近期，新能源車圈出現了一個不尋常的變化——各家都把自己的“自動駕駛”宣傳改為“輔助駕駛”。

究其原因，是4月16日，工信部的一次會議強調，汽車生產企業需明確系統功能邊界和安全響應措施，禁止夸大和虛假宣傳。

而在這場會議之前，理想汽車的CEO李想就已經呼吁，媒體和行業應該統一自動駕駛的標準，在推廣上克制，在技術上投入。

前不久，2025理想AI Talk第二季播出，節目中李想更是談到了一個輔助駕駛的行業痛點：

大模型有了，輔助駕駛也有了，但專門適配輔助駕駛的大模型呢？

在今年英偉達2025春季GTC大會上，理想汽車VLA司機大模型，正式亮相。

在李想看來，VLA模型是解決AI與輔助駕駛交互難題最有效的方法。

在產品形態呈現上，它既是智能體，又是專屬司機。

在傳統輔助駕駛企業聚焦感知算法時，理想VLA司機大模型選擇的路線是：

攻占行業里的“技術無人區”。

在過去一年中，智能駕駛領域的技術經歷了一次深刻的變革，其代表，就是端到端架構成為輔助駕駛領域的技術熱點。

所謂“端到端”，區別于之前市場上技術路徑——模塊化規則（rule-based）。

模塊化規則把輔助駕駛系統分成感知、決策、執行三個大類，通過激光雷達等傳感器，先感知周圍有什么，再做個決策，再告訴汽車怎么做。

三個模塊，每一層傳遞都有信息損耗，而且，流程很呆板，會遇到很多錯誤。

而 “端到端” 就是把三個核心模塊整合在一起，傳感器端收集信息，輸出的是形式軌跡，全都由一個模型實現，中間沒有任何規則。

舉個例子，車在自動駕駛時，遇到一輛大貨車靠近，按照模塊化規則，大概率就是剎車減速。

但人開車不會那么笨，而是會想自己是不是開太慢了？或者大貨車要變道？然后一腳油門，遠離貨車。

端到端，就是像人類一樣，將傳統輔助駕駛的感知-預測-規劃-控制這些子模塊全部神經網絡化，用先進的算法模型，來取代傳統的算法和人工編寫的規則。

在國內，去年7月，理想在行業內率先實現了全國無圖 NOA（導航輔助駕駛），同時推出了全球首創的端到端（快系統）+VLM（慢系統）架構，并于去年10月完成全面落地，備受行業關注。

在李想看來，理想汽車的輔助駕駛技術演進分為三個階段：

第一階段（昆蟲級智能），是2021年，和同行一樣，依賴規則算法和高精地圖，去做輔助駕駛。

但李想清楚，僅憑目前市場上百萬參數的規模，車企面對復雜路況，很容易束手無策，距離真正的自動駕駛，距離太遠。

所以在第二個階段（哺乳動物級智能），理想開始主動引入端到端+VLM架構，實現全場景端到端能力，擺脫地圖依賴。

真正讓高級輔助駕駛成為用戶放心、好用的一個選擇，而不是宣傳上的噱頭。

如今，李想更是提出，要實現“人類級智能”的第三個階段。

而這一躍遷的核心，就在于將AI大模型和算法、語音交互等多模態進行融合，讓汽車可以通過視覺感知理解3D物理世界（如車道線、動態物體），語言模型解析指令語義，再結合擴散模型生成擬人化駕駛軌跡，形成“感知-思考-行動”閉環。

簡單點說，就是突破端到端的局限，讓汽車學會像人一樣思考。

理想VLA司機大模型就是這樣的一個產物，它將空間智能、認知智能統一在一個模型里，并賦予了模型的3D空間理解、邏輯推理和行為生成能力，讓自動駕駛能夠感知、思考和適應環境。

它既是一個能與用戶、理解用戶意圖的智能體，也是一名聽得懂、看得見、找得到的專屬司機。

區別于現在很多車企輔助駕駛系統和語音大模型的應用割裂，理想汽車打破端到端+VLM兩個獨立模型的上限天花板，并不是簡單地將端到端模型和VLM模型兩者結合在一起，所有模塊都是全新設計。而這在行業內，還是第一次。因為目前市場上還沒有一輛智能車，既有大模型對話，又突破了多模態協同效率。

李想解釋說：“（VLA）訓練過程就像人類司機成長。”

