针对自动驾驶技术路线的争议，理想汽车高管郎咸朋给出了明确回应。文章深入阐述了为何VLA被视为最优解，其核心并非单一模型优劣，而是基于百万量级数据闭环的整体系统能力。通过OTA 8.1的具体效果验证，揭示了自动驾驶未来发展的关键在于系统协同，而非架构空谈。
智能速览
理想明确VLA是其自动驾驶最优模型方案。
OTA 8.1通过2K感知与决策优化验证了VLA方法论。
具身智能的本质是感知、模型到底盘的整体系统能力。
VLA的生成式特性使其能处理未学习过的新场景。
理想的百万车数据闭环是坚持VLA路线的底气所在。
精华内容
技术路线的争论终将归于实际效果，理想汽车正通过系统化的工程实践，为其选择的VLA路径提供坚实佐证。
疗效验证
OTA 8.1的更新是VLA方法论有效性的直接体现。
在感知层面，理想采用了2D ViT技术，将感知分辨率从1K提升至2K，使识别距离从100米延长至200米。这意味着车辆能更早发现红绿灯并执行平顺制动，提升了乘坐舒适性。
决策层面，通过约600万Clips的优质驾驶数据对模型进行重新训练，使得车辆在主辅路切换等场景的无效变道行为明显减少，决策精准度得到优化。
系统论逻辑
VLA的核心优势在于其与理想汽车整体系统能力的深度适配。
郎咸朋指出，世界模型更适合用于云端的高逼真度仿真和数据生成，而车端的实时推理则由VLA执行。这种分工体现了务实的架构思考。
更重要的是，理想的数据闭环并非追求几何意义上的完美轨迹，而是学习真实驾驶行为。其保留约40%存在轻微偏向或不严守限速的驾驶数据，正是为了让VLA理解并生成更接近人类的自然驾驶风格。
具身智能
理想的回应将自动驾驶置于具身智能的宏大框架下。
其未来方向是发展“汽车类具身机器人”，这需要感知、模型、操作系统、算力与底盘的全栈协同。VLA作为核心，能够融合视觉、语言与行为，生成统一的驾驶逻辑。
这种系统思维延伸至执行层，例如VMM模块会根据策略动态分配卡钳与液压制动的比例，以平衡安全与舒适，证明了单项技术突破无法构建真正的智能体。
技术路线的争论不会停歇，但理想已通过系统化的工程实践，为其选择的VLA路径提供了清晰的佐证。自动驾驶的未来或许不在于哪个模型“最好”，而在于谁能构建出数据、模型与硬件高效协同的完整系统。这场关于具身智能的探索，才刚刚开始。
