理想AI Talk第二季上线，最新的VLA视觉模型到底是什么？

2025年5月7日，理想汽车召开"理想AI Talk第二季"技术发布会，重点介绍了最新研发成果VLA司机大模型系统。该技术被定义为面向交通领域的专业生产工具，旨在实现接近人类司机水平的自动驾驶功能。我简化了一下整个谈话过程，并直接把结论列出来，让大家可以快速的明白理想在AI领域的发展方向以及思路。

在技术演进路径方面，理想汽车展示了三阶段发展路线：

2021-2022年：基于规则算法与高精地图的辅助驾驶系统

2023-2024年：端到端架构结合视觉语言模型（VLM）的辅助驾驶系统

2025年：具备多模态感知与决策能力的VLA（视觉语言行动）司机大模型

技术架构显示，VLA系统采用三阶段训练机制：

预训练阶段：通过超300PB的2D/3D视觉数据与交通语料构建基座模型

后训练阶段：引入动作编码数据与短链条思维链推理技术

强化训练阶段：运用RLHF（人类反馈强化学习）与世界模型仿真技术进行安全校准

安全性验证方面，研发团队披露：

组建超过100人的安全对齐团队

构建覆盖全要素的交通世界模型

累计完成超1000万公里的虚拟仿真测试

硬件适配方面，技术团队通过自研推理引擎实现：

INT4量化技术使Orin-X芯片支持语言模型运算

Thor-U芯片与双Orin-X芯片实现算力均衡

在模型研发过程中：

使用DeepSeek开源框架节省约9个月研发周期

投入超过行业平均水平3倍的计算资源进行基座训练

向开源社区贡献自研车载操作系统代码

企业相关负责人表示，该技术已通过国家智能网联汽车创新中心第三方验证，计划于2026年逐步实现城市道路场景应用。公司同时披露，相关技术论文已被NeurIPS、CVPR等学术会议收录。

在媒体问答环节，理想汽车董事长李想就技术发展提出观点：

"自动驾驶系统的智能程度应以能否承担完整驾驶任务为评判标准。当前行业普遍处于辅助工具阶段，向生产工具演进需要突破多模态协同与价值对齐两大技术瓶颈。"

关于企业发展战略，李想透露：

研发投入连续三年保持40%以上复合增长率

技术团队规模扩展至3000人，其中博士占比15%

计划在2025Q3发布开源工具链LISA 2.0

值得关注的是，工信部最新数据显示，我国L2+级自动驾驶渗透率已达62%，但专业生产工具级系统仍处于验证阶段。行业专家指出，视觉大模型与行动策略的协同优化、长尾场景应对能力、系统可解释性等关键技术仍需持续突破。