从场景泛化到全向防护：理想汽车2025广州车展亮出智驾硬核答卷

来源| Tech星球

文| 任雪芸

理想汽车的智能进化之路，很早之前便埋下了伏笔。

2024年底，理想汽车创始人李想在线上AI Talk访谈里，不仅详细分享了对 AI 技术的深入理解，还明确了理想要向人工智能企业转型的核心目标。

实现这一转型的关键，就是结合当下两大热门AI方向的Physical Agent技术，它最终落地的形态，就是VLA大模型（Vision-Language-Action，视觉-语言-行动）。简单来讲，就是能“看”懂周围环境、“听”懂用户指令、还能主动“行动”的智能模型。

从之前理想AI Talk第二季提前透露VLA大模型的消息，到后来VLA司机大模型跟着理想 i8一起交付给用户，还在9月10日开启了全量推送，短短一年里，理想不仅立下了全新的技术标签，还快速完成了从概念到量产的跨越。

到了2025广州车展，理想召开的这场智能发布会，更是交出了转型路上的阶段性成果。

在向人工智能企业迈进的过程中，理想没有简单堆砌零散的功能，而是围绕VLA司机大模型的“认知进化”，把行车、补能、安全三大场景的协同优化，变成了用户能实实在在感受到的智能体验。

VLA赋能补能场景，打通“车、站” 闭环

对新能源车主来说，补能时找站绕路、进库找桩费劲、停好车还要操作地锁和支付的麻烦，一直是令人头疼的老大难。

而2025广州车展上，理想汽车发布的VLA充电功能，精准解决了这些痛点。只要在导航里选定理想超充站，不管是城市里的站点还是高速服务区的站点，VLA司机大模型都能自己“找过去”，真正打通了“车、站”协同的全闭环。

这项功能的核心，是理想9月全量推送的VLA司机大模型在补能场景的延伸落地。

从其展示来看，整个流程完全不用车主费心。导航设定目的地后，车辆会自主驶入超充站，接近车位时云端系统会自动调度降下地锁，随后精准泊入车位；充电完成后，系统直接走免密支付，车主只需简单操作拔枪，车辆就能自己驶出站点继续行程。

这背后离不开VLA司机大模型的三大核心能力。

空间理解能力让它能像熟门熟路的老司机，在陌生停车场里漫游找桩，还能实时绘制场站地图，记住出入口、电梯口等关键位置；行为与沟通能力则实现了车与站的“无缝对话”，通过端云协同实时获取空闲桩信息并调度地锁；记忆能力更显贴心，能收藏用户偏好的车位，下次充电直接精准定位。

截至目前，这套模型已积累3.12亿公里行驶数据，里程渗透率提升2.2倍，成熟度经过了充分验证。

这项功能的落地，对理想和用户来说都意义重大。

从技术层面看，它标志着VLA大模型的“场景泛化能力”真正落地：从开放道路的行车决策，到封闭停车场的漫游泊车，再到超充站的精准适配，完成了全场景空间认知的闭环，就像智能大脑从“会开车”进化到“懂服务”。

从转型层面讲，它打破了智驾技术和能源服务各管一摊的局面，理想产品部高级副总裁范皓宇就表示，这是“车、桩、站、云体系化能力的集中体现。”

更值得期待的是功能的快速覆盖节奏。理想计划2026年1月先覆盖全国1400座超充站，2月扩展至2400座，3月就将突破2900座。结合当前理想已贯通“九纵九横”高速超充网覆盖的基础，用不了多久，全国大部分理想车主都能享受到这份“不用费心的补能自由”。

从主动避险到被动防御，理想重构智能安全底线

在城市快速路或高速上以时速100公里巡航时，相信不少车主都遇到过这样的惊魂瞬间：侧方车辆突然不打转向灯强行并线，车身已经快贴到本车；更棘手的是，后方车辆跟得极近，急刹避让怕被追尾，不避让又要迎头撞上。

而理想汽车升级后的防御性AES（自动紧急避让）功能，就能轻松化解这场危机。

理想防御性AES功能迅速通过多传感器融合识别双重风险，无需用户操作，自动做出小幅安全转向以及精准加速的协同动作，既避开侧方强行并线的车辆，又通过提速拉开与后车的安全间距，在复杂路况中同步化解主动撞击与被动碰撞隐患，实现全方位行车保护。

理想的安全进化从未止步。在辅助驾驶持续迭代行车、泊车功能的同时，其主动安全能力一直在突破上限。

此次广州车展上，理想汽车AES完成关键进化：从传统 “躲避主动撞击” 升级为 “防御被动撞击”，防护范围全面覆盖正前、正后、侧前、侧后全方向，彻底打破单一维度的安全防护局限。

这一进化对用户而言意义重大。以往的主动安全多是“碰撞前紧急刹车”的事后补救，而理想AES实现了提前预判、主动防御。

无论是恶意别车、美式截停等人为主观风险，还是后车跟驰过近、慢车加塞等突发状况，系统都能提前识别并化解。

截至2025年11月20日，理想主动安全系统已累计帮助用户避免潜在碰撞1131万次，防止极端事故超1.4万次，夜间主动避险达208万次。

对行业来说，这更是一次理念革新。长期以来，不少车企的智能安全陷入“重预警、轻干预”的误区，功能堆砌却解决不了真实风险。

理想AES的全向防御升级，证明智能安全的核心是基于真实路况的全链路决策能力。这种以“安全兜底”为核心的价值导向，正推动整个行业从“炫技”向“真安全”回归。

VLA，理想成为人工智能企业的基石

无论是超充站里车辆自主完成泊车充电，还是高速上从容化解险情，这些用户实实在在感受到的智能体验，背后都指向理想深耕多年的VLA大模型。

理想的智能驾驶技术演进，走的是一条持续突破的攻坚之路。

早年间采用端到端技术，让系统直接学习“感知到决策”的完整链路；随后融入VLM（视觉语言模型），给系统加上“看懂场景+理解指令”的能力；如今成熟落地的VLA大模型，更是实现了“视觉-语言-行动”的全链路打通。

这一路不仅攻克了数据标注效率低、场景适配性差等行业难题，更沉淀出一套经过实战验证的训练体系，这正是理想最核心的技术护城河。

这套训练体系的逻辑，恰似人类司机的成长路径：先学理论打基础，再练专项技能，最后上路实战打磨。

理想将其拆解为预训练、后训练、强化训练三个环环相扣的环节，层层递进构建模型的“感知、理解、决策、执行”能力。

具体来看，预训练阶段如同考驾照前的理论学习，模型会行车数据、百万级场景样本，掌握基础的路况识别和行为逻辑。后训练则像科目二、三的专项训练，针对高速急加塞、停车场复杂绕桩、超充站精准泊入等典型场景反复打磨，让模型适配不同场景的操作规范。强化训练就像老司机带新手上路，针对极端天气、突发路况等“意外情况”持续优化决策。

这套训练体系的价值，最终在场景落地中得到了直接印证。

正如理想汽车自动驾驶研发高级副总裁郎咸朋在采访中所言：“如同端到端+数据闭环取代传统规则算法一样，VLA结合强化学习已成为智能驾驶的新范式，更将演化成企业迈向人工智能的核心护城河。”

这场广州车展的智能发布，不仅是理想VLA大模型技术实力的集中展示，更是其向“人工智能企业”进化的关键一步。未来，随着技术的持续迭代与场景的深度拓展，理想或将重新定义智能出行的核心价值。