先讓AI學會害怕，再讓它握緊方向盤

以VLA模型，推動智駕從執行走向思考。

PART 1

破局：從路牌困惑到“讀懂”世界

元戎啟行研發VLA模型，在智慧駕駛無人區開啟“瘋狂冒險”。從概念到落地，他們用堅持詮釋技術信仰，讓智慧駕駛從“執行”邁向“思考”。

2024年6月的一個炎熱下午，周光乘坐測試車經過公司附近的一處紅綠燈，一個不起眼的交通牌提示"車輛左轉不受燈控"，測試車依舊停下等待紅燈變綠。

那一刻，他盯著後視鏡裡不斷鳴笛的車輛，意識到：人類司機能瞬間理解這類特殊場景，但即便是當時最接近人類駕駛能力的端到端模型，也因無法理解文字路牌未能透過。

這個問題在他心裡種下了一顆種子，後續的內部會議上，他與研發團隊幾次提起這個問題。

與此同時，元戎啟行正在探索通用人工智慧的多元路徑。RoadAGI實驗室裡誕生了VLA原型，它具備環境語義理解能力，能完成取放物品、避障行走等簡單任務。

在一次Demo演示中，周光發現這個能根據環境資訊和語言指令自主決策動作的模型，與需要解讀複雜路況的智慧駕駛模型有著驚人的相似性，不同的是它能夠理解語義資訊。

這給了他很大啟發，彷彿密碼鎖最後齒軌的咬合，思路迷宮轟然中開。隨著ChatGPT等大語言模型爆發，周光與團隊更加確定：當現階段端到端模型陷入corner case泥潭時，融合語言理解的VLA或許能開闢新航道——這不是簡單的技術疊加，而是讓機器真正開始“讀懂”物理世界。

2024年9月，元戎啟行將VLA模型提升為公司級研發專案。

在技術發展的浪潮中，時間往往至關重要，這是一場早於行業的“技術豪賭”。引領者從不等“風口”，而是提前看見風的方向。

元戎啟行作為一家人工智慧企業，始終相信AI技術將重塑生產力關係，引領第四次工業革命的到來。在眾多AI衍生應用中，元戎啟行選擇智慧駕駛作為突破口，因為它能打破數字與物理世界的壁壘。

隨著輔助駕駛技術大規模上車應用，元戎啟行打造的基座模型將藉助駕駛行為與物理世界深度互動，進而洞悉其運作規律。無論是“無圖”方案、端到端模型，還是VLA模型，元戎啟行始終圍繞AI技術解決問題。

但最難的從來不是技術本身，而是在無人區找到那條對的路。VLA模型的出現，讓智慧駕駛從“執行者”邁向了“思考者”——它開始理解“為什麼這樣開”，而不僅僅是“怎麼開”。

這是VLA模型的優勢，也是研發之路的開始。

PART 2

攻堅：在荊棘中定義“安全”邊界

當決定了新的技術方向，大家都興奮不已，希望作為行業技術引領者，率先研發出更好用的智慧駕駛方案。但當著手開始做，才發現了重重困難。

一方面，VLA在智慧駕駛領域研究應用少，可參考的專業知識匱乏，研發人員需大量閱讀資料後逐步摸索；另一方面，公司面臨客戶量產壓力，主線資源傾向量產專案，且新技術效果有不確定性，VLA研發只能保守推進，進度緩慢。

"最開始，我們都被VLA的'語言天賦'迷住了。"產品經理石傑回憶道。

VLA模型具備強大的文字理解及OCR識別能力，團隊投入大量精力攻克潮汐車道、可變車道、待轉區等文字理解場景。

當測試車順利通過當初困擾大家的“車輛左轉不受燈控”指示牌，並給出文字解釋其駕駛決策過程時，車上的人非常激動，這解決了現階段端到端系統的“黑盒”問題，透過思維鏈（CoT）實現透明化推理，極大增強使用者的信任度。

同時，VLA模型在網際網路學習海量知識，能夠處理很多corner cases，例如識別超載小貨車、路面上的輪胎等等；還可以透過語音互動控車，即時對話駕馭車輛。

然而，一次測試中的驚險一幕，讓所有人對VLA的期待有所轉變。

測試車在橋洞正要左轉，目之所及沒有任何車輛，測試車勻速前進，突然竄出一個外賣騎手迫使車輛緊急重剎，車上的人都嚇了一跳。大家反思如果是老司機開車，一定會在橋洞盲區提前減速避免風險。

這點醒了所有人，安全才是輔助駕駛的生命線，使用者需要的是一個真正安全的輔助駕駛系統，能夠主動預判和規避風險，這比“語音互動”更為重要。

對整個場景的高階語義推理是目前端到端系統缺乏的，卻是VLA更擅長的，這一刻，“防禦性駕駛”成為VLA模型的核心進化方向。

技術可以不斷突破極限，但安全永遠是我們的底線。在安全、效率和舒適中，我們努力找到一種平衡，讓輔助駕駛成為使用者日常愛用的出行方式。

研發之路也充滿技術攻堅，VLA模型研發人員肖毅正在摸索。VLA模型的研發要經歷架構設計、資料探索和規模化、模型驗證、部署上車、持續迭代等流程。在架構設計時，起初肖毅計劃雲端推理，將大語言模型部署雲端，資料回傳至車端控車，但實車上路雲端到車端的時延太大，例如車速60km/h，假設時延需要2s，在拿到雲端結果時，車已經向前跑了33米，在這期間實際路況已經發生變化，對於需要及時響應的場景，行駛安全將受到極大威脅。一個月後，研發團隊放棄了雲端推理，改為本地部署模型。