
智驾路线之争
VLA 和世界模型,智驾圈争了好一阵。翻翻理想和小鹏公开的材料,两家已经把这两样放在一起用了。
前两年大家吵的是“要不要激光雷达”,那本质上是硬件成本的账,算得清、看得见。后来吵起模型路线,听起来像极了学术界的华山论剑。很多圈外人看得云里雾里,觉得这只是工程师们在炫技。
但如果我们把视角从技术论文里抽离出来,放回商业世界里看,就会发现一条铁律:商业场上从来没有纯粹的学术之争。每一场技术路线的口水战背后,其实都是各家公司资源禀赋、商业叙事和生存焦虑的直接投射。
他们到底在吵什么?
抛开晦涩的英文缩写,VLA(视觉-语言-动作模型)和世界模型,其实代表了两种完全不同的“造脑”思路。
VLA 像是在造一个“懂常识的左脑”。 它的核心逻辑是把大语言模型塞进车里。它最大的本事是“读得懂语义”——比如路边临时立了块手写牌子说“前方修路借道左行”,或者交警打了个复杂的手势,甚至你在后排随口说一句“在前面那家瑞幸门口靠边停”,VLA 都能像人类一样理解背后的含义,然后做出反应。
世界模型则像是在造一个“懂物理的右脑”。 它不怎么关心语言和文字,它关心的是三维空间里的物理规律。它像一个超级模拟器,看到眼前的路况,瞬间就能在脑子里推演出未来 5 秒内周围十几辆车的博弈轨迹:“如果我向左变道,后车加速撞上来的概率有多大?”同时,它还能在云端凭空生成无数极端危险的“鬼探头”场景,让车在虚拟世界里把一辈子的险情都提前练完。

同一个施工路口,既要理解临时指示,也要判断周围车辆接下来可能怎么走。物界前沿示意图。
听起来都很有道理,对吧?那为什么大佬们还要互相质疑,甚至公开“拆台”呢?
站队的底层逻辑:你手里有什么牌,就会信什么教
商业竞争里,屁股决定脑袋是常态,但更准确的说法是:基因决定路线。
你会发现,旗帜鲜明力挺 VLA 的,多半是直接面对 C 端消费者的造车新势力(比如理想、小鹏)。

理想 i8 行驶照片。来源理想汽车。
为什么?因为对整车厂来说,智驾不只是个安全功能,它还是个极其昂贵的消费品卖点。消费者坐进一辆自己会开的车里,最大的心理障碍不是车开得不够快,而是“失控感”——我不知道它为什么突然减速,也不知道它有没有看见前面那个交警。
VLA 恰好提供了一个巨大的商业红利:可解释性带来的信任感。 它能听懂你的大白话,还能告诉你它为什么要这么开。这本质上是在把车从“冰冷的交通工具”,变成一个能沟通的“AI 专职司机”。在供给极度过剩的新能源市场里,这种看得见、听得懂的交互体验,能直接转化为极高的情绪价值和产品溢价。

理想汽车披露,2025 年国庆节期间,VLA 指令使用 122 万次。
而对 VLA 保持警惕、重仓世界模型的,往往是带有极强工程主义底色或 B2B 基因的巨头(比如华为、Momenta)。
站在他们的位置上看,大语言模型有个天生的死穴,叫“幻觉”。聊天机器人胡说八道,最多被网友截图笑话两天;但开车这件事,容错率是零。如果模型在高速上突然“脑补”出了不存在的障碍物,或者把大货车看成了白云,后果是毁灭性的。
更重要的是,世界模型极度依赖庞大的云端算力集群和海量的数据仿真能力。这种重资产、高门槛、拼底层工程确定性的打法,恰好是科技巨头们最擅长筑起的护城河。对他们来说,把物理世界的规律算到极致,把安全底线拉到最高,才是让车企愿意买单、让监管放心的硬通货。

Momenta R7 在 2026 年北京车展的分享会现场。来源 Momenta。
口水战的真相:争夺估值锚点与行业定义权
拆解到这里,你大概能看明白,这场路线之争,其实远不止“谁的技术更先进”那么简单。
在资本市场和人才市场里,叙事本身就是生产力。 谁能把自己的技术路线讲成“通往终极无人驾驶的唯一船票”,谁就能在下一轮融资里拿到更贵的估值,就能在抢人大战里吸引到最顶尖的 AI 科学家,也能在消费者心智里占据“技术第一梯队”的生态位。
就像当年“纯视觉”和“激光雷达”吵得不可开交,但走到今天,激光雷达价格被打下来了,纯视觉的算法也进步了,大家最后其实都在成本与体验的动态平衡里找到了自己的位置。
VLA 和世界模型这两条路,已经开始往一处走了。开车这件事,既需要面对突发状况时的物理直觉(右脑),也需要理解复杂人类社会规则的常识推理(左脑)。
理想在 2025 年年报里写了个细节。给车端 VLA 出练习题的,就是云端的世界模型。它先生成模拟路况,再拿这些场景训练 VLA。
小鹏也把自己的世界模型 X-World 用到了第二代 VLA 的研发和验证里。还拿前面那个施工路口举例,后车慢慢跟着,测一遍。后车突然加速,再测一遍。同一道题换个条件,就能看看这套智驾会怎么开。

小鹏披露,X-World 已用于第二代 VLA 的研发与验证。
对我们普通观察者来说,看懂这类科技圈的路线之争,其实不需要去啃晦涩的论文,只要记住一条朴素的商业常识就够了:所有听起来势不两立的技术分歧,最终都会在用户体验和商业成本的十字路口,被迫走向合流。 真正能留在牌桌上的,从来不是喊出最性感概念的那个人,而是最先用这套技术,把商业闭环跑通的那个人。
物界前沿