理想汽車發布下一代自動駕駛基礎模型MindVLA-o1

🔑 增強重點摘要

• •MindVLA採用雙系統架構，整合端到端學習與視覺語言模型（VLM），並透過3D空間編碼器生成行動令牌，再經擴散模型優化即時駕駛軌跡。[1]
• •MindVLA於NVIDIA GTC 2025活動發布，CEO李想比喻其影響力如同iPhone 4重塑智慧手機，將車輛轉變為具認知與適應能力的全職駕駛員。[2][3]
• •MindVLA將於7月隨理想汽車首款純電動SUV Li i8上市，並支援即時語音指令如「找超市」或「減速」，無需預設導航自主探索。[1][2]
• •MindVLA自研大型語言模型基座，使用MoE混合專家架構與稀疏注意力機制，確保模型規模增長不損用戶端推理效率。[3]

🛠️ 技術深入

• •雙系統架構：整合端到端學習與VLM，3D空間編碼器融合語言模型與邏輯推理生成行動令牌（action tokens）。[1]
• •行動解碼：使用擴散模型（diffusion model）將行動令牌轉換為最佳駕駛軌跡，並整合其他車輛軌跡預測提升複雜交通博弈能力。[1][3]
• •世界模型：自研統一雲端世界模型，支援3D場景重建、生成視圖補全與未見視角預測，實現大規模閉環強化學習，過去一年優化3D GS訓練速度提升逾7倍。[1]
• •基座模型：從頭設計訓練大型語言模型，使用MoE混合專家架構與稀疏注意力（Sparse Attention）機制，維持推理效率。[3]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線