IT之家 3 月 17 日消息，今日，理想汽車基座模型負責人詹錕出席 NVIDIA GTC 2026，發表主題演講《MindVLA-o1：開啓全能範式 —— 下一代統一視覺-語言-動作自動駕駛大模型探索》，發布了理想汽車的下一代自動駕駛基礎模型 MindVLA-o1。

據介紹，MindVLA-o1 通過五大技術創新 ——3D 空間理解、多模態思考、統一行為生成、閉環強化學習和軟硬件協同設計，構建面向物理世界智能的自動駕駛基礎模型。

據IT之家了解，該模型的核心突破可以概括為以下五個維度：

看得更準（3D 空間理解）：以前的系統更多是在處理平面圖像，而 MindVLA-o1 結合了攝像頭和激光雷達，通過 3D 編碼器讓車能夠像人類一樣感知物體的深淺、距離和運動狀態，真正理解三維物理空間。

想得更深（多模態思考）：它是首個能「腦補」未來的模型。通過隱世界模型，它不僅看現在，還能在隱形空間裏提前「預演」未來幾秒可能發生的場景，從而做出更有預見性的決策。

行得更穩（統一行為生成）：系統採用 VLA-MoE 架構，專門配備了「動作專家」。它能同時生成所有行駛軌跡點，並通過類似「去噪」的優化過程，確保車開得既絲滑又符合物理規律。

進化更快（閉環強化學習）：理想構建了一個強大的世界模擬器。模型不僅在馬路上學，還能在虛擬世界裏進行大規模、高效率的自我練習和策略優化，大大降低了訓練成本。

部署更高效（軟硬件協同）：通過研究模型精度與硬件延遲的平衡，理想將架構設計的時間從幾個月縮短到幾天，讓複雜的大模型能更流暢地跑在車端芯片上。