理想汽车自动驾驶负责人郎咸朋解释了VLA架构中L语言部分的作用，强调其与人类理解和认知世界的关系。L语言并非显式的文字推理，而是通过人类语言提供的数据进行隐式的逻辑推理，是VLA架构的核心。L语言塑造和限制了人类对世界的认知、理解和表达、推理能力，是人类和动物的最大区别之一。在VLA架构中，V是感知，A是动作，而L承担的是语言能力部分，对V感知的内容做出认知理解并形成A的行动规划和决策。如果没有强大的L，再好的V和A都无法发挥出来。随着自动驾驶技术的发展，VLA架构将在L3/L4阶段发挥出强大的优势。
🧠 L语言在VLA架构中扮演着核心角色，它通过人类语言提供的数据进行隐式的逻辑推理，对感知到的内容进行认知理解并形成行动规划和决策。
🗣️ L语言并非指显式的文字推理，而是指利用人类语言提供的数据进行隐式的逻辑推理，是人类和动物最大区别之一，是人类认知世界的框架。
🚗 VLA架构中，V代表感知，A代表动作，L代表语言能力，三者协同工作，而强大的L语言能力是VLA架构发挥优势的关键。
🌏 不同的语言以其独特的词汇、语法和结构，为使用者提供了不同的认知框架，影响着人们对世界的理解和表达。
📈 随着自动驾驶技术的发展，VLA架构将在L3/L4阶段发挥出强大的优势，获得碾压的胜利，这得益于其强大的L语言能力。
2025-09-04 10:30 四川
2025年9月4日，理想汽车自动驾驶负责人郎咸朋微博表示：自从交付VLA之后，我经常被问到的问题是：如何看待VLA里面L语言的部分，这与人类理解和认知世界有什么关系，如果没有语言行不行？我也在不同场合做过一些解释，今天抽时间整理下做个正式的回答。“语言即世界”是哲学家维特根斯坦在其著作《逻辑哲学论》中提出的一个核心哲学命题，原话为：“语言的界限意味着我的世界的界限”。它并非指物理世界由语言构成，而是强调语言在根本上塑造和限制了人类对世界的认知、理解和表达、推理能力。这些高级能力的习得，不是直接通过视觉和听觉的原始信息就行的，而是人类利用语言学习到的，这也是人类和动物的最大区别之一。语言是认知世界的框架，而不仅是沟通工具。人类所能思考、理解和表达的一切，都被限制在语言的范畴之内。我们所理解的世界，很大程度上是我们所使用的语言的产物，对于无法用语言表述的事物，我们难以形成清晰的思想。而且，不同的语言以其独特的词汇、语法和结构，为使用者提供了不同的认知框架。所以我们会看到，来自于不同语言体系的人，其思维方式是有差别的。在VLA架构里面，V是感知，A是动作，而L承担的是语言能力部分。L对V感知的内容做出认知理解并形成A的行动规划和决策。VLA的L不是用语言做显式的文字推理，而是用人类语言提供的数据学习做隐式的逻辑推理，这才是L真正的核心。很多人以为L就是输出在交互界面的那几行文字以及语音控制命令，这个理解是不对的。其实文字输出和语音输入都是可选的，输不输出都不太关键（看人类想不想要），真正发挥作用的是背后推理的长思维链。如果没有强大的L，再好的V和A都无法发挥出来。这跟人与动物的区别很相似。论视觉能力人比不过鹰，论行动速度比不过猎豹，但人之所以能够称霸地球，靠的是强大的认知和理解能力。而这个认知和理解能力就来自于人类特有的语言能力。由于现在的辅助驾驶任务还比较简单，所以VLA方案与其他端到端方案相比优势还不明显。相当于人跟猴子赛跑，可能互有胜负。但我们认为在L3/L4阶段，自动驾驶作为Agent要独立完成复杂AGI任务的时候，VLA就会发挥出强大的优势，获得碾压的胜利。加微信，进群深度交流理想实际经营情况与长期基本面。不是车友群。
阅读原文
跳转微信打开
