面向机器人和自动驾驶汽车的人工智能正在从连接视觉与语言或动作的模型，转向尝试对行为本身进行建模的架构。这一趋势被称为“大型行为模型”（Large Behavior Model），简称 LBM。MONOist 认为，它可能成为自动驾驶系统和机器人开发中的重要核心。
LBM 并不是为现有模型增加有限能力，而是重新思考系统如何学习在不断变化的物理环境中采取行动。该模型不再满足于分析文本、图像或生成代码，而是旨在生成与运动以及同现实世界互动直接相关的行为。
从端到端模型到行为建模
长期以来，自动驾驶研究一直采用“端到端”（End-to-End）方法：神经网络接收来自摄像头和 LiDAR 等传感器的数据，然后经过分析、规划和控制等阶段，输出驾驶或引导车辆所需的结果。
这种方法使系统能够以统一方式从数据中学习，但在解释自身决策以及应对罕见或变化情况方面面临挑战。据文章介绍，LBM 试图通过学习更广泛的表征来弥补这一差距，这些表征包括预测未来状态、理解环境变化，以及在不同条件下选择最佳行动。
这种方法不同于已知的生成式人工智能模型，例如大型语言模型（LLM）和图像生成模型，也不同于用于编程的人工智能模型，如 GitHub Copilot 和 Claude Code。在 LBM 的情况下，核心输出不是文本、图像或代码，而是能够在物理世界中执行的行为。
概念在机器人研究中的起源
文章指出，Toyota Research Institute（TRI）是最早在机器人领域系统提出这一概念的机构之一。2025 年，TRI 宣布与 Boston Dynamics 开展联合研究，并发表了题为“Pretrained Large Behavior Models Accelerate Robot Learning”的研究论文。
MONOist 引用了麻省理工学院 Russ Tedrake 的说法。他将 LBM 描述为机器人的综合行为模型，并认为这是一个可以包含“视觉、语言与动作”模型（VLA）的通用概念。这表明，LBM 并不一定会取代此前的模型，而是可以作为一个更广泛的框架纳入这些模型，重点在于将理解转化为行为。
XPeng 将这一概念推向汽车领域
中国公司 XPeng 展示了另一种应用。该公司正将业务从汽车拓展至机器人和自动驾驶领域。公司曾于 2024 年宣布推出将感知与车辆直接控制相连接的 VLA 模型，但随后得出结论：仅靠 VLA 模型无法灵活应对所有自动驾驶条件。
2026 年 4 月 24 日，XPeng 在 Auto China 2026 期间宣布开始量产 VLA 2.0 自动驾驶系统，并表示这体现了 LBM 被引入驾驶系统。随后，公司于 2026 年 6 月 3 日在 CVPR 2026 会议期间展示了有关开发和使用 VLA 2.0 及“世界模型”（World Model）的研究。根据文章，世界模型是 LBM 架构的组成部分之一。
世界模型用于模拟环境并理解环境如何变化，从而使系统能够在执行动作前评估其可能产生的结果。在 LBM 理论中，这种能力有助于系统选择最合适的行为，而不是直接响应某个传感器信号或单一情境。
为什么这条消息重要？
这里的实际变化，与其说是推出一款独立产品，不如说是机器人和自动驾驶系统架构思维层面的转变。如果 LBM 取得成功，控制系统或许可以减少对针对每种情况分别制定规则的依赖，并更有能力将所学知识泛化到新的场景中。
不过，文章并未证明 LBM 已成为成熟标准，也未证明它实际上已经超越 VLA 模型或端到端模型。这一概念仍与研究项目和早期应用相关，而在物理世界中运行安全且可解释的行为，会提出仅生成文本或图像的模型所不具备的要求。因此，悬而未决的问题仍包括：这些模型能否验证自身决策、应对意外情况，并达到大规模商业应用所需的足够可靠性。
Toyota Research Institute 和 XPeng 的参与表明，竞争并不只围绕模型规模展开，还涉及行为数据、世界模拟，以及将模型与实际控制系统连接起来的能力。这使 LBM 成为机器人和自动驾驶汽车领域值得关注的趋势，但截至目前，不应将其视为这一问题的最终解决方案。