【APT扑克】李想解读VLA司机大模型：拥有接近人类司机的思考

【APT扑克(www.apt扑克.com)报道】

　　【御龙天下科技消息】近日，理想汽车创始人李想在谈到公司自动驾驶技术发展时提到，VLA（视觉语言行动模型）对理想汽车来说，就像是一位真正的“司机大模型”，它的运行方式越来越接近人类司机的思考和操作。

　　李想介绍称，理想汽车在智能驾驶方面的演进大致经历了三个阶段。第一个阶段从2021年开始，主要依靠机器学习进行环境感知，并结合后端的一系列规则算法来完成规划、控制和执行等任务。这个阶段的技术是分模块、按步骤推进的，虽然有效，但还远远谈不上“类人”。

　　第二个阶段是从2023年开始研究，并在2024年正式推出的“端到端”系统。这一阶段的突破在于，系统不再依赖单一模块的独立判断，而是让整个驾驶过程更加连贯、统一，能更高效地处理复杂路况，实现更自然的驾驶行为。

　　而第三个阶段就是目前重点推进的VLA模型，它标志着智能驾驶进入了一个全新的层次。与以往不同，VLA不再是单纯的图像识别，而是像人类一样，通过3D视觉与2D图像的结合，去“理解”真实世界的物理结构。它不仅能“看”到道路和车辆周围的情况，还能“读懂”导航软件是如何运行的，这是传统视觉语言模型VLM所做不到的。后者只能识别图片内容，而无法真正理解场景背后的逻辑。

　　更重要的是，VLA拥有类似人类的“大脑系统”。它不仅能观察外部世界，还能理解和推理这个世界正在发生什么。它具备自己的“语言”和“思维链”，能够进行多步骤推理，做出更符合实际情境的决策。这种能力让它在面对突发情况或复杂路况时，能像老练司机那样迅速反应并采取合适动作。

关于EV扑克(EVPoker)

【关于APT亚洲扑克巡回赛】