特斯拉和华为都指明了方向：世界行为模型，就是VLA的下一站！

华为车BU CEO靳玉志最近的一些访谈抛出的观点，很值得人细细琢磨，他除了挑战特斯拉的纯视觉技术路线之外，他还表示世界行为模型是友商押注的VLA的下一站。

我比较认可靳玉志先生的这些个观点，接下来跟大家说出个一二三。

在飞速发展的智能电动汽车行业中，分析师要紧密跟随形势的发展，不怕打脸地不断变换自己的观点。

比如，未来的汽车到底需要使用多少芯片，在芯片上需要花多少钱，每隔半年就得重新审视一番。

主要原因在于，随着智能座舱AI等级的提升，以及智能驾驶系统从辅助驾驶向有条件自动驾驶再到高等级自动驾驶的升级，AI芯片的成本正在随之大幅度攀升。

能真正实现高等级自动驾驶的AI芯片的成本到底有多高呢？

我们可以找几个参考点。

第一个来自英伟达。

英伟达雷神（参数丨图片）系列中有一款2000TOPS算力的芯片，售价在3500美金左右。

第二个锚点来自特斯拉。

在最近的一次访谈中，马斯克表示用于擎天柱的AI芯片的物料成本将会高达五千到六千美金甚至更高。

它说的应该是号称能跑2000亿参数大模型的AI 6芯片的成本，对比英伟达H100 4万美金的价格，这个数字真的一点都不夸张。

几年后的特斯拉FSD中的AI芯片成本大概也是这一数字。

如果说在目前的L2+++辅助驾驶阶段，单颗英伟达雷神Thor-U千把块美金的价格，大家咬咬牙还能承受得住，算法效率高不高并不怎么重要。

那么，在L4级自动驾驶AI芯片超预期的成本压力下，算法是否足够高效就显得非常重要了。

和VLA方案相比，世界行为模型突出的优点之一就在于直接在视频和动作之间做映射，没有语言转换的中间层，算法效率更高。

VLA以大语言模型为核心，引入了并不只是面向自动驾驶任务的语言智能，存在视频到语言、语言到动作的双重转换，不可避免地存在能力冗余，浪费和无端消耗推理芯片的算力。

算法是否高效对成本控制至关重要，毕竟把后槽牙咬碎了也很难消化几千美金的成本，一台车才挣多少钱呢？

作为与生俱来的本能和探索世界的方式，学习原本是独属于人类的专有能力。

当人工智能发展到连接主义占主导的深度学习阶段之后，AI也开始展现出持续学习的能力。

跟人类通过反复的检索、试错和反思在大脑中建立稳固的神经通路一样，深度神经网络通过前向传播“试错”，通过后向传播“反思”，在一次次的训练中修正着神经网络的结构和参数。

人类可以从少量非结构化的原始素材中主动地抽象和提炼出结构化的知识和规律，从少量的样本中学习出复杂的概念。

而且拥有眼耳鼻舌身意六根的我们，天生擅长处理包括语言、图像、声音、触觉等各种模态的非结构化信息。

此外，人类还擅长通过强大的归纳和推理能力构建出因果模型，从而拥有强大的泛化能力。

相比之下，人工智能的学习效率极低，需要通过海量经过清洗和标注的结构化数据进行训练，要依靠数字化和向量化的显式特征才能够挖掘出数据中的统计关联，且不具备真正的因果理解能力。

在学习/训练的效率上，采用监督学习的VLA跟采用自监督学习或无监督学习的世界行为模型也存在一定的差距。

VLA中的大语言模型虽然在预训练阶段采用了效率更高的自监督学习，但是，VLA司机大模型的训练需要大量经过视觉、文本模态对齐的标注数据。

相比之下，世界模型的训练数据中自带标签，跟大语言模型采用互联网文本进行预训练时，每个文本字符的下一个字符都是当前字符的监督标签一样，车辆传感器系统采集的视频数据下一帧数据便是当前时刻数据的监督标签。

这种无需标注的自回归或无监督学习，才能以更高的训练效率提升AI系统的智能等级。

前段时间，某平台辅助驾驶测试引发了广泛的争议。在争议中拿了第一的特斯拉掌门人马斯克看热闹不嫌事大，发表了一个评论表示将再接再厉，使用世界模拟器来解决没有测试通过的野猪横穿场景问题。

老马口中的世界模拟器就是云端世界模型，这是推动自动驾驶不断前行的核心引擎。

在自动驾驶系统的训练和测试中，世界模型有两个主要的作用。

第一是生成长尾场景，以大规模合成数据来应对实车采集长尾场景难度越来越高、成本不断上升、效率不断降低的难题，突破数据瓶颈的难题。

第二是提供一个模拟的训练场，让自动驾驶Agent不断地试错、探索、优化驾驶策略。

一方面可以快速验证技术的安全边界，提供有确定性的安全感，另一方面通过自主进化，超越人类驾驶极限。

通过学习并内化现实世界中物体运动学、动力学和场景时空连续性等物理法则，理解时空和物理规律的世界模型具备了生成与预测的核心能力。

生成侧重于在云端生成高仿真的虚拟场景数据，预测侧重于在车端预测周围环境的短期未来轨迹，其背后的核心能力均是对物理世界的准确建模。

这种核心能力的一致性使得在云端训练的超大参数规模的世界模型可以通过剪枝、蒸馏的方式，部署到车端的轻量级模型中。

能力的顺利平移，或许正是华为、蔚来选择世界模型路线的核心原因之一。

至于世界行为模型是不是VLA的下一站，最终还是要边走边看。