文｜刘俊宏
编｜王一粟
“DeepSeek一开源，我们就加速了 9 个月的时间”。
距离上一次AI Talk130天，作为车圈最高年薪的老板、理想汽车创始人、董事长兼CEO李想，再次发布了理想最新的智驾大模型——MindVLA（视觉-语言-动作）大模型。
这款大模型曾在今年3月的英伟达GTC上亮相过，相比两个月前的“炫技”，这次李想讲了不少VLA的技术细节和产品表现。
与理想上一代的端到端+VLM智驾对比，VLA不再是之前相互独立的“双系统”架构，而是一个具有智驾能力的多模态大模型。得益于训练时添加的自动驾驶资料和人类文字语料，VLA终于实现了类似人类司机开车的表现。
“ VLA是一个司机大模型，像人类的司机一样去工作的一个模型。”
正如李想所总结，根据本次公布的视频显示，基于VLA的辅助驾驶系统可以允许驾驶员用更灵活的方式完成人机共驾。一句话，智驾可以实现自动选路、掉头、转弯、停在指定停车场的位置等等。智驾的灵活度，显著超出了当前主流智驾厂商所能提供的体验。
“它是最接近人类的，甚至有机会超过人类”，李想如此总结这VLA的能力和未来。同时，身处智驾安全性被市场怀疑的风口浪尖，李想认为VLA技术有机会为整个行业带来转机，“我觉得黎明马上就要来了”。
在整个智能汽车时代，理想是一家特立独行的玩家。
瞄准智能汽车“终点”的玩家有很多。认为汽车智能化的前提是充足的电动化，蔚来立志要把换电站建满全国每一个角落；认为汽车工业的终点是规模与成本，比亚迪极致掌控生产的每一个环节；认为汽车智能化就是将智能铺满每一个角落，华为要当中国智能汽车的“博世”。
一直奔波于用户需求的理想，在不断积累的AI技术中，慢慢也构筑了自己的技术护城河。
VLA到底是什么？在研发VLA的过程中，都有哪些技术细节？中国智能汽车厂商将在智驾研发中收获什么？从理想的VLA中，我们看到了李想对智能汽车的“终极计划”。
“第十个包子”，一个大模型支撑起智驾
端到端刚不到一年，智驾的架构又迭代了。
在理想这次AI Talk上，李想详细讲述了之前发布的VLA技术——用更大的模型来“装下”整个世界。
相比之前“端到端+视觉”两套模型的架构，这次是一个模型全部解决，视觉-语言-动作的三合一架构。
一个大模型支撑智驾，已经成为智能汽车的最新趋势。
4月中旬，小鹏汽车也在香港披露了最新的智驾技术路线，用一个超大模型底座，支撑起整个智驾，再通过蒸馏落地到智能汽车的端侧。
显然，这里有头部技术大牛的英雄所见略同。
回顾理想智驾的技术变化，经历了从规则算法、端到端+VLM，直到VLA的“三级跳”。可以清晰地看出，AI是如何逐步解决智驾中的研发痛点。
在端到端时代，AI解决的是人力写规则的痛点。由于端到端训练模式相当于用AI来生成规则，节省了大量开发时间。所以，去年整个智能汽车市场一下子冒出不少宣称能落地城市无图NOA的玩家。
但端到端对人类的模仿，终究难以超过人类的驾驶水平，智驾要想进一步升级，需要AI充当能思考的“大脑”。理想在端到端+VLM中，用了“快慢双系统”的架构来让智驾获得深度思考能力。VLM是一个多模态大模型，能够针对复杂场景进行更智能地“理解”。在看懂世界之后，VLM能调整端到端的行为，从而实现模拟人类大脑的“简单反射与复杂反射”。
但是“双系统”的架构毕竟还是不够灵活，相互独立的双系统架构难以联合训练。再加上VLM性能受到车端算力和芯片通信效率限制。实际推理效率达不到5赫兹的表现，很难做到实时推理。
要想进一步提升端到端+VLM架构的能力，需要拿出一个更加整体的、能力足够强的、有快速推理能力的智驾大模型。
“我们对Deepseek R1从上线到后面开源都做了相当多的研究和拥抱。DeepSeek 的速度比想象中快，所以VLA到来的速度也比想象中快。”
诚如李想在访谈中所言。理想在参考Deepseek的调整预训练数据结构+后训练+强化训练的“三板斧”后，也拿出了对标人类智能的“司机大模型”——VLA。
“训练VLA的过程，特别像人去驾校学开车”，李想总结说。
在预训练阶段，理想重新调整了VLA的训练预料，增加了3D和自动驾驶相关图文数据，并适当减少文史类数据的“投喂”。训练之后，VLA基本上能够媲美云厂商的通用大模型了。
