智驾路线之争：WA 与 VLA 的阵营划分、上限博弈与终极方案探索

在人工智能深度赋能自动驾驶、推动技术加速迭代的当下，行业围绕技术路线的选择展开激烈讨论 —— 究竟该采用 WA（世界行为模型），还是 VLA（视觉 - 语言 - 动作模型），成为企业战略布局的关键分歧。近期，华为智能汽车解决方案 BU 首席执行官靳玉志明确表态，在辅助驾驶领域，华为更倾向于 WA 路线，认为其才是实现真正自动驾驶的终极方向。与之相对，VLA 路线在汽车行业拥有更广泛的拥护者，小鹏、理想、奇瑞等车企均已公布清晰的 VLA 发展规划。两种路线的阵营构成如何？技术天花板在哪里？谁又能最终成为智驾领域的主流方案？一系列核心问题亟待梳理与解答。

一、阵营对决：WA 与 VLA 的拥护者格局

从当前市场落地情况来看，WA 与 VLA 的拥护者呈现 “头部引领” 与 “多点开花” 的不同格局。

在 WA 阵营，华为是绝对的核心推动者。截至今年 7 月，搭载华为乾崑智驾系统的车辆规模已突破 100 万辆，辅助驾驶累计行驶里程达 40 亿公里；到 8 月底，与华为合作的上市车型数量增至 28 款，覆盖 “五界” 系列及岚图、方程豹、奥迪等多个知名品牌。华为选择 WA 而非 VLA，背后有着深层技术考量。清华大学车辆与运载学院助理研究员颜宏伟分析指出，WA 的核心优势在于能将感知、预测、决策、规划整合到同一模型框架中，打破环节割裂的壁垒，更贴近人类驾驶员的认知逻辑。在关键性能上，WA 的决策响应速度显著更快 —— 高速公路突发并线场景下，WA 响应仅需约 100 毫秒，而 VLA 则需近 200 毫秒，这意味着 WA 能更快速地调整车辆动作，降低碰撞风险。同时，WA 可直接融合处理雷达感知数据与视频影像，对数据细节的保存和识别更完整，例如在雨雾天气中，WA 对 150 米外静止车辆的识别准确率比 VLA 高出约 37%。

不过，WA 的高门槛也限制了其阵营扩张。颜宏伟提到，WA 不仅研发投入巨大、对车端算力要求极高，在极端场景下的表现也存在不足。研发层面，WA 需要搭建 WE（云端世界引擎）与车端专用芯片的协同架构，仅华为乾崑 2024 年的研发投入就超 100 亿元，投入研发人员达 8000 人，这样的资源规模远非中小车企所能企及。硬件成本上，WA 车端成本比 VLA 高 40% 以上，难以在中低端车型中普及。应用场景中，极端强光或弱光环境下 WA 算法仍有缺陷，山区弯道通行成功率也比城区低 15%，这些问题仍需持续优化。

相比之下，VLA 阵营的车企数量更为庞大，小鹏、理想是其中的代表。近期上市的全新小鹏 P7 搭载了 VLA 大模型，理想刚发布的 i8 也采用 VLA 技术路线。理想汽车自动驾驶研发高级副总裁郎咸朋看好 VLA 的安全潜力，预测未来 VLA 能将事故间隔提升至人类驾驶的 10 倍 —— 人类驾驶员平均约 60 万公里发生一次事故，而 VLA 有望达到 600 万公里一次。

VLA 的吸引力主要源于其落地优势。清华大学人工智能研究院视觉智能研究中心主任邓志东表示，VLA 在文本语言认知上更具优势，不仅能接收各类动态子任务输入，还可通过文本语言完成知识的导入与导出，实现系统知识增强。数据层面，VLA 可利用互联网文本数据预训练，大幅降低对专业驾驶数据的依赖，初期数据获取成本仅为 WA 的 1/3；交互层面，VLA 支持自然语言指令，更便于用户操作；落地效率上，VLA 开发周期更短，适合车企快速推出产品。当然，VLA 也有明显短板：复杂路口决策准确度不足，限制了其在复杂交通场景的应用；面对未经历过的极端工况，决策可靠性有待提升，且需依赖人工标注补充数据，但人工标注效率较低，制约了技术演进速度。

