智能驾驶VLA模型的架构范式与厂商路线

这份研报的最大价值在于把行业从"端到端大词"拉回到"显式动作头+扩散解码"的工程细节，但买方需要警惕三层隐含假设：第一，VOA是终局的论断建立在"语言-视觉-动作三者必须语义对齐"这一前提上，但小鹏二代VLA已经用"去语言中间层"打了反证——如果视觉本身就足以驱动动作，那千里的"思维链隐空间"和理想的"快慢双系统"反而可能是过渡形态，技术收敛的方向未必是单一VOA。第二，30Hz推理帧率被报告反复提及，但真正决定量产的是"车规级SoC的有效算力/能效比"——小鹏图灵芯片、英伟达Orin/Thor、高通Ride等芯片方案的进展节奏才是关键变量，报告对此着墨偏少。第三，元戎启行"12小时数据闭环"听着性感，但前提是已有海量高质量corner case数据池+仿真闭环基础设施，新进入者无法复制，实质上是头部供应商的护城河再加固。横向看，Waymo的Emma迁移自Gemini走"通用基础模型+驾驶微调"路线，特斯拉FSD走纯视觉端到端，国内理想/小鹏/千里则在做"中国特色corner case（加塞、电动车、混合交通）"的工程深耕——这意味着中国玩家的胜负点不在模型架构，而在高质量中国路况数据+车云闭环+车规芯片的三位一体能力。报告未充分讨论的风险还有：①L3以上监管未明朗，VOA的"黑箱"决策反而可能拖累责任认定；②城市NOA渗透率到顶后，VLA的边际改善能否撑起溢价存疑；③合资/外资品牌在2026-2027年若用"Waymo式基础模型"反扑，国内先发优势可能被稀释。读者接下来要盯的核心指标：理想Ultra车型2026Q1的MindVLA推送节奏与用户接管率、元戎启行40B以外是否放出更大参数量版本、小鹏图灵芯片的实测有效算力、千里与主机厂的定点合作落地，以及2026年L3政策窗口。