具身机器人的自由度比汽车要高得多，所以应用AI的难度也大得多。所以宇树王兴兴讲出自己的观点时，也会引起汽车行业的关注，特别是他认为VLA是“相对傻瓜式的架构”。
他的观点认为，具身机器人的两个方向可以关注：
第一，世界模型--让系统先在虚拟环境中预测未来，再做决策;
第二，视频生成模型--先生成一段“完成任务的视频”，再把动作翻译成实际执行的控制信号。
我感觉这两个模式，都有点像是人类“想象力” —— 先想出来，再去做。说到世界模式，能想到的就是蔚来。蔚来自己解读说：当世界模型打开语言输入时，它包含VLA的所有特征。
我认为实践出真知，我们不应该过早地判断哪个技术路线更好、更有潜力，而应该观察它在实践中的表现，既包括当下的表现，也要考虑将来的表现。
蔚来VLA
![你不干是吧，有的是AI干！[捂脸哭][捂脸哭]](http://image.uczzd.cn/3623522124041883159.jpg?id=0)
