突破无人区：理想VLA的爆发时刻
摘要：
近期，新能源车圈出现了一个不寻常的变化——各家都把自己的“自动驾驶”宣传改为“辅助驾驶”。究其原因，是4月16日，工信部... 
近期，新能源车圈出现了一个不寻常的变化——各家都把自己的“自动驾驶”宣传改为“辅助驾驶”。
究其原因，是4月16日，工信部的一次会议强调，汽车生产企业需明确系统功能边界和安全响应措施，禁止夸大和虚假宣传。
而在这场会议之前，理想汽车的CEO李想就已经呼吁，媒体和行业应该统一自动驾驶的标准，在推广上克制，在技术上投入。
前不久，2025理想AI Talk第二季播出，节目中李想更是谈到了一个辅助驾驶的行业痛点：
大模型有了，辅助驾驶也有了，但专门适配辅助驾驶的大模型呢？
在今年英伟达2025春季GTC大会上，理想汽车VLA司机大模型，正式亮相。
在李想看来，VLA模型是解决AI与辅助驾驶交互难题最有效的方法。
在产品形态呈现上，它既是智能体，又是专属司机。
在传统辅助驾驶企业聚焦感知算法时，理想VLA司机大模型选择的路线是：
攻占行业里的“技术无人区”。
在过去一年中，智能驾驶领域的技术经历了一次深刻的变革，其代表，就是端到端架构成为辅助驾驶领域的技术热点。
所谓“端到端”，区别于之前市场上技术路径——模块化规则（rule-based）。
模块化规则把辅助驾驶系统分成感知、决策、执行三个大类，通过激光雷达等传感器，先感知周围有什么，再做个决策，再告诉汽车怎么做。
三个模块，每一层传递都有信息损耗，而且，流程很呆板，会遇到很多错误。
而 “端到端” 就是把三个核心模块整合在一起，传感器端收集信息，输出的是形式轨迹，全都由一个模型实现，中间没有任何规则。
举个例子，车在自动驾驶时，遇到一辆大货车靠近，按照模块化规则，大概率就是刹车减速。
但人开车不会那么笨，而是会想自己是不是开太慢了？或者大货车要变道？然后一脚油门，远离货车。
端到端，就是像人类一样，将传统辅助驾驶的感知-预测-规划-控制这些子模块全部神经网络化，用先进的算法模型，来取代传统的算法和人工编写的规则。
在国内，去年7月，理想在行业内率先实现了全国无图 NOA（导航辅助驾驶），同时推出了全球首创的端到端（快系统）+VLM（慢系统）架构，并于去年10月完成全面落地，备受行业关注。
在李想看来，理想汽车的辅助驾驶技术演进分为三个阶段：
第一阶段（昆虫级智能），是2021年，和同行一样，依赖规则算法和高精地图，去做辅助驾驶。
但李想清楚，仅凭目前市场上百万参数的规模，车企面对复杂路况，很容易束手无策，距离真正的自动驾驶，距离太远。
所以在第二个阶段（哺乳动物级智能），理想开始主动引入端到端+VLM架构，实现全场景端到端能力，摆脱地图依赖。
真正让高级辅助驾驶成为用户放心、好用的一个选择，而不是宣传上的噱头。
如今，李想更是提出，要实现“人类级智能”的第三个阶段。
而这一跃迁的核心，就在于将AI大模型和算法、语音交互等多模态进行融合，让汽车可以通过视觉感知理解3D物理世界（如车道线、动态物体），语言模型解析指令语义，再结合扩散模型生成拟人化驾驶轨迹，形成“感知-思考-行动”闭环。
简单点说，就是突破端到端的局限，让汽车学会像人一样思考。
理想VLA司机大模型就是这样的一个产物，它将空间智能、认知智能统一在一个模型里，并赋予了模型的3D空间理解、逻辑推理和行为生成能力，让自动驾驶能够感知、思考和适应环境。
它既是一个能与用户、理解用户意图的智能体，也是一名听得懂、看得见、找得到的专属司机。
区别于现在很多车企辅助驾驶系统和语音大模型的应用割裂，理想汽车打破端到端+VLM两个独立模型的上限天花板，并不是简单地将端到端模型和VLM模型两者结合在一起，所有模块都是全新设计。而这在行业内，还是第一次。因为目前市场上还没有一辆智能车，既有大模型对话，又突破了多模态协同效率。
李想解释说：“（VLA）训练过程就像人类司机成长。”
司机的成长，一是驾校阶段，二是常年的训练，尤其是高强度的训练，要经历复杂路况等等。
