理想汽车发布VLA司机大模型，从昆虫动物到人类智能的三级跃迁

2025年5月7日，理想汽车推出“理想AI Talk第二季——理想VLA（视觉语言行动模型）司机大模型，从动物进化到人类”分享，该系统被定位为交通领域首个专业级AI生产工具。

理想汽车董事长兼CEO李想围绕技术演进路径、模型训练逻辑及AI挑战等方面分享了他的见解。

李想表示：“判断Agent（智能体）是否真正智能，关键在于它是否成为生产工具。只有当人工智能变成生产工具，才是其真正爆发的时刻。”

VLA：从参考到自主决策

当下的汽车市场，L2、L2+组合驾驶辅助仍属于辅助工具阶段，而VLA能够让AI真正成为司机，成为交通领域的专业生产工具。

李想提出，人工智能的应用可分为信息工具、辅助工具和生产工具三大层级。当前多数AI技术仍停留在信息工具阶段，其输出结果包含大量无效信息，仅能作为参考；辅助工具如L2级自动驾驶虽能提升效率，但仍需人类持续监控。而VLA司机大模型的目标是成为交通领域的“生产工具”，即能够独立完成驾驶任务，无需人类干预。

理想汽车认为，AI成为生产工具的标志在于其职业化能力，“如同人类雇佣司机，AI需承担专业职责”。VLA的推出意味着理想汽车在自动驾驶领域迈入新阶段，其核心价值在于将AI从效率提升工具转变为可信任的决策主体。

技术演进：跨越“动物智能”的三阶段

VLA司机大模型的研发并非一蹴而就，而是伴随理想汽车辅助驾驶技术的三次迭代逐步进化。

早期依赖规则算法与高精地图的辅助驾驶系统被类比为“昆虫动物智能”，其决策基于固定逻辑，灵活度受限；2024年推出的端到端模型结合视觉语言模型（VLM），实现了环境感知与简单推理，接近“哺乳动物智能”，但受限于开源模型的专业性不足，难以应对复杂交互。

2025年问世的VLA司机大模型则被定义为“人类智能”阶段。该系统整合3D/2D视觉、思维链推理与自然语言交互能力，构建完整的“脑系统”，具备语言、CoT（思维链）推理能力，既能看，也能理解并真正执行行动，符合人类的运作方式。

这一突破得益于理想汽车在顶级学术会议中发表的多篇论文验证，形成从理论到落地的技术闭环。

模拟人类学习：预训练到强化训练闭环

VLA的训练体系模拟人类驾驶技能习得过程。预训练阶段通过海量2D/3D视觉数据与交通语料库构建基座模型，掌握物理世界常识与交通规则，并通过模型蒸馏优化车端运行效率。后训练阶段引入动作编码数据，结合短链条思维链与扩散模型预测他车轨迹，赋予模型实时博弈能力。

强化训练环节则聚焦安全与舒适性优化。基于人类反馈（RLHF）的强化学习确保驾驶行为符合交通规则与用户习惯，世界模型仿真系统则通过高精度场景还原，低成本验证模型决策逻辑。最终，用户可通过自然语言直接与VLA司机Agent交互，实现类人化沟通体验。

破解AI黑盒难题：安全与透明的双重保障

除了提升专业能力，VLA司机大模型还需解决安全性和模型黑盒的问题，对此，理想汽车构建了双重防护机制。

超过百人组成的超级对齐团队专职负责模型价值观对齐，杜绝学习违规驾驶行为，确保职业司机级的安全底线。同时，通过重建与生成技术打造的世界模型仿真系统，可精准模拟交通场景，破解AI决策黑盒的不可解释性难题。

李想提出，评价AI司机的标准需涵盖专业能力、职业素养与信任构建。VLA通过技术升级与伦理约束，在三大维度均展现出超越人类司机的潜力。

开源共享：从芯片适配到自研操作系统

理想汽车实现技术快速跃迁的背后，是从研究、研发到能力表达，再到将能力变成业务价值的基本功积累。

针对英伟达Orin-X芯片运行语言模型的技术瓶颈，理想自研了推理引擎实现INT4量化运行方案；双Orin-X与Thor-U芯片协同架构，则支撑起VLA大模型的复杂算力需求。

在开源协作方面，DeepSeek开源模型助力理想汽车缩短VLA研发周期近9个月，节省成本数亿元。

同时，理想宣布开源自研操作系统“星环OS”，推动行业技术共享。李想表示：“我们可以站在巨人的肩膀上，但它只是其中的一部分。”大型企业的核心竞争力源于无法被逾越的基本功，而非短期技术红利。

后记：

从增程电动技术破解续航焦虑，到自研操作系统打破生态封闭，再到VLA闯入AI智能的无人区，在成立的十年里，理想汽车始终以解决行业痛点为使命。当辅助驾驶走到了新的十字路口，理想汽车将不断挑战成长的极限，随着VLA司机大模型的落地，理想汽车宣布将于2025年第三季度启动公开道路测试，并向行业开放部分技术接口。这场从“工具”到“司机”的进化，或将成为智能驾驶竞争规则重塑的起点。