大语言模型确实能"摸到方向盘"——最近一项真实道路测试里，GPT-6 Astra成功让一辆丰田卡罗拉在停车场跑完了全程，但134.7米的路用了5分22秒，速度比走路还慢。
一、实测成绩：唯一成功但代价高昂
DrivingBench项目：由3位研究员发起，用丰田卡罗拉+Comma 4设备，通过OBD-C连接CAN总线，让大模型直接控制转向、油门和刹车
测试结果：GPT-6 Astra第2次尝试100%完成134.7米路线，耗时5分22秒，共发24条命令
失败案例：Claude Fable 5.1最好成绩仅完成45%，Grok 4.6三次尝试都在第一个弯道失败
成本问题：全程消耗660万tokens，花费7.74美元，折合每公里近40元人民币
二、核心瓶颈：架构错位与实时性
延迟问题：通用聊天模型每步决策都要经过云端大模型推理，延迟达秒级，而驾驶需要毫秒级反应
成本难题：大模型每公里token费用高达数十元，远超商业化可接受范围
安全验证：通用大模型决策过程不可解释、不可验证，难以满足自动驾驶的安全审计要求
三、真正方向：专用驾驶模型而非通用大模型
VLA路线：理想汽车已量产VLA司机大模型，参数40亿量级，整合视觉-语言-行动能力，2025年8月随i8车型交付，月使用率达80%
世界模型：零跑将世界模型智驾下放至10万元级车型，通过算法优化降低算力依赖，计划2027年起为35万老用户免费升级
行业共识：通用大模型更适合作"认知增强器"辅助决策，而非直接驱动车辆，专用VLA模型才是量产方向
