不只有理想小鹏，元戎启行VLA辅助驾驶，也来了

一辆能对盲区风险识别、读懂路标、与你对话的汽车正驶入现实。

2025年8月26日，元戎启行发布全新一代辅助驾驶平台——DeepRoute IO 2.0，该平台搭载自研的VLA（Vision-Language-Action）模型。

VLA模型融合了视觉感知、自然语言理解和动作决策能力，其将大语言模型的推理能力应用于智能驾驶领域，增加了空间语义理解，形成了推理能力，提高了应对复杂路况的能力。

在此次发布会上，元戎启行同步展示VLA模型的4大功能：空间语义理解、异形障碍物识别、文字类引导牌理解、记忆语音控车，这些功能将根据实际部署节奏逐步释放。

从元戎启行此前客户来看，这意味着长城汽车、Smart等品牌可能也会很快迎来VLA辅助驾驶上车。

01

VLA模型的三重突破

在VLA模型出现之前，行业主流的基于CNN(卷积神经网络)实现BEV（鸟瞰图）的端到端系统，长期存在三大难以突破的瓶颈：盲区感知受限、缺乏逻辑推理能力、泛化能力不足。

对此，元戎启行CEO周光在发布会上举了一个例子：BEV（鸟瞰视角）架构如同玩坦克大战，墙后的物体看不到就被认为不存在，真实的视角更像CS（游戏《反恐精英》），人类司机能够通过空间关系预判风险并谨慎通过，这是CNN系统无法做到的。

相比CNN的端到端模型，VLA模型主要有以下几个突破。

一是，思维链推理：算得比人类更准。

VLA模型的核心优势在于其思维链（Chain of Thought, CoT）能力。它能够进行长时序因果推理，将离散信息串联分析，从而做出更拟人化的决策。

传统端到端模型驾驶经验单一，只能推理几秒内的路况；而VLA支持高级语义理解和长时序推理，擅长应对复杂路况。

二是，海量知识库：自带“驾驶百科全书”。

通过互联网规模的数据蒸馏与训练，VLA模型积累了丰富的常识知识。

这种知识泛化能力是传统系统无法企及的。传统方案需要依赖地图数据更新，至少需要一周时间处理新出现的交通标识，而VLA模型可以实时理解。

三是，多模态融合：视觉+语言+动作的协同。

VLA模型首次实现了视觉感知、语言理解和动作决策的深度融合。它不仅能“看见”道路，还能“读懂”路标，“理解”指令，并做出合理决策。

这种融合让系统能够处理更加复杂的场景：识别盲区风险、理解文字引导牌、支持自然语音交互，能够更好地适应复杂多变的真实道路环境。

02

四大功能重新定义智能驾驶

发布会上，周光详细介绍了VLA模型的四大核心功能，这些功能并非单纯的技术展示，而是针对真实驾驶中的痛点场景设计，将根据量产节奏逐步应用。

空间语义理解：驾驶“透视眼”

空间语义理解是VLA模型的最大亮点。在公交车遮挡、复杂路口、桥洞等视野受限的场景中，VLA能够感知潜在风险，主动对盲区进行“预防性预判”。系统可在风险出现前提前减速、稳妥通行，具备高度拟人化的防御性驾驶策略。

异形障碍物识别：驾驶“百事通”

系统能够识别并灵活应对各种非结构化障碍物，不再仅提示“障碍物”，而是具体识别出物体类型，并采取相应的避让策略。

文字类引导牌理解：驾驶“翻译官”

VLA模型能够准确解析潮汐车道、公交专用道等道路文字信息，减少误判与违章，让复杂路况通行如“开卷考试”般从容。

记忆语音控车：个性化交互体验

系统支持自然语言指令交互，并能够学习用户偏好，实现个性化驾驶体验。用户可通过语音指令控制车辆，系统会优先考虑安全，其次才是用户指令与原定规划。

03

商业化落地前景乐观

技术突破的背后，是元戎启行在商业化领域的坚实积累。截至2025年8月，元戎启行已实现近10万辆搭载城市领航辅助系统的车型交付，涵盖SUV、MPV、越野车等多种品类，合作车型超过10款，进入行业“10万级别交付”第一梯队。

这些量产成果，为VLA模型的应用奠定了基础，毕竟大模型也需要真实路况数据持续优化，而10万辆车的行驶数据，正是VLA改进的重要支撑。

DeepRoute IO 2.0平台作为VLA模型的载体，以“多模态+多芯片+多车型”为核心设计理念，可面向多种主流乘用车平台开展定制化部署。

传感器适配方面，该平台可同时支持激光雷达和纯视觉方案，用户可根据车型定位进行选择，高端车型用激光雷达提升精度，中端车型靠纯视觉控制成本。

车型覆盖方面，周光认为，VLA模型完全可适配15万元以上车型，10万元级车型通过算力优化也有望搭载。

周光透露，2025年元戎已达成5个车型的VLA模型的定点合作。

不过，VLA模型仍处于发展阶段。周光表示，VLA目前还未完全实现思维链（COT），这是关键差距。长远来看，语言和推理能力是实现完全无人化自动驾驶的核心。比如遇到“左转不受灯控”这种临时标识，依赖地图更新是不够的，第一次遇到就需实时理解。VLA在这条路上任重道远，需要更多技术沉淀。“特斯拉之所以投入十倍算力和参数，正是因为GPT架构是明确方向，CNN无法支撑这种扩展。”

除此之外，元戎启行还有更为宏大的目标。根据其RoadAGI战略，VLA模型不仅将应用于乘用车，还将拓展至Robotaxi业务，从道路场景拓展到小区、电梯、办公室等室内外环境，让机器人摆脱遥控或巡线依赖，实现真正的自主移动。

“我们将持续推动RoadAGI业务，实现“AGI for Robot”，最终打开物理世界的通用人工智能的大门。”周光最后说道。