會(huì)滯后。對(duì)汽車來說，哪怕延遲1秒鐘都可能存在重大安全隱患，這也是為什么理想、小鵬都切換了自研的高算力芯片。

另一套主流的智駕大模型是WA模型，全稱為World Action，它省去了文字描述，通過畫面直接給出預(yù)判決策，代表選手有華為、特斯拉和蔚來。

以華為的WEWA模型為例，先在云端通過AI生成海量數(shù)據(jù)進(jìn)行仿真測(cè)試，模擬真人司機(jī)遇到的各種路況，通過幾億次反復(fù)學(xué)習(xí)訓(xùn)練，讓系統(tǒng)像“老司機(jī)”一樣，憑經(jīng)驗(yàn)預(yù)判危險(xiǎn)給出指令。然后再用云端模型蒸餾出一個(gè)子模型，直接OTA到車子上，相當(dāng)于本地部署。

相比VLA模型，WA模型不僅降低了車端的算力需求，還更接近人類的行為邏輯，但它需要大量數(shù)據(jù)來進(jìn)行訓(xùn)練，華為、特斯拉的輔助駕駛之所以強(qiáng)，很大一部分原因是他們擁有強(qiáng)大的云端超算中心。

大家覺得哪種技術(shù)路線才是未來的主流？評(píng)論區(qū)聊一聊！

編輯/溫澈