元戎启行周光最新有关VLA的访谈内容：
周光认为，越理解AI的人，越不会质疑VLA。因为从AI发展的路径来看，大模型已经成为不可逆的趋势。VLA并不是一次冒险的押注，而是技术演进的必然结果。他断言，“智驾公司如果不能变成大模型公司，就是死”。
周光估算，做VLA的“入场券”是量产10万台车，只有在真实路况下采集到足够多的驾驶数据，模型才能具备泛化能力。VLA系统的表现，也将随着数据量的增长而持续提升。元戎启行选择直接在量产车上落地，而不是先从Robotaxi起步，原因很简单——Robotaxi的数据量太小，无法支撑大模型训练。截至目前，元戎启行已有超过10万台无图方案上车，并拿下5个VLA量产项目定点。
周光认为VLA是“更有感知力”的驾驶员，通过收集“恐慌数据”——比如人在危险场景下的减速反应、犹豫行为——让AI具备“害怕”的意识，从而学会趋利避害，从感知到认知的跨越，标志着自动驾驶开始学习人类的“情绪式驾驶逻辑”。
周光认为目前的车载算力尚未跟上，英伟达的Thor芯片只有1000 TOPS，而他认为合理的算力应在10000 TOPS级别，VLA目前的潜能还远未被完全释放。外界对VLA的质疑也不少——模型太大、成本太高、解释性不强。但如果回看AI发展史，从CNN到Transformer，再到GPT，每一次模型架构的演变，最初都伴随着质疑，只是当应用真正跑通后，质疑往往会消失。
补充：VLA，指的是视觉（Vision）、语言（Language）与动作（Action）结合的模型，与传统的CNN-based端到端系统不同，VLA是GPT-based架构，让汽车不仅“看得见”，还能“理解”和“推理”。司机可以用自然语言对车辆下达指令，比如“下个路口左转”或“保持60公里车速”，系统能理解语义并执行动作。具备空间推理能力，能在无法直接观测的场景下，推测潜在风险。比如在弯道或隧道中识别盲区风险，这种“防御性驾驶”能力，是传统端到端模型无法实现的。
新能源汽车元戎启行大V聊车
