观点分享：VLA解决的是概念认知，无法有效的建模真实世界的四维时空？

最新推荐文章于 2025-11-14 18:59:17 发布

转载最新推荐文章于 2025-11-14 18:59:17 发布 · 156 阅读

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg2NzUxNTU1OA==&mid=2247682465&idx=1&sn=89fad1e50a2a1022f4f80361ca1ff470&chksm=cf2d682152d6cbe437ff36d8d58f4503576d1158888d6927e5c26c002ebed2b6d9de03ee37ba&scene=126&sessionid=0

这几天时候看到了晚点团队采访蔚来任少卿的文章，把里面关于VLA和WA的观点提炼出来分享给大家。

晚点团队原文链接：任少卿的智驾非共识：世界模型、长时序智能体与 “变态” 工程主义

任少卿认为智能驾驶真正的上限在世界模型，即以视频为核心，通过跨模态的互相预测和重建，让系统学习时空和物理规律，再叠加语言层去交互与注入知识，让机器能像人一样理解环境。

世界模型解决的是时空认知，语言模型解决的是概念认知。语言模型低带宽和稀疏性无法真正有效的建模真实世界的四维时空（时间+空间）。

世界模型的认知包含两个层面：

物理规律的内建：比如重力、惯性、速度变化，这些规律必须在模型内部形成；
时空操作能力：能理解和预测物体在三维空间 + 时间维度的运动，比如车辆绕行、机器人搬运。

但VLA本质还是语言模型的模态扩展。这些扩展虽然加入了新模态，但 “根” 依然在语言模型上。它像是在原有的语言体系上不断 “加模态”。

但世界模型不是 “语言加法”，而是要建立一套高带宽的认知系统。因为语言通道的带宽太低了。人类如果没有眼睛，只靠嘴和耳朵交流，效率会有多低？眼睛带来的视觉带宽就大得多。世界模型要直接在视频端建立能力，而不是先转成语言。

现在的智驾系统，你和它的交互都还是闭集的。而自动驾驶的终极目标是通过 Open-set（开放集指令交互）智能引擎实现真正的开放式交互。所谓 Open-set，就是把 L（语言）和 A（动作）彻底变成开放的：用户不再局限于输入有限的指令集，而是能够随意表达，系统也都能正确理解并执行。

从有限集到无限集——这才是语言加进去的终极意义。只是这一步我们还没做到。

本质上华为做的是世界模型，只是强调点不同。蔚来去年七月份之前就提过世界模型这个概念。

VLA、WA 这些名字，更多是表述方式的差别。关键还是要看它是否真正建立了时空认知能力，而不仅仅是在语言模型上做加法。

但任少卿认为语言仍然是很重要的，它有三大价值：

海量数据：语言模型吸收了海量互联网案例（尤其是 “彩色案例”，即有代表性和复杂性的场景）。这些数据对自动驾驶训练非常有帮助。
推理能力：通过链式推理（CoT, Chain of Thought），语言模型能带来一定的逻辑推理，弥补世界模型目前还未建立的细粒度推理。
人机交互：用户需要能像跟司机沟通一样，直接告诉车 “开进小区，左转，在楼下停”。这需要自然语言接口，而不仅仅是导航按钮或固定选项。

语言模型带来的是 “概念认知”，世界模型带来的是 “时空认知”。把这两块拼在一起，最后才会走向 AGI。

以上。

自动驾驶这两年高度内卷，前沿技术栈趋于收敛，量产方案趋同，很多小伙伴都觉得自驾卷到头了，决定转行去具身，我们也看到一些业内大佬辞职投身具身的创业洪流。如何破局成了大家讨论的最多的话题。所以我们也看到VLA/WA的路线之争，以及在这背后一轮更大的行业变革。

添加博主微信交流

对于处在自驾领域的个人来说，变革是挑战更是机遇。真正留在行业内担当主力的，都是综合型人才，技术栈特别丰富。抱着“捞一波”行情的心态，不可能长久，洗牌也是早晚的事情。广屯粮，筑高墙是个一直受用的真理。

