在智能驾驶领域，2024年的热门话题无疑聚焦于“端到端”技术。这一术语几乎成为了行业交流的必备词汇，其热度可见一斑。然而，在科技日新月异的今天，任何技术的迭代都显得不足为奇，“端到端”亦不例外。近期，VLA（Vision-Language-Action Model，视觉-语言-动作模型）作为“端到端2.0”的概念横空出世，迅速吸引了业界的广泛关注。
在探讨智能驾驶技术的演进过程中，不得不提及奇瑞的规划。根据公开信息，奇瑞计划在2026年完成VLA大模型的构建，并在2027年实现具身智能的突破。这一时间表表明，主机厂对于新技术的探索已步入深水区。然而，一个值得思考的问题也随之而来：VLA概念是否真的能够如此迅速地落地？
事实上，智能驾驶领域的概念更新速度令人咋舌。“端到端”技术尚未全面普及，其升级版VLA便已开始崭露头角。这一趋势不仅反映了技术的快速发展，也揭示了各大厂商在技术路线和投入上的不同侧重。例如，理想汽车推出的“端到端+VLM”双系统架构，以及元戎启行宣布的VLA计划，都预示着智能驾驶技术正朝着更加复杂、多模态的方向发展。
然而，技术的快速迭代并不意味着能够轻松落地。VLA技术的实现面临着诸多挑战，其中最为突出的便是算力需求。以理想汽车的“端到端+VLM”架构为例，该架构需要两颗英伟达Orin X芯片提供高达508Tops的算力支持。然而，即便是这样的配置，在现阶段的车端硬件条件下仍显得捉襟见肘。据行业人士透露，要真正支撑VLA模型的部署，可能需要等待英伟达最新一代车载AI芯片Thor的问世。然而，Thor芯片的量产时间和成本都是车企需要面对的现实问题。
除了算力挑战外，成本问题同样不容忽视。如果单颗Orin X芯片已经能够满足端到端技术的需求，那么搭载两颗甚至四颗芯片的车辆是否显得过于冗余？这种算力上的浪费无疑会增加车辆的成本，进而影响其市场竞争力。
VLA技术的实现还需要解决数据与信息深度融合的问题。这要求车企的智驾团队具备强大的模型框架定义能力和快速迭代能力。然而，在当前技术路线骤然升级的背景下，许多尚未发力端到端技术的玩家面临着更高的门槛。他们需要在短时间内跨越多个技术阶段，这无疑增加了他们的难度和成本。
在云端与车端的争夺中，智能驾驶技术的未来走向变得更加扑朔迷离。一方面，以端到端和VLA为代表的技术路线侧重车端；另一方面，以世界模型为代表的技术路线则侧重云端。随着下一代端到端技术的到来，算力需求将进一步增加，智驾话语权的争夺也将更加激烈。车企需要在云端和车端之间找到平衡点，以确保技术的顺利落地和成本的合理控制。
值得注意的是，数据量已成为下一代端到端技术的竞争核心。元戎启行CEO周光认为，要实现VLA技术，需要大量的数据支持。因此，谁能更快地达到大规模的车辆交付，谁就有可能在这场竞争中占据先机。然而，这也意味着车企需要投入更多的资源和精力来收集、处理和分析数据。
在特斯拉FSD V13版本发布后，其能力提升的幅度令人咋舌。这无疑给整个行业带来了巨大的压力。面对特斯拉的强势表现，其他车企只有继续加大投入、加快技术创新才能保持竞争力。在这场没有硝烟的战争中，谁能最终胜出还不得而知。但可以肯定的是，智能驾驶技术的未来充满了无限可能和挑战。
