作者：李泽 VLA模型具备成为具身智能基础模型潜力。视觉-语言-动作模型（VLA）代表一类旨在处理多模态输入与输出的模型，通用性是VLA模型的核心特点之一，体现在其以多模态大语言模型为底座，具备“理解万物”的能力，VLA模型的理解能力和多任务泛化能力让模型在不同的应用场景中具备出色表现，展现出超越自动驾驶乃至机器人等单独垂域应用的潜力，有望成为广义具身智能基础模型范式。 　　 VLA模型是自动驾驶向知识驱动、体验优先升级的技术基础。我们认为汽车领域智能化的最终形式是实现驾驶领域的通用人工智能，而