理想汽車自動駕駛負責人郎咸朋發(fā)表長文，回應(yīng)宇樹科技CEO王興興對VLA模型（視覺-語言-動作）的質(zhì)疑，王興興表示當下火熱的 VLA 模型（視覺-語言-動作）是“相對比較傻瓜式的架構(gòu)”，并表示“保持比較懷疑的態(tài)度”。郎咸朋認為，脫離海量真實數(shù)據(jù)的模型架構(gòu)是“空中樓閣”，看療效，而非空談架構(gòu)。理想之所以堅持VLA，是因為他們背后有超過150萬輛車的真實行駛數(shù)據(jù)（已超3.12億公里）作為支撐，這讓模型能不斷學習、進化。他強調(diào)，理想的VLA本質(zhì)上是生成式模型，通過GPT方式生成軌跡和控制信號，已在某些場景下展現(xiàn)出對物理世界的認知涌現(xiàn)。此外，郎咸朋指出，世界模型更適合云端數(shù)據(jù)生成和仿真測試，而理想的VLA模型則依賴于數(shù)百萬輛車構(gòu)建的數(shù)據(jù)閉環(huán)，以實現(xiàn)接近人類的駕駛水平。
郎咸朋進一步闡述了具身智能系統(tǒng)的重要性，包括感知、模型、操作系統(tǒng)、芯片和本體等部分的協(xié)同作用。他以底盤的VMM模塊為例，說明了精細化調(diào)校對自動駕駛控制信號的重要性，以及如何實現(xiàn)“身體”和“大腦”的協(xié)同價值。郎咸朋還提到，理想汽車能夠比友商更早落地VLA，得益于公司在數(shù)據(jù)、算法、算力、工程方面的優(yōu)勢。目前，理想汽車的總算力為13EFLOPS，其中3EFLOPS用于推理，10EFLOPS用于訓練。郎咸朋預(yù)測，如果明年理想汽車能做到1000MPI，VLA將迎來ChatGPT時刻。
CONTACT US
ICC APP
