理想汽车的 AI 雄心：VLA 司机大模型如何从“动物”进化至“人类”

5 月 7 日，理想汽车举办了“理想 AI Talk 第二季”，主题聚焦于其雄心勃勃的 VLA（Vision-Language-Action，视觉语言行动）司机大模型，并探讨了其从“动物智能”向“人类智能”的进化路径。理想汽车董事长兼 CEO 李想在活动中，不仅深入解读了 VLA 大模型的核心作用、训练方法及其面临的挑战，还分享了他对人工智能发展趋势、创业历程和个人成长的独到见解。

AI 工具的进化阶梯：从信息助手到生产力引擎

李想首先对当前 AI 技术的进展，特别是大模型和 Agent（智能体） 的应用前景进行了阐述。他将 AI 工具的成熟度划分为三个层级：

1. 信息工具：当前多数 AI 应用停留于此，能够提供信息，但往往伴随着大量冗余内容，其结果仅具参考价值。
2. 辅助工具：AI 在此阶段能够提升特定任务的效率，例如当前的辅助驾驶系统，但仍离不开人类的监督和介入。
3. 生产工具：这是 AI 发展的终极形态，能够独立完成专业任务，实现效率与质量的飞跃。

李想强调：“判断一个 Agent 是否真正智能，关键在于它能否成为一个生产工具。 只有当人工智能进化为生产工具时，其潜能才会彻底爆发。这就像我们雇佣司机一样，未来的 AI 技术也应当能够承担起类似的职责，成为名副其实的生产工具。”

VLA 的进化之路：从“昆虫”到“哺乳动物”，再到“人类”智能

李想指出，当前主流的 L2、L2+ 级别的辅助驾驶系统，本质上仍是“辅助工具”。而理想汽车追求的 VLA 司机大模型，目标是让 AI 真正成为一名专业的“司机”，即交通领域的“生产工具”。

VLA 的实现并非一蹴而就，而是一个循序渐进的进化过程，理想汽车将其划分为三个关键阶段，分别对应其辅助驾驶技术的过去、现在与未来：

• 第一阶段：“昆虫智能”（始于 2021 年）：理想汽车自研的辅助驾驶系统，主要依赖规则算法和高精度地图。
• 第二阶段：“哺乳动物智能”（2023 年研究，2024 年推送）：引入端到端模型与 VLM（Vision Language Model，视觉语言模型）。尽管端到端模型在处理复杂路况时有所提升，并能借助 VLM 进行辅助理解，但由于 VLM 多基于开源模型，其在专业交通领域的认知能力受限，且端到端模型本身也难以与人类进行有效沟通。
• 第三阶段：“人类智能”（始于 2024 年）：为了突破上述瓶颈，理想汽车启动了 VLA 的研究，并已在多项顶级学术会议上发表论文，为理论创新奠定了坚实基础。VLA 在端到端的基础上，实现了质的飞跃：
  • 全面的环境感知：通过 3D 与 2D 视觉的融合，VLA 能够完整感知物理世界，超越了 VLM 仅能解析 2D 图像的局限。
  • 完整的“大脑”系统：VLA 具备强大的语言理解能力和 CoT（Chain of Thought，思维链） 推理能力，使其不仅能“看懂”，更能“理解”并“执行”任务，真正模拟人类司机的运作方式。

VLA 的“驾校”与“路考”：模拟人类学习，对齐人类价值观

VLA 司机大模型的训练过程，巧妙地模拟了人类学习驾驶的完整流程，主要包括三大环节：

1. 预训练（Pre-training）：如同人类学习交通规则和物理世界常识。理想汽车通过海量高清的 2D 和 3D 视觉数据、交通领域的语言语料，以及与物理世界相关的视觉-语言联合数据，训练出云端的 VL（Vision-Language）基座模型。随后，通过蒸馏技术将其转化为能在车端高效运行的端侧模型。
2. 后训练（Post-training）：相当于人类进入驾校系统学习驾驶技能。在这一阶段，通过引入 Action（动作） 数据——即对周围环境和车辆自身驾驶行为的精确编码——VL 基座模型进化为 VLA 司机大模型。凭借短链条的 CoT 推理能力和 Diffusion 扩散模型对其他车辆轨迹及环境变化的精准预测，VLA 具备了在复杂交通环境中进行实时博弈的能力。
3. 强化训练（Reinforcement Training）：好比人类司机在真实道路上积累经验，不断提升驾驶技艺。此环节的目标是使 VLA 司机大模型在安全性、舒适性上超越人类，并与人类社会的价值观对齐。这包括：
   • 基于人类反馈的强化学习（RLHF）：确保模型严格遵守交通规则，并贴合中国用户的驾驶习惯，实现安全对齐。
   • 纯强化学习模型在世界模型中的训练：提升驾乘舒适性，最大限度避免碰撞事故，并巩固交通规则的遵守。

经过这三个阶段的精心打磨，VLA 司机大模型便可部署到车辆上，为用户提供服务。

届时，VLA 司机大模型将以“司机 Agent（智能体）”的产品形态呈现。用户可以通过自然语言与这位“AI 司机”沟通，就像与人类司机交流一样。简单的、通用的短指令将由端侧的 VLA 直接处理；而复杂的指令则会先由云端的 VL 基座模型进行解析，再交由 VLA 执行。

