記者 花子健

在2024年12月的AI Talk上，理想汽車創始人李想主要討論的理想汽車在人工智能時代的愿景和長遠規劃等。

比如，他說“理想汽車未來要成為一家人工智能企業，要做的不是汽車的智能化，而是人工智能的汽車化”，“理想汽車的愿景是要通過人工智能技術將物理世界和數字世界進行融合，讓有限的空間實現無限的延伸，推動人工智能普惠到每一個家庭。”

他還把理想汽車實現這一愿景分為三個階段，理想汽車也根據三個階段的演進實行三步走戰略，這被認為是理想汽車面向人工智能時代轉型的路線圖。

AI Talk 第二季，李想主要分享了他對人工智能的一些新思考，以及這些思考如何落在理想汽車最新的產品和技術進展中。他還圍繞著“人工智能”這個話題談到了DeepSeek這家新興公司以及特斯拉、蘋果等科技行業的龐然大物。

他試圖通過這一次的AI Talk讓外界更加了解理想汽車的內核，以及由內在的企業價值向外延伸的社會責任。

輔助駕駛的十字路口

在一系列驚人事故之后，相關部門叫停了車企在輔助駕駛的激進宣傳，甚至還有人要求叫停輔助駕駛。

李想把這段時間稱為“黎明前的黑暗”：“我覺得黎明馬上就要來了。但是會先經歷一個黑暗的過程，之所以有黑暗是因為要迎來黎明。我覺得這是今天這么一個階段。”

此前，理想汽車用增程方案解決電池續航不足、電池原材料成本高昂的問題；隨著純電車型推出的5C技術也是理想汽車面向純電汽車充電慢、等待時間長的問題。

業界早已形成共識，在自動駕駛的不同階段，L3為有監督智能駕駛，不是L2輔助駕駛的延續，而是L4高度自動駕駛的先導程序。

輔助駕駛其實只實現了特定功能，而自動駕駛則關乎整體能力。傳統的L2輔助駕駛依賴上一代自動駕駛方案，通過預設條件來執行不同場景下的智駕功能，無法窮盡所有的corner case（極端情況）。

理想汽車的解決方法就是借鑒人類駕駛技能提升的過程，用人工智能的方式實現汽車駕駛的智能化。

AI工具的三個層級

李想把人工智能工具分為三個層級，分別是信息工具、輔助工具和生產工具。當前絕大部分人仍將AI作為信息工具使用，但信息工具常伴隨大量無效信息、無效結果和無效結論，僅具參考價值。成為輔助工具后，AI可以提升效率，比如現在的L2\L2+輔助駕駛，但仍需人類參與。未來，AI發展為生產工具后，將能獨立完成專業任務，顯著提升效率與質量。

對應的，理想汽車的輔助駕駛也將經歷三個階段，第一階段，理想汽車自2021年起自研依賴規則算法和高精地圖的輔助駕駛，類似“昆蟲動物智能”。第二階段，理想汽車自2023年起研究，并于2024年正式推送的端到端+VLM（Vision Language Model，視覺語言模型）輔助駕駛，接近“哺乳動物智能”。

端到端模型在處理復雜問題時存在局限，首先它是一個黑盒子，反應到汽車和駕駛員上就是所謂的“端味”，實際上這意味著端到端模型對復雜路況的理解比較慢，比如復雜修路，規則算法可能會撞上去，而端到端可以處理，但效率還不夠高，可能就導致車輛停下來。另外一個問題是它無法和人溝通，這也是為什么現在端到端模型仍然需要人類駕駛員完全監督。

VLM視覺語言模型是一個開源模型，在交通領域的能力有限。因此，理想汽車輔助駕駛的第三個階段是VLA（Vision-Language-Action Model，視覺語言行動模型）的應用——讓AI真正成為司機，成為交通領域的專業生產工具，是一個像人類司機一樣工作的司機大模型。

從端到端+VLM到VLA的進化

在端到端的基礎上，VLA將開啟“人類智能”的階段，能通過3D和2D視覺的組合，完整地看到物理世界，而不像VLM僅能解析2D圖像。同時，VLA擁有完整的腦系統，具備語言、思維鏈推理能力，既能看，也能理解并真正執行行動，符合人類視覺系統和大腦的運作方式。

