特斯拉也开始用VLA技术了吗？

时隔多年，特斯拉终于再次公开分享技术进展，在计算机视觉顶会ICCV（International Conference on Computer Vision）上曝光了FSD的核心架构。其中一个技术细节引起了行业热议，不少人猜测特斯拉是否也在采用VLA方案。

VLA与世界模型的路线之争，作为2025年最具话题性的技术方向，如今终于迎来马斯克的亲自站台了吗？

特斯拉也在用VLA？

特斯拉自动驾驶副总裁阿肖克·埃鲁斯瓦米（Ashok Elluswamy）近日作为嘉宾，在ICCV上发表了题为《在特斯拉构建机器人基础模型》（Building Foundational Models for Robotics at Tesla）的主题演讲。

这是特斯拉时隔三年首次对外公开技术细节。上一次技术分享还要追溯到2024年的特斯拉AI Day，当时埃鲁斯瓦米也参与了分享，提出的占用网络新范式引领了行业变革。

不过这次演讲内容目前尚未公开，仅流出了一页PPT，但信息量极大，引发了广泛讨论。

从模糊的图像中可以看到，这页PPT的标题是《可解释性与安全性保障》，这些都是当前自动驾驶领域的重要议题。

图像下方展示了FSD的核心架构。目前FSD已经被整合为一张大型神经网络，能够输入多模态信息，图中涉及的内容包括摄像头视频、导航信息、自车运动状态和语音数据。

输出端则包含了全景分割信息、3D占用网络、3D高斯渲染、语言输出，以及特斯拉用省略号代替不想透露的输出信息，最终汇总经过推理后输出动作指令。

这张图显示和隐藏的信息，与国内玩家当前的一些认知不谋而合，主要有两点。

VLA与世界模型之争，迈向大模型阶段

首先，特斯拉当前的架构最终输出了语言信息，引发了很多人的猜测。众所周知，今年行业除了在传感器选型上存在分歧之外，在软件算法路线上也出现了新的争议，即VLA和世界模型之争。

前者以元戎启行和理想为代表，后者以华为和蔚来为代表。也有一些玩家认为应该将二者结合起来。

支持VLA的玩家认为，这种范式一方面可以利用互联网已有的海量数据，积累丰富常识，进而理解世界。另一方面，模型通过语言能力实际上具备了思维链能力，能够理解长时序数据并进行推理。

甚至有从业者表示，个别不走VLA路线的玩家，是因为自身缺乏大算力芯片供应，进而无法承载大模型。

世界模型的拥护者们则坚信，世界模型更接近问题本质。华为车BU CEO靳玉志认为“VLA这样的路径看似取巧，并不能真正走向自动驾驶”。

知名AI科学家、蔚来智能驾驶副总裁任少卿近期在采访中也表示，世界模型在时空认知能力上比VLA具有“更高的带宽”。也就是说，能够识别和利用更多的信息。

不过他也认可语言在当前阶段很重要，在数据训练、逻辑推理和人机交互上有很大价值。

回到特斯拉的曝光信息来看也是如此，语言在自动驾驶中有着很重要的应用。

有人据此认为，特斯拉也在使用VLA技术。但也有人表示这可能只是特斯拉识别到了道路上的标识，然后将其转化为了语言。你怎么看？欢迎在评论区讨论。

其次，综合当前曝光信息来看，特斯拉FSD已步入大模型阶段，而且参数规模仍在扩大。

此前元戎启行在VLA发布会上就认为，行业当前已进入大模型时代。更大参数量的模型，需要更大算力芯片支撑，所以大家可以看到今年涌现了许多1000TOPS甚至2000TOPS的新车。

特斯拉即将上车的新一代智能辅助驾驶芯片，据测算力也将直奔2000TOPS，模型参数也将提高十倍，算法能力值得期待。

或许是出于对未来能力的足够自信，近期FSD重启了激进模式。在这个小版本更新几天前，FSD还重启了疯狂麦克斯模式（Mad Max Mode），整体驾驶风格很激进，有车主分享的视频片段显示，FSD在该模式下带着他在晚上的洛杉矶车流中闪转腾挪，疯狂变道加塞。看上去比开直升机的通勤效率都高。

埃鲁斯瓦米看到后也推荐了两个适用该模式的场景，比如说你快赶不上飞机了，或者说急着接孩子放学。

埃鲁斯瓦米本人的社交平台更新停留在ICCV演讲的前一天，所以关于特斯拉FSD V14如今用了什么魔法，还是未解之谜。

已知的是，特斯拉停止对外分享后，中国玩家仍然在持续突破，不管是VLA还是世界模型，都是在无人区的探索。

即便特斯拉选择了其中一个方向，也不代表这就是标准答案，正如何小鹏所说，“实际上，国内任何一家有实力AI玩家，早就不care马斯克在做什么了”。

车辆本体告别BBA崇拜后，中国自动驾驶算法，也正在告别特斯拉崇拜。