汽車會思考了嗎？理想發布MindVLA-o1

經觀感知

自動駕駛技術正在進入新的階段。

3月17日，在美國硅谷舉行的NVIDIA GTC 2026大會上，理想汽車發布下一代自動駕駛基礎模型 MindVLA-o1。

理想汽車基座模型負責人詹錕在演講中表示，這一模型通過統一視覺、語言和行動三類能力，使自動駕駛系統不僅能夠理解環境并生成駕駛行為，還能夠在模型內部推演未來場景，從而形成類似“思考—決策—行動”的能力。

在理想汽車的描述中，這一模型不再只是傳統意義上的自動駕駛算法，而是面向物理世界的一種基礎智能模型架構。按照其規劃，同一套模型未來不僅可以用于車輛控制，也可以擴展至機器人等物理系統。

近年來，隨著大模型技術在自然語言和視覺領域的突破，自動駕駛行業也在嘗試將視覺理解、語言推理與行動決策統一到同一模型中。這類模型通常被稱為 VLA（Vision-Language-Action）模型。其核心目標是讓機器同時具備環境理解、邏輯推理以及行為生成能力，從而提升自動駕駛系統在復雜場景中的泛化能力。

在不少業內人士看來，VLA模型正在成為自動駕駛技術新的研究方向。相比傳統模塊化系統，統一模型架構有望減少系統之間的信息損失，并通過大規模數據訓練提升系統在未知場景中的適應能力。

理想汽車此次發布MindVLA-o1，被視為車企在這一技術路徑上的一次探索。

智駕路線紛爭

自動駕駛技術過去十余年的發展，大致經歷了從規則系統到深度學習的轉變。

在最早階段，自動駕駛系統主要依賴工程規則。系統通常由感知、定位、預測、規劃和控制等多個模塊組成，每個模塊獨立設計，并通過大量規則邏輯進行連接。這種架構在高速公路等簡單場景中運行穩定，但在復雜城市交通環境中容易遇到難以覆蓋的極端情況。

隨著深度學習技術的發展，自動駕駛企業開始嘗試端到端模型。該方法通過神經網絡直接從傳感器數據生成駕駛軌跡，從而減少人工規則的依賴。特斯拉FSD、小鵬汽車以及多家自動駕駛公司均在探索這一技術路線。

不過，端到端模型也存在新的挑戰。雖然模型可以通過學習生成駕駛行為，但在復雜交通環境中仍然缺乏對場景的深層理解能力。

在這一背景下，融合多模態能力的VLA模型逐漸受到關注。VLA模型通過結合視覺感知、語言模型推理以及行動生成，使自動駕駛系統不僅能夠識別環境，還能夠通過推理生成決策。

MindVLA-o1正是在這一思路下設計。

自動駕駛系統的核心能力之一，是對真實世界環境的理解。車輛傳感器獲取的數據通常以二維圖像形式呈現，但駕駛決策需要基于三維空間。例如車輛之間的距離、行人的運動軌跡以及道路結構等信息，都需要通過三維建模進行理解。

MindVLA-o1在感知層采用了以視覺為核心的三維編碼架構，并結合激光雷達點云信息作為幾何提示，使模型能夠同時學習語義信息與空間結構。

此外，系統還引入三維高斯潑濺（3D Gaussian Splatting）等技術，對場景進行三維重建，并通過預測下一幀圖像作為自監督信號訓練模型，使其在學習語義信息的同時理解深度與運動關系。

這種方法的目標，是讓自動駕駛模型不僅能夠識別物體，還能夠理解物體在空間中的位置以及運動關系。

“大模型時代”

在自動駕駛系統中，理解當前環境只是第一步，更重要的是預測未來場景變化。例如車輛接近路口時，需要判斷行人是否準備過馬路、前車是否會突然減速、周圍車輛是否可能并線等。

傳統自動駕駛系統通常依賴單獨的預測模塊進行場景預測。而MindVLA-o1通過引入世界模型，使系統能夠在隱空間中模擬未來場景。

在訓練過程中，模型首先通過大量視頻數據學習未來場景變化的規律，然后在隱空間中持續推演可能出現的情境，并將這些推理結果與駕駛行為進行聯合訓練。

理想汽車將這一能力稱為“多模態思考”。在這一機制下，自動駕駛系統可以在生成駕駛決策之前，對未來場景進行預測和推演。

在駕駛決策階段，MindVLA-o1采用混合專家模型架構，并設置專門的動作專家模塊生成駕駛軌跡。系統會綜合環境信息、導航目標以及駕駛指令，直接生成車輛行駛軌跡。

為了滿足實時性要求，系統通過并行解碼方式一次性生成全部軌跡點，同時利用擴散模型進行多輪優化，使軌跡更加平滑并符合車輛動力學約束。

這種方式與傳統自動駕駛系統存在明顯差異。過去系統通常通過規則和優化算法計算駕駛軌跡，而新的模型則通過生成式方法直接生成駕駛行為。

MindVLA-o1還引入強化學習框架，并通過世界模擬器進行大規模訓練。系統可以在虛擬環境中生成大量駕駛場景，使模型通過不斷試錯優化駕駛策略。

為了支持這種訓練方式，理想汽車開發了新的三維渲染引擎和分布式訓練框架，以提升模擬環境生成效率并降低訓練成本。

近年來，自動駕駛競爭正逐漸從硬件能力轉向人工智能能力。一方面，自動駕駛系統需要大量數據和算力支持；另一方面，大模型技術正在改變自動駕駛系統的整體架構。

包括特斯拉、Wayve以及部分自動駕駛公司都在探索大模型路線。部分企業還通過構建超級計算平臺訓練自動駕駛模型。

在這一背景下，車企的角色也在發生變化。從傳統制造企業向技術公司轉型，或成為不少車企的重要戰略方向。

理想汽車表示，其AI體系由數據引擎MindData、VLA模型MindVLA-o1、世界模型MindSim以及強化學習基礎設施等模塊組成。這些模塊共同構成一個閉環系統，使AI能夠在真實世界與模擬環境中持續學習和優化。

按照理想汽車的設想，這套系統未來不僅可以服務于汽車，也可以擴展至機器人等物理系統。

不過，大模型路線仍面臨不少挑戰。首先，大模型訓練需要巨量數據與算力，成本極高；其次，自動駕駛系統的安全性仍需要長期驗證；此外，監管政策與商業化進程也會影響技術落地速度。

自動駕駛技術的發展歷程表明，每一次技術突破都需要經歷較長的驗證周期。

MindVLA-o1的發布意味著自動駕駛行業正在嘗試新的技術方向，但這一技術路徑是否會成為未來主流，還需要時間檢驗。

可以確定的是，隨著人工智能技術的發展，自動駕駛已經不再只是車輛控制系統的問題，而正在逐漸演變為一個復雜的人工智能問題。在這一變化中，車企與科技公司的邊界也在逐漸模糊。

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。