VLA的訓練分為預訓練、后訓練和強化訓練三個環節，類似于人類學習駕駛技能的過程。預訓練相當于人類學習物理世界和交通領域的常識，通過大量高清2D和3D 視覺數據、交通相關的語言語料，以及與物理世界相關的VL（Vision-Language，視覺和語言）聯合數據，訓練出云端的VL基座模型，并通過蒸餾轉化為在車端運行的端側模型。

后訓練就像人類去駕校學習開車的過程。隨著動作數據的加入——即對周圍環境和自車駕駛行為的編碼，VL基座變為VLA司機大模型。得益于短鏈條的思維鏈推理，以及Diffusion擴散模型對于他車軌跡和環境的預測，VLA具備實時性的特點，實現了在復雜交通環境中的博弈能力。

強化訓練相當于人類在社會中實際開車練習，目標是讓VLA司機大模型更加安全、舒適，對齊人類價值觀，最終目標是超越人類駕駛水平。強化訓練包含兩部分：一是通過RLHF（Reinforcement Learning from Human Feedback，基于人類反饋的強化學習）完成安全對齊，使模型遵守交通規則，貼合中國用戶的駕駛習慣；二是將純強化學習模型放入世界模型中訓練，提升舒適性，避免碰撞事故，遵守交通規則。經過預訓練、后訓練和強化訓練后，VLA司機大模型即可部署至車端運行。

VLA司機大模型以“司機Agent（智能體）”的產品形態呈現，用戶可通過自然語言與司機Agent溝通，跟人類司機怎么說，就跟司機Agent怎么說。簡單通用的短指令由端側的VLA直接處理，復雜指令則先由云端的VL基座模型解析，再交由VLA處理。

2024年底，理想汽車組建了超過100人的超級對齊團隊，這個團隊的主要工作就是為司機Agent注入職業素養，就像專門的培訓員，把一名普通的網約車司機培養成一名高級且全面的專業司機。

另外，為了解決VLA司機大模型底層的端到端的模型黑盒問題，理想汽車利用重建和生成兩種路徑，打造了真實、符合物理世界規律的世界模型，覆蓋所有交通參與者和要素。基于世界模型的仿真能力，VLA可以在世界模型中低成本、準確地驗證現實問題，提升解決問題的效率，有效應對模型黑盒帶來的挑戰。

最終，用戶可以從三個維度評價司機Agent：專業能力、職業能力和構建信任的能力。這些正是解決了端到端大模型主導的輔助駕駛系統產生的其他問題，在車輛和用戶之間建立起信任。

巨額自研投入+對外合作學習

目前，理想汽車超100億的年研發投入已有接近一半聚焦于人工智能，并建立了四支AI團隊，分別在輔助駕駛、理想同學、智能商業和智能工業等領域解決不同的問題。

在VLA上，理想汽車原本的計劃是今年9月能夠做一個非常好的語言模型出來，然后再往下訓練VLA。“但是站在今天來預測，我不認為我們做出來的語言模型能力會比DeepSeek更強。而且后者開源非常徹底。”

理想汽車的CTO謝炎和理想汽車基座模型負責人陳偉都堅持認為，“理想汽車應該站在巨人的肩膀上，加速VLA中L（語言）的部分。”這是李想本人也沒有想到的。

“我們在人工智能戰略小組里不停討論，我和謝炎也通了很多電話，其實我后來發現我們都不糾結，因為不管是什么，我們最終的目標都是為用戶推出最佳體驗的產品和服務。”李想說，因為DeepSeek開源，理想汽車的VLA研發時間縮短了9個月，這背后意味著巨大的收益。

也是在DeepSeek開源的影響下，李想和謝炎都認為，理想汽車也能對社會做一些貢獻，所以他們決定把自研整車操作系統理想星環OS開源——理想在這套操作系統研發上花了4年時間。

5月8日，理想汽車再次用非常蘋果的風格發布了理想L系列智能煥新版，而蘋果也是李想經常掛在嘴邊的一家科技公司——它并不是一家被認為是引領了人工智能的公司。李想認為，面向人工智能時代，理想汽車更需要向蘋果和特斯拉這樣的公司學習，包括學習他們扎實打好基本功和管理規模化的能力。

“在人工智能時代，基本功是不可跳躍的。”李想說。