扫码加入！和4000人一起同行

扛内卷，一个足够有料的社区

对于很多想入门的同学来说，试错成本有点高。没时间和缺乏完整的体系是最大问题，这也容易导致行业壁垒越来越高，如果想要卷赢那就更加困难了。

所以我们联合了诸多学术界和工业界的大佬，共同打造了我们维护三年之久的『自动驾驶之心知识星球』！星球目前集视频 + 图文 + 学习路线 + 问答 + 求职交流为一体，是一个综合类的自驾社区，已经超过4000人了。我们期望未来2年内做到近万人的规模。给大家打造一个交流+技术分享的聚集地，是许多初学者和进阶的同学经常逛的地方。

如果你也想和我们一起推动自驾领域的进步，欢迎加入我们的社区团队，和我们一起推动！我们推出了今年最大的优惠券给大家，欢迎微信扫码领取，还有少量～

社区内部还经常为大家解答各类实用问题：端到端如何入门？自动驾驶多模态大模型如何学习？自动驾驶VLA的学习路线。数据闭环4D标注的工程实践。快速解答，方便大家应用到项目中。

更有料的是：星球内部为大家梳理了近40+技术路线，无论你是咨询行业应用、还是要找最新的VLA benchmark、综述和学习入门路线，都能极大缩短检索时间。星球还为大家邀请了数十位自动驾驶领域嘉宾，都是活跃在一线产业界和工业界的大佬（经常出现的顶会和各类访谈中哦）。欢迎随时提问，他们将会为大家答疑解惑。除了上面的问题，我们还为大家梳理了很多其它的内容：

端到端自动驾驶如何入门？一段式/二段式量产中如何使用？
传统规划控制想转端到端VLA，求学习路线图！
自动驾驶多模态大模型预训练数据集有哪些？求自动驾驶VLA微调数据集？
多传感器融合现在还适合就业吗？
3DGS和闭环仿真如何结合？应用中需要考虑哪些元素？
世界模型是个啥？业内如何应用，研究还有切入点么？
业内哪家公司前景好一些，适合跳槽，都有什么岗位开放招聘？求星主内推~
博士入学，哪个方向容易出成果？
闭环强化学习如何入门？
端到端自动驾驶学习路线推荐。
......

我们会不定期和一线的学术界&工业界大佬畅聊自动驾驶发展趋势，探讨技术走向和量产痛点：

这是一个认真做内容的社区，一个培养未来领袖的地方。星球内部梳理了近40+自动驾驶技术方向，同时也有面向求职的问答梳理。

针对入门学习的同学，我们更是准备了全栈方向的学习课程，非常适合0基础的小白。

我们还和多家自动驾驶公司建立了岗位内推机制，欢迎大家随时艾特我们。第一时间将您的简历送到心仪公司的手上。

针对入门者，我们整理了完备的小白入门技术栈和全栈路线图。

已经从事相关研究的同学，我们也给大家提供了很多有价值的产业体系和项目方案。

欢迎和我们一起打造完整的自驾生态。

国内首个自驾全栈社区：自动驾驶之心知识星球

社区创建的出发点是给大家提供一个自动驾驶相关的技术交流平台，交流学术和工程上的问题。星球内部的成员来自国内外知名高校实验室、自动驾驶相关的头部公司，其中高校和科研机构包括但不限于：上海交大、北京大学、CMU、清华大学、西湖大学、上海人工智能实验室、港科大、港大、南洋理工、新加坡国立、ETH、南京大学、华中科技大学、ETH等等！公司包括但不限于：蔚小理、地平线、华为、大疆、广汽、上汽、博世、轻舟智航、斑马智行、小米汽车、英伟达、Momenta、百度等等。前沿技术聚集地一直是自动驾驶之心的标签！

我们为大家汇总了近40+开源项目、近60+自动驾驶相关数据集、行业主流自驾仿真平台、以及各类技术学习路线，包括但不限于：

自动驾驶感知学习路线	自动驾驶仿真学习路线	自动驾驶规划控制学习路线
端到端学习路线	3DGS算法原理	基于搜索的规划
VLA学习路线	NeRF原理	基于采样的规划
多模态大模型	Carla仿真	基于车辆运动学的规划
占用网络	Apollo仿真	基于数值优化的规划
BEV感知	Autoware仿真	横纵解耦规划框架
扩散模型	联合仿真	横纵联合规划框架
世界模型	自驾仿真产品架构分析	基于几何的路径跟踪
多传感器融合	闭环仿真	模型预测控制
轨迹预测	相关数据集	联合预测
......	......	......