摘要：随着智驾的普及，当下各大车企都在智驾上投入重金进行研发，各种新科技、新名词也层出不穷，行业已形成四大技术流派鼎立的格局：VLA（视觉-语言-动作）模型、VLM（视觉语言模型）、世界模型与端到端自动驾驶系统。这四大技术路线并非孤立演进，而是呈现"你中有我"的融合

随着智驾的普及，当下各大车企都在智驾上投入重金进行研发，各种新科技、新名词也层出不穷，行业已形成四大技术流派鼎立的格局：VLA（视觉-语言-动作）模型、VLM（视觉语言模型）、世界模型与端到端自动驾驶系统。这四大技术路线并非孤立演进，而是呈现"你中有我"的融合态势，共同推动着L3级自动驾驶的商业化落地。

从市场渗透率维度观察，L2级辅助驾驶已实现规模化普及，2025年Q1数据显示，L2智驾装配率达51.3%，相对来说，L3级及以上高阶智驾仍受限于法规与技术瓶颈。

在技术供给端，头部阵营呈现"两超多强"格局：特斯拉凭借FSD V12端到端系统占据技术制高点，华为"车路云一体化"方案构建生态壁垒；第二梯队中，理想汽车的MindVLA、蔚来的NWM世界模型、小鹏的XNGP端到端系统形成差异化竞争优势。

值得关注的是，技术路线选择正深刻影响着产业格局。采用VLA路线的车企，如理想汽车，通过自然语言交互与动作预测的深度融合，在城市场景的复杂交互中展现优势；坚持端到端路线的特斯拉，则通过数据闭环实现模型持续进化。这种技术分野直接映射到供应链体系：VLA/VLM路线催生对大模型训练芯片的旺盛需求，而端到端方案更依赖海量真实道路数据积累。

这些技术各自有什么优劣？发展情况如何？车企实力排名是怎么样的？谁在真自研谁在吹牛X？

VLA：让车“眼观六路，脑动一体”

我们先来看一个曝光率比较高，也是目前技术较为前沿的VLA模型。简单来说，VLA（视觉-语言-动作模型）就是让车像人一样“边看、边想、边行动”，自己做出决策。

比如，你开车时遇到一个没信号灯的十字路口，左边来车，右边有行人，导航还提醒“前方右转”时，VLA系统就能同时处理摄像头画面、导航指令和车辆状态，直接输出转向、刹车或加速的指令，不用像传统方案那样分模块接力处理。

在落地层面，大家比较熟悉的是理想汽车的MindVLA，这套系统将会在理想I8上首发。消息称，MindVLA能够支持城市NOA（导航辅助驾驶）功能。

举个例子，北京早高峰的西二旗路口，MindVLA能同时识别闯红灯的电动车、施工围挡和导航提示的绕行路线，直接规划最优路径，省去了传统方案中“感知-规划-控制”三步走的延迟。

从技术路线上看，VLA技术正在向“更大参数、更复杂场景”进化。但是，VLA的难点在于数据获取成本，如果要训练一个能应对全国路况的模型，需要至少百万公里的真实道路数据，以及消耗较高的算力，综合成本较传统方案高20%~30%，毕竟需要一个天量的数据池。

行业认为，2025年将会是VLA技术落地元年，第一梯队以理想、小鹏等车企为代表，陆续会在30万以上的中高端车型中搭载；其次是比亚迪、吉利等车企，正在自研或合作开发VLA融合模型。

不过随着芯片算力的提升以及技术的成熟，VLA模型2025-2027年VLA将从高端车型向主流市场下沉，高盛报告显示，VLA模型主导的端到端方案可能至2030年占据L4级市场60%份额。

VLM：让车“看懂”世界

VLM（视觉语言模型）的核心能力，是把摄像头看到的画面“翻译”成文字描述，再结合导航数据优化决策。

比如，你开车经过一个陌生路口，VLM能识别路牌上的“施工绕行”提示，同时结合导航生成绕行路线，甚至通过语音告诉你“前方500米右转，进入临时车道”。

蔚来的NIO World Model（NWM）是一项比较有代表性的VLM模型应用。NWM能在100毫秒内生成216种可能的行驶轨迹，并基于3秒视频输入预测未来120秒的交通场景。

