华源证券：
《2025当自动驾驶与机器人共振，详解VLA与世界模型报告》

（完整版.pdf ）
以下仅展示部分内容
下载方式见文末

一、报告主题与核心观点

本报告系统分析了**视觉-语言-动作模型（VLA）**在自动驾驶与具身智能（以人形机器人为代表）中的演进路径、技术瓶颈与工程落地前景。核心观点认为：

• VLA模型是自动驾驶从“功能实现”走向“类人体验”的关键技术范式，其本质是知识驱动对数据驱动的升维；

• 具身智能（如人形机器人）是自动驾驶的升维问题，但受限于数据采集、硬件标准化、仿真环境等多重挑战，仍处于早期探索阶段；

• 车端VLA落地前景明朗，机器人VLA尚需时间，二者在数据、算力、标准化等方面差异显著；

• 理想汽车与小鹏汽车在VLA模型部署与工程化方面进展领先，具备先发优势。

二、VLA模型的定义与演进逻辑

1. VLA模型的定义与结构

• VLA（Vision-Language-Action）模型是多模态大模型的子集，融合视觉、语言、动作三种模态，具备从感知到决策再到执行的端到端能力；

• 典型架构包括：多模态编码器（视觉/语言输入）→ 大语言模型（推理与语义理解）→ 动作解码器（轨迹或控制指令输出）；

• 代表模型包括：Waymo EMMA、Open Drive VLA、小米ORION、理想Mind VLA、Open VLA、Helix、ViLLA等。

2. 自动驾驶范式的演进路径

• 阶段一：规则驱动（模块化算法）→ 阶段二：数据驱动（端到端模仿学习）→ 阶段三：知识驱动（VLA模型+大语言模型）；

• 知识驱动的核心优势：具备类人推理、泛化能力、解释性，能解决长尾场景、复杂博弈、极端工况等问题；

• 关键转折点：多模态大语言模型（LLM）引入，使模型具备“理解世界”的能力，推动从“第三人称智能”向“第一人称智能”跃迁。

三、VLA在自动驾驶中的工程落地挑战与解决方案

1. 核心矛盾：工程部署能力

• 模型层面：

• 3D空间理解：3D Gaussian Splatting（3D GS）成为获取高质量中间表征的关键技术；

• 长时序记忆：引入QT-Former、动态记忆模块、稀疏注意力机制解决长程规划问题；

• 计算效率：通过模型量化、MOE架构、投机推理等手段实现端侧部署；

• 训练层面：

• 世界模型构建仿真环境，实现闭环强化学习；

• 训练流程：行为克隆 → 逆强化学习 → 强化学习；

• 数据层面：

• 汽车场景结构单一、任务明确、数据标准化程度高，具备规模化采集优势；

• 世界模型可用于生成仿真数据，解决长尾场景不足问题。

2. 典型车端VLA架构

• 理想Mind VLA：六大关键技术（3D编码、MindGPT、Diffusion轨迹生成、RLHF、世界模型强化学习、端侧优化）；

• 小米ORION：QT-Former实现长时序记忆，Bench2Drive闭环测试表现优异；

• Waymo EMMA：首个端到端多模态模型，具备CoT推理能力，但部署受限；

• Open Drive VLA：强化3D感知与车辆-环境交互，开环测试表现良好。

四、具身智能（人形机器人）是自动驾驶的升维问题

1. 技术瓶颈：数据闭环难以建立

• 任务复杂度更高：机器人需处理多场景、多任务、多模态交互，数据维度远高于汽车；

• 自由度极高：人形机器人可达40+自由度，数据采集、映射、控制难度极大；

• 硬件未标准化：本体构型、传感器配置、通信协议尚未统一，导致数据孤岛；

• 仿真环境要求高：需具备物理交互能力，当前仿真平台（如Isaac、DISCOVERSE）仍不成熟；

• 算力瓶颈：端侧芯片无专用方案，功耗、体积、散热限制严重。

2. 破局思路

• 标准化先行：统一本体构型、通信协议、传感器配置，建立可复用的数据体系；

• 模型闭环训练：实现端到端可训，引入世界模型+多模态数据（如触觉）提升物理交互能力；

• 数据策略：从互联网视频、人类演示、仿真数据中迁移学习，构建通用策略模型。

3. 典型机器人VLA架构

• Open VLA：首个开源7B参数机器人VLA，支持消费级GPU部署，具备商业潜力；

• Helix：首个双系统架构，支持200Hz连续控制，具备零样本泛化与多机器人协同能力；

• ViLLA（智元GO-1）：利用互联网视频+人类演示数据，实现小样本泛化与“一脑多形”适配。

五、投资建议与风险提示

1. 投资建议

• 推荐关注：理想汽车、小鹏汽车

• 核心逻辑：

• 理想汽车：已完成从整车企业向AI企业的战略转型，Mind VLA模型具备工程落地能力，预计2025年实现L3级自动驾驶；

• 小鹏汽车：坚持“底层自研、全链自主”，VLA-OL模型已上车，云端算力达10EFLOPS，图灵芯片即将量产。

2. 风险提示

• 技术路径未收敛，存在被颠覆风险；

• 汽车行业价格战加剧，销量不及预期；

• 宏观经济波动影响汽车与机器人消费。

六、总结性观点

• VLA模型是下一代自动驾驶的核心范式，其知识驱动特性将重塑用户体验与产品定义；

• 具身智能是自动驾驶技术的自然延伸，但受限于数据、硬件、仿真等瓶颈，仍需中长期投入；

• 理想与小鹏在VLA模型的工程化落地方面具备领先优势，有望率先实现商业化闭环；

• 行业正处于“iPhone 4时刻”前夜，标准化、数据闭环、模型泛化能力将是未来的决胜点。

【中国风动漫】《雾山五行》大火，却很少人知道它的前身《岁城璃心》一个拿着十米大刀的男主夭折！

如需获取更多报告

扫码加入

“人工智能产业链联盟”

知识星球，任意下载相关报告！

报告部分截图

声明

来源：华源证券，人工智能产业链union（ID:aiyuexingqiu）推荐阅读，不代表人工智能产业链union立场，转载请注明，如涉及作品版权问题，请联系我们删除或做相关处理！

编辑：Zero

文末福利

1.赠送800G人工智能资源。

获取方式：关注本公众号，回复“人工智能”。

2.「超级公开课NVIDIA专场」免费下载

获取方式：关注本公众号，回复“公开课”。

3.免费微信交流群：

人工智能行业研究报告分享群、

人工智能知识分享群、

智能机器人交流论坛、

人工智能厂家交流群、

AI产业链服务交流群、

STEAM创客教育交流群、

人工智能技术论坛、

人工智能未来发展论坛、

AI企业家交流俱乐部

雄安企业家交流俱乐部

细分领域交流群：

【智能家居系统论坛】【智慧城市系统论坛】【智能医疗养老论坛】【自动驾驶产业论坛】【智慧金融交流论坛】【智慧农业交流论坛】【无人飞行器产业论坛】【人工智能大数据论坛】【人工智能※区块链论坛】【人工智能＆物联网论坛】【青少年教育机器人论坛】【人工智能智能制造论坛】【AI/AR/VR/MR畅享畅聊】【机械自动化交流论坛】【工业互联网交流论坛】

入群方式：关注本公众号，回复“入群”

 

戳“阅读原文”下载报告。