火星电竞

文 / 陈锋

裁剪 / 子夜

AI 关于梦想汽车意味着什么？

几个月前的" 2024 梦想 AI Talk "上，梦想汽车董事长兼 CEO 李想的复兴是：（在愿景上）意味着改日的全部。

"电动化是上半场，智能化是下半场，但我合计，这个智能化讲的不是传统的软件智能，而是信得过的东谈主工智能，这是造车往下延续的一个必经之路。汽车将从工业时期的交通器具，进化成为东谈主工智能时期的空间机器东谈主。"李想这样说谈。

在当下的新动力汽车市蚁合，梦想亦然在 AI 政策上布局更早、干预更坚决的车企之一。

从 2022 年 9 月在里面将发展 AI 定为政策中枢，到 2023 年头认真将这一政策对外，再到昨年底" 2024 梦想 AI Talk "共享了对东谈主工智能的最新念念考和政策效果，梦想也曾跑出了更快的 AI "加快度"。

近期，围绕 AI 政策布局，以及 AI 在智能驾驶上的落地，梦想汽车又迎来了一个要道里程碑，发布了梦想汽车自动驾驶架构—— MindVLA。

图源梦想汽车官方微信公众号

梦想汽车自动驾驶时刻研发负责东谈主贾鹏暗意："就像 iPhone 4 再行界说了手机，MindVLA 也将再行界说自动驾驶"。在梦想汽车 2024 年第四季度及全年财报事迹会上，李想暗意本年规划将 MindVLA 和首款纯电 SUV 车型梦想 i8 同期发布。

MindVLA，

一个司机 Agent 究竟能作念什么？

MindVLA 到底是什么？

它是视觉 - 语言 - 举止大模子，是机器东谈主大模子的新范式，非粗浅的将端到端模子和 VLM 模子联接在沿路。它所有这个词的模块都是全新谋划的，将空间智能、语言智能和举止智能长入在了肃清个模子里。

具体来看，3D 空间编码器通过语言模子，和逻辑推理联接在沿路后，给出合理的驾驶决策，并输出一组 Action   Token（手脚词元），Action Token 指的是对周围环境和自车驾驶举止的编码，并通过 Difusion ( 扩散模子 ) 进一步优化出最好的驾驶轨迹，所有这个词这个词推理进程都要发生在车端，况且要作念到及时运行。

梦想汽车在 VLA 上的当先布局，源于其对自动驾驶以及大模子前沿时刻的是非瞻念察，也源于更早、更强项的 AI 政策。

"咱们合计，基座模子到一定时候，一定会酿成 VLA。"此前，李想如斯暗意。在他看来，语言模子也要看三维宇宙，也要通过语言、明白联接三维宇宙，同期自动驾驶走向 L4，也要有极强的明白智力。

这意味着，改日在 MindVLA 模子加抓下的梦想汽车，能更好地感知、念念考和适应环境，成为一个能听懂用户语言、看懂用户需求、帮用户措置问题的"专职司机"。具体来说：

一来，用户不错通过语音领导来更变车辆的道路和举止。

比如你正在生分园区寻找超市，这时你只需要通过梦想同学对车辆说"带我去超市"，车辆将在莫得导航信息的情况下，自主漫游找到方向地；车辆在行驶的进程中，你还不错跟梦想同学说"开太快了""应该走左边这条路"，MindVLA 都能联接并推论这些领导。

二来，基于精深的通识智力，MindVLA 能更好地识别周围环境。

比如 MindVLA 能果断星巴克、肯德基等不同的商店牌号，当你在生分方位找不到车辆时，不错拍一张隔邻环境的像片发送给车辆，领有 MindVLA 赋能的车辆简略搜寻像片中的位置，并自动找到你。

第三，基于空间联接和逻辑推明智力，搭载了 MindVLA 的车辆，"找得到"的智力也提高了。

搭载 MindVLA 的车型不错自主地在地库、园区和大众谈路上漫游。典型的场景是"找车位"。比如用户在商步地库找不到车位时，用户只需要对着车辆说"去找个车位停好"，车辆无需依赖舆图或导航信息，并达成自主寻找合适的车位停驻。

回归来看，在有了 MindVLA 赋能后，每一辆车其实都不再是单纯的驾驶器具了，而是信得过成了能与用户换取、联接用户意图的智能体。

MindVLA 赋能的车辆，

为何能成为"专职司机"？

MindVLA 能成为又名听得懂、看得见、找得到的专职司机，精深的功能背后在于 MindVLA 六大约道时刻赋能。

MindVLA 冲破了自动驾驶时刻框架谋划的传统模式，使用了简略承载丰富语义，且具备出色多粒度、多法子 3D 几何抒发智力的 3D 高斯这一中间表征，能帮系统更高效地感知、联接周围环境，同期充分附近海量数据进行自监督锤真金不怕火，进而极大提高了下贱任务性能。

梦想从 0 驱动谋划和锤真金不怕火了相宜 MindVLA 的 LLM 基座模子，选拔 MoE 羼杂各人架构，引入 Sparse Attention（疏淡堤防力），达成模子疏淡化，保证模子限制增长的同期，不镌汰端侧的推理着力。

