视觉_语言_动作模型（VLA）产业研究：通往L3智能驾驶与具身智能之钥.pdf

视觉_语言_动作模型（VLA）产业研究：通往L3智能驾驶与具身智能之钥。中国智能驾驶产业正向 L3 迈进，高阶智驾需求仍有巨大待满足空间。当 前高速 NOA 功能已成为主流车型标配，价格下探至 15 万元以下，同时技 术进步带动价格下探与智驾市场扩容，城区 NOA 正进入 15-20 万元区间。 城市NOA预埋装配率稳步提高，中国L2级智能驾驶渗透率已经达到50%， 具备向 L3 发展的技术和硬件基础。随着 2024 年首批 L3 试点车企和试点 城市名单的公布，相关政策亦在逐步突破，2025 年有望成为 L3 落地元年。 在消费者层面，用户对智能驾驶大多持积极态度。20 万以上中高端区间各 价格段均有 55%以上的用户关注智能化，且 66%的用户已不满足于基础 L2 级辅助驾驶，智能驾驶已成为购车的重要因素。但由于智驾技术尚未完 全成熟，消费者对 L2 级别智驾在复杂场景下的信任度较低，L3 级为代表 的高阶智驾具有巨大市场发展前景。

智能驾驶技术正经历从“模块化端到端”向“全局端到端”的演变，视觉 -语言-动作模型（VLA）将成为实现全局端到端的关键突破技术。模块化 端到端为传统模块化结构与端到端的中间形态，分为感知层和决策层端到 端。一段式端到端则由一个神经网络模型完成全部操作，直接处理原始传 感器信息输出控制信号。随着模块化端到端技术的日臻完善、多模态大模 型的技术赋能、芯片的算力突破，一体化智驾大模型呼声愈高，VLA 应运 而生。视觉-语言-动作模型（VLA）以大语言模型为基础，能直接输出控 制信号，大幅提高了复杂环境适应能力和决策响应速度。但智驾发展仍面 临：数据规模影响模型性能、仿真数据精度欠佳、模型推理效率需提升以 满足实时响应要求、VLA 模型对算力需求高、政策监管趋严等诸多挑战。

在“向下智驾平权”+“向上技术升级”的趋势下，车企自研与第三方合 作的市场格局将发生变化，积累深、投入久的企业将具备在 L3 等高阶智 驾市场的竞争优势。2025 年产业掀起智驾平权浪潮使具备智驾功能车型 价格下探至 10 万元以下，智驾平权压缩了中低端车企成本空间，让具备 性价比优势的第三方供应商获得更多机会。而长期自研高阶智驾的头部车 企布局智能驾驶时间较长，多已实现完整技术路径的突破和技术积累，已 形成技术领先的消费者心智，受智驾平权影响相对较小，未来将能够坚持 自研路线。VLA 技术发展预示着以大模型为基座的智驾方案加速应用，汽 车企业逐渐向科技企业转型。L2-L4 的跃迁是长期资金、算力、技术、数 据的资源积累过程，因此产业链中积累深厚且投入持久的企业将具备 L3 等高阶智驾和市场竞争优势。未来，预计少数头部主机厂将维持全栈自研 战略以提供高质量智驾体验，而第三方龙头供应商则将凭借技术优势和性 价比覆盖更多市场份额，产业格局将因 VLA 技术的发展而加速变化。

自研 VLA 车企和智驾 VLA 供应商凭借所积累的供应链硬件协同能力和 技术迭代积累将在具身智能领域释放巨大发展潜力。具身智能是指能与环 境实时交互，实现感知、认知、决策和行动一体化的智能体。智能驾驶汽 车作为具身智能分支，其技术架构与机器人等一脉相承，在硬件传感器与 零部件、软件算法技术方面均有极大共通性。一方面，VLA 技术源于机器 人领域，两者结构相似，自研车企可将 VLA 技术低成本复用至机器人领 域，在算法上占据技术优势。另一方面，车企积累的供应链硬件协同能力， 使其能够快速涉足机器人产业，利用现有资源实现降本增效。目前，国内 外众多车企已通过自研、投资、合作等方式积极布局具身智能，将智能驾 驶技术经验迁移到该领域，有望打造为第二增长曲线。