司機的成長，一是駕校階段，二是常年的訓練，尤其是高強度的訓練，要經歷復雜路況等等。

VLA的訓練也是分為預訓練、后訓練和強化訓練三個環節，預訓練相當于人類在學習科目一的基本知識，通過大量高清2D和3D Vision（視覺）數據、交通相關的Language（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高效運行的端側模型。

后訓練相當于去駕校學習真實開車的過程，強化訓練則類似于人類在社會中實際開車練習。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。

目標是讓VLA司機大模型更加安全、舒適，對齊人類價值觀，甚至超越人類駕駛水平。

當然，僅僅從技術開拓無人區，還并不能滿足李想的預想。

既然大模型要像人一樣開車，也要像人一樣遵守道德和法律。

只有做到車技下限能力的可控，才能真正讓自動駕駛成為一種可靠的選擇。

而提升AGI產品的下限能力關鍵就在于使其符合人類的利益，將自動駕駛表現與人類習慣對齊。

為此，理想又在“價值對齊無人區”開辟了一個新戰場。

理想加入輔助駕駛倫理概念，將交通法規、社會公序良俗轉化為機器可執行的約束規則。

比如說，有些彎道限速60時，其他車輛保持60碼的速度，但自動駕駛的車受到固定算法的限制，用30碼的速度開，如此一來，不僅對車輛造成危險，對很多車主來說，也是件頭疼的事。

這個時候，理想VLA司機大模型就會自動學習，與其他車輛進行速度對齊，以60碼的速度行駛，也更符合法規常識。

此外，在惡劣天氣下，當激光雷達、攝像頭被遮擋或污染時，VLA司機大模型也會及時、準確地告知用戶。

那么，理想是怎么實現這種對齊的呢？

基于人類反饋的強化學習（RLHF），以人類是否接管作為反饋，進行強化訓練，跟人類駕駛對齊。在模型上限不變的情況下，理想汽車從舒適性、安全性、邏輯選擇變道等層面入手，使其盡量與人類習慣保持一致。

比如，VLA會在轉彎時像人類一樣自動減速，或者在并線時留出足夠的安全距離。

這套超級對齊系統，能夠基于對人類駕駛行為的深度學習，實時進化，并自動觸發模型微調，將輔助駕駛的表現與人類駕駛表現對齊，讓VLA“開得比人類更好”。

挺進無人區是件艱難的事情，但李想也坦言，VLA的成功離不開中國AI的崛起。

他表示，DeepSeek、通義千問等模型的出現讓中國AI水平迅速接近美國。

其中，DeepSeek所秉持的開源精神尤為令人振奮，“獨行快，眾行遠”，這也促使了理想開源星環OS。

李想稱：“這不是出于公司戰略考量，DeepSeek給我們那么大幫助，我們應該為社會貢獻點什么。”

面對目前行業智能汽車“重復造輪子”的困境，理想的“做點什么”，就是打破模型和模型，輔助駕駛和輔助駕駛之間的生態壁壘。

在2025的中關村論壇年會上，李想就公開宣布，理想汽車將成為全球首家將汽車操作系統開源的汽車企業。將自家的理想星環OS，主動開放給友商。

相較大量傳統車企仍在使用的行業頭部閉源AUTOSAR操作系統，星環OS的核心性能、安全性、成本效率、適配性和靈活性等指標，都實現了行業領先。

比如，對于最新的AI學習芯片，理想星環的適配周期大概需要4周的時間，相比于使用AUTOSAR時節省了約5個月的時間。

大幅提升了其他廠商推出新品的時間，也緩解了友商遭遇芯片荒的情況。

再以目前市場最關注的輔助駕駛的安全場景為例，傳統AEB的自動緊急制動有很長的調度延時。

而理想星環OS實現了全域的系統架構設計，能夠優化調度，相比傳統的AUTOSAR響應時間，速度快了1倍，穩定性提高了5倍。

體現在具體的功能上，在高速路上120的時速進行AEB的制動，大概可以縮短7米的制動距離。

這要放在別的車企，可能就是一個宣傳賣點。

但理想卻選擇打破傳統技術黑箱，開放格局，加速推動行業擺脫對傳統閉源系統的依賴，實現生態共榮。

當其他車企在輔助駕駛的“已知大陸"深耕時，理想汽車開啟了一個新的時代：

在"無人區"建立新的創新矩陣，并重新定義了輔助駕駛的進化路徑，這或許就是中國科技企業突破“創新達爾文陷阱”的一種可能——在無人區播下技術種子，用開放協作催熟果實，最終讓整個產業向新維度漂移。