理想汽车发布“人类级”VLA司机大模型

摘要：2025年5月7日晚8点，理想汽车通过线上直播平台推出“理想AI Talk第二季”，董事长兼CEO李想首次向公众揭秘了公司自主研发的VLA（Vision-Language-Action）司机大模型技术体系。这场以“从动物进化到人类”为主题的发布会，不仅展示了中

2025年5月7日晚8点，理想汽车通过线上直播平台推出“理想AI Talk第二季”，董事长兼CEO李想首次向公众揭秘了公司自主研发的VLA（Vision-Language-Action）司机大模型技术体系。这场以“从动物进化到人类”为主题的发布会，不仅展示了中国智能驾驶领域的最新技术突破，更揭示了人工智能从实验室走向产业化的关键路径。据李想介绍，这项历时三年研发、耗资数十亿的VLA技术，将推动辅助驾驶系统从“哺乳动物智能”迈向“人类智能”阶段，预计在今年7月随新款车型i8正式落地商用。

在长达两小时的深度分享中，李想首次系统阐释了人工智能工具的三层分级理论："当前绝大多数AI应用仍停留在信息工具层级，就像只会复述交通规则的学童；我们的端到端+VLM辅助驾驶已具备哺乳动物般的条件反射；而VLA司机大模型真正实现了人类级别的观察、思考和决策能力。"他特别强调，只有当AI能独立完成专业任务时，才称得上真正的生产工具。

这项技术突破的背后，是理想汽车对智能驾驶发展规律的深刻洞察。工程师团队将VLA的进化划分为三个阶段：2021年基于规则算法的初代系统如同具备基础本能的"昆虫动物"；2024年推送的端到端+VLM系统展现出"哺乳动物"的环境适应能力；而今的VLA系统通过融合3D视觉解析、思维链推理和自然语言交互，终于达到"人类司机"的认知水平。现场播放的实测视频显示，搭载VLA的测试车在晚高峰的北京东三环主路，用时37分钟完成全程自动驾驶，期间处理了12次加塞、3次紧急避让和1次道路施工改道。

"这不是科幻电影的突然降临，而是持续进化的必然结果。"研发团队在2024年就意识到端到端模型的局限性——开源视觉语言模型难以精准理解交通场景，就像给司机配了本错误百出的导航手册。为此，他们构建了覆盖2D/3D视觉、物理规律和交通常识的专属数据库，其数据量相当于200万小时的真实驾驶录像。

在技术讲解环节，李想用"驾校三阶段"类比VLA的训练过程：预训练阶段如同交规理论学习，系统"啃"下数百万GB的视觉-语言联合数据；后训练阶段加入实际驾驶动作编码，相当于科目二、三的场地实操；强化训练则通过人类反馈和世界模型仿真，培养出超越普通司机的应变能力。特别值得注意的是，研发团队为此组建了超过100人的"超级对齐"团队，专门负责剔除系统可能学习的危险驾驶行为。

面对业界关注的"AI黑盒"难题，理想汽车创新性地构建了交通世界模型。这个数字孪生系统能模拟98.7%的常见路况，使得每次系统升级都需在虚拟环境中完成300万公里的安全测试。李想现场展示了世界模型的实时渲染画面：暴雨中的高速公路上，系统在0.3秒内预判出前方连环追尾风险，提前800米开始减速。"这相当于给AI司机配了个全天候驾校教练。"

技术创新背后是扎实的基本功积累。记者了解到，理想汽车自研的底层推理引擎成功突破芯片限制，让双Orin-X芯片运行起同等规模的大模型。李想透露，借助DeepSeek的开源支持，研发周期缩短了9个月，节省成本超3亿元，但公司仍追加投入3倍训练卡资源。"就像盖大楼，地基打得深，楼层才能起得高。"他特别提到，即将开源的"理想星环OS"汽车操作系统，正是这种技术自信的体现。

在发布会尾声，这位即将迎来创业十年的CEO分享了独特的心得："AI越是强大，越需要保留完整的人性特质。"他坦言创业路上"苦多于甜"，但正是直面电池成本、充电效率等行业难题的过程，锻造出理想汽车的创新基因。当被问及如何保持正能量时，李想笑称需要"选择性记忆"——记住那些用户满意的笑容、技术突破的瞬间，就像自动驾驶系统过滤无效信息般专注有价值的部分。