小米的叶航军博士有个观点，智能驾驶可以分为三代：第一代是规则驱动、第二代是数据驱

小米的叶航军博士有个观点，智能驾驶可以分为三代：第一代是规则驱动、第二代是数据驱动，第三代就是认知驱动。目前端到端处于是数据驱动的时代，而VLA就是进入了认知驱动时代。端到端只能模仿人类的驾驶行为，而VLA才具备主动理解的能力，遇到一些极为特殊的场景时，有具备人的认知能力才能有应对能力。在陈龙博士的采访中，他提到了VLA和世界模型的关系，这也是最近行业吵得不可开交的议题。陈龙博士认为，VLA与世界模型并非是二选一的关系，端到端是模拟人类驾驶，行为与教动物开车并无两样，而VLA负责抽象推理+价值观对齐，两者可以联合训练、协同缩放。另外，小米没有选择开源的基座模型，在陈龙看来，开源模型往往使用了网络上的数据进行预训练，模型对3D空间感知和推理能力是不强的。小米选择自研具身基座模型，小米自研的MiMo基座模型先吃透通用语言/多模态数据，再诸如驾驶空间感知和行为表现，最终蒸馏成车规级VLA模型。目前最新发布的OTA 1.11.0 正是陈光博士带队研发的，如果用比较流行的“量产一代、预研一代”来说的话，陈光博士的团队主要负责目前端到端版本的量产和优化，陈龙博士负责下一代VLA的研发，而来自图森的王乃岩，负责单独的L3业务。这一代产品的进步，主要得益于世界模型和强化学习的上车。在小米智驾的体系里，世界模型更像是小米搭建的考场，里面会生成各类考题，而强化学习就是考官，系统要在这里无限刷题。并且，系统要在云端完成10万公里的测试，通过后再用30台测试车在城市、高速里跑5000公里抽检，全部合格后才能OTA给用户。