李想：理想汽車的自動駕駛模型，將是一個通用的物理世界智能體！

3月18日，李想在其個人社交媒體發了一篇長文，來闡述剛剛發布的理想汽車自動駕駛模型MINDVLA，表述理想對自動駕駛模型的突破和理解。和特斯拉的模型一樣，理想自動駕駛的模型不再僅僅是一個自動駕駛模型，而是一個通用到各個物理世界的智能體模。

理想汽車在自動駕駛領域的核心突破就是真正的三維視覺編碼器，原生3D VIT。李想解釋了原來端到端模型之所以不是3D的，而是2D的，是因為它沒有經歷3D預訓練，全都是搞的一些2D預訓練。

但理想的3D VIT解決了這個問題，不再是用2D還原3D，而是一開始就在3D當中工作。

所以，有了3D VIT，MindVLA-o1把空間理解、思考推理、駕駛行為統一在一個模型里。MindVLA-o1把空間理解、思考推理、駕駛行為統一在一個模型里。不光看見世界，還能在隱空間里模擬未來幾秒的場景變化，想清楚再開。我們把這種能力稱之為多模態思考。

理想也已經進行了驗證，這套基座模型不只是為自動駕駛設計的。同一套VLA基座模型，能開車，也能控制機器人，它正在逐漸演化成一個通用的物理世界智能體。

理想的自動駕駛模型，不再局限於汽車，而是在物理世界裡能夠通用，將是一個徹頭徹尾的智能體。馬斯克曾經說特斯拉的ADS就是這樣一個在汽車裡能用，在其他地方也能用通用模型。

在新能源汽車智駕大放異彩的時期，希望國內品牌都能有自研能力，有自己的智駕路線，為消費者提供豐富的產品體驗。