**里維安重磅推出VLA大模型，自動駕駛邁入“思維鏈”新時代**

在自動駕駛技術經歷規則驅動與端到端迭代后，行業正迎來一場由“思維鏈”引發的范式革命。2025年12月，里維安（RIVIAN）正式發布其Vision-Language-Action（VLA）駕駛大模型，通過模擬人類“觀察-推理-決策”的認知鏈條，首次讓機器具備類人的駕駛邏輯與泛化能力。這一突破不僅解決了傳統模塊化系統的長尾場景瓶頸，更將自動駕駛技術推向“主動思考”的新高度。

**從“條件反射”到“因果推理”的技術躍遷**

傳統自動駕駛系統依賴分層模塊的串聯，感知、預測、規劃環節的信息衰減導致系統難以應對突發狀況。而里維安VLA大模型通過多模態統一架構，將視覺輸入、語言語義與動作輸出編碼至同一空間，形成閉環的思維鏈條。例如，面對潮汐車道時，VLA能解析道路標志文本、結合實時車流狀態，像人類司機一樣判斷車道是否可用，并通過轉向燈與其他車輛交互，最終完成變道。這種“理解-交互-執行”的一體化流程，顯著提升了復雜場景的通過率。

**“快慢思考”雙系統：效率與安全的平衡術**

里維安VLA的創新性在于其“快慢思考”雙模式設計。“快思考”通過Action Token直接輸出基礎操控指令，確保實時響應；而“慢思考”則啟動精簡版思維鏈（CoT），模擬人類“邊駕駛邊規劃”的行為。例如，當檢測到前方有自行車突然變道時，“慢系統”會生成多條虛擬軌跡，動態評估風險后選擇最優路徑。這種機制使MPI（每干預里程數）較傳統端到端模型提升超40%，尤其在無保護左轉、施工路段等場景中表現突出。

**強化學習：用“人類標準”訓練AI司機**

為讓VLA更貼近真實駕駛習慣，里維安采用強化學習框架，以人類舒適度與合規性作為評價標準。模型在訓練中會因急剎或壓線被扣分，而平順的加減速和預判性變道則獲得獎勵。這種“以終為始”的訓練邏輯，使VLA逐漸掌握老司機的隱性經驗，例如通過前車剎車燈亮度預判減速幅度，或根據天氣調整跟車距離。

**開源生態與行業協同**

值得關注的是，里維安宣布將部分VLA底層技術開源，推動行業共建“因果鏈”數據集（Chain of Causation）。此類數據不僅記錄車輛動作，更標注決策依據（如“因左側卡車盲區而延遲變道”），為行業提供可解釋的AI訓練范本。分析師指出，VLA的開放或加速L4級自動駕駛落地，尤其在貨運、共享出行等高頻長尾場景中潛力顯著。

隨著VLA大模型的普及，自動駕駛技術正從“機械執行”邁向“認知智能”時代。里維安此次突破，不僅重新定義了“機器如何開車”，更揭示了AI與人類思維融合的無限可能。