红星资本局3月20日消息 日前，理想汽车（02015.HK/LI.US）发布了下一代自动驾驶基础模型MindVLA-o1。

理想汽车基座模型负责人詹锟在全球AI“风向标”英伟达GTC大会上表示，MindVLA-o1以原生多模态MoE Transformer为核心，通过五大技术——3D空间理解、多模态思考、统一行为生成、闭环强化学习和软硬件协同设计，让自动驾驶看得更远、想得更深、行得更稳、进化更快、部署更高效。

他认为，MindVLA-o1基础模型正在向具身智能通用模型进化，“当我们把视觉、语言和行动统一到一个模型中时，它已不再只是自动驾驶模型，而是在逐渐演化为面向物理世界的通用智能体。基于同一套VLA模型，不仅可以控制车辆，也能够扩展到机器人。因此，自动驾驶只是物理AI的起点，未来这类基础模型将驱动新的具身智能范式。”

从人工时代到AI时代

理想汽车智驾技术跨越分水岭

自2021年启动辅助驾驶自研以来，理想汽车的辅助驾驶技术架构经历了多轮迭代。从BEV鸟瞰图到NPN先验网络，再到无图方案，这一阶段理想汽车的辅助驾驶都是基于规则算法的系统架构。

2024年，理想汽车完成了从人工时代到AI时代的跨越，端到端+VLM（视觉语言模型）双系统架构是理想首次用AI的方式做辅助驾驶，其本质是“模仿学习”，即用人类驾驶数据训练模型、数据数量和质量决定性能。这让它首次真正具备了跨场景、跨任务的统一理解能力。

2025年，理想汽车进一步将空间理解、语言理解与行动决策统一到同一模型框架，构建了基于VLA、世界模型与强化学习三大技术栈的VLA司机大模型，并于去年8月随理想i8交付正式推送，并陆续向AD Max用户全量推送。

VLA司机大模型的本质是强化学习，用生成数据结合仿真环境训练模型，仿真迭代的效率决定性能。它让汽车不再只是交通工具，让辅助驾驶不再单纯模仿人类驾驶行为，而是一个能与用户沟通、理解用户意图的智能体，让车辆能够听得懂、看得见、找得到。

为什么提出下一代架构？

VLA方案存在三大挑战

不过理想汽车发现，行业主流VLA方案仍然存在三大挑战。

1、3D空间、语言思考和行为之间的对齐效率不够理想

在自动驾驶中，模型需要同时完成三件事情：理解3D空间环境，进行语义层面的思考与推理，输出具体的驾驶行为轨迹。如果这三个过程在同一个隐空间中对齐不够好，就会出现两类问题：一是语义理解与行为之间的偏差，模型能够理解场景，但最终生成的轨迹并不完全符合预期。二是决策延迟，视觉、语言和行动之间的传递链路过长，导致反应速度下降。

詹锟举了一个例子：当车辆前方出现一辆行驶较慢的车时，系统不仅需要理解这个场景，还需要快速推理：是立即变道，还是继续跟随，以及变道的速度应该如何控制。如果空间理解、语言推理和行动策略之间的对齐效率不够高，最终生成的轨迹就可能不是最优的。

2、长尾场景问题

詹锟表示，在自动驾驶中很多关键问题都来自极少发生的长尾场景，仅仅依靠真实数据的规模扩展很难覆盖这些场景。因此在架构设计之初就必须考虑好强化学习，通过仿真环境进行大规模训练，才能让系统真正具备泛化能力和鲁棒性。

3、计算效率与系统成本

詹锟表示，VLA模型往往包含大规模的语言能力，这会带来非常高的计算和内存开销。

在车端系统中，如何在有限的计算资源下运行VLA，是非常现实的问题。理想汽车方面认为，未来的方向必须是软硬协同的架构设计，通过联合优化模型架构、推理系统以及硬件能力，才能让VLA真正在车端规模化落地。

新架构五大核心技术

打通智驾和具身智能

为了解决上述三大挑战，理想汽车提出了下一代自动驾驶基础模型MindVLA-o1。

据介绍，MindVLA-o1是一个统一了空间理解、思考推理以及驾驶行为的VLA模型架构。它在上一代MindVLA的基础上进一步演进，围绕“原生多模态”的设计理念构建。

所谓“原生多模态”，是指在模型设计之初，就将视觉、语言和行动三种模态进行统一考虑，而非先分别训练视觉模型、语言模型和轨迹模型，再在后期进行组合。这种设计使不同模态能够在同一个表示空间中共同训练与对齐，从而获得更高的效率和更好的泛化能力。

MindVLA-o1通过采用原生多模态的MoE Transformer架构、原生3D空间视觉编码、多模态推理能力、预测式隐世界模型、软硬件协同设计与强化学习闭环，推动辅助驾驶在感知、思考、行为、迭代和模型部署方面的全方位升级。

对理想汽车而言，MindVLA-o1不仅是自动驾驶模型，它正在向具身智能通用模型进化，是理想汽车面向物理世界智能核心AI框架的重要组成部分。

理想汽车董事长、CEO李想表示，“MindVLA-o1具备3D ViT+多模态思考能力，让车真正具备理解3D空间的能力。同一套VLA模型，既可以控制车辆，也可以控制机器人，自动驾驶只是物理AI的起点。长远看，物理世界AI的终局是构建一个‘硅基人’，让系统像人类一样具备完整的感知和行动能力。”

理想汽车All in AI

要做全球前三

理想汽车正向具身智能企业战略转型，以具身智能企业的运作方式重构研发组织，全面运用AI提效，目标成为全球领先的具身智能企业。

在李想看来，汽车是物理世界人工智能最大的应用，机器人是汽车的终极形态。他强调，提出“All in AI”是为了更好造车。

理想汽车在AI领域的投入堪称激进，2025年一半的研发投入都花在了AI上，今年仍计划维持这个占比。在2025全年财报业绩会上，李想表示，汽车和AI并不是独立的关系，公司研发投入的核心是构建AI能力，使之结合进现有的业务模式中。

感知操作系统、星环OS、大模型MindGPT和VLA司机大模型等技术已陆续量产上车，具备了眼睛、大脑、心脏、神经、手脚的完整技术栈。即将于今年二季度发布的全新一代理想L9，被李想称为“具身智能旗舰SUV”，将把“车即智能体”的理念进一步落地。

对于AI时代，李想的紧迫感十足。他此前表示，“2026年是所有想要成为AI头部公司上车的最后一年。”他认为，同时布局基座模型、芯片、具身智能、操作系统等业务的公司，最终全球不会超过3家，理想汽车会努力成为其中一家。

在他看来，“AI本质上是一种杠杆，个人能力越强、过往专业积累越深，这个杠杆带来的放大效应就越大。理想汽车思考的重点并不是如何用AI替代人，而是如何用AI赋能人，让每个人都能把这根‘杠杆’用起来，将每个人的能力通过AI进一步放大。”

红星新闻记者 吴丹若