不断提高模型的认知能力，让汽车从“按规则开车”变成“靠理解开车”，最终迈向通用智能体，这始终是智驾行业躲不开的核心命题。
这种共识在2026北京车展期间的几场发布会和对话中被反复放大。在蔚来和小鹏身上，这种融合表现得尤为具象，首创车端NWM世界模型，结合自研技术平衡技术迭代与成本的关系；小鹏第二代VLA实现了感知、决策、规控全链路端到端打通，极端场景接管率下降62%。
但怎么走，分歧却比共识多。“技术路线本来就没有收敛。”在北京车展上，一位世界模型的研究人员向21世纪经济报道记者判断道。
2025年，行业已出现VLA（视觉—语言—动作）和世界模型的路线之争。2026年3月英伟达GTC大会上，VLA与世界模型的技术路线分歧已公开激化。吉利汽车集团CTO李传海、Momenta CEO曹旭东等人均对VLA提出质疑。行业正分裂为两大技术阵营：“世界模型+强化学习”与“VLA大模型”。
行业的共识是，大模型是行业唯一出路，但演变成了两条更细的分岔路。华为车BU CEO靳玉志公开反对蒸馏，认为VLA的“云端大模型蒸馏成车端小模型”是取巧，幻觉在驾驶场景里致命。元戎周光反驳，问题不在蒸馏，在基座模型够不够强。卓驭沈劭劼走了第三条路，不做蒸馏，直接用原生多模态基础模型跨领域预训练，目标是“开箱即95分”。
2026年的智驾行业，共识与分歧并存，所有人都认可大模型是唯一出路。但行业一致共识的是，自动驾驶是通向物理AI的起点，而智能汽车正是第一个真正落地的智能体。
模型融合已是共识
2025年，VLA和世界模型的分歧，一度成为智驾圈关注的焦点。
2025年8月，理想、小鹏、元戎启行在两周内先后宣布VLA大模型上车。VLA被业内视为端到端方案的“智能增强版”。其名称中的V代表视觉感知，A代表动作执行，而中间的L则是大语言模型，它的功能是用语言数据训练模型做隐式逻辑推理。
同期，华为、Momenta押注世界模型。两条路线的分歧点在于：VLA认为“理解”是驾驶的前提，世界模型则认为“预测”才是关键。
靳玉志曾公开表示VLA是“取巧”方案，华为选择的WA（世界行为模型）路线才能真正实现自动驾驶。世界模型的核心逻辑是：车不应该只处理当前画面，而应该在云端预演未来几秒会发生什么，再带着“预判”去开车。
2025年底，特斯拉FSD V14推送，把xAI的Grok大模型能力整合进导航和决策系统，模型参数量比V13提升了4.5至10倍，并将导航与路径规划功能全面整合至神经网络。Grok不是让特斯拉的座舱变得能聊天，它是让FSD的决策系统多了一层语言理解能力，能够处理更复杂的语义信息。
FSD V14的推出，让国内智驾公司第一次直观地看到，大模型能力不是在“VLA”和“世界模型”之间二选一，而是两者都可以做，而且可以一起做。
行业的共识开始向“融合”倾斜，国内迅速形成了一套被广泛接受的共识：视觉语言大模型做“大脑”负责认知推理，端到端小模型做“小脑”负责快速执行。
黑芝麻智能CEO单记章在2026智能电动汽车发展高层论坛上说道，VLA加上世界模型，是高阶智能驾驶未来最有可能的技术路线，而且有机会超越人类的驾驶能力。
“以前大家会做各种各样的小模型，检测行人、检测红绿灯……整个智驾体系里有非常多的小模型，带来巨大的负担。未来的趋势，是从多个小模型演变成一个很大的基座模型，希望它能够同时完成很多不同的任务。”元戎启行首席科学家阮翀在北京车展的发布会上说。
VLA负责感知当前环境、学习历史驾驶模式，决定下一步动作；世界模型负责推演未来5到10秒内，道路上每一个目标会如何互动。VLA擅长理解当下，但不擅长预测未来；世界模型擅长预测，但不对预测结果做反思推理。两者结合，才是完整的大脑。
融合的趋势正逐渐在行业头部玩家中落地。
分歧不止于算法架构
不走VLA路径的智驾方案商则采取了自己的融合模式，即强化学习融合世界模型。
北京车展首日，轻舟智航举办物理AI主题发布会，基于“世界模型+强化学习”统一架构的物理AI模型亮相，云端与车端双引擎首次完整发布。
“世界模型和强化学习，就是连接数字世界与物理世界的那座桥梁。它让我们能在数字世界里做无穷无尽的训练，再把能力赋予物理世界的车。”轻舟CEO于骞说。
而在这场非此即彼的争论之外，Momenta给出了自己的答案。北京车展上，Momenta正式宣布R7强化学习世界模型实现量产首发。
华为从头到尾都是世界模型路线的坚定执行者。车展前夕，华为乾崑发布了ADS5，其核心设计则是WEWA 2.0架构，由云端世界引擎+车端世界行为模型组成。
算法架构的分歧只是冰山一角。业内主流做法是从开源的AGI大模型蒸馏出小模型上车，但参数砍完后能力受损，幻觉在驾驶场景里是致命的。
靳玉志在百人会论坛上明确反对蒸馏路线。他做了一个对比：VLA路线是在云端训练几百亿参数的大模型，再蒸馏成车端能跑的十几亿参数小模型；WA路线则是模型天生“长在车端”，不依赖蒸馏。在他看来，蒸馏本质是“取巧”，用一个通用大模型压缩出驾驶能力，却绕不开模型在驾驶场景中的幻觉问题。
另一个争议是大模型做“专”还是做“宽”？卓驭坚定选宽，其认为跨垂类能够分摊成本。
Momenta坚持的是一个统一的AI大模型去解决所有垂直应用。“我们相信的是一个自动驾驶的大模型能够实现所有的自动驾驶的垂直应用，并且做得更好。”Momenta CEO曹旭东说，“通用模型带来的价值就是，你在每一个vertical（垂直）的研发成本会大幅度地降低。每个垂直应用场景的经验和数据，汇总到大模型里，让每个垂直领域做得更好。”
元戎相对审慎，认为物理AI的上半场是自动驾驶，车是第一个能验证的场景，“因为只有车能提供如此海量的带动作的数据”。
但随着模型越来越大，车端算力不足，却是所有人都绕不开的硬约束。
一位主机厂的智驾业务负责人说，算力不够就只能靠车端堆更大的芯片来解决。阮翀在北京车展上提出了两套解法：一是蒸馏，用大模型教小模型，能力也会很强；二是相信算力硬件的持续进步，但现阶段依然要靠蒸馏来处理车端约束。
自动驾驶是物理AI的起点，智能汽车是第一个真正落地的智能体。2026年的北京车展上，分歧从未消失，但共识也从未如此清晰，大模型不是终点，它是通往物理AI的起点。
赢盈配资提示：文章来自网络，不代表本站观点。
