2025年5月7日，理想汽車(chē)重磅開(kāi)啟 “理想 AI Talk 第二季”，聚焦全新的理想 VLA 司機(jī)大模型。理想汽車(chē)掌舵人李想在這場(chǎng)思想盛宴中，深度解析人工智能發(fā)展脈絡(luò)，揭開(kāi) VLA 模型攻克全自動(dòng)駕駛難題的技術(shù)密碼，同時(shí)分享創(chuàng)業(yè)與個(gè)人成長(zhǎng)的深刻洞見(jiàn)。

理想汽車(chē)董事長(zhǎng)兼CEO李想

　　李想提出，AI 工具如同階梯，分為信息工具、輔助工具與生產(chǎn)工具三個(gè)進(jìn)階層級(jí)。當(dāng)下，多數(shù)人將 AI 局限于信息工具層面，在海量信息中，其輸出的內(nèi)容往往充斥無(wú)效信息，僅能作為參考。而輔助工具階段的 AI，像目前的輔助駕駛技術(shù)，雖能提升效率，卻始終無(wú)法脫離人類(lèi)的參與與把控。唯有當(dāng) AI 蛻變成為生產(chǎn)工具，才真正叩響智能時(shí)代的大門(mén)。屆時(shí)，AI 將具備獨(dú)立完成專(zhuān)業(yè)任務(wù)的能力，在效率與質(zhì)量上實(shí)現(xiàn)質(zhì)的飛躍。李想強(qiáng)調(diào)：“判斷 Agent 是否真正智能，關(guān)鍵在于它是否成為生產(chǎn)工具。只有當(dāng)人工智能變成生產(chǎn)工具，才是其真正爆發(fā)的時(shí)刻。就像人類(lèi)會(huì)雇傭司機(jī)，人工智能技術(shù)最終也會(huì)承擔(dān)類(lèi)似職責(zé)，成為真正的生產(chǎn)工具。”

　　VLA(Vision-Language-Action Model，視覺(jué)語(yǔ)言行動(dòng)模型)的出現(xiàn)，正是 AI 向生產(chǎn)工具進(jìn)階的關(guān)鍵一步。它并非一蹴而就的技術(shù)革命，而是歷經(jīng)長(zhǎng)期進(jìn)化的智慧結(jié)晶，這一過(guò)程與理想汽車(chē)輔助駕駛技術(shù)的迭代緊密相連?；厮葸^(guò)往，2021 年起，理想汽車(chē)采用依賴規(guī)則算法和高精地圖的輔助駕駛技術(shù)，這一階段的技術(shù)如同 “昆蟲(chóng)動(dòng)物智能”，基于預(yù)設(shè)規(guī)則執(zhí)行簡(jiǎn)單任務(wù);2023 年，企業(yè)開(kāi)啟對(duì)端到端 + VLM(視覺(jué)語(yǔ)言模型)輔助駕駛的研究，并于 2024 年正式推向市場(chǎng)，此時(shí)的技術(shù)更接近 “哺乳動(dòng)物智能”，能夠處理相對(duì)復(fù)雜的駕駛場(chǎng)景，但端到端模型在應(yīng)對(duì)極端復(fù)雜路況時(shí)力不從心，且開(kāi)源的 VLM 在交通領(lǐng)域的專(zhuān)業(yè)性存在局限，與人類(lèi)的交互也不夠流暢。為突破瓶頸，理想汽車(chē)自 2024 年全力投入 VLA 研究，在眾多頂級(jí)學(xué)術(shù)會(huì)議上發(fā)表成果，為技術(shù)革新筑牢理論根基。發(fā)展至第三階段的 VLA，堪稱(chēng) “人類(lèi)智能” 的數(shù)字化載體，它融合 3D 與 2D 視覺(jué)，能夠全方位感知物理世界，擺脫僅解析 2D 圖像的局限;同時(shí)，其具備完整的 “思維” 系統(tǒng)，擁有語(yǔ)言溝通與 CoT(思維鏈)推理能力，真正實(shí)現(xiàn)從感知、理解到行動(dòng)的全鏈條閉環(huán)，與人類(lèi)駕駛邏輯高度契合。

