都是“世界模型”（World Model）惹的禍。比如，作為讀者的你，WM、WEWA、VLM、VLA你能分清嗎？
確實，在“端到端”大模型火了之后，“世界模型”的出現，讓高端智駕的概念變得豐富和復雜起來。然而，問題也就出現了。怎么才算真正的“世界模型”呢？還有跟VLA是個什么關系？
最近有人“打假”。“不知道中國有哪些友商真正做出VLA而不是做成一個變形的VLA，我現在所看到的部分公司，是做一個嫁接的VLA，從我所了解的信息來看，中國把VLA真正做出來的，只有我們一家。”
這是8月27日何小鵬在全新小鵬P7發布會后群訪時爆出來的一番話。雖然沒說明對象，但是，在小鵬之前宣布VLA量產上車的，只有理想。
不僅如此，還有對VLA和世界模型都不滿意，說要做WEWA的。
就在同一天，華為智能汽車解決方案BU CEO靳玉志出來講，“我們不會走向VLA的路徑。我們認為這樣的路徑看似取巧，其實并不是走向真正自動駕駛的路徑。”
原因在于，“華為更看重WA，也就是World Action，中間省掉Language這個環節……直接通過Vision 這樣的信息輸入控車，而不是把各種各樣的信息轉成語言，再通過語言大模型來控制車。”
所以，我們得回答一個問題，小鵬為什么炮轟友商的VLA？華為怎么也噴VLA？
在車端，在云端？
先說下VLA（視覺-語言-行為大模型）。實際上，在VLA火之前，端到端＋VLM基本是智駕行業主流技術方案之一。我們可以這樣理解，VLA是在端到端＋VLM基礎之上的技術進化形態，解決了端到端＋VLM的一些局限性。
同樣，在一定程度上，VLA“原生融合”的更高級模式也有賴于端到端＋VLM“外掛”模式的技術積累。
不過，雖然VLA有很好的可解釋性，可空間的感知能力很弱，這也是華為省掉Language這個L的原因。華為直接上了WA（World Action）。
有人反對就有人同意，元戎啟行就很挺VLA。元戎啟行的CEO周光發布自家的VLA模型時，稱“VLA模型的下限已超過端到端的上限”。周光也稱，“語音控車只是VLA的基礎能力，最難的是思維鏈（Chain of Thought, CoT）和長時序推理。這才是VLA真正的核心能力。”
再說，為啥炮轟友商，說自己才是真的VLA？原因不好說，但小鵬發布的全新P7車型，在硬件配置上進行了大幅升級，一口氣搭了三顆圖靈芯片，而且計劃9月通過OTA上車VLA。
當然，理想跟小鵬不同，是在車端用快慢雙系統，快系統為端到端E2E，慢系統的VLM（Vision-Language Model，視覺語言模型）部署參數為22億（2B）。
隨后，理想還在端到端+VLM的基礎上升級，英偉達2025春季GTC大會上理想自動駕駛技術研發負責人賈鵬說，理想從零開始設計和訓練基座模型，它將支持理想實現MindVLA（Vision-Language-Action,視覺-語言-行動）智駕算法模型的量產上車。
實際上，理想所謂的基座模型就是世界模型，部署在云端，以“仿真訓練+場景驗證”為核心，作為端到端+VLM系統的“考試系統”。理想用了車端的VLA這個概念來做營銷而已。
但很明顯，小鵬對于部署在車端搞VLA是嗤之以鼻的，因為參數量根本不夠。李力耘認為，車端的“端到端”模型很小，有些東西很難學進去，但通過云端大模型的能力，能夠真正有一些智能“涌現”。
而此前2025款小鵬X9上市發布會上，小鵬汽車自動駕駛副總裁李力耘就表示，小鵬正在研發720億（72B）參數的超大規模自動駕駛大模型，即“小鵬世界基座模型”。
小鵬世界基座模型是一個以大語言模型（LLM）為骨干網絡，使用海量駕駛數據訓練的多模態大模型，具備視覺理解、鏈式推理和動作生成能力。小鵬的方法，是通過云端蒸餾小模型的方式，將基座模型部署到車端。從云端到車端。
李力耘還表示，“真的就是大道至簡，因為暫時不去考慮部署的問題，先通過最簡單的模型、最純粹的架構、最海量的數據，達到一個真正超越涌現的、你未曾想到的，可能在現在‘端到端’看來都是驚喜、未來都是日常的這樣一個能力的涌現，這是我們最大的不一樣。”
