理想汽车MindVLA-o1发布:自动驾驶只是起点,具身智能才是终点

2026年3月17日，NVIDIA GTC大会。

理想汽车基座模型负责人詹锟站上演讲台，向全球开发者宣布了一个重磅消息——

理想汽车下一代自动驾驶基础模型MindVLA-o1正式发布。

这不是一次普通的模型升级。

詹锟说了一句话，让整个行业都震惊了：

“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。”

换句话说，理想汽车要做的，不只是一个能开车的AI，而是一个能理解物理世界、能行动的通用智能体。

自动驾驶，只是起点。

一、MindVLA-o1：五大技术创新

MindVLA-o1的核心架构是 原生多模态MoE Transformer，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。

五大技术创新：

1. 3D空间理解——让模型看得更远
2. 多模态思考——让模型想得更深
3. 统一行为生成——让模型行得更稳
4. 闭环强化学习——让模型进化更快
5. 软硬件协同设计——让模型部署更高效

1. 看得更远：3D空间理解

传统自动驾驶模型主要依赖2D图像识别，但真实世界是3D的。

MindVLA-o1采用了以视觉为核心的 3D ViT Encoder（3D视觉模型编码器），并利用激光雷达点云作为三维几何提示，引导模型理解真实空间结构。

同时引入前馈式3DGS表示，将场景拆分为静态环境与动态物体分别建模，通过下一帧预测作为自监督信号，使模型具备3D空间理解能力。

结果：模型看得更远、感知更精准。

2. 想得更深：多模态思考

自动驾驶不仅要理解当前环境，还要预测未来几秒的场景演化。

理想汽车引入了 预测式隐世界模型，在隐空间中高效模拟未来。训练分三阶段：

• 用海量视频数据预训练Latent World Token，构建未来表征
• 在MindVLA-o1中持续世界模型的推演，形成隐空间的未来推理能力
• 将世界模型、多模态推理能力及驾驶行为进行联合训练与对齐

结果：模型能在隐空间中提前“想象”未来画面，将驾驶决策具象化。

3. 行得更稳：统一行为生成

MindVLA-o1使用 VLA-MoE（混合专家模型）架构，并引入专门的Action Expert（动作专家），从3D场景特征、导航目标、驾驶指令等多维输入中提取信息。

为满足实时性要求，系统采用 并行解码，同时生成所有轨迹点，大幅提升效率。

最后引入 Discrete Diffusion（离散扩散）进行多轮迭代优化，确保轨迹空间连续、时间稳定，并符合车辆动力学约束。

结果：模型行得更稳，驾驶体验更流畅。

4. 进化更快：闭环强化学习

理想汽车构建了闭环强化学习框架，让模型不仅能从真实数据学习，还能在 世界模拟器（World Simulator） 中持续探索和优化策略。

这意味着，模型可以在虚拟环境中“试错”，不断进化，而不必冒真实世界的风险。

结果：模型进化速度大幅提升。

5. 部署更高效：软硬件协同设计

理想汽车团队评估了近 2000种模型架构配置，在英伟达Orin与Thor平台上完成验证，找到了模型精度与推理延迟之间的Pareto Front（帕累托前沿）。

通过软硬件协同设计，将架构探索时间从数月缩短至数天，大幅提升端侧VLA模型的设计与部署效率。

结果：模型部署更高效，车端推理更快速。

二、自动驾驶只是起点

詹锟在演讲中说了一句意味深长的话：

“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。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。”

这句话的潜台词是：

MindVLA-o1不是一个单纯的自动驾驶模型，而是一个面向物理世界的通用智能体基础模型。

今天它能开车，明天它就能控制机器人、操作机械臂、在物理世界中完成各种任务。

这才是理想汽车的真正野心——打造具身智能的“数字大脑”。

三、为什么是理想汽车？

在自动驾驶领域，理想汽车一直是“后来居上”的代表。

从最早的NOA（导航辅助驾驶），到后来的城市NOA，再到如今的MindVLA-o1，理想汽车的智驾能力在快速进化。

这次发布MindVLA-o1，有几个重要意义：

1. 技术路线领先

统一VLA模型是当前自动驾驶领域的前沿方向，特斯拉、Wayve等都在探索。理想汽车率先发布量产级VLA模型，技术路线领先。

2. 端到端闭环

从感知、决策到控制，MindVLA-o1实现了真正的端到端，不再依赖人工规则，完全由数据驱动。

3. 可扩展性强

模型架构设计考虑了向机器人等具身智能场景的扩展，未来想象空间巨大。

四、写在最后

2026年，被称为“Agent元年”。

OpenClaw的爆火，让人们看到了AI Agent的潜力。

而理想汽车的MindVLA-o1，则让人们看到了 物理世界AI Agent 的可能性。

当AI不再只是聊天、写代码，而是能够感知物理世界、做出决策、采取行动——这才是真正的通用人工智能。

理想汽车，正在这条路上狂奔。

MindVLA-o1发布，理想汽车不只是造车而是要打造物理世界的通用智能体

自动驾驶只是起点，具身智能才是终点转发出去，让更多人看到这个重磅消息