在NVIDIA GTC 2026大会上，理想汽车基座模型负责人詹锟发表主题演讲，正式推出下一代自动驾驶基础模型MindVLA-o1。这一模型通过五大技术创新，重新定义了自动驾驶系统对物理世界的理解与交互方式，标志着智能驾驶技术向“全能范式”迈出关键一步。
MindVLA-o1的核心突破在于构建了3D空间理解能力。传统自动驾驶系统主要依赖平面图像处理，而新模型通过融合摄像头与激光雷达数据，借助3D编码器技术，使车辆能够精准感知物体的深度、距离及运动轨迹。这种能力让车辆对三维物理空间的认知更接近人类驾驶员，为复杂路况下的决策提供了更可靠的基础。
在决策层面，该模型引入了多模态思考机制。通过隐世界模型技术，MindVLA-o1不仅能实时分析当前环境，还能在虚拟空间中预演未来数秒可能发生的场景。这种“脑补”未来的能力使系统能够提前识别潜在风险，并制定更具预见性的行驶策略，显著提升了决策的主动性与安全性。
行为生成方面，MindVLA-o1采用了VLA-MoE架构，并配备专门的“动作专家”模块。该模块可同步生成所有行驶轨迹点，并通过类似“去噪”的优化算法，确保车辆运动既符合物理规律又保持平稳流畅。这一设计解决了传统系统轨迹生成碎片化的问题，使驾驶行为更加自然连贯。
为加速模型进化，理想汽车开发了闭环强化学习系统。通过构建高保真世界模拟器，模型可在虚拟环境中进行大规模自我训练，无需依赖大量真实道路数据。这种训练方式不仅降低了成本，还使策略优化效率提升数倍，为模型快速迭代提供了技术保障。
在硬件部署上，MindVLA-o1实现了软硬件协同优化。研究团队通过平衡模型精度与硬件延迟，将架构设计周期从数月压缩至数天，使复杂的大模型能够高效运行于车端芯片。这一突破解决了高算力模型与车载硬件兼容性的难题，为量产应用扫清了障碍。
