2025年5月7日，理想汽车在“理想AI Talk第二季——理想VLA司机大模型，从动物进化到人类”线上活动中，推出VLA（Vision-Language-Action Model，视觉语言行动模型）司机大模型，理想汽车董事长兼CEO李想分享了对于人工智能的最新思考，VLA司机大模型的作用、训练方法和挑战，以及对于创业和个人成长的见解。

李想将AI工具划分为信息工具、辅助工具和生产工具三个层级。目前多数人使用的 AI仅为信息工具，存在大量无效信息。而目前的L2、L2+组合驾驶辅助仍处于辅助工具阶段，仍需人类参与。理想汽车的VLA司机大模型则致力于成为交通领域的专业生产工具，这意味着未来，VLA将会是像人类司机一样工作的司机大模型，大幅提升效率与质量。

VLA的发展是经历了三个阶段的进化的过程，而非突变。第一阶段，2021年自研依赖规则算法和高精地图的辅助驾驶类似 “昆虫动物智能”。第二阶段，自2023年起研究，并于2024年正式推送的端到端+VLM辅助驾驶接近“哺乳动物智能”，但存在局限性。

在端到端的基础上，到第三阶段，VLA司机大模型将开启“人类智能”阶段，它能通过3D和2D视觉组合，完整地感知物理世界。同时，VLA拥有完整的脑系统，具备语言和思维链推理能力，可理解并执行行动，符合人类的运作方式。

在训练过程中，VLA模拟人类学习驾驶的过程，分为预训练、后训练和强化训练。预训练通过大量视觉和语言数据，训练出云端VL基座模型并转化为端侧模型。后训练加入动作数据，让模型具备在复杂交通环境中的博弈能力。强化训练则通过基于人类反馈的强化学习和世界模型训练，使模型更加安全、舒适，符合人类驾驶习惯。最终，以“司机Agent（智能体）”形态呈现的VLA司机大模型，支持用户用自然语言沟通，简单指令由端侧处理，复杂指令经云端解析后处理。

除了提升专业能力，VLA司机大模型还需解决安全性和模型黑盒的问题。模型能力越强，越需要职业性约束，以确保能力下限。为了保障VLA司机大模型能够实现职业司机般的安全和舒适，避免学习加塞等违规行为，理想汽车在强化训练环节投入大量资源，通过组建超100人的超级对齐团队，为司机Agent注入职业素养，确保其安全驾驶。同时打造世界模型，结合重建和生成路径，覆盖所有交通要素，利用仿真能力有效验证现实问题，破解模型黑盒难题。

人工智能时代，扎实的基本功比走捷径重要。理想汽车在辅助驾驶技术上，自研底层推理引擎，让不同芯片能够通过量化的方式运行端到端+VLM的辅助驾驶方案，并实现了让双Orin-X芯片和Thor-U芯片运行同等规模的VLA司机大模型。此外，借助 DeepSeek开源技术，理想汽车在语言能力研发上节省大量时间和成本，同时加大投入打造自研模型，还开源自研的汽车操作系统——理想星环OS回馈社会。

李想在活动中还分享了创业与个人成长的感悟。他认为创业虽充满挑战，但积极的心态至关重要，应将挑战视为成长的机遇。在个人成长方面，关注自我、接受自身优缺点并注重成长，同时重视亲密关系，相互支撑共同进步。

理想汽车在智能驾驶领域不断创新，VLA司机大模型的推出是其重要的里程碑。未来，理想汽车将继续挑战成长极限，为行业发展和用户体验创造更多价值，引领智能驾驶行业迈向新的发展阶段。

本文作者为踢车帮 余天