乘客用大白话让车「停到前面那辆白车边」车真照做了——没有一个程序员为这个确切位置写过规则。这正是理想汽车理想汽车在交付、而非演示的能力。其司机模型已成为中国车企里使用量最大的大模型功能之一。当同行还在比拼城市NOA的开城数量理想把叙事推到了「用一句话指挥一辆车」的层面。从规则堆叠到「一个模型」传统辅助驾驶辅助驾驶是一层层独立模块感知、预测、规划各自人工调参。理想的赌注是把它压成一个统一的视觉—语言—行动视觉—语言—行动VLA模型。「语言」让乘客能发模糊指令、车去理解「行动」就是驾驶输出。公司认为这不是一个功能而是迈向物理世界通用智能体的转向。落地是分步的2023年6月发布自研认知大模型Mind GPT2024年10月推送端到端VLM端到端VLM架构2025年把空间理解、语言与行动统一进VLA司机大模型随理想i8在8月推送、9月覆盖所有AD Max用户。到年底已规模使用月使用率80%累计指令1225.4万次仅春节期间就在2.5亿公里辅助驾驶里程中产生了130.3万次VLA指令。GTC上的MindVLA-o12026年3月17日英伟达GTC大会基座模型负责人詹锟发布下一代自动驾驶基础模型MindVLA-o1称其为原生多模态MoE Transformer。理想列出五大技术支柱3D空间理解、多模态思考、统一行为生成、闭环强化学习、软硬件协同设计。其主张是同一套VLA模型既能开车原则上也能延伸到机器人——「自动驾驶只是物理AI的起点」。研究足迹为这一主张提供一定支撑理想称MindVLA-o1相关工作登上CVPR、ICLR等2026顶会。这些是公司自身引用应视为重投入的证据而非对性能的独立验证。数据飞轮才是护城河真正难抄的不是架构而是数据。每一次真实路况下的VLA指令、每一公里辅助驾驶里程都会回流成训练样本让模型在「看得更远、想得更深、行得更稳」上持续迭代。理想披露的年化千万级指令量本质是一条数据飞轮用得越多模型越懂中国道路的复杂与方言式指令。这也是为何理想把自己重新定义为「All in AI」的实体AI公司——车是这台飞轮最大的采集端与部署端机器人只是同一套能力的延伸场景。统一模型难在哪把感知、预测、规划压进一个模型好处是端到端、迭代快风险也集中一旦推理出错错误会直接传导到转向与油门没有中间模块兜底。理想自身也承认早期端到端系统对突发场景的应对仍需提升。所以在可预见的未来VLA更像「增强」而非「替代」——复杂路口与极端天气仍要驾驶员随时接管模型负责的是高频、重复的常规场景。从车到机器人「车是最大号的机器人」不是比喻。自动驾驶要解决的感知—决策—执行闭环与移动机器人、人形机器人同源。理想把MindVLA-o1定位为「面向物理世界的通用智能体」意味着同一套视觉—语言—行动能力可迁移到工厂巡检、家庭服务或仓储机器人。但这仍是路线图今天落地的是车机器人产品尚未交付组织与数据能否跨场景复用要等真机验证。诚实的局限本文依据理想官方社区与微信、官媒央视、国际在线、北京日报及世界互联网大会资料。80%使用率与1225.4万次指令为公司披露的2025年末数据未经独立审计2.5亿公里春节里程为公司统计。MindVLA-o1架构主张为理想在GTC 2026的展示。我们未独立测试其真实接管率、安全表现或第三方基准排名「首创/领先」表述属公司自身口径。普通人现在能做什么把1225万次指令看作「采用度」而非「能力」等脱离接管或安全数据出来再评判模型好坏。对竞品车企真正的启示在组织统一模型需要基座模型团队而不只是感知团队。对车主在安全的空旷场景下试几句模糊的、基于位置的语音指令看清VLA模型在哪帮得上、在哪仍交还人工控制。