昨天理想i8的卖点之一是VLA（不知道效果如何），一会我来聊聊自己对VLA的理解。 也就在最近，告诉我博世吴永桥刚刚谈过对VLA的看法，大家觉得是博世的观点对不对？
吴永桥还指出，尽管现在视觉-语言-动作（VLA）模型非常火爆，然而在短期内VLA也很难落地。
原因一是多模态大模型的特征对齐很难实现（视觉、语言、动作），语言模型很多时候还无法转化为执行决策，导致VLA无法实现稳定输出；二是多模态的数据获取和训练很难；三是当前所有的智驾芯片都不支持VLA模型。
“VLA模型要部署在智驾芯片上，达到行车安全、驾驶高度拟人化，模型规模必须要做到7B-10B左右，但是现在所有的智驾芯片都不是为（VLA）大模型设计的，带宽相对较小，仅仅一个3B的模型布置在英伟达Thor芯片上，频率都很难做到10赫兹。
VLA模型放到现在的芯片上，没法做到实时控车，现在的智驾芯片都不支持VLA模型的部署，可能要等到3、5年之后，真正能跑大模型的芯片才能支持VLA的落地”。吴永桥说。理想vla司机大模型博世端到端
