在理想汽车近期的理想AITalk第二季上，CEO李想分享了对于人工智能的最新思考、VLA司机大模型的作用、训练方法和挑战等。AI分为信息工具、辅助工具和生产工具三个层级，VLA司机大模型成为交通领域的专业生产工具。李想表示，判断Agent是否真正智能，关键在于它是否成为生产工具。VLA的实现是一个进化的过程，经历了三个阶段，对应理想汽车辅助驾驶的昨天、今天和明天。第一阶段，理想汽车自2021年起自研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，理想汽车自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，VLA将开启“人类智能”的阶段，能通过3D和2D视觉的组合，完整地看到物理世界，同时拥有完整的脑系统，具备语言、CoT推理能力。VLA的训练分为预训练、后训练和强化训练三个环节，类似于人类学习驾驶技能的过程。预训练相当于人类学习物理世界和交通领域的常识；后训练相当于人类去驾校学习开车的过程；强化训练相当于人类在社会中实际开车练习。VLA司机大模型以“司机Agent”的产品形态呈现，用户可通过自然语言与司机Agent沟通。此外，理想汽车还需解决安全性和模型黑盒的问题。为了保障VLA司机大模型能够实现职业司机般的安全和舒适，理想汽车在强化训练环节投入大量资源，并组建超过100人的超级对齐团队。理想汽车还打造了真实、符合物理世界规律的世界模型，有效应对模型黑盒带来的挑战。目前，VLA司机大模型将在下半年正式上车，从原型机在道路上演示的视频来看，整套系统对于语义识别，动作执行精度，车辆控制的稳定性都有不错的表现，让我们愈发期待量产版本的体验。理想aitalk第二季
