最近我们跟华为智能汽车解决方案 BU CEO 靳玉志聊了聊即将推送的 ADS 4，谈到了对 VLA 路线的看法。
靳玉志说华为明确不会走 VLA 的路径。他说，VLA 试图在做的事情是，它把视频也转化成语言的 token 来进行训练，最后变成 action（动作），控制车的运动轨迹。
「这和我们的判断是不一样的，我们不会走 VLA 的路径。我们认为这样看似取巧的路径，并不是最终走向真正自动驾驶的路径，我们更看重 WA（world action），省掉了 language 这个环节。」
「我们愿意直接走向这个目前看起来非常难，但是最终直接要到达的路径，就是直接通过行为端，直接通过 vision，vision 只是一个代表，它可能来自于声音，可能来自于 vision，也可能来自于触觉，通过这样一个信息输入直接控车，而不是把各种各样的信息转成语言，通过语言大模型再来控制车。我们是这么理解的，未来技术发展是这样的，当然这是不同的选择而已，我们这个可能难度更大，更有挑战，但它是终极的方案。」
你们怎么看，同意他的观点吗？