为了让VLA提升输出效率，理想重新调整了MoE混合专家架构，并对推理过程做了稀疏化处理。这一步操作，相当于VLA直接用AI整理好的资料来决策，大大缩短了推理耗时。
在后训练阶段中，理想保留了“快慢思考”的思维模型。
VLA的“快思考”模式不再直接输出操控指令，而是输出Action token（执行代码）。“慢思考”模式则是精简了CoT（思维链），保证了模型的推理速度。面对复杂场景，“慢系统”还会模拟出汽车行驶轨迹，用类似人类“边做边想”的方式，在驾驶中不断选择最合适的路线。
最后的强化训练，说白了就是用人的标准来评价VLA的驾驶表现。大致就是设计一些指标，车开得舒服了，就给VLA加分；开得不舒服了或者违章了，就扣一分。一套下来，VLA就能学会怎样成为一个“真正的司机”。
“我觉得VLA（司机大模型），就是完全人类的运作方式了。”
正如李想的总结，“（VLA）有language（语言），也有它的CoT（思维链），还有推理的能力，它能够像人类一样地，真正地去执行这样的行动”。对比自动驾驶早期规则和端到端时代的技术，李想认为VLA的突破，甚至可以将前两个时代类比为“昆虫智能”和“哺乳动物智能”。
既然VLA这么强，是不是意味着其他智驾厂商也能快速跟进。甚至没有智驾研发经验的传统车企也能跨过端到端，一步到位到VLA？
跳过端到端实现 VLA 根本不可行，“没有办法直接吃第十个包子。虽然可能大家觉得第十个包子吃饱了，但前面每个包子其实都跳不过去”。
随后李想顿了顿，又总结了AI技术积累的重要性，“如果大家不想做前面任何包子的积累，只想吃第十个包子，就像是练葵花宝典。”
两年4级跳，理想的技术“开天眼了”？
从2023年底，理想推送需要先验信息的全场景NOA，到如今发布VLA。理想到底是怎么实现智驾能力“两年4级跳”的？
关于这个问题，光锥智能在今年的上海车展上几乎问遍了每一个智驾供应商，但很可惜没人说得清。其中一些智驾供应商工作人员还评价说，“就像是开天眼了一样”。
对于事务做出一针见血、穿透本质的判断，再沿着正确的方向找到最短到达的路径。或许，这是理想能最快突破50万辆年销量，并且在两年内智驾快速发展到第一梯队的最重要的一个原因。
在几次和李想及理想智驾团队深度沟通的过程中，光锥智能发现这种思维方式贯穿了许多理想解决问题时的方式。
“当我们想去构建能力的时候，DeepSeek给你展示了一个最佳实践，第一步一定要先搞研究。就是任何的时候，当我们想去改变能力和提升能力的时候，第一步一定是搞研究，研究完了才搞研发。”
正如李想评价从Deepseek上学到的经验——理想在研发VLA的时候，很多关键技术节点的迭代都算得上是“相互支撑”和“不谋而合”。
作为佐证，李想在智驾团队在芯片上优化FP8（8 位浮点数格式）的时候，跟谢炎（理想汽车CTO）达成意见一致要训练一个语言模型。但没想到陈伟（理想汽车基座模型负责人）早就已经这么想了。“陈伟比我们还坚决”，李想说。
为什么李想能够发现软件基础相当重要？因为在开发VLM的时候，积累了软件底层开发能力。“本来Orin芯片是不支持跑语言模型的。但因为英伟达没时间，所以我们自己写了底层推理引擎”，李想回忆说。
如此一来，理想的汽车操作系统（星环OS）和基座大模型战略也串联了起来。
针对芯片底层推理引擎的开发，让理想意识到了智驾芯片底层数据传输的逻辑。星环OS架构的搭建方式，就是围绕智驾到车控这条通道而建设的。理想目前开源的，也正是车控操作系统、智能驾驶操作系统、通信中间件、虚拟化平台这四个组件。
另一边，由于VLA算是一个通用多模态大模型，所以理想的整个汽车座舱也打通了语言与智驾之间的隔阂。
在演示中看到，在辅助驾驶状态下，驾驶员说出驾驶指令，车辆就能立马执行。无论是说走人工还是前面左转，汽车都能在保持正常辅助驾驶的前提下，执行新路线。
对比目前主流其他智驾厂商，VLA当前展现的能力称得上是“遥遥领先”。当其他智驾要驾驶员停车重新设置目标点的时候，理想不仅能保持流畅行车状态，而且还不需要司机说出具体的目的地。
