近日，理想汽车自动驾驶研发高级副总裁郎咸朋在与媒体交流时，首次对外回应了关于vla技术的争议，并系统梳理了理想智驾团队的发展脉络。
据公开信息显示，今年3月理想正式推出VLA（Visual Language Action）技术后，业内部分企业及专家对其可行性提出了质疑。例如，博世智能驾驶与控制系统事业部（XC）中国区总裁吴永桥指出，VLA面临“多模态特征对齐难度大”等关键技术挑战。华为智能汽车解决方案BU CEO靳玉志也表示，华为将聚焦于WA（World Action）路径，而非VLA方向。
面对这些观点，郎咸朋逐一作出回应：
首先是关于多模态对齐问题。他指出，博世并未自研基础大模型，也缺乏大模型相关经验。而理想已组建专门的基座模型研发团队，在此前开发视觉语言模型（VLM）的过程中，已积累了丰富的视频与文本多模态对齐经验。虽然该技术确实存在挑战，但正是难点所在，才体现技术壁垒，对我们而言并非不可逾越。
其次是数据规模与训练能力。针对外界认为理想数据不足的说法，郎咸朋强调：“我们一直坚持自主采集，截至目前累计行驶数据仍高达十几亿公里。”这意味着我们在真实场景下的数据储备非常可观。
再者是关于大语言模型可能出现的“幻觉”问题。他表示，不能仅从生成式AI的角度看待VLA，毕竟当前模型经过多轮迭代，幻觉现象已显著减少。此外，理想还引入了强化学习和超级对齐技术，具备有效抑制和纠正模型误判的能力。
对于靳玉志提到的corner case难题，郎咸朋表示认同。他在推动端到端系统落地过程中发现，最关键的问题在于数据分布不均和高质量数据获取困难。即使拥有海量数据，也无法覆盖所有极端场景。因此，必须让车辆具备类似人类的推理与泛化能力，单纯依赖数据堆砌无法解决问题。
相关报道
郎咸朋进一步指出，竞争对手对VLA的质疑，反而印证了这条技术路线的前瞻性。出于安全优先的原则，在VLA和端到端系统初期应用阶段，首要目标是确保安全性不低于现有水平，随后再持续提升性能上限。他透露，目前VLA的潜力尚未完全释放，预计在今年底至明年初，用户将能看到其显著进步，“到时候你会感觉这辆车真的有了生命”。
他还补充道，VLA本身具备通向L4自动驾驶的潜力，但未来必然会出现更先进的技术形态。他认为，驾驶并不需要极高智商，普通人经过训练都能掌握，因此VLA已足够应对实际需求。然而，随着人工智能整体发展，若未来AI能达到人人如专家的水平，那必将催生比VLA更为强大的新架构。
