理想i8与VLA司机大模型 - 理想全新纯电SUV i8上市，搭载新一代VLA辅助驾驶系统，成为全球首个展示VLA辅助驾驶范式的车企 [2] - VLA系统基于视觉-语言-行为大模型、英伟达Thor-U芯片和禾赛ATL激光雷达，辅助驾驶能力大幅提升 [2] - VLA架构最大改进在于利用大模型语言智能提供决策能力，将空间智能转化为语言理解编码再形成动作指令 [6] VLA技术特点 - 具备思维推理能力：通过CoT（思维链）推理充分理解环境并生成驾驶决策 [17] - 拥有沟通能力：支持自然语言交互，可接受人类实时指令调整驾驶行为 [9][17] - 具备记忆能力：可记住特定道路的驾驶设置并在下次自动应用 [17] - 自主学习能力：通过仿真环境自我迭代，利用生成数据持续提升 [17] - 驾驶平顺性提升：采用Diffusion生成光滑轨迹，相比之前连接轨迹点的方案更丝滑 [13] - 驾驶风格改进：从模仿"老司机"转向"专车司机"风格，更加稳健 [15] 技术演进与数据积累 - 辅助驾驶技术从BEV方案演进到无图辅助驾驶，再到端到端架构，现升级至VLA范式 [23] - 端到端辅助驾驶MPI（接管里程）从最初十几公里提升至100公里，7个月增长10倍 [5] - 已积累43亿公里用户智驾总里程，134万辆用户规模，云端算力达13EFLOPS [24] - 累计12亿公里有效数据，覆盖不同天气、道路类型等多样化场景 [24] - 通过世界模型生成合成数据解决长尾场景问题，提升数据价值 [25][26] 算法与工程优化 - 构建MindGPT基座模型，通过五步流程实现VLA大模型生成 [28] - 采用仿真测试大幅降低成本：从2023年实车测试157万公里（成本18.4元/公里）降至2024年仿真测试4009万公里（成本0.53元/公里） [28] - 实现模型量化：在Thor-U芯片部署4B模型并进行FP8、INT8量化，未来FP4精度可使算力翻倍 [29] - 算法效率高，强化学习应用显著，可实现天级发版迭代 [28] 未来展望 - 已在北京总部运行MEGA Home接驳车，实现全区域（含地下停车场）巡游 [30] - 构建1×1km完全仿真环境，训练速度远超真实世界 [32] - 预计一年后MPI可达1000公里，加速智能驾驶技术迭代 [32]