理想汽车 VLA 大模型：驱动人工智能从 “虫” 到 “人” 的进化飞跃

在5 月 7 日的 “理想 AI Talk 第二季” 上，理想汽车董事长兼CEO李想带来了一场关于人工智能与汽车科技深度融合的思想盛宴，主角便是理想汽车全力打造的 VLA 司机大模型。这场发布会，不仅为辅助驾驶的未来指明方向，更像是为汽车行业注入一针 “强心剂”，引发各界对智能交通变革的无限遐想。

AI 进化三部曲：从信息工具迈向生产工具

李想对 AI 工具的层级划分，犹如一把手术刀，精准剖析了当下 AI 的发展格局。多数人手中的 AI 还停留在信息工具层面，虽能提供海量信息，却也充斥着大量无效内容，仅作参考聊胜于无。而辅助驾驶的出现，让 AI 晋升为辅助工具，效率得以提升，但人类依旧牢牢握着控制权。

李想坚信，AI 真正的高光时刻，是成为生产工具，能够独当一面完成专业任务。这就好比人类雇佣司机，未来的人工智能也将在各个领域承担起专业工作，而辅助驾驶领域的 VLA，就是 AI 进化为生产工具的鲜活例证。

VLA：智能驾驶的进化史诗

理想汽车的 VLA，全称为视觉语言行动模型，它的诞生并非一蹴而就，而是经历了一场漫长而精彩的进化之旅。回顾理想汽车辅助驾驶的发展历程，恰似一部生物进化史。早期依赖规则算法和高精地图的辅助驾驶，如同 “昆虫动物智能”，虽能运作，但相对简单、机械。

到了 2023 - 2024 年，端到端 + VLM 辅助驾驶登场，接近 “哺乳动物智能”，可处理更复杂的路况。然而，端到端模型存在局限，VLM 依赖开源模型，在交通领域施展不开拳脚，二者沟通上也存在障碍。

为突破困境，2024 年起，理想汽车全力投入 VLA 研究，多篇学术论文为其筑牢理论根基。VLA 的 “人类智能” 阶段令人期待，它能凭借 3D 和 2D 视觉组合，还原真实物理世界，不再局限于 2D 图像解析。其拥有的完整脑系统，具备语言和思维链推理能力，真正实现看、懂、行一体化，像人类司机一样灵活应对复杂路况。

模拟人类学习：VLA 的训练秘籍

VLA 的训练过程，巧妙模拟人类学习驾驶的步骤，分为预训练、后训练和强化训练。预训练阶段，如同人类积累物理和交通常识，通过海量高清视觉数据、语言语料和联合数据，训练出云端 VL 基座模型，并转化为车端高效运行的端侧模型。

后训练时，Action 数据的加入让 VL 基座模型 “进化” 为 VLA 司机大模型。短链条的思维链和 Diffusion 扩散模型赋予 VLA 实时博弈能力，在复杂路况中自如穿梭。

强化训练则是让 VLA 在 “社会” 中历练，通过基于人类反馈的强化学习，确保其严守交通规则，贴合中国用户驾驶习惯；在世界模型中训练，提升舒适性，避免事故。经过层层打磨，VLA 司机大模型方能在车端稳定运行。用户与它沟通就像和人类司机交流一样自然，简单指令端侧处理，复杂指令云端解析后再由 VLA 执行。

攻克难题：安全与透明的双重保障

随着模型能力增强，安全性和黑盒问题成为智能驾驶的 “拦路虎”。理想汽车组建超 100 人的超级对齐团队，在强化训练环节严格把关，为 VLA 注入职业素养，防止其学习违规驾驶行为，保障安全与舒适。

针对模型黑盒难题，理想汽车打造世界模型，结合重建和生成路径，还原真实交通场景。借助世界模型的仿真能力，VLA 能低成本验证现实问题，提升解决问题的效率，让模型决策不再神秘。判断 VLA 是否优秀，专业能力、职业能力和构建信任能力是关键标准，而 VLA 在这三方面都表现出色。

成长的力量：技术突破与人生感悟

理想汽车在技术领域的成功，离不开扎实的基本功。从研究突破到研发效率提升，再到业务落地，理想汽车坚持自研，攻克诸多技术难关。例如，自研底层推理引擎，让芯片能运行语言模型；凭借综合技术能力，实现不同芯片运行 VLA 司机大模型。

尽管受益于开源技术节省了时间和成本，但理想汽车仍加大投入打造自研模型，并开源自研汽车操作系统回馈社会。

谈及创业与个人成长，李想感慨万分。在理想汽车成立十周年之际，他回顾创业路上的酸甜苦辣，将挑战视为成长的机遇，用积极心态应对困难，带领理想汽车成长为行业新势力的佼佼者。他认为关注自我成长、接受自身优缺点，以及重视亲密关系，是成为有能量之人的关键。李想表示：“我们可以站在巨人的肩膀上，但它只是其中的一部分。”在受益开源的同时，理想汽车也选择开源自研的汽车操作系统——理想星环OS，回馈社会。

从解决电池和充电难题，到自研汽车操作系统，再到探索 VLA 无人区，理想汽车一路披荆斩棘。在人工智能的十字路口，理想汽车将继续凭借 VLA 司机大模型挑战成长极限，为行业发展和用户体验创造更多价值，引领辅助驾驶走向更加美好的未来。