近日，小米正式發(fā)布并全面開源自動(dòng)駕駛模型Xiaomi OneVL，這是一款一步式潛空間語言視覺推理框架，將VLA、世界模型和潛空間推理三大技術(shù)路線統(tǒng)一到同一架構(gòu)中。小米官方給出的核心數(shù)據(jù)極具沖擊力：推理延遲最低僅0.24秒，為傳統(tǒng)VLA自回歸推理的5.4%；精度上超越顯式思維鏈（Explicit Chain of Thought），速度上對(duì)齊"僅答案"預(yù)測(cè)。這意味著大模型在自動(dòng)駕駛場(chǎng)景中，第一次同時(shí)實(shí)現(xiàn)了"又快又準(zhǔn)"。

小米OneVL并非憑空而來。今年3月，小米剛發(fā)布了XLA認(rèn)知大模型架構(gòu)，推動(dòng)輔助駕駛從"感知與模仿"邁向"理解與推理"。僅兩個(gè)月后，OneVL便在XLA基礎(chǔ)上更進(jìn)一步，將VLA（視覺-語言-動(dòng)作模型）、世界模型和潛空間推理三條看似獨(dú)立的技術(shù)路線融為一體。

這三條路線此前各有優(yōu)劣：VLA擅長(zhǎng)端到端決策但推理慢；世界模型能預(yù)測(cè)未來場(chǎng)景但計(jì)算量巨大；潛空間推理速度快但精度往往不足。OneVL的突破在于，它不是三選一，而是用潛空間推理的架構(gòu)去承載VLA的決策能力和世界模型的場(chǎng)景理解能力，在同一個(gè)框架內(nèi)同時(shí)解決精度和速度的矛盾。

自動(dòng)駕駛對(duì)延遲的要求極為苛刻。傳統(tǒng)VLA模型采用自回歸推理方式，每一步都要生成完整的推理鏈，延遲通常在數(shù)秒級(jí)別，這在高速行駛場(chǎng)景中是不可接受的。OneVL將推理延遲壓到了0.24秒，僅為傳統(tǒng)方案的5.4%，已經(jīng)進(jìn)入了量產(chǎn)車端實(shí)時(shí)部署的可行區(qū)間。

更關(guān)鍵的是，這個(gè)速度并不是以犧牲精度為代價(jià)換來的。小米官方明確表示，OneVL的精度超越了顯式思維鏈。所謂顯式思維鏈，就是讓模型把推理過程一步步寫出來再得出結(jié)論，雖然準(zhǔn)確但極慢。OneVL在潛空間中完成推理，不需要輸出中間步驟，但最終精度反而更高，同時(shí)速度對(duì)齊了"僅答案"預(yù)測(cè)的水平。用小米的話說：既不用慢吞吞地"想給你看"，也不用匆匆忙忙地"只給答案"，而是在看不見的地方把兩者都做到了。

與其他車企將核心智駕模型閉源不同，小米選擇了全面開源。這一策略背后的邏輯并不復(fù)雜。

首先，開源能快速建立開發(fā)者生態(tài)，吸引更多研究者和工程師在OneVL基礎(chǔ)上迭代優(yōu)化，加速技術(shù)成熟。其次，自動(dòng)駕駛是一個(gè)需要海量長(zhǎng)尾場(chǎng)景數(shù)據(jù)的領(lǐng)域，開源社區(qū)的參與能幫助小米更快地覆蓋邊緣場(chǎng)景。最后，在行業(yè)普遍將智駕能力視為核心壁壘的當(dāng)下，小米反其道而行之，用開源換取生態(tài)話語權(quán)，這與其在手機(jī)和IoT領(lǐng)域的打法一脈相承。

目前，OneVL已在技術(shù)社區(qū)公開，開發(fā)者可直接獲取模型權(quán)重和推理代碼。結(jié)合小米此前開源的XLA架構(gòu)，小米正在構(gòu)建一套從認(rèn)知大模型到端到端自動(dòng)駕駛的完整開源技術(shù)棧。

回看小米在自動(dòng)駕駛領(lǐng)域的布局，節(jié)奏感極強(qiáng)。從2021年宣布造車，到2023年底發(fā)布小米智能駕駛技術(shù)架構(gòu)，再到2024年城市NOA開城，小米智駕一直被外界視為"追趕者"。但從XLA到OneVL的快速迭代表明，小米正在用大模型重新定義自動(dòng)駕駛的技術(shù)路徑。

當(dāng)大多數(shù)車企還在比拼誰的城市NOA開城數(shù)量多時(shí)，小米已經(jīng)把競(jìng)爭(zhēng)維度拉到了大模型推理架構(gòu)層面。OneVL的發(fā)布，本質(zhì)上是小米在向行業(yè)宣告：自動(dòng)駕駛的下一場(chǎng)戰(zhàn)爭(zhēng)，不在路上，而在模型里。