周光今天提到 VLA 几个细节：
周光认为过去的端到端就是 CNN Base ，来到 VLA 就是 GPT Base。
这里面最重要的差异就是过去的端到端是基于 BEV ，没有空间意识。原理更像坦克大战可以用天空视角看到各种坦克，但是实际开车是 CS ，是一个第一人称视角。
所以遇到盲区的时候只要没车、没起步的车，就很难读懂场景，没有空间意识，BEV 只有朝向、速度值。
来到 VLA 后多了 COT 的思维链、长时序。在推理时间和推理能力上会更强，比如遇到盲区会适当做防御性减速，会对复杂的环境信息做语言的推理。
而这个能力周光认为更像一个通才的能力。这也是为什么元戎选择做 Road AGI 的原因。
其次 VLA 和第一代端到端，周光认为最大的区别就是大算力、大参数。CNN 始终是小参数小模型，包括小鹏、特斯拉在内都在用大参数，大算力，本质也是VLA的一种方向，区别是对芯片的选择上。
另外 VLA 的模型架构和训练方式是两种不一样的逻辑，两者不冲突，到底是用什么方式训练不同公司有不同选择，数据也是多元的。
目前元戎的 VLA 已经有 5 个车型定点。VLA 模型做好后会有一些裁剪、蒸馏等，在不同芯片、激光雷达上都可以适配，会以 Thor 为开始，国外和国内的其他芯片都可以适配，今年会开始交付。
但 VLA 语音车控能力周光认为不是 VLA 一个能力方向。
新能源汽车大v聊车
