在今年8月举办的世界机器人大会（WRC）上，宇树科技创始人王兴兴针对当下热门的VLA（视觉语言动作模型）技术路线发表了质疑性观点，在业内引发广泛讨论。他直言不讳地表示，这种架构设计相对简单，存在一定局限性。
王兴兴的核心论点在于，当VLA模型与现实世界交互时，其依赖的数据在质量和数量上都难以满足实际需求。他认为这种技术路径在实际应用中可能面临数据瓶颈，进而影响整体表现。
针对这一争议，理想汽车自动驾驶研发高级副总裁郎咸朋近日通过微博长文作出回应。他解释称，此前未公开表态主要有两个原因：一是理想汽车的VLA司机大模型尚未正式发布，缺乏实证依据；二是公司对具身机器人领域仍处于持续观察阶段。
郎咸朋明确指出，他与王兴兴的核心分歧在于技术侧重点的不同。在他看来，模型架构固然重要，但更重要的是与具身智能系统的整体适配性，而数据质量才是决定性因素。他强调："脱离真实场景的海量数据，任何模型架构都如同空中楼阁。"
理想汽车自9月正式发布VLA技术以来，经过三个月的实践验证，形成了两大核心认知：首先，VLA是自动驾驶领域最优的模型解决方案；其次，具身智能的竞争本质上是系统能力的比拼。郎咸朋透露，该技术本质上属于生成式模型，采用类似GPT的架构，但生成的不是文本而是车辆控制指令。
用户反馈显示，理想VLA在某些场景下已展现出对物理世界的认知能力。相比传统端到端系统，新模型能产生更多拟人化驾驶行为，这得益于其独特的训练方式。世界模型在自动驾驶中更适合作为评估标准而非训练主体，真实道路数据才是技术突破的关键。
在数据获取方面，理想汽车具有显著优势。公司不仅拥有超过10亿公里的存量驾驶数据，还能通过150万辆在售车型持续收集新数据，构建了完整的数据闭环系统。这种规模的数据积累，使得理想在现有算力条件下就能实现接近人类水平的驾驶能力。
郎咸朋特别强调，自动驾驶研发必须以整体系统视角推进。理想汽车组建了跨部门协作团队，将自动驾驶算法、基座模型、芯片研发和底盘控制等模块深度整合，确保各环节协同优化。这种系统化研发模式，正是理想坚持VLA技术路线的重要原因。
理想汽车创始人李想近期提出，未来五到十年具身机器人将呈现两大发展方向：车载移动机器人和仿人形机器人。公司规划显示，VLA技术不仅将应用于现有车型，还将为未来车载机器人提供核心支持，形成技术协同效应。
