理想汽车在i8上市发布会上公布了其自研的VLA司机大模型，这是一款视觉语言行动模型。该模型旨在让AI真正成为人类司机，实现“买车送司机”的愿景。VLA的研发经历了从依赖规则算法和高精地图的“昆虫智能”，到端到端+VLM的“哺乳动物智能”，再到如今具备3D/2D视觉感知、语言理解和思维链推理能力的“人类智能”阶段。VLA司机大模型以“司机Agent”形式呈现，支持自然语言交互，并已实现双Orin-X芯片运行同等规模的VLA模型，使得Max版车型均可升级。Pro车型年底将升级城市NOA功能。

🚗 **VLA司机大模型定义与目标**：理想汽车推出的VLA（Vision-Language-Action Model）司机大模型，是其在智能驾驶领域的重要突破。该模型旨在使AI具备成为专业人类司机的能力，能够像人类一样理解和执行驾驶任务，甚至提出“买车送司机”的愿景，标志着智能驾驶正朝着更高级别迈进。

🧠 **VLA的智能化演进阶段**：VLA模型的实现是一个循序渐进的进化过程。第一阶段（2021年起）为依赖规则算法和高精地图的辅助驾驶，其智能水平类比“昆虫动物智能”。第二阶段（2023年起研究，2024年推送）采用端到端+VLM技术，使智能水平接近“哺乳动物智能”。当前进入第三阶段，VLA开启了“人类智能”阶段，能够融合3D和2D视觉感知物理世界，并拥有语言理解和思维链推理能力，实现“能看、能理解、能执行”。

🗣️ **“司机Agent”的交互与处理模式**：VLA司机大模型以“司机Agent（智能体）”的产品形态呈现，用户可以通过自然语言与Agent进行直接沟通。简单的通用指令由端侧的VLA模型即时处理，而复杂的指令则先由云端的VL基座模型进行深度解析，随后再交由VLA模型执行，这种分层处理机制保证了交互的效率和准确性。

💻 **软硬件协同优化实现高效运行**：为了让VLA司机大模型在车载硬件上高效运行，理想汽车自主研发了底层推理引擎，并利用自有编译团队，使得英伟达Orin-X芯片能够通过INT4量化方式运行VLM。结合芯片、控制器设计以及自研汽车操作系统等综合能力，成功实现了双Orin-X芯片以及Thor-U芯片运行同等规模的VLA司机大模型，为大规模应用奠定了基础。

🚀 **车型升级与功能拓展**：得益于上述技术积累，所有理想汽车Max版车型，包括2022款理想L9 Max，都将能够升级到VLA司机大模型。此外，搭载地平线J6M智驾芯片的Pro车型（如焕新版理想L系和i8 Pro），也计划在今年年底前升级城市NOA（Navigate on Autopilot）功能，进一步提升用户在城市道路的驾驶体验。

科技7月29日消息，在今晚举办的理想i8上市发布会上，理想自动驾驶负责人郎咸朋上台分享了理想自研VLA司机大模型的相关内容，据悉，这是一款视觉语言行动模型。

VLA即Vision-Language-Action Model，理想汽车希望该模型能让AI真正成为司机，成为交通领域的专业生产工具，像人类司机一样工作，甚至喊出了“买车送司机”的口号。

VLA的实现是一个进化过程，经历了三个阶段。

第一阶段是2021年起自研的依赖规则算法和高精地图的辅助驾驶，类似 “昆虫动物智能”。

第二阶段是2023年起研究，并于2024年正式推送的端到端+VLM 辅助驾驶，接近 “哺乳动物智能”。

第三阶段的 VLA 开启 “人类智能” 阶段，能通过3D和2D视觉的组合完整看到物理世界，且拥有完整的脑系统，具备语言、思维链推理能力，既能看，也能理解并真正执行行动。

VLA司机大模型以 “司机 Agent（智能体）” 的产品形态呈现，用户可通过自然语言与司机Agent沟通，简单通用的短指令由端侧的VLA直接处理，复杂指令则先由云端的VL基座模型解析，再交由VLA处理。

理想汽车依托自有编译团队，自研底层推理引擎，使英伟达Orin-X芯片可通过INT4量化的方式运行VLM，并且凭借芯片、控制器设计和自研汽车操作系统等综合能力，实现了让双Orin-X芯片和Thor-U芯片运行同等规模的VLA司机大模型。

也正因如此，所有理想汽车Max版车型，即便是2022款理想L9 Max，均可升级到VLA司机大模型。

此外，郎咸朋还表示，搭载了地平线J6M智驾芯片的Pro车型（焕新版理想L系和i8 Pro），将在今年底升级城市NOA功能。