理想汽车在7月29日正式推出了其第二款纯电产品——理想i8，这款六座纯电SUV的亮相，标志着理想在电动汽车领域迈出了重要一步。与i8同期交付的，还有理想汽车自主研发的下一代辅助驾驶技术方案VLA（Vision-Language-Action，视觉语言动作模型）。
理想汽车自动驾驶研发高级副总裁郎咸朋透露，理想将于8月内向用户推送VLA方案，搭载英伟达双OrinX和Thor U芯片的AD Max车型将率先升级至这一系统。VLA模型被设计为具备对空间和语言的理解能力，能够有效推理场景并生成行驶轨迹。
除了理想汽车，小鹏汽车和辅助驾驶方案供应商元戎启行也计划在今年内推送VLA系统。小鹏汽车的交付时间定于今年第三季度。郎咸朋表示，理想汽车将第一个推送VLA模型，并自信地宣称会比竞争对手更早。
为了研发VLA模型，理想汽车在云端搭建了高达13 EFLOPS的算力，其中3 EFLOPS用于推理，10 EFLOPS用于训练。理想在云端训练了参数量达32B的大模型，并通过强化学习和模型蒸馏等技术，将其压缩为3.2B的MoE混合专家模型并部署到车端。理想AD Max车型搭载的Thor U芯片，据行业普遍认为算力为700 Tops。
与小鹏汽车的模型训练方法相似，但小鹏在云端和车端模型的参数量更大。今年4月，小鹏汽车宣布在云端训练了72B的模型，其Ultra版本的车端算力高达2000 Tops，其中1500 Tops用于运行VLA模型。
对于算力上的差距，郎咸朋回应称，芯片的算力和量化精度相关。使用常见的FP16或FP32精度进行推理时，有效算力会降低。而理想的VLA模型采用INT8与FP8的混合精度推理，有效算力能达到1000 Tops。
尽管VLA被视为辅助驾驶的下一代技术，但目前仍处于起步阶段。郎咸朋坦诚，理想当前的VLA模型能力仅相当于上一代端到端模型的上限，还有很长的路要走。他预计，随着技术迭代，明年VLA模型可能会实现1000 MPI（平均接管里程）的显著提升。
在回答关于VLA模型推理速度的问题时，郎咸朋表示，虽然车机上显示的推理过程看起来较慢，但实际的推理速度很快，VLA的推理帧率在10Hz左右，是之前VLM模型的三倍多。
关于VLA模型的难度和对企业的要求，郎咸朋指出，车企若想实现VLA模型，必须建立在完整的数据闭环和实车采集数据的基础上。基础训练算力和推理算力的支撑需要大量资金和技术能力。
在谈到车载算力的规划时，郎咸朋表示，算力增长与技术方案相关，并强调理想汽车在车载算力上有长期规划，但目前不便透露具体细节。
针对智能驾驶的“不可能三角”（效率、舒适和安全），郎咸朋表示，理想汽车目前优先优化的是安全性和舒适度，效率则排在之后。他透露，理想的目标是将事故发生率降低到人类驾驶的十分之一，即在辅助驾驶功能下，每600万公里才发生一次事故。
在仿真测试与实车测试的选择上，郎咸朋表示，仿真测试具有成本低、效率高的优势，理想汽车已经通过大量验证，证明其仿真测试的有效性和可靠性，因此在很多性能相关的测试中，理想更倾向于使用仿真测试。
关于VLA模型的创新点，理想汽车自动驾驶高级算法专家詹锟表示，VLA不仅是工程创新，更是算法创新。它在大模型的基础上加入了语言理解和思考能力，使自动驾驶系统更像是一个具有自主思维的机器人。
在回答关于VLA模型轻量化版本的问题时，詹锟表示，理想汽车在部署时做了大量优化，包括使用自研的8x0.4B MoE模型、大模型蒸馏和Diffusion推理压缩等，以实现高效的模型部署。
对于VLA模型的未来应用，郎咸朋表示，VLA是一个很好的具身智能技术框架，未来可能拓展到其他机器人领域。同时，他也表示，如果未来算法锁定，理想汽车可能会考虑自研智驾芯片以提高效率和成本效益。
在谈到商业变现时，郎咸朋指出，法律政策是影响自动驾驶商业化的核心因素之一。理想汽车正在积极参与国家相关政策法规的讨论，以推动自动驾驶技术的商业化进程。
最后，郎咸朋表示，尽管VLA目前仍处于起步阶段，但他相信随着技术的快速迭代，自动驾驶的GPT时刻很快就会到来。他预计，明年理想汽车的VLA模型将实现显著的性能提升，为用户带来更加安全、舒适和高效的驾驶体验。