　　VLA 的訓(xùn)練體系巧妙模擬人類(lèi)學(xué)習(xí)駕駛的過(guò)程，分為預(yù)訓(xùn)練、后訓(xùn)練和強(qiáng)化訓(xùn)練三個(gè)環(huán)節(jié)。預(yù)訓(xùn)練階段，如同人類(lèi)學(xué)習(xí)交通基礎(chǔ)知識(shí)，模型通過(guò)海量高清 2D、3D 視覺(jué)數(shù)據(jù)，交通領(lǐng)域語(yǔ)言語(yǔ)料，以及視覺(jué)與語(yǔ)言的聯(lián)合數(shù)據(jù)，在云端構(gòu)建 VL 基座模型，并通過(guò)蒸餾技術(shù)優(yōu)化，使其能在車(chē)端高效運(yùn)行;后訓(xùn)練階段，Action 數(shù)據(jù)的加入，如同人類(lèi)進(jìn)入駕校實(shí)操，將 VL 基座模型升級(jí)為 VLA 司機(jī)大模型，借助短鏈條 CoT 和 Diffusion 擴(kuò)散模型，賦予模型實(shí)時(shí)分析路況、與其他道路參與者博弈的能力;強(qiáng)化訓(xùn)練則像人類(lèi)在實(shí)際道路中積累經(jīng)驗(yàn)，一方面通過(guò) RLHF(基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí))確保模型嚴(yán)守交通規(guī)則，貼合中國(guó)用戶駕駛習(xí)慣，另一方面將純強(qiáng)化學(xué)習(xí)模型置于世界模型中訓(xùn)練，提升駕駛舒適性與安全性，最終讓 VLA 司機(jī)大模型超越人類(lèi)駕駛水平，實(shí)現(xiàn)安全、平穩(wěn)的全自動(dòng)駕駛。在產(chǎn)品形態(tài)上，VLA 以 “司機(jī) Agent” 呈現(xiàn)，用戶可通過(guò)自然語(yǔ)言與它無(wú)障礙交流，無(wú)論是簡(jiǎn)單指令還是復(fù)雜需求，都能得到精準(zhǔn)響應(yīng)與處理。

　　在追求技術(shù)先進(jìn)性的同時(shí)，理想汽車(chē)也高度重視 VLA 的安全性與透明性。面對(duì)模型能力提升帶來(lái)的潛在風(fēng)險(xiǎn)，理想汽車(chē)組建超百人超級(jí)對(duì)齊團(tuán)隊(duì)，通過(guò)嚴(yán)格的強(qiáng)化訓(xùn)練，為 VLA 注入 “職業(yè)素養(yǎng)”，確保其行為符合安全規(guī)范，杜絕違規(guī)駕駛行為。針對(duì) AI 黑盒問(wèn)題，企業(yè)創(chuàng)新打造符合物理規(guī)律的世界模型，通過(guò)重建與生成技術(shù)，模擬真實(shí)交通場(chǎng)景，讓 VLA 能在虛擬環(huán)境中低成本驗(yàn)證問(wèn)題，有效解決模型決策不可解釋的難題。李想指出，判斷 VLA 是否為優(yōu)秀 “司機(jī)”，需從專(zhuān)業(yè)能力、職業(yè)能力和構(gòu)建信任的能力三個(gè)維度考量，而理想汽車(chē)的技術(shù)布局，正是圍繞這三大核心能力展開(kāi)。

　　理想汽車(chē)在 AI 領(lǐng)域的快速發(fā)展，離不開(kāi)扎實(shí)的技術(shù)積累。從基礎(chǔ)研究、產(chǎn)品研發(fā)，到能力轉(zhuǎn)化為業(yè)務(wù)價(jià)值，企業(yè)始終堅(jiān)持自研路線。在輔助駕駛技術(shù)上，面對(duì)英偉達(dá)芯片與語(yǔ)言模型適配的難題，理想汽車(chē)憑借自研編譯團(tuán)隊(duì)與底層推理引擎，實(shí)現(xiàn)技術(shù)突破;在 VLA 研發(fā)中，雖受益于 DeepSeek 開(kāi)源技術(shù)節(jié)省大量成本與時(shí)間，但企業(yè)依然加大投入，專(zhuān)注自研基座模型，力求實(shí)現(xiàn)技術(shù)的自主可控。同時(shí)，理想汽車(chē)也積極回饋社會(huì)，開(kāi)源自研的理想星環(huán) OS 操作系統(tǒng)，推動(dòng)行業(yè)共同發(fā)展。

　　談及創(chuàng)業(yè)與個(gè)人成長(zhǎng)，李想分享了獨(dú)特見(jiàn)解。今年 7 月，理想汽車(chē)即將迎來(lái)十周年，回顧創(chuàng)業(yè)歷程，李想坦言苦樂(lè)交織，但他始終選擇銘記美好瞬間，以積極心態(tài)面對(duì)挑戰(zhàn)。他認(rèn)為，企業(yè)成長(zhǎng)與個(gè)人發(fā)展同理，扎實(shí)的基本功遠(yuǎn)比追求捷徑更重要，關(guān)注自我成長(zhǎng)，接納自身優(yōu)缺點(diǎn)，同時(shí)重視親密關(guān)系，與家人、同事相互協(xié)作，方能匯聚強(qiáng)大能量。在 AI 蓬勃發(fā)展的當(dāng)下，李想強(qiáng)調(diào)應(yīng)保留人性特質(zhì)，因?yàn)檫@正是人類(lèi)創(chuàng)造力與生命力的源泉。

　　理想汽車(chē)的 VLA 司機(jī)大模型，不僅是自動(dòng)駕駛技術(shù)的一次重大突破，更展現(xiàn)出企業(yè)在 AI 時(shí)代的戰(zhàn)略眼光與技術(shù)實(shí)力。隨著技術(shù)的不斷完善與落地，VLA 有望重新定義未來(lái)出行方式，開(kāi)啟智能駕駛的全新篇章。