我們不能忽略一點，行業進化過程中，好不容易才從兩段式端到端進化到一段式端到端，VLA也好，世界模型也好，都是在嘗試和試錯階段的新方法，本來沒什么對錯。現在為這個爭，其實還是因為博弈。
對于這些概念，地平線的相關負責人則在HSD體驗日上就我的問題表示，“不管是我們現在講的端到端，加VLM還是VLA，還是World Model，本質上它都是一個端到端。只是說，我覺得在國內，大家過于去強調新的理念和概念。”
“外掛”的對與錯
說起來，“世界模型”這個做法（概念很早就有了）是誰提出來的呢？特斯拉。馬斯克提出了“世界大模型”這個做法。
這個世界模型的作用是什么？是特斯拉為了實現全球范圍內所有路況的自動駕駛，在感知跟決策中間，嵌入了一個AI大模型，主要是構建一個虛擬環境，以便進行自動駕駛能力的學習和驗證。
做法是，首先將真實世界的數據轉化為虛擬環境，就是所謂“重建”。然后，虛擬環境幫助系統在不同條件下進行能力驗證和優化，即“生成”數據。這個“外掛”AI大模型與決策規劃控制部分緊密相連。
而在國內，首先提出這個概念的是蔚來。2024 NIO IN（蔚來科技創新日）上，蔚來智能駕駛研發副總裁任少卿發布蔚來世界模型（NIO World Model，簡稱NWM），并宣布蔚來智駕從“感知驅動”轉入“認知驅動”。
當然，雖然都叫世界模型，馬斯克的WM，和蔚來提出的NWM，華為提出的WEWA，還是有差異的。
具體而言，蔚來的世界模型是想一步到位，直接在車端構建一個平行世界引擎。換句話說，采用云端訓練+車端推理的雙架構，直接通過生成式模型（如SORA）生成軌跡規劃，也就是從原始的傳感器數據直接生成控制指令，跳過L這個語言中間層。
這里插一句，根據比較專業的說法，世界模型，就是視頻生成加prompt控制。而視頻生成有四大類型，基于對抗網絡GAN的，基于擴散模型的，基于自回歸模型（基本上就是transformer）的和基于掩碼的。
其中，擴散模型再分為Stable Video Diffusion（SVD）和Stable Diffusion（SD）兩種，據說特斯拉就是用的SVD。而大名鼎鼎的SORA則是復合型，SORA模型的核心組成包括DiT、VAE和ViT（這個太專業了，略過不提）。
蔚來的設想是“無需人工標注”。底層邏輯，是把“感知-決策-控制”整合為統一的生成式模型，然后一切都在車端瞬間完成。
但這一設想和操作有個BUG。這對車端的算力需求極高，且生成式模型的實時優化問題并未完全解決。直到2025年5月底，NWM才正式全量推送。革命尚未成功，同志仍須努力呀！
而華為提出的云端+車端的WEWA模型和蔚來的WM其實原理一樣，其中，云端的WE（World Engine，世界引擎）相當于“AI駕校”，車端的WA（World Action Model，世界行為模型）則是采用一段式端到端架構的“AI駕駛大腦”。
從算力來說，華為WA總參數規模相當于80億參數（8B）模型，實際激活等效20億參數（2B）模型的算力負擔，華為講，車端算力消耗降低75%。請注意這個數據，可以跟理想對比一下。
其實，說到底，生成式世界模型之所以被用來解決智駕的數據難題，是在于以世界模型生成Corner Case數據，讓智駕系統在這個虛擬環境中通過“狀態→動作→獎勵”的循環來優化感知和決策能力。而且，需要車端和云端的共同作用。所以，既然講的角度不一樣，那還不如是騾子是馬拉出來溜溜再說。
相對于VLA，地平線的相關市場負責人是這么講的，“我可能會更看好World Model一些。同時，還是回到那個點，所有新技術的采納，最終要看產品的收益在哪？因為這些東西它萬變不離其宗，到最后都是一個端到端的模型。如果你帶不來收益，那我就不太會去用。”
還有一點是比較現實的，“所有的新方法，它的好處是什么？它前50%的收益是好拿的，后50%的收益是賊難拿的。但是，你像端到端這種，你的整個收益沒有拿好的情況下，去拿別的收益的話，也會有很多問題。所以，最終我覺得評判的標準就一個，這個方法在產品上的收益高不高？”