【VLA模型遭质疑：智驾的“终极答案”还是“傻瓜架构”？】
在车企集体押注VLA（视觉-语言-动作）模型的热潮中，宇树科技CEO王兴兴却泼了一盆冷水：他公开称VLA为“相对傻瓜式的架构”，直言对其应用前景“持怀疑态度”。
核心争议点：
VLA的“致命伤”：数据饥渴症
1.王兴兴指出，VLA依赖海量真实交互数据，但现实场景数据分布极不均衡（如人类驾驶中高速路占60%，乡间小路不足1%），导致模型训练偏科，长尾场景处理能力弱
2.宇树尝试用“VLA+强化学习（RL）”补救，仍杯水车薪。更棘手的是，机器人领域缺乏“RL缩放定律”，学新任务需“从零开始”，效率低下
替代方案：世界模型能否破局？
1.王兴兴力推“视频生成驱动”的世界模型：通过生成动作视频指导机器人执行任务（如“整理房间”指令→生成操作视频→机器人复现）。他认为该路线收敛更快，且对视频精度要求不高，GPU消耗可优化
2.车企早已暗中布局：理想用世界模型补足训练数据，蔚来强化其空间理解能力，但当前效果尚未惊艳
成本与能力的双重拷问
-国际机器人联合会主席Alexander Verl揭露VLA七大缺陷：无记忆、感知缺陷、动作缺失、物体混淆、低成功率等，且单模型训练成本超数千万美元
-相比之下，世界模型通过合成数据降本，但视频生成算力消耗仍是瓶颈
挺VLA派：理想、小鹏、华为等将VLA作为智驾核心
世界模型派：蔚来、宇树等探索视频生成路径，试图绕过数据荒
中立务实派：短期2-5年，端到端模型仍是主流；
所以你认同王兴兴的说法吗？你更看好VLA的“暴力美学”，还是世界模型的“生成式破局”？
智驾暗战智能驾驶VLA
