GTC2026｜理想汽车发布下一代自动驾驶基础模型MindVLA-o1

据理想汽车官微消息，3月17日，理想汽车（LI.US）基座模型负责人詹锟出席NVIDIA GTC 2026，发表主题演讲《MindVLA-o1：开启全能范式——下一代统一视觉-语言-动作自动驾驶大模型探索》，发布下一代自动驾驶基础模型MindVLA-o1。MindVLA-o1通过五大技术创新，构建了面向物理世界智能的自动驾驶基础模型，让自动驾驶看得更远、想得更深、行得更稳、进化更快、部署更高效。

理想汽车提出下一代统一架构——MindVLA-o1。该架构以原生多模态MoE Transformer为核心，通过五大技术创新——3D空间理解、多模态思考、统一行为生成、闭环强化学习（Closed-loop RL）和软硬件协同设计（Hardware–Software Co-Design），构建了面向物理世界智能的自动驾驶基础模型。

詹锟表示：“当我们把视觉、语言和行动统一到一个模型中时，它已不再只是自动驾驶模型，而是在逐渐演化为面向物理世界的通用智能体。基于同一套VLA模型，不仅可以控制车辆，也能够扩展到机器人。因此，自动驾驶只是物理AI的起点，未来这类基础模型将驱动新的具身智能范式。”

据介绍，自2021年启动辅助驾驶自研以来，理想辅助驾驶技术架构经历了多轮关键迭代，持续的技术探索与工程实践，为理想汽车在软硬件一体化研发领域积累了深厚的基础研究能力与研发实力。2024年是理想辅助驾驶的重要分水岭，随着端到端+VLM（视觉语言模型）双系统架构量产交付，辅助驾驶首次真正具备了跨场景、跨任务的统一理解能力。2025年，理想汽车进一步将空间理解、语言理解与行动决策统一到同一模型框架，构建了基于VLA、世界模型与强化学习三大技术栈的VLA司机大模型，并于8月随理想i8交付正式推送，9月向AD Max用户全量推送。

截至2025年底，VLA司机大模型月使用率达到80%，VLA指令累计使用1225.4万次；春节期间理想辅助驾驶总里程达2.5亿公里，VLA指令使用次数达130.3万次。规模化的用户验证与持续积累的真实场景数据，为理想汽车推进下一代自动驾驶技术演进提供了坚实基础。