“它变得更像人。其实没什么惊奇的，你都知道它的原理了”。
正如李想所总结，“你跟司机怎么说话，那就怎么跟司机Agent说。短指令的话，VLA直接就能在车端处理了。长指令交给云端模型处理，然后再由VLA执行。”当智驾能看懂世界、理解语言，还能懂你意思，VLA就变成了司机Agent。车辆成为能与用户沟通、理解用户意图的智能体。
如果说，去年发布端到端+VLM时候的理想，是想要炫耀端到端的能力。那么，如今的理想已经通过AI基础技术研发，构建起了软件能力的护城河。
但AI基础研究的路线到底能通往哪里？李想不太能确定，“我觉得没有办法预测，我们前面没有任何人走过这条路。DeepSeek没走过，OpenAI、谷歌、Waymo也没有走过这条路。”
“我们其实走的是一个无人区”。
理想和中国智能汽车，共闯无人区
其实在整个智能汽车时代，中国汽车行业的玩家都是在“无人区”中摸索着前进。
到底什么样的汽车才算是智能汽车？车企要如何竞争才能取得时代胜利？近五年间，我们见证过太多“答案”。
瞄准智能汽车“终点”的玩家有很多。认为汽车智能化的前提是充足的电动化，蔚来立志要把换电站建满全国每一个角落；认为汽车工业的终点是规模与成本，比亚迪极致掌控生产的每一个环节；认为汽车智能化就是将智能铺满每一个角落，华为要当中国智能汽车的“博世”。
“理想的基因是为用户创造价值。”
正如李想在访谈中所言，今年即将迎来十岁生日的理想，走的是与行业其他玩家与众不同的路子——在满足用户的需求中，在不断地解决问题中成长。
例如在汽车电动化及相关配套设施还不完善的时期，理想先推出了增程式的车型满足用户需求。用“冰箱彩电沙发”定义了早期汽车智能的“模板”。而彼时的汽车行业还在纠结，增程式到底是不是落后技术，“冰箱彩电沙发”到底算不算是“花架子”。
站在2025年的上海车展上，“冰箱彩电沙发”早已成了每一辆新车的标配。汽车行业也早就没了关于增程技术落后的讨论，反而是不少消费者“要求”纯电汽车品牌也推出增程式版本。
“到了今天，还能看到至少有5个的企业是因为当时理想L9的成功，在打造跟理想L9相同的产品。”李想说。
专注满足用户需求的结果，就是理想汽车在过去的五年中，合计卖出超过100万辆车。李想今年年初的内部信，定下了2025年要占据20%中国智能电动车市场份额的目标。换算下来，销量要达到160万辆。
“我只能做最好的自己，在自己长板的延长线上来做，而延长线最终带来了无人区。”
诚如李想所说，理想的成就是不断延长自身优势的结果。但如果我们用更大的尺度观察中国汽车行业。中国智能汽车行业如今领先全球的盛况，其实也是各家车企不断探索自身“长板”的结果。
二十年前，中国汽车想要实现技术突破非常困难。在全球汽车巨头早已搭建好的利益关系网中，任何中国车企技术研发都要面临国际技术专利的壁垒。想要拿下技术授权，想要在海外销售自主品牌，就得仿照吉利收购沃尔沃。
在智能汽车时代，如今的中国汽车产业链已经有不少玩家“不怎么在乎”国际巨头的技术封锁了。
例如在智驾上，中国已经有不少厂商开始了对外输出（小鹏、地平线、Momenta、华为等）。在汽车OS的设计上，不只是理想的星环OS，还有不少芯片厂商也参与了车机系统的设计，例如地平线的HSD界面、鸿蒙车机等。在国外汽车巨头最自豪的底盘调教环节中，比亚迪、华为、蔚来等玩家在用智能底盘攻城略地。
要知道，过去中国汽车产业链用的几乎都是国际巨头们已经“给好”的模板。
“我觉得DeepSeek的出现，对我们加速做VLA是巨大的帮助。”谈到为什么决定开源星环OS，李想感慨万分，“我们受到了那么大的帮助，所以在想我们能对社会做点什么贡献”。
光锥智能大致看了下开源文件，readme文件（可以理解为是说明书）写的比较详细，理想真的想让大家用起来。
当前，汽车操作系统已经被提升到智能汽车“新三大件”，理想的星环OS大概率不会像Deepseek一样，被各大汽车厂商“拿来就用”。但对于汽车行业来说，有星环OS作为参考，一定是一件好事。
越开放、越上升，这样的技术和产业的螺旋式升级，不只发生在智能汽车和AI产业链里，最终，将润物细无声般地渗透到中国经济的方方面面。
