或許是對話的效果確實不錯，又或許關(guān)于人工智能的話題意猶未盡，在去年末“AI Talk”第一季僅僅4個多月后，理想于5月7日啟動了“AI Talk”第二季，李想再次向公眾敞開心扉，分享了他對人工智能的最新思考，而這次的主角就是理想VLA司機大模型。

“VLA”，是“Vision-Language-Action”首字母的縮寫。VLA模型即“視覺語言動作模型”，就是結(jié)合視覺、語言和動作三個模塊，能夠更好地理解復(fù)雜的交通場景，并做出擬人化的駕駛決策。VLA模型是人工智能技術(shù)自動駕駛領(lǐng)域的一種全新的技術(shù)范式。

值得特別注意的是，此次理想將其VLA大模型加了個定語“司機”。對此，李想認為，AI分為信息工具、輔助工具和生產(chǎn)工具三個層級，而“判斷Agent（智能體）是否真正智能，關(guān)鍵在于它是否成為生產(chǎn)工具”，“只有當人工智能變成生產(chǎn)工具，才是其真正爆發(fā)的時刻。就像人類會雇傭司機，人工智能技術(shù)最終也會承擔類似職責，成為真正的生產(chǎn)工具。”

在李想看來，目前的L2、L2+駕駛輔助仍屬于輔助工具階段，而VLA則能夠讓AI真正成為司機，成為交通領(lǐng)域的專業(yè)生產(chǎn)工具。因此，未來的VLA就是“一個像人類司機一樣工作的司機大模型”。

當然，VLA的實現(xiàn)不是突變的過程，是進化的過程。譬如此前依賴規(guī)則算法和高精地圖的輔助駕駛類似“昆蟲動物智能”，當前應(yīng)用的端到端+VLM輔助駕駛類似“哺乳動物智能”，在處理復(fù)雜交通問題時均存在一定局限。而VLA司機大模型才真正進入“人類智能”階段。屆時，VLA司機大模型將以“司機Agent（智能體）”的產(chǎn)品形態(tài)呈現(xiàn)，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。

李想認為，除了提升專業(yè)能力，VLA司機大模型還需解決安全性和模型黑盒的問題。“判斷司機Agent是否是個好司機，有三個關(guān)鍵標準：專業(yè)能力、職業(yè)能力和構(gòu)建信任的能力。”

李想特別強調(diào)自研，譬如在輔助駕駛方面，英偉達Orin-X芯片無法直接運行語言模型，而理想汽車通過自研底層推理引擎，使芯片可通過INT4量化的方式運行VLM，同時憑借芯片、控制器設(shè)計和自研汽車操作系統(tǒng)等綜合能力，理想汽車實現(xiàn)了讓雙Orin-X芯片和Thor-U芯片運行同等規(guī)模的VLA司機大模型。“人工智能時代，扎實的基本功比走捷徑重要。”

李想非常感謝因為DeepSeek的開源，讓理想汽車VLA司機大模型的語言能力研發(fā)提速顯著，因此，李想決定將其自研的汽車操作系統(tǒng)“理想星環(huán)OS”開源，以回饋社會。

而面對AI的發(fā)展，李想認為，在AI面前“所有的人性都應(yīng)被保留，無論好壞”，“因為一切人性都是文化、生命、性格、能力的特質(zhì)，也是人類真正的生命力所在。”

第三只眼

從去年的破50萬輛銷量，到今年4月初L系列的破百萬輛交付，理想汽車不斷創(chuàng)造中國高端汽車新勢力成長的傳奇，不僅在于其對消費者的深刻洞察，更在于其始終堅持技術(shù)創(chuàng)新。如今，理想汽車已儼然成為令人尊敬的企業(yè)。雖然當前輔助駕駛受到的爭議頗多，但人工智能的浪潮奔涌向前終將爆發(fā)，而L3及L4自動駕駛才將很快迎來破繭的時刻，讓我們這一天的到來。