李想「不想造車」的背後，其實是想造「司機 Agent」

2025年05月08日00:00:19 汽車 5727

李想認為，理想汽車的智能化原創性已超增程。

作者｜曹思頎周永亮
編輯｜靖宇

五個月前，李想高調地宣布了將 all in ai，表示理想要從一家智能汽車公司，轉型邁向一家人工智慧科技公司。

而這次，李想帶著全新的 vla（vision-language-action）模型走到了公眾面前。此前，vla 已經在 3 月的英偉達 gtc 大會上首次發布，它是理想汽車去年在輔助駕駛領域「端到端+vlm」的雙系統架構上進化而來的新架構。

智能化，既是理想近年來最希望打造的標籤，也是重點投入研發的方向。理想 2025 年產品的核心點都主要圍繞智能化升級升級展開，李想曾在內部說：

「理想的智駕原創性，超過了增程」。

因此，推出全新的 vla 架構模型，李想希望讓輔助駕駛進化出類似人類司機的能力。在李想看來，vla 是理想的「司機大模型」（或「司機 agent」），他希望這個模型/智能體能像人類司機一樣工作，將來也能像人類司機那樣創造商業價值。

在 demo 演示視頻里，理想的這個「司機 agent」展示了和人類司機類似的智能能力：不僅具備現有的優秀輔助駕駛能力，而且還能直接通過語音的方式和人類駕駛員高效交互。

在通過高速收費站時，直接說出「走人工」三個字，系統就可以從 etc 收費通道轉向人工收費通道；在日常駕駛和泊車環節，也可以通過「前方掉頭」、「c 區停車」、「靠邊停車」等簡單指令，調整行車或泊車的路線，達到了我們日常和網約車或代駕司機溝通的水準。

輔助駕駛再進化：從「雙系統」到 vla

經過了十幾年的發展，輔助駕駛經歷了多次迭代。其架構演進大致可分為模塊化⽅案（2022 年之前）、端到端感知（2023 年）、vlm+e2e （2024 年）。

總的來說，自動駕駛大腦的設計從「各自為政」的小團隊，進化到「邊看邊學」的超級學生，再到「常識+行動」的嘗試。

如今，輔助駕駛又來到新的十字路口—— vla。這也是理想 ai talk 第二季的重點。基於此，李想認為，輔助駕駛處於「黎明前的黑暗」，黎明馬上就要來了。

其實，2025 年 3 月的英偉達 gtc 大會上，理想就發布了下一代自動駕駛架構 vla。這裡稍微介紹一下，vla 最早是由 google deepmind 在 2023 年 7 月提出的用於機器人控制的模型，其以大語言模型為基礎，模型在接收攝像頭的原始數據和語言指令後，可以直接輸出控制信號，完成各種複雜的操作。

對於理想汽車而言，李想表示，vla 是一個「司機大模型」，它像人類司機一樣工作。同時，李想強調，vla 的誕生不是突變，而是進化。

簡單說，vla 並非拋棄端到端，而是將其作為 vla 行動（a）部分的基礎。只有做好規則演算法，才能知道如何做端到端，只有把端到端做到極致水平，才有機會去做 vla，這個過程沒有捷徑。

他詳細闡述了訓練 vla 的四個步驟，這有點像人類學開車的過程。