二、上限博弈：两种路线的技术天花板差异

当前，WA 与 VLA 已形成直接竞争态势，二者的技术上限差异也逐渐清晰。行业普遍认为，WA 的上限更高，但实现难度更大、所需周期更长，对算力、数据和标准的支撑要求也更严苛 —— 仅华为匹配一款车型的 WA 系统，最快就需要 6-9 个月。

在颜宏伟看来，WA 的终极目标是构建 “数字孪生式” 驾驶决策系统，核心指标体现在三个方面：一是场景覆盖率，通过 WE（云端世界引擎）的扩散生成模型技术，可高度模拟各类极端驾驶场景，持续为 WA 模型提供训练数据。目前 WA 已能覆盖约 95% 的真实驾驶场景，未来目标是实现 99.999% 的覆盖率，几乎应对所有可能的驾驶情况；二是决策正确率，L4 级自动驾驶 WA 模型的目标是将人机接管率降至每千公里 0.1 次，优于 VLA 的每千公里 1.2 次；三是硬件依赖度，邓志东指出，WA 在演进过程中有望逐步减少对激光雷达数量的依赖，未来或能实现纯视觉方案下的全场景通行 —— 当前多传感器融合方案中，雷达数量越多虽感知越准，但成本也越高，WA 若能在视觉感知算法上突破，将大幅降低硬件依赖，助力规模化推广。

VLA 的技术上限则受限于自身特性。颜宏伟提到，VLA 在将三维立体驾驶环境转化为一维语言时，容易丢失数据细节，这会给极限场景决策带来误差。此外，VLA 更擅长 “红灯停、绿灯行” 等场景的关联推理，却缺乏对物理因果的理解 —— 例如急刹车时重心转移对轮胎抓地力的影响，这类认知缺失导致 VLA 在冰雪路面的事故率高于 WA。邓志东还补充道，VLA 的核心矛盾在于 “拟合人类习惯” 与 “超越人类安全阈值” 的冲突：语言模型的训练目标是贴合人类驾驶习惯和语言表达，但自动驾驶需要比人类更保守、更安全的策略，例如急速变道场景中，人类习惯可能存在风险，而 VLA 会倾向于拟合这种习惯，这使得 VLA 在实现高安全目标时面临更大挑战。

三、终极之争：阶段性选择与未来可能性

对于 “谁是智驾终极方案”，不同阵营的车企仍各持己见，而行业专家则给出了更具前瞻性的判断。

VLA 的支持者认为，VLA 的核心价值在于 “人机协同友好”—— 通过语言交互让驾驶策略更透明，缓解用户焦虑，非常适合 L2 + 智驾的过渡阶段。在这一阶段，驾驶员仍需关注路况，VLA 的语言交互能提供更直观的辅助。郎咸朋强调，VLA 具备挖掘数据背后逻辑推理的能力，可模拟人类的思考与解决问题方式，且 VLA 架构的迭代能力结合世界模型中的强化学习，能让 VLA 司机大模型性能快速进化，预计明年下半年其人工接管次数（MPI）将达到 1000 公里 1 次。

WA 阵营则用数据证明其可靠性。华为数据显示，搭载 WA 的 ADS 4.0 辅助驾驶系统，在深圳、上海等超复杂城区的平均百公里接管次数为 0.8 次，优于主流 VLA 方案的 1.5 次。颜宏伟认为，WA 更有可能成为终极方案，核心原因在于它能建立对世界的认知与建模，与人类驾驶逻辑一致，在不确定性和长尾事件中能保持稳定与一致。而 VLA 虽部署灵活、成本低，短期内能推动落地，但受限于数据丢失、物理因果理解不足等短板，更适合作为阶段性方案或过渡路线。

值得注意的是，行业并未否定 “融合路线” 的可能性。颜宏伟提出，未来或许会形成 “底层以 WA 世界建模为核心，上层结合 VLA 交互与推理能力” 的架构，既具备可解释性，又拥有快速适应性；也可能在 AI 技术新突破的推动下，出现超越当前 WA 与 VLA 的全新架构。

邓志东则强调，当前自动驾驶仍处于规模化商业化的探索阶段，各类技术方案都在试错与迭代中，暂时无法判定谁是终极方案。未来，更优秀的解决方案必然要能更可靠地解决安全性问题与产业落地难题 ——“没有最优，只有更优”，这才是技术演进的核心逻辑。