2月28日，财通证券发表研究报告称：VLA模型实现了高阶端到端智能。VLA即视觉语言动作模型（Vision -Language - Action Model），最早由DeepMind于2023年提出并应用在机器人领域。VLA不仅融合了视觉语言模型（VLM）的感知能力和端到端模型（E2E）的决策能力，更引入了“思维链”技术，实现了全局上下文理解与类人推理能力，它能够输入给定的文本和视觉数据，输出机器人可执行的动作，具有AI与物理世界交互的天然基因。同时，其系统透明与可解释性使得推理过程全程可求导，能够通过车载显示向用户解释驾驶逻辑，增强用户信任感。目前，VLA模型在自动驾驶的应用流程为数据获取与预处理、多模态信息融合、动作指令生产和执行与反馈。

VLA模型或于2025年量产落地，改写智能驾驶市场竞争格局。中国自动驾驶产业创新联盟调研员高超表示预计2025年VLA模型将量产落地，推动城区NOA渗透率提升。现阶段，智驾市场竞争焦点已从单纯的功能实现转向了更深层次的技术范式竞争，强调技术架构的先进性和可持续性。高盛最新自动驾驶报告显示，到2030年，VLA模型主导的端到端方案可能占据L4级市场60%份额，这意味着传统一级供应商的价值链地位面临重构。此外，苹果近期在机器学习研究页面发布了最新研究论文，提出了一种全新的大规模自博弈强化学习框架GIGAFLOW，用于训练通用、鲁棒的自动驾驶策略。这一研究突破，为VLA模型提供了新的训练方式，有助于进一步可能结合强化学习、自博弈训练等新兴技术，提升自动驾驶系统的智能化和泛化能力。