辅助驾驶的分水岭好像要来了。
华为说了，不用VLA，用WA。

原来大家方案虽然有别但也没差那么多，架构主体都是模仿学习人类驾驶方式的“端到端”。使用体验区别没那么大。而以后VLA和WA的区别可能会很大。

理想现在率先把VLA量产上车了，这个东西可以简单理解为它像人类一样去看世界，因为有L（语言）在，它理解世界的方式跟人更像，能看懂交通标志、颜色、信号灯啥的。而WA是构建一个实时的世界模型，但里面的元素都是“像素化”的，它知道这些东西在哪儿，怎么运动，但不知道这些东西是啥。

所以VLA的优势是，你可以跟ta交流，比如让ta“停在前面那个白车后面”。因为系统用语言来理解世界、预测、执行，所以你知道ta每一步要干啥，为啥那么干。这也更有利于未来推动法规落地，因为系统不是黑盒，更容易评判和定责什么的。相比之下WA的系统是黑盒，你只知道ta干了什么，但是不知道ta为啥那么干。你也没办法跟ta交流，因为ta眼里的世界跟你的世界不一样，你俩不在一个维度上。

不过WA也有明显优势，那就是决策速度特别快，因为ta不需要把看到的东西转化成语言去理解。ta只看动态几何概率，而不是像VLA那样看懂这是个啥东西，然后做逻辑推理。所以WA从感知到决策的过程就很短，时延就少，反应速度更快。

其实特斯拉的主架构应该就是WA，所以特斯拉辅助驾驶开起来就很“老司机”，犹豫的时候少，时间也短。但是，ta看不懂各种标志，所以容易违章。

可以简单理解为，VLA是个人，WA是个没有感情的驾驶机器。

当然，不管用哪个架构，车企肯定都会努力优化它的短板，比如理想会努力优化VLA的时延。
其实他们已经把VLA的很多核心问题都解决了，比如模型太大（蒸馏后部署在本地了），时延和稳定性问题（在生成轨迹这一步外挂Diffusion扩散模型）。特斯拉应该也是外挂了一个负责看交通标志、看交警手势的模型，在一定程度上弥补WA“看不懂世界”的短板。

由于大家方向已经有了明显不同，未来几年我们可能会看到：
1，功能上区隔很大。比如在理想的车上你可以跟小理司机交流，告诉他怎么开车。但是有的车可能会在很长一段时间里没有这个功能。不过最终也应该会用一些多模块的方法来实现，不然根本走不到自动驾驶；
2，各家的辅助驾驶/自动驾驶能力可能会间歇性拉开，甚至越拉越大；
3，VLA可能是“慢热型”，它上限更高，但是初期可能不如WA来得那么“方便”。

目前，大家对未来的预测还不一致，有人认为WA更可能走到自动驾驶，有人认为VLA才是自动驾驶的终极解决方案。当然，不论是哪个，基本不可能是单一架构的，应该都是混合架构，比如VLA + Diffusion。
我之所以说VLA上限更高，是因为ta天生就更像人类，智能化程度更高。假如大家都解决了自家架构的短板，VLA最终会胜出。所以，主要的悬念不在方向，在于哪家能在自己的方向上走得更远。