安全第一，透明可释：破解 AI 决策的“黑盒”难题

在追求卓越专业能力的同时，VLA 司机大模型必须攻克两大核心挑战：安全可控性与模型“黑盒”问题。

李想认为，模型能力越强，就越需要严格的职业性约束来确保其行为的下限。为保障 VLA 司机大模型能达到甚至超越职业司机的安全与舒适标准，并杜绝学习如“加塞”等不良驾驶行为，理想汽车在强化训练环节投入了巨大资源。计划于 2024 年底组建一支超过 100 人的“超级对齐（Super Alignment）”团队，其核心任务就是为“司机 Agent”注入高度的职业素养。

针对AI模型普遍存在的“黑盒”问题，即其决策过程难以理解和追溯，理想汽车采用了重建与生成相结合的技术路径，打造了一个真实且遵循物理世界规律的“世界模型（World Model）”。这个模型能够覆盖所有交通参与者和环境要素。借助世界模型的强大仿真能力，VLA 可以在其中进行低成本、高精度的现实问题验证，从而显著提升问题解决的效率，有效应对“黑盒”带来的挑战。

判断一个“司机 Agent”是否优秀，李想提出了三个关键标准：

• 专业能力：由 VLA 司机大模型本身提供。
• 职业能力：通过“超级对齐”团队的工作来增强。
• 构建信任的能力：VLA 通过理解自然语言、具备记忆能力来逐步建立与用户的信任。

厚积薄发：人工智能时代，苦练基本功方为正道

理想汽车之所以能够实现技术的快速迭代与跨越，其背后是对基本功的执着与积累——从前瞻性的研究，到高效的研发转化，再到将技术能力切实转化为用户价值和业务成果。李想强调，研究是驱动创新的源头，一旦研究取得突破，研发效率便会大幅提升，而最终的目标始终是实现有价值的业务落地。

理想汽车始终坚持核心技术的自研，以技术创新赋能用户价值。例如，在辅助驾驶领域，英伟达的 Orin-X 芯片本身并不直接支持语言模型的运行，这使得“端到端 + VLM”的方案对许多企业而言仍是巨大的挑战。理想汽车凭借其自有的编译团队，成功自研了底层推理引擎，使得芯片能够通过 INT4（4 比特整型）量化的方式高效运行 VLM。不仅如此，依托在芯片理解、控制器设计以及自研汽车操作系统等方面的综合实力，理想汽车实现了让双 Orin-X 芯片和 Thor-U 芯片均能运行同等规模的 VLA 司机大模型。对此，李想坚信：“大型企业所积累的基本功和核心能力，是永远无法被简单逾越的。”

尽管 DeepSeek 等优秀开源模型的出现，为理想汽车在 VLA 司机大模型语言能力的研发上节省了近 9 个月的时间和数亿元的成本，但理想汽车并未止步于此。公司选择在基座模型的研发上投入超预期 3 倍的训练算力，专注于打造能够适配多场景的自研模型。“我们可以站在巨人的肩膀上，”李想说，“但这仅仅是旅程的一部分。” 在受益于开源社区的同时，理想汽车也积极回馈，选择将其自研的汽车操作系统——理想星环 OS——进行开源。

穿越风雨，向阳生长：李想的创业感悟与人生哲学

今年 7 月，理想汽车即将迎来成立十周年的里程碑。回顾创业之路，李想坦言苦远多于甜，但他选择铭记那些珍贵的美好瞬间，以此激励自己持续保有正能量。“创业确实不容易，但是没必要苦哈哈的。苦和甜本就是一枚硬币的正反面，关键在于你选择看哪一面。”他将企业发展中遭遇的挫折视为必须跨越的挑战，而正是这些挑战，锤炼并赋予了理想汽车更强的生命力。正是这份积极乐观的创业心态，支撑着理想汽车迅速成长为一家年营收达千亿规模、累计交付量突破百万的新势力领军企业。

当被问及如何成为一个充满“能量”的人时，李想认为，核心在于向内求索，关注自我成长。这意味着全然接纳自身的优点与不足，并用“成长”——即能力的增强——来替代简单的“改变”。此外，他特别强调了亲密关系的重要性。在他看来，关注他人的成长同样能为自己带来能量，家人和同事是他力量的源泉，能够与他形成优势互补，相互扶持。“我需要家人和同事，甚至超过了他们需要我。首先是我需要他们，然后才是他们需要我，我们在一起能够形成非常强大的脑力和心力。”李想如是说。

回望从高中时代创办个人网站至今的数次创业经历，李想表示，他的核心思维方式始终如一：直面问题，解决问题，尤其是那些他人不愿触碰的难题和用户深切关注的痛点，并在这个过程中持续向优秀的人学习。不同的是，如今他所面临的问题更为错综复杂，服务的用户群体更为庞大，企业的规模与组织也远非昔日可比。“几次创业一路走来，最艰难时总有贵人相助，跌入谷底也能迅速振作，一群人同心同德，共同进步，这本身就是一种幸运，没什么可后悔的。”

面对人工智能浪潮的席卷，李想认为，在 AI 面前，所有的人性都应该被珍视和保留，无论其好坏，因为这些人性特质——文化、生命力、性格、能力——恰恰是人类最宝贵的财富。

结语：以技术创新引领，挑战智能驾驶新高度

从早期采用增程电动和 5C 超充技术攻克新能源汽车电池成本高、充电难、充电慢的三大痛点，到后来下决心自研汽车操作系统，解决传统车载系统性能羸弱、开发迟缓、芯片适配周期漫长等顽疾，理想汽车始终将技术创新作为解决行业核心难题的利器。如今，在自研 VLA 司机大模型的征途上，理想汽车更是勇敢地踏入了人工智能应用的“无人区”。

当前，辅助驾驶技术正站在一个新的十字路口。理想汽车决心持续挑战自我成长的极限，致力于为整个行业和广大用户创造更加深远的价值。