理想汽車近期在其“理想AI Talk第二季”活動中，隆重推出了名為“理想VLA司機(jī)大模型”的創(chuàng)新技術(shù)，這一舉措由理想汽車董事長兼CEO李想親自揭曉，他同時分享了關(guān)于人工智能的深度見解、VLA司機(jī)大模型的具體作用、其獨特的訓(xùn)練方法以及所面臨的挑戰(zhàn)，還談到了創(chuàng)業(yè)和個人成長的感悟。

李想將AI工具的發(fā)展劃分為三個層次：信息工具、輔助工具和生產(chǎn)工具。他指出，當(dāng)前大多數(shù)人使用AI的方式還停留在信息工具層面，這類工具往往伴隨著大量無效的信息和結(jié)論，僅作為參考使用。當(dāng)AI進(jìn)化為輔助工具時，如當(dāng)前的輔助駕駛系統(tǒng)，能夠顯著提升效率，但仍需人類的介入。

李想強(qiáng)調(diào)，AI真正的突破點在于成為生產(chǎn)工具，這是衡量AI是否真正智能的關(guān)鍵。他比喻說，就像人類會雇傭司機(jī)一樣，AI技術(shù)也終將承擔(dān)類似的職責(zé)，成為真正的生產(chǎn)工具。只有當(dāng)AI在生產(chǎn)領(lǐng)域獨立承擔(dān)專業(yè)任務(wù)，并能顯著提升效率與質(zhì)量時，才算迎來了真正的爆發(fā)。

在自動駕駛領(lǐng)域，李想認(rèn)為當(dāng)前的L2、L2+級別的組合駕駛輔助仍然屬于輔助工具階段。而理想汽車所研發(fā)的VLA（視覺語言行動模型）則致力于將AI推向生產(chǎn)工具的新高度，讓AI成為交通領(lǐng)域的專業(yè)生產(chǎn)工具，如同一位真正的司機(jī)。

VLA的實現(xiàn)是一個逐步進(jìn)化的過程，經(jīng)歷了三個關(guān)鍵階段。從2021年開始，理想汽車自研依賴規(guī)則算法和高精地圖的輔助駕駛，這可以比作“昆蟲動物智能”。隨后，從2023年起，理想汽車開始研究并在2024年正式推出了端到端+VLM（視覺語言模型）輔助駕駛，這標(biāo)志著向“哺乳動物智能”的邁進(jìn)。然而，端到端模型在處理復(fù)雜問題和與人類溝通方面存在局限。

為了解決這些問題，理想汽車自2024年起開始研究VLA，并在多項頂級學(xué)術(shù)會議上發(fā)表論文，奠定了堅實的理論基礎(chǔ)。VLA在端到端的基礎(chǔ)上，開啟了“人類智能”的階段。它能夠通過3D和2D視覺的組合，完整地感知物理世界，并擁有完整的腦系統(tǒng)，具備語言、CoT（思維鏈）推理能力，既能看，也能理解并真正執(zhí)行行動，這符合人類的運作方式。

李想還詳細(xì)分享了VLA的訓(xùn)練細(xì)節(jié)和運作原理。VLA的訓(xùn)練過程分為預(yù)訓(xùn)練、后訓(xùn)練和強(qiáng)化訓(xùn)練三個環(huán)節(jié)，這與人類學(xué)習(xí)駕駛技能的過程頗為相似。預(yù)訓(xùn)練相當(dāng)于人類學(xué)習(xí)物理世界和交通領(lǐng)域的常識，通過大量高清視覺數(shù)據(jù)和語言語料，訓(xùn)練出云端的VL基座模型。后訓(xùn)練則如同人類去駕校學(xué)習(xí)開車，隨著動作數(shù)據(jù)的加入，VL基座變?yōu)閂LA司機(jī)大模型。強(qiáng)化訓(xùn)練則類似于人類在社會中實際開車練習(xí)，目標(biāo)是讓VLA司機(jī)大模型更加安全、舒適，并符合人類的價值觀。

VLA司機(jī)大模型以“司機(jī)Agent”的形式呈現(xiàn)，用戶可以通過自然語言與司機(jī)Agent進(jìn)行溝通，就像與人類司機(jī)交流一樣。簡單通用的短指令由車端的VLA直接處理，而復(fù)雜指令則先由云端的VL基座模型解析，再交由VLA處理。

李想自豪地表示，理想汽車在人工智能領(lǐng)域走的是一條無人區(qū)之路。在研發(fā)VLA的過程中，他們沒有追隨Deepseek、OpenAI、谷歌、Waymo等科技巨頭的腳步，而是選擇了自己的道路。理想汽車以前在汽車領(lǐng)域走的是無人區(qū)，現(xiàn)在，他們在人工智能領(lǐng)域也同樣在開拓新的道路。