在智能科技飛速發展的當下，自動駕駛與具身智能機器人領域正經歷著前所未有的變革。2025年末，首批L3級自動駕駛車型獲得準入，標志著中國智能駕駛產業正式邁入新紀元。與此同時，具身智能機器人領域在過去一年間也取得了令人矚目的進展，從年初抓取蘋果都困難重重，到如今疊衣服成為行業入門任務，甚至穿鞋帶這樣曾被視為遙不可及的精細操作也已被成功攻克。

在這場技術躍遷的背后，VLA（Vision-Language-Action，視覺語言動作大模型）技術扮演著至關重要的角色。與傳統的端到端模型不同，VLA將語言理解與推理能力引入物理世界的決策鏈路，賦予機器“看了就懂、懂了就做”的認知能力。這一創新性的技術框架，不僅為自動駕駛和機器人領域帶來了新的發展機遇，也引發了行業內的廣泛關注和討論。

自動駕駛領域，VLA技術的引入旨在解決傳統算法在長尾問題上的泛化性不足。傳統自動駕駛系統通常依賴模塊化設計，包括感知、預測和規控等模塊，但這些模塊在面對復雜多變的道路場景時，往往難以做出準確決策。而VLA技術則通過引入語言模態，利用大模型的泛化能力和推理能力，使自動駕駛系統能夠在遇到未見過的場景時，通過思考和推理做出更合理的決策。例如，在施工場景中，VLA技術能夠理解各種非結構化的標識牌，并據此規劃出安全的行駛路線。

在機器人領域，VLA技術的應用同樣廣泛。具身智能機器人需要完成各種復雜任務，這些任務往往涉及長程規劃和精細操作。VLA技術通過語言模態，使機器人能夠理解人類指令，并將任務拆解為一系列子任務來執行。例如，當機器人聽到“幫我做一杯咖啡”的指令時，它能夠將這一抽象指令分解為拿出杯子、倒入咖啡粉、加入熱水等具體動作原語，并依次執行。這種能力極大地提升了機器人的靈活性和適應性，使其能夠更好地融入人類生活。

然而，VLA技術的興起也伴隨著爭議。在2025年世界機器人大會上，宇樹科技創始人王興興公開質疑這一技術路線，認為其在安全性、準確率和效率等方面存在不足。這一質疑引發了行業內的熱議，也促使研究者們更加深入地思考VLA技術的本質、挑戰與前景。

針對VLA技術的爭議，小米汽車智能駕駛VLA技術負責人陳龍和上海交通大學計算機學院助理教授穆堯從不同角度進行了回應。陳龍認為，VLA技術雖然目前存在一些問題，如效率不高、幻覺問題等，但其潛力巨大，是現階段最能實現物理世界AGI（通用人工智能）的框架之一。他強調，語言是人類智慧的結晶，互聯網上的大量數據融合了人類的很多智慧，VLA技術通過利用這些數據，能夠學習到人類對世界的定義和價值觀，從而做出更合理的決策。

穆堯則從機器人領域的角度出發，認為VLA技術為機器人帶來了前所未有的機會。他指出，具身智能機器人與傳統的機器人研究不同，更關注泛化性，包括對場景的泛化性、視覺和物理上的泛化性等。VLA技術通過引入語言模態，使機器人能夠更好地理解人類指令，并在復雜環境中做出靈活應對。雖然目前VLA技術在機器人領域的應用還面臨一些挑戰，如數據獲取困難、模型部署復雜等，但隨著技術的不斷發展，這些問題有望逐步得到解決。

在探討VLA技術的未來發展方向時，陳龍和穆堯都提到了數據的重要性。陳龍指出，自動駕駛領域的數據獲取相對容易，因為所有跑在路上的車都可以回流作為專家數據。而機器人領域的數據獲取則困難得多，目前主要依賴仿真合成數據和人類采集數據。為了解決這一問題，穆堯提出了“人-數字人-機器人”一體的架構，希望通過搭建從人的行為到機器人行為的調節管道，提高人類數據的利用效率，并為仿真合成數據注入人類豐富的行為信息。

除了數據問題外，VLA技術的安全性也是研究者們關注的焦點。在自動駕駛和機器人與人類交互的過程中，安全性是至關重要的。穆堯認為，強化學習是提升VLA技術安全性的有效手段之一。通過強化學習，可以使機器人在意識層面和行為動作層面都更加安全可靠。陳龍則強調了系統層面上的安全性冗余設計，他認為在自動駕駛這樣對安全性要求極高的場景中，需要多個網絡做兜底，以確保在VLA模型出現錯誤時能夠及時做出安全操作。

在實時性方面，VLA技術也面臨一定的挑戰。由于語言決策邏輯的加入，模型的響應時間可能會變長。為了解決這一問題，研究者們提出了多種方案。例如，采用雙系統設計，將VLA作為慢通路負責深度思考，同時采用另一個快系統負責快速響應；或者采用異步推理設計，使推理和執行過程并行進行，以提高系統的整體響應速度。這些方案都在一定程度上緩解了VLA技術的實時性問題。