元戎启行周光：携手火山引擎，基于豆包大模型打造物理世界Agent

一水
2025-06-11
18:27:29

来源：量子位

2025年6月11日，元戎启行CEO周光受邀出席2025年火山引擎Force原动力大会，宣布元戎启行将携手火山引擎，基于豆包大模型，共同研发VLA等前瞻技术，打造物理世界的Agent。同时，周光宣布元戎启行的VLA模型将于2025年第三季度推向消费者市场，并展示了VLA模型的四大功能——空间语义理解、异形障碍物识别、文字类引导牌理解、语音控车，功能将随量产逐步释放。

元戎启行CEO周光

周光:“VLA的四大核心功能，相当于为AI汽车增加‘透视眼’‘百事通’‘翻译官’‘应答灵’等属性，让AI汽车更全面地了解驾驶环境，准确预测潜在驾驶危险因素，显著提升辅助驾驶的安全性。”

空间语义理解：驾驶“透视眼”

VLA模型能够全维度解构驾驶环境，精准破解桥洞通行、公交车遮挡视野等动静态驾驶盲区场景驾驶风险。

例如，在通过无红绿灯的路口时，VLA模型能提前识别到“注意横穿，减速慢行”的指示牌，即使公交车通行造成动态盲区，VLA也会结合公交车的动作去做出准确的决策。当公交车进行减速时，它会通过推理前方可能有行人穿行，并做出“立即减速、注意风险、谨慎通行”的决策。

公交车动态盲区遮挡 公交车动态盲区遮挡

异形障碍物识别：驾驶“百事通”

vla模型是一个超级学霸，它通过互联网迅速获取知识并转换成自己的经验，有自己的驾驶“知识库”，对驾驶过程中出现的各类障碍物了如指掌，准确判断潜在危险因素，行驶更安全。例如，VLA模型能够识别“变形”的超载小货车，结合实际路况，执行减速绕行或靠边驾驶。

异形障碍物识别

文字引导牌理解：驾驶“翻译官”

搭载VLA模型的AI 汽车不仅能 “看见” 道路标识，更能 “读懂” 文字背后的通行规则，解析复杂路况里蕴含的路况信息，让复杂路况决策如 “开卷考试” 般从容。面对左转待行区、可变车道、潮汐车道等 “动态规则路段”，VLA模型能够读懂字符与图标的含义，高效匹配实时路况。在多车道复杂路口选道直行的场景中，能够准确识别车辆前方的文字及图案标识牌，从左转右转混杂的路口准确找到左转车道，并执行操作。

特殊路标识别

语音交互控车：驾驶“应答灵”

通过VLA模型，AI汽车可以与用户高效交流，根据语音指令做出对应的驾驶决策，随叫随应，交互更拟人，体验更舒适。并且当用户意愿与导航信息相冲突时，VLA模型会优先采纳用户意愿。

语音控车指令

目前，元戎启行已完成VLA模型的真实道路测试，预计今年将有超5款搭载元戎启行VLA模型的AI汽车陆续推入市场。其中，VLA模型支持激光雷达方案与纯视觉方案，将率先搭载在NVIDIA Drive Thor芯片上，后续元戎启行还将通过技术优化，让VLA模型可以适配更多芯片平台。

火山引擎汽车总经理、智慧出行和具身研究院院长杨立伟表示：“元戎启行作为业内率先推出VLA模型的企业之一，对人工智能的理解极为深刻。火山引擎作为行业领先的云服务提供商，在云计算领域拥有深厚的技术实力和丰富的经验。我们非常期待与元戎启行携手合作，共同推动基于豆包大模型的物理世界Agent的落地应用，助力智慧出行领域的创新发展。”

周光强调：“VLA模型作为当下最先进的AI技术，可以连接视觉、语言、动作等多种模态，打通物理世界与数字世界的壁垒，具有完善的任务规划和执行能力，是实现物理世界 agent 的关键技术。元戎启行很高兴能够与火山引擎达成合作，基于VLA模型共同打造物理世界的Agent，让双方的先进技术在物理世界的各个领域落地，推动生产力进阶。”

Read More