理想 AI Talk 第二季：VLA大模型如何引领智驾新时代？

靜若梨花

2025 年 5 月 7 日，理想汽车正式开启 "理想 AI Talk 第二季" 主题活动，重磅推出理想 VLA 司机大模型，并以 "从动物进化到人类" 为核心主题。活动现场，理想汽车董事长兼 CEO 李想发表深度演讲，不仅阐述了对人工智能发展趋势的前沿思考，还围绕 VLA 司机大模型的功能价值、训练体系构建及研发过程中面临的挑战进行详细解读。此外，李想还结合自身经验，分享了对创业方法论和个人成长路径的独到见解，为行业发展与个人发展提供了新的思考维度。
李想将AI工具的发展划分为三个阶段：信息工具、辅助工具和生产工具。他指出，当前大多数AI应用仅停留在信息工具阶段，提供的信息往往冗余且价值有限。辅助工具阶段，AI能够提升效率，但仍需人类介入。而未来，当AI进化为生产工具时，将能够独立承担专业任务，大幅提升效率与质量。判断智能体是否真正智能，关键就在于其能否成为生产工具。
1 实现VLA，需要不断进化
简单来说，理想汽车的 VLA不会突然就变得很厉害，而是一步步慢慢发展起来的。现在大家用的 L2、L2 + 这些驾驶辅助功能，只能算是给开车帮忙的小助手。但 VLA 不一样，它的目标是让 AI 变成真正会开车的 “老司机”，成为交通领域里能独当一面干活的工具。对理想汽车来说，未来的 VLA 就像一个跟人一样会开车的智能系统。
VLA的训练过程分为三步。首先，它需要学习交通规则和世界知识，通过大量高清图像和文字资料优化模型，使其能在汽车上快速运行。其次，在基础模型上加入动作数据，使VLA能够预判其他车辆行驶轨迹和环境变化，灵活应对复杂交通状况。最后，通过收集人类反馈，在模拟环境中反复练习，让VLA学会平稳驾驶，遵守交通规则，适应国内驾驶习惯。
所以从 2024 年起，理想汽车就开始研究 VLA。等发展到第三阶段，VLA 就像拥有人类智慧一样。它不仅能像人眼一样，通过 3D 和 2D 视觉把周围路况看得清清楚楚，还能像人脑一样，理解看到的东西，通过语言交流，用 “思考” 的方式做决策，最后精准执行开车的操作，真正做到和人类开车一样灵活靠谱。
2 VLA训练过程三步走
理想汽车的 VLA，它的训练过程和人学开车很像，而且最终要让这个 AI 司机的开车习惯、安全意识都符合我们人类的想法。而训练方法，要分三步走。
第一步是先了解这个世界和交通的基本规则，VLA 训练时，会 “看” 大量高清的 2D、3D 图像数据，“读” 很多交通相关的文字资料，还要同时学习图像和文字结合的数据，然后再把它优化成能在汽车上快速运行的版本。
第二步，VLA 在基础模型上加入 “动作” 数据，也就是汽车行驶时的各种操作和周围环境变化的数据。有了这些数据，基础模型就升级成 VLA 司机大模型。这个模型还用上了 “快速思考方法”，能预判其他车辆的行驶轨迹和环境变化，所以它能在复杂的交通状况下，像老司机一样灵活应对、见招拆招。
最后，通过收集人类反馈，教 AI 司机遵守交通规则，比如红灯停绿灯行，还要适应国内的驾驶习惯，像变道打转向灯、礼让行人。把 AI 司机放到模拟的 “虚拟世界” 里反复练习，让它学会平稳驾驶，避免急刹车、急加速，减少碰撞风险。
3 安全性和模型黑盒的问题
除了功能强大，VLA还面临着安全性和模型黑盒两大挑战。为了确保安全性，理想汽车组建了专业团队，对VLA进行“职业素养”培训，教它遵守交通规则，养成良好驾驶习惯。针对模型黑盒问题，理想汽车通过重建和生成技术，构建了一个与现实交通情况一致的虚拟世界，使VLA能够在其中低成本、准确地模拟各种路况，提前验证解决方案，从而解决决策过程不透明的问题。
再说说 “模型黑盒” 问题。这个问题就好比你不知道 AI 司机做决策时到底怎么想的，心里没底。理想汽车用了两种办法来解决：一是 “重建”，二是 “生成”，打造出一个跟现实交通情况一模一样的 “虚拟世界”（世界模型），这个虚拟世界里有所有的交通参与者和要素。借助这个虚拟世界，VLA 能低成本、准确地模拟现实中的各种路况，提前验证解决方案，这样就能搞清楚它是怎么做出开车决策的，解决 “摸不透” 的问题。
4 人工智能时代，扎实的基本功比走捷径重要
在人工智能时代，理想汽车重视基本功积累，通过从研究、研发到业务落地的系统化推进实现技术发展。面对辅助驾驶技术瓶颈，理想依靠自研团队优化芯片与模型适配，自研底层推理引擎解决运行难题。虽然受益于开源技术节省研发时间和成本，但仍坚持超预期投入自研基座模型，同时也开源自研的汽车操作系统。
面对 AI 发展，他强调应保留人性特质，守护人类生命力。理想汽车凭借增程电动、5C 超充、自研操作系统等技术创新突破行业难题，自研 VLA 更涉足 AI 无人区，未来将在辅助驾驶新赛道持续挑战极限，为行业和用户创造价值。

不如自成宇宙

必须燥起来