视觉-语言-动作模型(VLA)产业研究：通往L3智能驾驶与具身智能之钥

　　中国智能驾驶 产业正向 L3迈进，高阶智驾需求仍有巨大待满足空间。当前高速NOA 功能已成为主流车型标配，价格下探至15 万元以下，同时技术进步带动价格下探与智驾市场扩容，城区NOA 正进入15-20 万元区间。

    　　城市NOA 预埋装配率稳步提高，中国L2级智能驾驶渗透率已经达到50%，具备向L3 发展的技术和硬件基础。随着2024 年首批L3 试点车企和试点城市名单的公布，相关政策亦在逐步突破，2025 年有望成为L3 落地元年。

    　　在消费者层面，用户对智能驾驶大多持积极态度。20 万以上中高端区间各价格段均有55%以上的用户关注智能化，且66%的用户已不满足于基础L2 级辅助驾驶，智能驾驶已成为购车的重要因素。但由于智驾技术尚未完全成熟，消费者对L2 级别智驾在复杂场景下的信任度较低，L3 级为代表的高阶智驾具有巨大市场发展前景。

    　　智能驾驶技术正经历从“模块化端到端”向“全局端到端”的演变，视觉-语言-动作模型（VLA）将成为实现全局端到端的关键突破技术。模块化端到端为传统模块化结构与端到端的中间形态，分为感知层和决策层端到端。一段式端到端则由一个神经网络模型完成全部操作，直接处理原始传感器信息输出控制信号。随着模块化端到端技术的日臻完善、多模态大模型的技术赋能、芯片的算力突破，一体化智驾大模型呼声愈高，VLA 应运而生。视觉-语言-动作模型（VLA）以大语言模型为基础，能直接输出控制信号，大幅提高了复杂环境适应能力和决策响应速度。但智驾发展仍面临：数据规模影响模型性能、仿真数据精度欠佳、模型推理效率需提升以满足实时响应要求、VLA 模型对算力需求高、政策监管趋严等诸多挑战。

    　　在“向下智驾平权”+“向上技术升级”的趋势下，车企自研与第三方合作的市场格局将发生变化，积累深、投入久的企业将具备在L3 等高阶智驾市场的竞争优势。2025 年产业掀起智驾平权浪潮使具备智驾功能车型价格下探至10 万元以下，智驾平权压缩了中低端车企成本空间，让具备性价比优势的第三方供应商获得更多机会。而长期自研高阶智驾的头部车企布局智能驾驶时间较长，多已实现完整技术路径的突破和技术积累，已形成技术领先的消费者心智，受智驾平权影响相对较小，未来将能够坚持自研路线。VLA 技术发展预示着以大模型为基座的智驾方案加速应用，汽车企业逐渐向科技企业转型。L2-L4 的跃迁是长期资金、算力、技术、数据的资源积累过程，因此产业链中积累深厚且投入持久的企业将具备L3等高阶智驾和市场竞争优势。未来，预计少数头部主机厂将维持全栈自研战略以提供高质量智驾体验，而第三方龙头供应商则将凭借技术优势和性价比覆盖更多市场份额，产业格局将因VLA 技术的发展而加速变化。

    　　自研VLA 车企和智驾VLA 供应商凭借所积累的供应链硬件协同能力和技术迭代积累将在具身智能领域释放巨大发展潜力。具身智能是指能与环境实时交互，实现感知、认知、决策和行动一体化的智能体。智能驾驶汽车作为具身智能分支，其技术架构与机器人等一脉相承，在硬件传感器与零部件、软件算法技术方面均有极大共通性。一方面，VLA 技术源于机器人领域，两者结构相似，自研车企可将VLA 技术低成本复用至机器人领域，在算法上占据技术优势。另一方面，车企积累的供应链硬件协同能力，使其能够快速涉足机器人产业，利用现有资源实现降本增效。目前，国内外众多车企已通过自研、投资、合作等方式积极布局具身智能，将智能驾驶技术经验迁移到该领域，有望打造为第二增长曲线。

    　　风险提示：VLA 技术落地不及预期风险，客户需求不及预期风险，研发迭代不及预期风险，行业竞争加剧风险。 机构：国泰海通证券股份有限公司 研究员：朱峰/鲍雁辛/汪玥 日期：2025-08-05

*免责声明：文章内容仅供参考，不构成投资建议

*风险提示：股市有风险，入市需谨慎