理想自动驾驶负责人郎咸朋 VS 宇树科技创始人王兴兴:空谈架构不如看疗效!VLA“口水战”背后戳中了谁的痛处?

2025年8月，宇树科技创始人王兴兴公开表示对当下火热的VLA模型“保持比较怀疑的态度”，直言其是“相对比较傻瓜式的架构”。

三个月后，理想自动驾驶负责人郎咸朋发布长文，以“空谈架构不如看疗效”强势回应，强调理想拥有“数百万辆车构建的数据闭环”，并称VLA是“自动驾驶最好的模型方案”。

这场争论，将“具身智能”发展路线的深层矛盾摆上台面。

路线之争：端到端VLA为何被质疑“傻瓜”？

VLA（视觉-语言-动作）模型的核心逻辑是端到端学习，让系统能够像人一样，从摄像头等传感器获取的视觉信号，直接输出驾驶动作指令。

王兴兴的质疑，代表了一部分技术专家的观点：这种架构看似简洁，但可能牺牲了系统的可解释性、模块化设计的灵活性，以及在面对极端场景时的鲁棒性。在机器人领域，更传统的思路是分层、模块化，比如感知、规划、控制各自独立优化，再行整合。

而理想的坚持，源于其对规模和数据的自信。

郎咸朋强调“脱离了海量真实数据谈模型架构都是空中楼阁”，这直指核心。

VLA作为数据驱动的模型，其性能高度依赖于数据规模和质量。

理想凭借其庞大的量产车交付量（预计2025年将达50-60万辆），能够构建起业内领先的“数据飞轮”——

更多车辆在路上跑，产生更多场景数据，驱动模型迭代更快，进而提升用户体验，促进更多销量。

在这个逻辑下，看似“傻瓜”的端到端架构，反而可能因其高效利用海量数据的能力，成为最“聪明”的选择。

数据壁垒：为何“疗效”是理想的底气？

郎咸朋“看疗效”的底气，根植于理想汽车难以被轻易复制的现实世界数据资产。

这不仅是技术资产，更是核心商业壁垒。

截至2025年上半年，理想L系列累计交付量巨大，这意味着其AD智能驾驶系统的用户基数和行驶里程已相当可观。

这些真实道路数据覆盖全国各种复杂路况，特别是城市NOA（自动导航辅助驾驶）的激活和使用数据，对于训练VLA理解并应对“中国特色”交通场景（如密集的非机动车、特殊的道路标识、复杂的路口博弈等）至关重要。

当友商还在为获取足够多的高质量、高价值场景数据发愁时，理想的数据闭环已经高速运转。

这种优势在VLA路线下会被放大。

因为VLA旨在让模型“像人一样思考与反应”，它需要的不是经过精心标注的结构化数据，而是海量的、连续的真实驾驶视频与对应操作序列。

这正是大规模量产车队的天然优势。

相比之下，专注于人形机器人、尚未大规模商业落地的宇树科技，在获取同等规模和多样性的物理世界交互数据上，确实面临更大挑战。

这场辩论，本质上是拥有场景与数据的一方，对专注前沿架构探索的一方的“降维回应”。

具身未来：陆行机器人与人形机器人的“分道扬镳”

争论背后，是两家公司对“具身智能”终极形态的不同判断，这导致了技术路线的自然分野。

理想汽车CEO李想曾清晰指出，未来具身机器人核心有两种形态：汽车类的具身机器人和人形类的具身机器人。

理想明确选择并深耕第一条路。

汽车作为“具身智能体”，其形态、应用场景（开放道路运输）、交互模式（载人/载货）都相对明确，这使得其技术演进可以高度围绕驾驶这一核心任务展开。

VLA架构，正是为“从看到开”这个单一但极其复杂的任务量身定制的“专用智能”路径。

而宇树科技主攻人形机器人，其目标是在非结构化的泛化环境中完成多种任务，对灵活性、适应性、可解释性的要求可能更高。

在这种愿景下，对VLA这种“黑箱”式、强任务导向的架构持审慎态度，也在情理之中。这并非对错问题，而是场景定义技术的必然结果。

郎咸朋透露，理想的VLA不仅服务现有汽车，也将“服务于未来的汽车类具身机器人”。

这表明理想正将其在智能驾驶上积累的数据与模型能力，视为通向更高级别自动驾驶乃至轮式机器人服务的阶梯。

他们赌的是，在特定、高价值的垂直领域（出行）实现超级智能，比率先造出一个“通用”但能力平均的人形机器人，商业路径更短、更清晰。

“空谈架构不如看疗效”的喊话，看似是对质疑的直接反驳，实则吹响了自动驾驶竞争进入深水区的号角。

当技术路线初步明朗，竞争的关键就从“PPT创新”转向了数据规模、工程化能力与商业闭环的硬实力比拼。

理想与宇树的这次交锋，清晰地勾勒出“具身智能”战场的两条主线：

一条是以汽车为载体，依托庞大现实数据与明确场景，追求在垂直领域实现极致性能的“务实派”；

另一条是以人形机器人为载体，探索通用架构与能力，面向更广阔但不确定未来的“探索派”。

在通往真正智能的道路上，这两种路径或将长期并存、相互借鉴。而当下，手握“数百万辆车”这张王牌的理想汽车，显然更有底气为其选择的VLA之路，给出看得见的“疗效”。