在智能駕駛技術(shù)的浪潮中，理想汽車再次站上了風(fēng)口浪尖。CEO李想近期在理想AI Talk系列活動(dòng)中，對(duì)智能駕駛技術(shù)的未來藍(lán)圖進(jìn)行了深入剖析，特別是關(guān)于VLA（視覺語言行動(dòng)模型）的探討，引起了業(yè)界的廣泛關(guān)注。

早在2024年末，李想在第一季AI Talk上就預(yù)言，智能駕駛的基座模型終將進(jìn)化為VLA。這一觀點(diǎn)，在理想汽車于同年10月推出端到端+VLM（視覺語言模型）智駕方案后不久，便顯得尤為前瞻。然而，年底時(shí)李想又明確表示，理想汽車將全力押注VLA，這一轉(zhuǎn)變或許讓部分用戶感到困惑，畢竟端到端+VLM方案尚處推廣初期。

進(jìn)入2025年，理想AI Talk第二季上，李想進(jìn)一步闡述了為何選擇VLA作為現(xiàn)階段的最強(qiáng)架構(gòu)。他指出，VLM在處理復(fù)雜場(chǎng)景時(shí)，如京承高速等擁有眾多ETC出入口的路段，其位置判斷能力顯得力不從心。VLM的架構(gòu)缺陷，使得單純?cè)黾诱Z料數(shù)據(jù)無法從根本上解決問題。相比之下，VLA通過結(jié)合視覺、語言及行動(dòng)數(shù)據(jù)，展現(xiàn)出更接近甚至超越人類駕駛能力的潛力。

為了構(gòu)建VLA，理想汽車采取了三步走的策略：首先是VL（視覺語言）基座預(yù)訓(xùn)練，這一步相當(dāng)于人類通過學(xué)習(xí)視覺、語言及二者聯(lián)合數(shù)據(jù)來認(rèn)知世界；其次是輔助駕駛后訓(xùn)練，類似于人類在駕校學(xué)習(xí)駕駛，通過實(shí)際操作數(shù)據(jù)訓(xùn)練出VLA司機(jī)大模型；最后是強(qiáng)化學(xué)習(xí)，通過日常駕駛中的反饋，進(jìn)一步優(yōu)化VLA對(duì)交通規(guī)則的理解及符合用戶駕駛習(xí)慣的能力。

理想汽車的VLA方案，最終以司機(jī)Agent的形式呈現(xiàn)，能夠理解人類自然語言指令，實(shí)現(xiàn)用戶意圖與車輛動(dòng)作的精準(zhǔn)匹配。在測(cè)試中，司機(jī)Agent能夠根據(jù)語音指令在不退出NOA（導(dǎo)航輔助駕駛）的情況下切換路線，或在高速出入口選擇人工通道，展現(xiàn)了極高的靈活性和智能性。

面對(duì)VLA方案仍存在的黑盒問題，理想汽車采取了積極措施。他們組建了超過1000人的超級(jí)對(duì)齊團(tuán)隊(duì)，并構(gòu)建了仿真世界模型，以在虛擬環(huán)境中驗(yàn)證司機(jī)Agent的專業(yè)性、職業(yè)性和信任構(gòu)建能力。這一舉措不僅大大降低了驗(yàn)證成本，還提高了測(cè)試效率。

針對(duì)英偉達(dá)Orin-X芯片無法直接運(yùn)行語言模型的挑戰(zhàn)，理想汽車憑借自研的底層推理引擎和INT4量化技術(shù)，成功實(shí)現(xiàn)了VLM在芯片上的運(yùn)行。這一技術(shù)創(chuàng)新，彰顯了理想汽車在智能駕駛技術(shù)領(lǐng)域的深厚底蘊(yùn)和原創(chuàng)能力。

對(duì)于近期輔助駕駛車型事故頻發(fā)、消費(fèi)者信任度下降的現(xiàn)象，理想汽車持樂觀態(tài)度。他們認(rèn)為，這只是技術(shù)發(fā)展過程中的暫時(shí)挫折，不會(huì)阻礙技術(shù)的進(jìn)步。理想汽車將繼續(xù)秉持謹(jǐn)慎態(tài)度，加強(qiáng)驗(yàn)證頻次，確保技術(shù)的安全性和可靠性。

作為國內(nèi)輔助駕駛技術(shù)的領(lǐng)軍者，理想汽車正通過VLA方案，為整個(gè)行業(yè)帶來新的啟示和思考。未來，隨著技術(shù)的不斷演進(jìn)和完善，智能駕駛技術(shù)將更加成熟、可靠，為人們的出行帶來更多便利和安全。