截至2025年，视觉语言模型（VLM）处于早期爆发阶段。当前全球汽车专用VLM市场规模约3亿美元，年增速超11%，在国内，头部阵营（理想/小米/华为） 已跑通商业化闭环，主流车企自研的VLA模型能直接输出控制信号，城区高阶智驾覆盖率达到了90%，技术成熟度比较高。

世界模型：给车装个“平行宇宙”

世界模型听起来科幻，但本质其实是“虚拟环境模拟器”。在原理上，世界模型是通过摄像头和传感器数据，构建一个动态的交通场景模型，让车在“虚拟世界”中预演可能的行驶轨迹。

举个例子，在高速公路匝道汇入时，世界模型能提前模拟相邻车道车辆的加速意图，从而更早调整车速和位置。

特斯拉的FSD V12系统是非常典型的世界模型。它通过海量视频数据训练，支持从摄像头输入到控制输出的全流程处理。在国内，蔚来的NWM模型同样也依赖世界模型做决策，通过生成式仿真测试，验证车辆在复杂交互场景中的性能。

在发展方向上，世界模型正在从“单点模拟”向“全场景覆盖”进化。头部阵营中，特斯拉凭借自研10亿级参数端到端4D模型（如Cosmos）实现了全国无图智驾覆盖，华为乾崑ADS 3.0则融合通信技术优势，路测里程突破2亿公里，形成“车路云一体化”壁垒。

以小鹏XNGP、理想AD MAX为代表的第二梯队，依托世界模型基本实现了城市无图导航，但端到端模型还没实现全端推送，尚处于发育阶段。

端到端：从“模块化”到“一体化”

自特斯拉的FSD之后，端到端智驾模型成为热词。在技术上，端到端是用一个神经网络“包办”从传感器输入到控制输出的全过程。

比如，在泊车场景中，端到端系统能直接通过摄像头图像输入，输出方向盘转角、油门刹车等控制指令，无需传统方案中的“感知-规划-控制”三模块串联处理。

商业化落地方面，端到端技术已经形成了“三级梯队”分化。头部玩家如特斯拉、华为已构建“算法-芯片-数据”闭环；第二梯队的小鹏、理想借助DeepSeek等工具压缩模型规模至5亿参数，加速端到端模型上车；第三梯队的蔚来、小米虽在场景推演能力上突破，但受制于第三方算法依赖，在技术上还有进一步提升空间。

当前，全球L2级自动驾驶渗透率已达51%，但L3级及以上技术仍受限于法规空白与算力瓶颈。随着头部企业通过垂直整合构建技术护城河，2025年或成行业并购重组关键窗口，而未能突破端到端技术瓶颈的厂商将面临技术淘汰的考验。

供应商和车企的技术竞赛

在智驾技术狂奔的赛道上，供应商技术同样在快速迭代。元戎启行、商汤绝影等企业手握VLA、世界模型等核心技术，通过“技术+成本”组合拳加快产业布局。

以地平线征程6芯片为例，该方案基于VLM模块，把推理延迟做到了低于100ms，并把硬件成本压缩至激光雷达方案的1/3，直接推动L2级智驾功能下探至15万元级市场。

另外，Momenta的“双系统并行”方案，更是在保障安全冗余的前提下，覆盖了1000万+长尾场景，装机量也非常大。

但车企也有车企自己的考虑，自研能构筑技术护城河，获得供应链上游的利润。特斯拉Dojo超算与4D模型的绑定，华为“车路云一体化”的生态壁垒，都是很典型的案例。

当然，除了技术层面，我们更应该警惕的是营销泡沫，毕竟涉及到安全问题。政策端，L3级准入试点要求企业公开测试里程及接管数据，工信部更明确“禁止夸大自动驾驶级别”。

这记警钟提示行业：智驾竞争终将回归工程化能力，而非营销话术。

总之，无论哪种智驾方案，在内卷的大环境下，最终都会在短时间内进入淘汰赛，头部玩家通过“算法-芯片-数据”闭环收割市场，尾部玩家或被并购或沦为代工厂。而消费者需牢记：能买到的技术，才是真技术。

来源：滴星视界