【太平洋科技快讯】12 月 10 日消息，理想汽车自动驾驶负责人郎咸朋发布长文，回应此前宇树科技 CEO 王兴兴对 VLA（视觉-语言-动作）模型的质疑。王兴兴曾称 VLA 为“相对比较傻瓜式的架构”，并对此持比较怀疑态度。

郎咸朋在回应中指出，他与王兴兴的根本分歧在于：王更看重模型架构本身，而他则认为模型的关键在于与整个具身智能系统的适配，并在此基础上，数据是起决定性意义的。

基于理想 VLA 自 9 月上车以来的实践，郎咸朋阐述了三点心得：其一是理想的 VLA 本质是生成式模型，用类似 GPT 的方式生成轨迹与控制信号，已在部分场景中展现出对物理世界的“认知涌现”和拟人行为；其二是由于极高的算力需求，世界模型更适合在云端进行仿真测试与数据生成，而非直接部署于车端；其三是理想之所以坚持VLA方案，正是得益于其通过数百万车辆建立的数据闭环优势。

郎咸朋进一步强调，自动驾驶必须被视为一个完整的具身智能系统，需要感知、模型、操作系统、芯片、本体（如底盘）等各部分软硬协同。他举例说明，理想自研的底盘系统会对控制信号进行精细化调校，以实现“身体”与“大脑”的协同价值。

最后，他指出理想汽车所拥有的海量真实驾驶数据是独特优势，并透露理想 VLA 的未来将不仅服务于现有汽车产品，也将支撑未来的“汽车类具身机器人”。