⚛️量子位•較早收集於 75m
Momenta棄VLA選世界模型，大眾首發
💡Momenta押注世界模型勝VLA用於大眾自動駕駛—感測器最不重要（28字）
⚡ 30-Second TL;DR
有什麼變化
Momenta選世界模型而非VLA用於自動駕駛
為什麼重要
Momenta轉向世界模型優先，模擬基礎可能降低感測器成本，提升如大眾等車廠的自動駕駛可擴展性。
下一步行動
在您的自動駕駛模擬器中基準測試世界模型對VLA的規劃效率提升。
誰應關注：Researchers & Academics
關鍵要點
- •Momenta選世界模型而非VLA用於自動駕駛
- •大眾汽車獲Momenta方案首發
- •曹旭東貶低感測器在自動駕駛的重要性
- •VLA被斥為資源錯置
🧠 深度解析
本篇為 AI 生成分析，非原文內容。
🔑 增強重點摘要
- •Momenta的世界模型架構強調透過生成式AI進行環境預測與決策，而非僅依賴VLA（視覺語言動作模型）進行端到端模仿學習，旨在解決長尾場景的泛化難題。
- •曹旭東認為感測器硬體已趨於同質化，自動駕駛的核心競爭力已從硬體堆疊轉向軟體演算法對物理世界的理解與模擬能力。
- •大眾汽車與Momenta的合作不僅限於軟體授權，雙方在中國市場的聯合研發中心正針對複雜交通環境進行深度數據閉環訓練。
📊 競品分析▸ Show
| 競爭對手 | 技術路徑 | 核心優勢 | 部署進度 |
|---|---|---|---|
| Tesla | 端到端 VLA (FSD v12+) | 海量真實數據、垂直整合 | 全球大規模部署 |
| Waymo | 模組化 + 預測模型 | 安全性高、無人駕駛運營 | 區域性商業化 |
| 小鵬汽車 | 端到端大模型 | 成本控制、本土化適應 | 中國市場量產 |
🛠️ 技術深入
- •Momenta世界模型採用基於Transformer的時空預測架構，能夠在潛空間（Latent Space）中模擬車輛周邊環境的未來演變。
- •該模型整合了多模態感知輸入，透過預訓練（Pre-training）學習物理規律，減少對特定感測器標註數據的依賴。
- •系統架構支援大規模模擬訓練，利用生成式模型合成極端場景，以增強模型在複雜路況下的決策魯棒性。
🔮 前景展望AI analysis grounded in cited sources
自動駕駛產業將出現『去感測器化』的軟體演算法趨勢。
若世界模型能有效補償感測器硬體限制，車企將傾向降低硬體成本以提升市場競爭力。
VLA技術路徑在短期內將面臨邊緣化風險。
若Momenta等廠商證明世界模型在處理長尾場景上優於純模仿學習，業界資源將加速向生成式預測模型傾斜。
⏳ 時間線
2016-09
Momenta正式成立，專注於自動駕駛演算法研發。
2021-03
Momenta完成C輪融資，大眾汽車集團成為戰略投資者。
2022-07
Momenta與大眾汽車合資成立酷睿程（CARIZON），專注於中國市場自動駕駛解決方案。
2025-06
Momenta發布基於世界模型的自動駕駛技術架構雛形。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗
每週 AI 簡報
每週一封，可隨時退訂。