李想谈VLA司机大模型：要让AI像专业司机独立完成驾驶任务

2025 年 5 月 8 日，在 AI Talk 第二季的对话中，理想汽车创始人李想以一场长达两小时的深度分享，勾勒出人工智能从工具到生产力的进化图景。这位将理想汽车定义为"人工智能企业"的创业者，首次系统阐述了其团队打造的 VLA（视觉 - 语言 - 行动）司机大模型如何突破技术无人区，并预言"当 AI 成为生产工具时，真正的爆发时刻才会到来"。

AI 的三重境界

李想将 AI 工具划分为三个层级：信息工具、辅助工具和生产工具。他认为当前多数人对 AI 的认知仍停留在"搜索引擎的升级版"——信息工具阶段，但这本质上是"熵增过程"，会产生大量无效信息。即便进阶至辅助工具阶段，如车载语音助手和导航系统，AI 仍需依附人类决策。真正的革命性突破在于 AI 发展为生产工具，就像专业司机能独立完成驾驶任务，AI 需要具备自主完成专业工作的能力。"判断 Agent（智能体）是否智能，关键在于它能否成为生产力。"李想强调。

这种认知源于理想汽车在自动驾驶领域的实践。团队发现，依赖规则算法的传统辅助驾驶如同"昆虫智能"，只能在限定场景下运行；端到端 +VLM 模型虽能模仿人类驾驶行为，却难以理解物理世界规则。"就像马戏团动物学骑车，会动作却不懂原理。"李想比喻道。而 VLA 司机大模型的突破，在于让 AI 真正具备人类司机的三维视觉、逻辑推理和即时行动能力。

解决"黑盒难题"

VLA 的诞生被李想形容为"黎明前的黑暗"。这个融合 3D 视觉、自然语言理解和行为决策的模型，经历了与传统技术路线截然不同的训练路径：预训练阶段通过海量高清视觉数据和交通语义语料构建"世界认知"；后训练阶段加入动作编码，模拟驾校学习过程；强化训练则通过人类反馈（RLHF）和虚拟世界模型，让 AI 在社会化驾驶中完成价值观对齐。

"训练过程就像人类司机成长。"李想解释道。云端 320 亿参数的基座模型负责理解物理世界，蒸馏至车端的 32 亿参数模型通过扩散预测生成 4-8 秒轨迹，而超级对齐技术确保 AI 决策符合人类驾驶习惯。为解决行业普遍存在的"黑盒难题"，理想汽车独创了结合场景重建与生成的世界模型，既保留真实物理规律，又具备应对未知场景的泛化能力。

无人区里的技术长征

在这场技术革命背后，是理想汽车对基础研究的坚持。李想坦言，团队曾计划自研语言模型，但 DeepSeek 的开源让研发周期缩短 9 个月。"我们占了大便宜。"他笑着表示。这种开放心态延伸至企业战略——理想将自研四年的星环操作系统开源，通过性能倍增、成本减半的系统架构革新，推动行业摆脱对传统闭源系统的依赖。

但真正的挑战在于技术无人区的探索。" VLA 这条路，DeepSeek 没走过，OpenAI 没走过，Waymo 也没走过。"李想透露，团队为训练基座模型额外购置三倍算力，在 3D 高斯表征、稀疏注意力机制等关键技术点持续攻关。这种投入源于他对 AI 发展的判断："基本功比捷径更重要。就像做好规则算法才知道如何做端到端，极致端到端才能支撑 VLA。"

给 AI 划上双实线

在这场技术狂欢中，李想始终保持清醒。他给 VLA 设定了三重标准：专业能力、职业素养、构建信任的能力。超级对齐团队超过百人的规模，折射出理想汽车对安全底线的执着。" AI 要有道德边界，就像路面的双实线。"这种价值观也延伸到企业战略，李想多次强调"用户价值是核心"，从开源操作系统到用世界模型破解黑盒难题，本质都是通过技术普惠创造社会价值。

面对 AI 可能引发的人性争议，李想展现出难得的包容："所有人性特质都应保留，那是人类的生命力。"这种哲学思考，或许正是理想汽车在自动驾驶争议漩涡中保持战略定力的根源。当行业争论"辅助驾驶是否该暂停"时，李想的选择是加速推进 VLA 落地："解决别人不愿解决的难题，才是我们的价值。"

结语：

站在创业十年关口，这位曾用增程电动破解续航焦虑、用 5C 超充改写充电规则的企业家，正将理想汽车推向更宏大的叙事——通过 VLA 司机大模型，让人工智能成为连接物理与数字世界的桥梁。在这场生产力革命中，李想给出的答案简单却有力："成长不是改变，而是增强能力。我们只管拼命往前走，能量自会汇聚。"