3月10日消息，据媒体报道，理想汽车正在研发下一代VLA（视觉-语言-动作）智驾大模型，目标是于今年下半年实现项目落地。

理想汽车在去年二季度财报电话会议上表示已启动端到端VLA模型的研究，将两个模型合二为一，使多模态大模型内化为端到端智驾大模型的一种能力。

那么，VLA智驾大模型与此前的智驾系统有何区别呢？

VLA智驾大模型结合了端到端和VLM（视觉语言）多模态模型的优势，能够提升智驾系统对复杂场景的理解能力，从而提高智能驾驶的精准度。

与端到端大模型相比，VLM对图像和场景的理解能力更强，但端到端大模型存在决策不可解释以及难以处理部分场景的缺陷。

当前，VLA是智能驾驶领域的核心竞赛之一，理想汽车、吉利汽车和元戎启行都在积极推动其落地。

然而，VLA的落地面临较大挑战，除了模型研发需要时间外，目前市面上的芯片性能大多无法支持其运行。

不过，英伟达即将量产的Thor系列芯片有望解决这一问题。