VLA模型即视觉-语言-动作模型，是一种将视觉、语言理解、动作控制融合在一起的多模态基础模型。不同于LLM（大语言模型）的文本模态、VLM（视觉-语言模型）的文本-视觉模态，VLA模型是将视觉、语言和行动三种模态的数据结合起来，具备感知-理解-决策的潜力。
根据模型构架不同，VLA模型分为单模型构架、分层双系统构架、自修正框架。VLA模型通常包含视觉编码器、语言模型、动作解码器三大核心部分，其中视觉编码器负责读取传感器数据，将图像、点云等转成数字特征，语言模型对视觉特征和其它输入进行推理理解，动作解码器根据语言模型的输出生成相应的控制指令。
根据新思界产业研究中心发布的
《2025-2029年中国VLA（视觉-语言-动作）模型市场行情监测及未来发展前景研究报告》显示，VLA模型是多模态大模型驱动的智能体架构，能直接输出控制信号，极大地提高了复杂环境适应能力和决策响应速度，在机器人、自动驾驶、精准农业、增强现实（AR）导航、工业自动化等领域具有广阔应用前景。
端到端方案是目前自动驾驶领域的主流范式，从技术演进来看，端到端大致分为模块化端到端（分段式端到端）、全局端到端（一段式端到端）两类。近年来，我国智能驾驶技术正从模块化端到端向全局端到端演变，而VLA模型作为实现全局端到端的关键技术，正日益受到广泛关注。
随着相关研究深入，VLA模型技术路线日新月异。目前国内外VLA模型已达百余项，包括谷歌DeepMind的RT-2、英伟达的GROOT N1、Wayve的LINGO-1、Phvsical AI的π0、Figure AI的Helix、星动纪元的ERA-42、银河通用的GraspVLA、理想汽车的MindVLA等。此外VLA模型布局企业还包括千寻智能、灵初智能、小鹏汽车等。
在相关企业积极布局下，VLA模型即将迎来规模落地。但VLA模型大规模落地需要算法、算力、数据等多方面助力，目前数据成本居高不下、动态环境适配差、训练效率较低、算力成本高、落地安全性较差等问题，也制约着VLA模型实现落地应用。
新思界
行业分析人士表示，VLA模型能够提高机器人、自动驾驶等在复杂环境中的适应能力和决策响应速度，对机器人、自动驾驶等产业发展十分重要，国内外企业均在进行积极的探索和实践。VLA模型应用场景广泛，但目前VLA模型仍处于早期发展阶段，要实现大规模落地，仍面临诸多技术挑战。
关键字：
