在智能駕駛技術的浪潮中，理想汽車再次站上了風口浪尖。CEO李想近期在理想AI Talk系列活動中，對智能駕駛技術的未來藍圖進行了深入剖析，特別是關于VLA（視覺語言行動模型）的探討，引起了業界的廣泛關注。
早在2024年末，李想在第一季AI Talk上就預言，智能駕駛的基座模型終將進化為VLA。這一觀點，在理想汽車于同年10月推出端到端+VLM（視覺語言模型）智駕方案后不久，便顯得尤為前瞻。然而，年底時李想又明確表示，理想汽車將全力押注VLA，這一轉變或許讓部分用戶感到困惑，畢竟端到端+VLM方案尚處推廣初期。
進入2025年，理想AI Talk第二季上，李想進一步闡述了為何選擇VLA作為現階段的最強架構。他指出，VLM在處理復雜場景時，如京承高速等擁有眾多ETC出入口的路段，其位置判斷能力顯得力不從心。VLM的架構缺陷，使得單純增加語料數據無法從根本上解決問題。相比之下，VLA通過結合視覺、語言及行動數據，展現出更接近甚至超越人類駕駛能力的潛力。
為了構建VLA，理想汽車采取了三步走的策略：首先是VL（視覺語言）基座預訓練，這一步相當于人類通過學習視覺、語言及二者聯合數據來認知世界；其次是輔助駕駛后訓練，類似于人類在駕校學習駕駛，通過實際操作數據訓練出VLA司機大模型；最后是強化學習，通過日常駕駛中的反饋，進一步優化VLA對交通規則的理解及符合用戶駕駛習慣的能力。
理想汽車的VLA方案，最終以司機Agent的形式呈現，能夠理解人類自然語言指令，實現用戶意圖與車輛動作的精準匹配。在測試中，司機Agent能夠根據語音指令在不退出NOA（導航輔助駕駛）的情況下切換路線，或在高速出入口選擇人工通道，展現了極高的靈活性和智能性。
面對VLA方案仍存在的黑盒問題，理想汽車采取了積極措施。他們組建了超過1000人的超級對齊團隊，并構建了仿真世界模型，以在虛擬環境中驗證司機Agent的專業性、職業性和信任構建能力。這一舉措不僅大大降低了驗證成本，還提高了測試效率。
針對英偉達Orin-X芯片無法直接運行語言模型的挑戰，理想汽車憑借自研的底層推理引擎和INT4量化技術，成功實現了VLM在芯片上的運行。這一技術創新，彰顯了理想汽車在智能駕駛技術領域的深厚底蘊和原創能力。
對于近期輔助駕駛車型事故頻發、消費者信任度下降的現象，理想汽車持樂觀態度。他們認為，這只是技術發展過程中的暫時挫折，不會阻礙技術的進步。理想汽車將繼續秉持謹慎態度，加強驗證頻次，確保技術的安全性和可靠性。
作為國內輔助駕駛技術的領軍者，理想汽車正通過VLA方案，為整個行業帶來新的啟示和思考。未來，隨著技術的不斷演進和完善，智能駕駛技術將更加成熟、可靠，為人們的出行帶來更多便利和安全。
