12月10日消息，理想汽车自动驾驶负责人郎咸朋发表长文，回应宇树科技CEO王兴兴对VLA模型（视觉-语言-动作）的质疑，王兴兴表示当下火热的 VLA 模型（视觉-语言-动作）是“相对比较傻瓜式的架构”，并表示“保持比较怀疑的态度”。郎咸朋认为，脱离海量真实数据的模型架构是“空中楼阁”，看疗效，而非空谈架构。理想之所以坚持VLA，是因为他们背后有超过150万辆车的真实行驶数据（已超3.12亿公里）作为支撑，这让模型能不断学习、进化。他强调，理想的VLA本质上是生成式模型，通过GPT方式生成轨迹和控制信号，已在某些场景下展现出对物理世界的认知涌现。此外，郎咸朋指出，世界模型更适合云端数据生成和仿真测试，而理想的VLA模型则依赖于数百万辆车构建的数据闭环，以实现接近人类的驾驶水平。

郎咸朋进一步阐述了具身智能系统的重要性，包括感知、模型、操作系统、芯片和本体等部分的协同作用。他以底盘的VMM模块为例，说明了精细化调校对自动驾驶控制信号的重要性，以及如何实现“身体”和“大脑”的协同价值。郎咸朋还提到，理想汽车能够比友商更早落地VLA，得益于公司在数据、算法、算力、工程方面的优势。目前，理想汽车的总算力为13EFLOPS，其中3EFLOPS用于推理，10EFLOPS用于训练。郎咸朋预测，如果明年理想汽车能做到1000MPI，VLA将迎来ChatGPT时刻。