基座模子锤真金不怕火进程中，梦想加入普遍 3D 数据，使模子具备 3D 空间联接和推明智力。为了进一步激勉模子的空间智能，梦想加入了改日帧的预测生成和蕃昌深度的预测等锤真金不怕火任务。

LLM 基座模子得回 3D 空间智能的同期，还需要进一步提高逻辑推明智力。梦想锤真金不怕火 LLM 基座模子学习东谈主类的念念考进程，让快慢念念考有机联接到肃清模子中，并不错达成自主切换快念念考和慢念念考。

为了把 NVIDIA Drive AGX 的性能阐发到极致，MindVLA 选用小词表联接投契推理，以及翻新性地应用并行解码时刻，进一步提高了及时推理的速率。至此，MindVLA 达成了模子参数限制与及时推感性能之间的均衡。

MindVLA 附近 Diffusion 将 Action Token 解码成优化的轨迹，并通过自车举止生成和他车轨迹预测的结伴建模，提高在复杂交通环境中的博弈智力。同期 Diffusion 不错笔据外部条目，举例立场领导，动态治疗生成收尾。为了措置 Diffusion 模子着力低的问题，MindVLA 选拔 Ordinary Differential Equation（常微分方程）采样器，达成了 2-3 步就能完成高质地轨迹的生成。

面临部分长尾场景，梦想建立起东谈主类偏好数据集，况且翻新性地应用 RLHF（基于东谈主类响应的强化学习）微调模子的采样进程，最终使 MindVLA 简略学习和对王人东谈主类驾驶举止，权臣提高安全下限。

与此同期，基于梦想自研的重建 + 生成云霄长入宇宙模子，MindVLA 深度会通了模子的三维场景复原智力与生成模子的新视角补全，以及未见视角的预测智力，构建了接近确凿的仿真环境。

源于梦想谢宇宙模子上的时刻累积与足够计较资源的撑抓，MindVLA 也达成了基于仿真环境的大限制强化学习，即信得过好奇上的从"空虚中学习"。

咱们了解到，昔时一年里，梦想自动驾驶团队完成了宇宙模子普遍的工程优化，权臣提高了场景重建与生成的质地和着力，其中一项职责，是将 3D GS 的锤真金不怕火速率提高了 7 倍以上。

梦想通过翻新性的预锤真金不怕火和后锤真金不怕火智力，让 MindVLA 的泛化智力和表露特质，都更显着了。其不仅在驾驶场景下进展优异，在室内环境也展示出了一定的适应性和延展性。

自动驾驶，将被 MindVLA 再行界说？

从 OpenAI 到 DeepSeek，大模子推明智力不休更新与进化下，VLA 将成为车企探索智驾智力上限的新出口。

"端到端 +VLM 不错措置 L3，比如达成 500 公里到 1000 公里一次吸收，让你在车上相对轻松。但仅靠端到端达成不了 L4。"李想如斯说谈。

他还提到，自动驾驶达成 L4，必须使用 VLA。

李想的这一判断，正加快成为车企共鸣—— 2025 年以来，VLA 所呈现出来的精深感知、念念考和适应环境的智力，正再行界说自动驾驶，也将成为车企竞逐自动驾驶的新锚点。

" VLA 模子极有可能在改日两年内改写智能驾驶市集的竞争阵势。"最近，中国自动驾驶产业翻新定约调研员文明如斯暗意。

他提到，预测 2025 年 VLA 模子的量产落地，将鼓励城区 NOA 渗入率提高。

高盛发布的一则自动驾驶论述也提到，到 2030 年，VLA 模子主导的端到端决策，或将占据 L4 级自动驾驶市集 60% 的份额。

连线 Insight 也堤防到，梦想汽车以外，元帅启行、小鹏、华为等玩家也曾在加快布局。市集上也有声息合计，2025 年将是" VLA 上车元年"。

基于上述布景忖度 MindVLA，其不仅是梦想在通向 L4 级别自动驾驶路上的一次当先抢跑，亦然 AI 鼓励自动驾驶智力抓续上探的一个范本。

从最中枢的用户体验来看，MindVLA 加抓之下，传统的驾乘洽商，正加快迎来新一轮变革。过往的智驾体验中，主驾必须监管、监督车辆举止，但当加抓了 MindVLA 的车简略信得过"看得见""听得懂""找得到"，相通车自己的智驾智力不休上探，这带来的是东谈主与车更丝滑的交互体验、更惬心的驾乘生计，乃至更方便的出行神色。

图源梦想汽车官网

某种进程上，这与早些年智高东谈主机规模的" iPhone 4 时候"有一定相似之处——相似是最大限制变革了东谈主与"机器"的交互神色和交互体验。

由此，若是说" iPhone 4 "的推出再行界说了手机行业，那如今 MindVLA 的推出，以及后续延续上车，本色上也曾在"再行界说自动驾驶"。

从更长久视角来看，MindVLA 所呈现出来的对物理宇宙和数字宇宙联接范式的探索，也有望赋予更多行业协同发展。

( 本文头图开头于梦想汽车官网。）