长城VLA：嗯，是「真」第一梯队！

在人均第一梯队、个个遥遥领先的本土自动驾驶角斗场里，长城汽车一直是宣发上比较保守、但研发上相当激进的独特存在。

犹记得2021年，长城率先量产上线高速NOA，落地时间和功能体验上完全可以跟新势力蔚小理比肩。

2022年第三季度，更是一度跟小鹏、华为争夺城区NOA本土首发的头衔。

当然了，在吵架最为激烈的2023年，由于技术路线选择失误、算法团队量产经验不足，经历低谷期的长城一度退出了跟头部智驾玩家的竞赛。

不过，进入2024年之后，凭借深厚的技术直觉和远见，长城卷土重来，率先落地了端到端。

在行业大多玩家还在打磨传统端到端方案的2025年，长城汽车悄然成为本土首家推送VLA辅助驾驶方案的传统车企。

这一系列低调扎实却不大为人所熟知的事实告诉我们，是时候重新审视一下长城汽车在自动驾驶上面的实力了。

作为一项技术密集型的复杂系统工程，自动驾驶系统的开发理念、方法论、技术和工具始终处于不断进化的动态演进之中。

不带着大家考古了，反正进入感知-决策实现全链路端到端的软件2.0时代后，一切都变了。

和分模块方案相比，端到端的优点在于，一则，通过减少中间环节，实现了信息的高效无损传递和可控的延迟。

二则，借助神经网络可以捕捉数据背后隐藏的更通用统计规律和特征的优势，系统具备了举一反三、应对未知和复杂场景的泛化能力。

三则，完全数据驱动，可利用数据闭环+海量数据显著提升模型迭代优化的效率，再加上高效利用计算资源、减少资源浪费等一系列优势，端到端方案迅速颠覆了分模块方案。

对于这么一种一举颠覆过去十年技术路线的吊炸天新方案，业界的第一反应是犹豫的、迟疑的。

所以，虽然闻道无先后（特斯拉23年8月份正式对外公开量产了端到端FSD），但转型有早晚。

正在那些在规则时代积累了大量软件资产、不愿意放弃马奇诺防线的玩家们还在犹豫不决之时，长城汽车战略投资的元戎启行，没有丝毫的迟疑和犹豫，果断转型了端到端。

总之，由于转型迅速且坚决，虽然不曾像小鹏汽车和理想汽车宣传得那么锣鼓喧天。

但从时间线上来看，长城汽车端到端方案的量产时间并不比这俩“全球唯二”、“本土首发”晚。

小鹏于24年7月30日的AI智驾技术发布会上宣布了端到端大模型的量产上车，理想虽然是在24年7月初发布了基于端到端和VLM视觉语言动作模型的双系统方案，但其双系统方案的内测推送是7月30日，跟小鹏汽车的发布会卡在了同一天。

长城汽车的端到端智驾大模型SEE在8月21日上市的魏牌全新蓝山上实现了量产搭载，要说量产落地，长城比小鹏和理想只早不晚。

时隔一年之后，长城汽车再一次率先所有传统车企推出了VLA方案。

不要觉得哑然，这事儿实属自然而然。

因为，从VLA也采用端到端神经网络形式来看，从（传统）端到端到VLA，根本就不存在技术赛道的切换。

不仅不存在切换，更重要的是，VLA能够复用端到端实战中的各种资源。

理想汽车曾经表示，端到端技术能力的上限是VLA技术能力的起点，上限即起点，是因为端到端方案的成功落地，提供了VLA破土而出的先决条件。

一则，端到端打通了感知、预测、决策、规划的壁垒，奠定了处理海量原始数据的技术框架，为后续的VLA或世界模型处理更为复杂的多模态信息奠定了模型架构和算法的基础。

二来，端到端催生了适应大模型开发的数据闭环体系，围绕数据驱动迭代的工程体系，正是训练VLA这类更大、更复杂的模型所必需的基础设施。

没有在端到端的实践中建设起来的这套数据工厂，VLA的训练将无从谈起。

最后，在端到端的战场上构筑起来的数据壁垒，建立起来的对数据、算力和工程的深刻理解，磨练出来的AI原生研发思维、组织文化、驾驭技术不确定性的战略耐心与定力，使得长城汽车完成了一场认知、组织和文化的全面进化。

这次能够领先行业大部分玩家量产端到端2.0时代的VLA方案，也清楚无疑地表明，长城已经从一时的领先做到了体系性的领先。

明人不说暗话，虽然诸多玩家在VLA和世界模型上打了不少的口水仗，但是，正如小鹏汽车在AI科技日上所表达的那样，VLA大模型也是世界模型。

既然都是追求让自动驾驶车辆像人一样建立起对物理世界的统一理解并具备生成式交互能力。

那么，VLA和世界模型在底层本质上就是统一的，两者的区别并没有营销战宣传得那么明显。

所以，长城汽车没有卷入VLA和世界模型的无聊口水战，而是用以用户价值为起点，选择VLA路线，克服传统端到端方案场景理解能力不足、黑盒特性的一系列缺陷。

从物体识别进化到场景理解，是高等级自动驾驶系统需要的核心能力。

物体识别的前提是感知，而场景理解的前提是推理，再进一步，推理的前提是常识，没有常识带来的语义理解能力，永远解决不了层出不穷的长尾问题。

VLA里的大语言模型恰可以提供复杂场景推理所需的常识，结合视觉信息，VLA可以理解场景背后的含义和潜在风险，并基于预判能力进行逻辑推理，实现拟人化决策和防御性驾驶。

至于端到端方案的黑盒特性，在更广义的AI层面，几乎所有AI系统都面临如何帮助人类建立信任感的老大难。

如果驾驶决策过程不透明，尤其是在发生非预期行为时，难以追溯其行为背后的原因，我们恐怕很难建立对自动驾驶系统的信任感。

参照DeepSeek R1引入了CoT思维链，VLA也可以将推理过程可视化，在一定程度上打开黑盒，帮助消费者建立对智驾系统的信任感。

流水不争先，争的是滔滔不绝。

无论是抢跑端到端，还是率先拿出VLA方案，长城汽车以极深的技术远见和不为喧嚣所动的战略定力，向我们清晰地展示了一条通往高等级自动驾驶的可行路径。

从打磨端到端的基本功，到迈向VLA的无人区，长城的每一步都踩在了技术演进的核心节点上，华丽丽地跻身第一梯队了。

嗯，是「真」第一梯队！