VLA的训练也是分为预训练、后训练和强化训练三个环节，预训练相当于人类在学习科目一的基本知识，通过大量高清2D和3D Vision（视觉）数据、交通相关的Language（语言）语料，以及与物理世界相关的VL（Vision-Language，视觉和语言）联合数据，训练出云端的VL基座模型，并通过蒸馏转化为在车端高效运行的端侧模型。
后训练相当于去驾校学习真实开车的过程，强化训练则类似于人类在社会中实际开车练习。经过预训练、后训练和强化训练后，VLA司机大模型即可部署至车端运行。
目标是让VLA司机大模型更加安全、舒适，对齐人类价值观，甚至超越人类驾驶水平。
当然，仅仅从技术开拓无人区，还并不能满足李想的预想。
既然大模型要像人一样开车，也要像人一样遵守道德和法律。
只有做到车技下限能力的可控，才能真正让自动驾驶成为一种可靠的选择。
而提升AGI产品的下限能力关键就在于使其符合人类的利益，将自动驾驶表现与人类习惯对齐。
为此，理想又在“价值对齐无人区”开辟了一个新战场。
理想加入辅助驾驶伦理概念，将交通法规、社会公序良俗转化为机器可执行的约束规则。
比如说，有些弯道限速60时，其他车辆保持60码的速度，但自动驾驶的车受到固定算法的限制，用30码的速度开，如此一来，不仅对车辆造成危险，对很多车主来说，也是件头疼的事。
这个时候，理想VLA司机大模型就会自动学习，与其他车辆进行速度对齐，以60码的速度行驶，也更符合法规常识。
此外，在恶劣天气下，当激光雷达、摄像头被遮挡或污染时，VLA司机大模型也会及时、准确地告知用户。
那么，理想是怎么实现这种对齐的呢？
基于人类反馈的强化学习（RLHF），以人类是否接管作为反馈，进行强化训练，跟人类驾驶对齐。在模型上限不变的情况下，理想汽车从舒适性、安全性、逻辑选择变道等层面入手，使其尽量与人类习惯保持一致。
比如，VLA会在转弯时像人类一样自动减速，或者在并线时留出足够的安全距离。
这套超级对齐系统，能够基于对人类驾驶行为的深度学习，实时进化，并自动触发模型微调，将辅助驾驶的表现与人类驾驶表现对齐，让VLA“开得比人类更好”。
挺进无人区是件艰难的事情，但李想也坦言，VLA的成功离不开中国AI的崛起。
他表示，DeepSeek、通义千问等模型的出现让中国AI水平迅速接近美国。
其中，DeepSeek所秉持的开源精神尤为令人振奋，“独行快，众行远”，这也促使了理想开源星环OS。
李想称：“这不是出于公司战略考量，DeepSeek给我们那么大帮助，我们应该为社会贡献点什么。”
面对目前行业智能汽车“重复造轮子”的困境，理想的“做点什么”，就是打破模型和模型，辅助驾驶和辅助驾驶之间的生态壁垒。
在2025的中关村论坛年会上，李想就公开宣布，理想汽车将成为全球首家将汽车操作系统开源的汽车企业。将自家的理想星环OS，主动开放给友商。
相较大量传统车企仍在使用的行业头部闭源AUTOSAR操作系统，星环OS的核心性能、安全性、成本效率、适配性和灵活性等指标，都实现了行业领先。
比如，对于最新的AI学习芯片，理想星环的适配周期大概需要4周的时间，相比于使用AUTOSAR时节省了约5个月的时间。
大幅提升了其他厂商推出新品的时间，也缓解了友商遭遇芯片荒的情况。
再以目前市场最关注的辅助驾驶的安全场景为例，传统AEB的自动紧急制动有很长的调度延时。
而理想星环OS实现了全域的系统架构设计，能够优化调度，相比传统的AUTOSAR响应时间，速度快了1倍，稳定性提高了5倍。
体现在具体的功能上，在高速路上120的时速进行AEB的制动，大概可以缩短7米的制动距离。
这要放在别的车企，可能就是一个宣传卖点。
但理想却选择打破传统技术黑箱，开放格局，加速推动行业摆脱对传统闭源系统的依赖，实现生态共荣。
当其他车企在辅助驾驶的“已知大陆"深耕时，理想汽车开启了一个新的时代：
在"无人区"建立新的创新矩阵，并重新定义了辅助驾驶的进化路径，这或许就是中国科技企业突破“创新达尔文陷阱”的一种可能——在无人区播下技术种子，用开放协作催熟果实，最终让整个产业向新维度漂移。
