在智能驾驶技术的浪潮中，理想汽车再次站上了风口浪尖。CEO李想近期在理想AI Talk系列活动中，对智能驾驶技术的未来蓝图进行了深入剖析，特别是关于VLA（视觉语言行动模型）的探讨，引起了业界的广泛关注。
早在2024年末，李想在第一季AI Talk上就预言，智能驾驶的基座模型终将进化为VLA。这一观点，在理想汽车于同年10月推出端到端+VLM（视觉语言模型）智驾方案后不久，便显得尤为前瞻。然而，年底时李想又明确表示，理想汽车将全力押注VLA，这一转变或许让部分用户感到困惑，毕竟端到端+VLM方案尚处推广初期。
进入2025年，理想AI Talk第二季上，李想进一步阐述了为何选择VLA作为现阶段的最强架构。他指出，VLM在处理复杂场景时，如京承高速等拥有众多ETC出入口的路段，其位置判断能力显得力不从心。VLM的架构缺陷，使得单纯增加语料数据无法从根本上解决问题。相比之下，VLA通过结合视觉、语言及行动数据，展现出更接近甚至超越人类驾驶能力的潜力。
为了构建VLA，理想汽车采取了三步走的策略：首先是VL（视觉语言）基座预训练，这一步相当于人类通过学习视觉、语言及二者联合数据来认知世界；其次是辅助驾驶后训练，类似于人类在驾校学习驾驶，通过实际操作数据训练出VLA司机大模型；最后是强化学习，通过日常驾驶中的反馈，进一步优化VLA对交通规则的理解及符合用户驾驶习惯的能力。
理想汽车的VLA方案，最终以司机Agent的形式呈现，能够理解人类自然语言指令，实现用户意图与车辆动作的精准匹配。在测试中，司机Agent能够根据语音指令在不退出NOA（导航辅助驾驶）的情况下切换路线，或在高速出入口选择人工通道，展现了极高的灵活性和智能性。
面对VLA方案仍存在的黑盒问题，理想汽车采取了积极措施。他们组建了超过1000人的超级对齐团队，并构建了仿真世界模型，以在虚拟环境中验证司机Agent的专业性、职业性和信任构建能力。这一举措不仅大大降低了验证成本，还提高了测试效率。
针对英伟达Orin-X芯片无法直接运行语言模型的挑战，理想汽车凭借自研的底层推理引擎和INT4量化技术，成功实现了VLM在芯片上的运行。这一技术创新，彰显了理想汽车在智能驾驶技术领域的深厚底蕴和原创能力。
对于近期辅助驾驶车型事故频发、消费者信任度下降的现象，理想汽车持乐观态度。他们认为，这只是技术发展过程中的暂时挫折，不会阻碍技术的进步。理想汽车将继续秉持谨慎态度，加强验证频次，确保技术的安全性和可靠性。
作为国内辅助驾驶技术的领军者，理想汽车正通过VLA方案，为整个行业带来新的启示和思考。未来，随着技术的不断演进和完善，智能驾驶技术将更加成熟、可靠，为人们的出行带来更多便利和安全。
