转自：新华财经
新华财经北京12月17日电（杨明炜、康耕甫）12月3日，理想汽车推出了AI眼镜Livis，标志着理想汽车董事长兼CEO李想计划将“理想打造成一家具身智能企业”的愿景迈出了实质性一步。
李想认为，具身智能最好的一种方式是跟现有机械，各种常用的机器本体进行结合，并给予它更好的“眼睛”“大脑”和“心脏”。理想汽车正在产品、技术、组织三个维度推进“具身智能”建设，其VLA大模型的空间理解、思维与推理、沟通与记忆、行为和迭代五大核心能力也给用户带来了安全、舒适、高超的驾驶技巧和自然的交互能力，提升了用户体验。
三个维度推进“具身智能”建设
李想在公司2025年第三季度财报业绩会上所作的演讲，进一步证明，公司近期围绕产品、技术、组织三个维度，在为具身智能企业确定下一个十年的战略布局。
产品层面，李想向投资者介绍，理想不做电动车，不做智能终端，而是一家“具身智能”企业。当产品停留在“电动车”，竞争逻辑可能就是堆配置、拼参数，变成参数大战，很多研发投入都是不必要的浪费。如果选择做智能终端，本质上会变成功能的重复建设，例如把手机、电脑上的体验复制到车上，对用户价值的提升有限。
汽车是具身智能产品的核心形态之一，可以通过给予它“眼睛耳朵”（感知能力）、“大脑”（模型）、“神经”（操作系统）、“心脏”（算力）、“身体”（本体），让汽车成为汽车机器人。将汽车作为具身智能产品来开发，这一逻辑才能更好地实现从被动服务，到自动和主动服务，为用户价值创造。
李想认为，具身智能在未来五年会是一个巨大的应用，而具身智能最好的一种方式是跟现有的机械，各种常用的机器本体进行结合，并给予它更好的“眼睛”、更好的“大脑”、更好的“心脏”。“我觉得这是我们看到的机器人的机会，而不仅限于人形机器人这样的一个形式。”
技术层面，理想坚持“深度自研，构建AI系统”。公司认为，做好具身智能，最重要的是构建包含感知、模型、操作系统、算力、本体的AI系统。
技术感知方面，目前3DBEV、OCC占用网络、2DViT，有效的感知距离远不如人类眼睛。如果升级成和人眼工作原理相似的3DViT，有效距离可以扩大2-3倍。感知能力的提升，能够解决50%以上的辅助驾驶常见问题。3DViT不局限于自动驾驶领域，也让用户在车辆内外都能够获得主动交互与服务。
技术模型方面，3DViT让VLA大模型能更好地感知和理解物理世界，也让人类的数据可以更高效地用于训练，世界模型生成的数据可以更好地完善训练，解决目前辅助驾驶舒适性、反应迟钝等问题。此外，需要对传统GPU架构、操作系统和算力进行深度改造和定制，理想自研的M100芯片就是为了解决具身智能面临的各类问题而研发。
技术本体方面，线控体系能够提升辅助驾驶从感知到执行的响应速度，从550毫秒左右提升至350毫秒，大致可以将事故率下降50%以上，带来理性的安全，以及感性的安全感。
由于内部愿景和战略升级，以及没有任何第三方供应商可以完整地提供AI系统，因此理想全面自研、持续加大研发投入。目前，理想已经自研了星环OS操作系统、基座模型等技术底座，2026年将开始交付以M100自研芯片为核心的AI系统。
组织层面，公司管理模式重新回归创业公司模式。随着营收规模扩大，自2022年起，理想开始实践职业经理人的治理体系，但职业经理人模式和创业公司模式的管理理念和要素有所差异，各自适用于不同阶段和行业环境。面向下一阶段，理想坚定选择了具身智能这一新赛道，意味着组织需要更加敏捷高效，并且充满创业公司的活力。因此从今年四季度开始，理想坚定地回到创业公司的管理模式，以此来面对新时代、新技术的挑战。
理想对回归创业公司模式进一步明确了四项具体举措：更多深度对话，而非汇报；聚焦用户价值，而非交付；持续提升效率，而非占有资源；识别关键问题，而非创造信息不对称。
VLA大模型呈现五大核心能力
理想公司作为全球首个基于VLA大模型的辅助驾驶汽车制造公司，一直以来成为大家关注的焦点。原因在于理想自研的VLA司机大模型，是理想构建AI系统、打造具身智能产品的关键路径。
VLA（Vision-Language-ActionModel）是视觉-语言-行为大模型。一句话解释：VLA司机大模型是一个更好的私人司机，其呈现出五大核心能力：
一是空间理解能力。VLA中提升了模型对空间理解的精度与能力，可以感知远距空间，全局语义能力能更好地建模场景关系、理解交通意图，并为轨迹生成、规划与决策提供依据。
二是思维与推理能力。基于CoT(ChainofThought，思维链）的推理能力，VLA能通过对环境充分地理解和感知，生成驾驶决策，存在思维推理的过程。端到端+VLM阶段，用VLM推理既耗时，也不方便整合到端到端整个流程里。但在VLA司机大模型里，可以进行实时推理，保持10Hz以上的帧率，每一帧都经过了非常好的推理。
三是沟通与记忆能力。驾驶员可以用自然语言跟理想同学直接交流，这是VLA含有语言理解能力的体现。开快点、开慢点、左转、右转等基本操作都可以轻松实现，还可以记忆驾驶速度偏好，将车辆开到某一条路上的时候，车辆可以通过语言理解记住了你的速度偏好和选择，并且以后都按照驾驶员的偏好执行。园区行驶中也基于记忆能力，实现了长短时图（刚走过的路&之前走过的路）、分段记忆、分段使用的能力。
四是行为能力。VLA具备拟人的轨迹规划能力，强大的Diffusion扩散模型会生成很多非常接近于人类开车的丝滑体验的轨迹，使得最终的驾驶行为能够像人类一样丝滑。
五是迭代能力。端到端+VLM架构的本质是“模仿学习”，而VLA的本质是强化学习，再配合3DViT加持的世界模型，既提升了生成数据仿真迭代的效率，更好地完善了训练，也实现了VLA的快速迭代。
五大核心产品带给用户的实际体验就是安全、舒适、高超的驾驶技巧和自然的交互能力。
对于外界对“如何判断自动驾驶落地的时间表及商业变现”疑问，理想汽车自动驾驶研发高级副总裁郎咸朋认为，从技术层面看，VLA模型可以走向更高级别的自动驾驶，但现在处于起步阶段，在这个技术周期里，起步阶段VLA模型约等于端到端的上限，它还有很长的一段路要走，这个过程不会特别慢，因为端到端从10MPI到现在100MPI只用了一年左右的时间。VLA模型的迭代速度也会非常快，但前提是要有完备的基础能力，如算法、算力和数据等，并且要有工程能力的支撑才能够实现。尤其VLA相较端到端，它需要更多成熟的仿真环境来进行强化学习的训练，和之前只是单纯依靠实车的数据模仿学习训练完全不同。
“商业变现的影响因素非常多，最核心的是国家法律政策。理想汽车也在积极参与国家相关政策法规的讨论小组，从技术上来看L4级别的自动驾驶落地是非常快的，但从商业角度上看，还有很多问题需要考虑，比如保险、事故之后的赔偿等。”郎咸朋表示。（完）
广州股票配资公司提示：文章来自网络，不代表本站观点。
