在NVIDIA GTC 2026大會上，理想汽車基座模型負責人詹錕發表主題演講，正式推出下一代自動駕駛基礎模型MindVLA-o1。這一模型通過五大技術創新，重新定義了自動駕駛系統對物理世界的理解與交互方式，標志著智能駕駛技術向“全能范式”邁出關鍵一步。
MindVLA-o1的核心突破在于構建了3D空間理解能力。傳統自動駕駛系統主要依賴平面圖像處理，而新模型通過融合攝像頭與激光雷達數據，借助3D編碼器技術，使車輛能夠精準感知物體的深度、距離及運動軌跡。這種能力讓車輛對三維物理空間的認知更接近人類駕駛員，為復雜路況下的決策提供了更可靠的基礎。
在決策層面，該模型引入了多模態思考機制。通過隱世界模型技術，MindVLA-o1不僅能實時分析當前環境，還能在虛擬空間中預演未來數秒可能發生的場景。這種“腦補”未來的能力使系統能夠提前識別潛在風險，并制定更具預見性的行駛策略，顯著提升了決策的主動性與安全性。
行為生成方面，MindVLA-o1采用了VLA-MoE架構，并配備專門的“動作專家”模塊。該模塊可同步生成所有行駛軌跡點，并通過類似“去噪”的優化算法，確保車輛運動既符合物理規律又保持平穩流暢。這一設計解決了傳統系統軌跡生成碎片化的問題，使駕駛行為更加自然連貫。
為加速模型進化，理想汽車開發了閉環強化學習系統。通過構建高保真世界模擬器，模型可在虛擬環境中進行大規模自我訓練，無需依賴大量真實道路數據。這種訓練方式不僅降低了成本，還使策略優化效率提升數倍，為模型快速迭代提供了技術保障。
在硬件部署上，MindVLA-o1實現了軟硬件協同優化。研究團隊通過平衡模型精度與硬件延遲，將架構設計周期從數月壓縮至數天，使復雜的大模型能夠高效運行于車端芯片。這一突破解決了高算力模型與車載硬件兼容性的難題，為量產應用掃清了障礙。
