在智能驾驶技术快速迭代的背景下，小米近日通过其最新发布的Xiaomi HAD增强版，向行业展示了在辅助驾驶领域的突破性进展。这款系统不仅实现了从传统端到端模仿学习向“模仿学习+强化学习”模式的范式升级，更通过引入VLA（视觉-语言-行为模型）技术，为解决长尾场景下的决策难题提供了新思路。
据小米智能驾驶VLA技术负责人陈龙介绍，此次增强版的核心突破在于学习机制的迭代。传统端到端系统依赖千万级驾驶视频数据进行模仿训练，而新版本通过世界模型构建的虚拟环境，让模型在反复试错中掌握最优驾驶策略。这种“正向奖励+负向惩罚”的机制，使系统在面对突发加塞、施工占道等极端场景时，能更贴合人类防御性驾驶的逻辑，决策可靠性与安全性显著提升。
强化学习的应用并非孤立存在。小米同步推进的世界模型技术，通过“道路环境数据+语言描述”的双输入模式，生成适配中国复杂路况的虚拟训练场景。例如，系统能通过语言描述理解不同城市的交通标识差异，进而在虚拟环境中模拟北京胡同的窄路会车、上海高架的匝道汇流等特色场景。这种“数据驱动+语言增强”的方案，有效解决了仿真环境与真实道路的差距问题，为强化学习提供了更贴近实际的训练场。
VLA技术的引入，则直指端到端模型的“黑盒”痛点。陈龙以“宝宝学说话”类比：传统端到端如同幼儿模仿发音却不知含义，而VLA通过语言模态的加持，使系统具备“读书认字”的推理能力。当遇到未在训练数据中出现的场景时，VLA可借助互联网通识数据（如交通规则、物理常识）进行逻辑推导，例如通过识别“圆形红底标识”判断禁止通行，或根据“右转必停”的地方规则调整动作。这种“理解式决策”能力，被认为是通往L3/L4级自动驾驶的必要条件。
在技术路径选择上，小米拒绝了开源模型的快速移植方案，转而投入资源自研具身基座模型。该模型从大语言模型（LLM）阶段即开始数据筛选，融入驾驶场景与机器人任务的专项训练，强化3D空间感知与推理能力。陈龙透露，这种“通用能力为基础、驾驶场景为重点”的设计，使模型既能适配车辆驾驶，也可扩展至机器人、家居等跨场景应用，形成“人车家全生态”的技术协同优势。
针对VLA可能带来的时延问题，小米通过算力强化与模型优化双管齐下：一方面升级硬件基础设施保障推理速度，另一方面在语言模态输出端精简token，移除口语化表述，仅保留关键决策信息。这种“效率优先”的调整，使系统在增加认知能力的同时，仍能保持流畅的交互体验。
技术落地的优先级排序中，小米明确将算法置于首位。陈龙引用特斯拉前AI负责人观点指出，当前辅助驾驶的核心矛盾仍在软件层面，硬件与算力仅作为弥补算法短板的补充手段。例如，当算法无法通过纯视觉方案实现高精度感知时，可增加激光雷达提升可靠性；当VLA推理需要更复杂计算时，再通过算力升级保障响应速度。这种“软件定义硬件”的思路，体现了小米对技术本质的深刻理解。
作为较早参与端到端与VLA研发的科学家，陈龙的职业轨迹折射出中国智能驾驶领域的人才聚集趋势。这位35岁的前英国Wayve核心成员，在对比国内外驾驶场景后发现，国内道路中电瓶车横穿、突发加塞等不可预测场景更多，对系统灵活性与安全性的要求更高。这种本土化需求，加上小米“人车家全生态”的愿景吸引，最终促成其回国加入小米。他透露，小米1用户身份与雷军亲自沟通的经历，强化了自身对品牌价值观的认同——这种“做感动人心的好产品”的理念，与VLA技术“让AI落地物理世界”的追求高度契合。
随着Xiaomi HAD增强版随HyperOS 1.11系列推送至用户，小米的智能驾驶技术进入全新阶段。从端到端到强化学习，从世界模型到VLA，这家以手机起家的科技企业，正通过持续的技术深耕，在智能驾驶赛道上构建差异化竞争力。而陈龙带领的团队，能否凭借“难但正确”的技术路线，在L3/L4级自动驾驶的终极目标上实现突破，将成为行业后续关注的焦点。
