在2026 GTC大會(huì)上，理想汽車正式推出下一代自動(dòng)駕駛系統(tǒng)核心模型——MindVLA-o1。這款突破性模型通過整合空間感知、邏輯推理與駕駛決策能力，首次實(shí)現(xiàn)了對(duì)三維物理世界的完整解析，并創(chuàng)新性地將自動(dòng)駕駛定位為物理人工智能（Physical AI）的起點(diǎn)。其最大亮點(diǎn)在于采用同一套視覺-語言-動(dòng)作（VLA）架構(gòu)，可同時(shí)操控智能汽車與機(jī)器人兩種智能體，為跨場景智能應(yīng)用開辟新路徑。

針對(duì)傳統(tǒng)自動(dòng)駕駛方案的固有缺陷，研發(fā)團(tuán)隊(duì)構(gòu)建了原生3D視覺轉(zhuǎn)換器（ViT）架構(gòu)。相較于傳統(tǒng)BEV方案將三維場景壓縮為二維俯視圖導(dǎo)致的垂直信息丟失，以及OCC占用網(wǎng)絡(luò)因缺乏語義理解而無法判斷物體可碰撞性的問題，新模型通過多幀視頻流直接重建三維空間坐標(biāo)系。該系統(tǒng)在訓(xùn)練階段融合了激光雷達(dá)的毫米級(jí)幾何精度與攝像頭的語義豐富性，配合前饋式三維高斯濺射（3DGS）技術(shù)，可對(duì)動(dòng)態(tài)交通參與者與靜態(tài)道路設(shè)施進(jìn)行獨(dú)立建模，并通過自監(jiān)督學(xué)習(xí)預(yù)測未來3-5秒的場景演變，為決策系統(tǒng)提供高保真環(huán)境表征。

支撐這一復(fù)雜系統(tǒng)運(yùn)行的是理想自研的馬赫100車規(guī)級(jí)芯片。該芯片在標(biāo)準(zhǔn)矩陣運(yùn)算任務(wù)中展現(xiàn)出較前代產(chǎn)品300%的性能提升，其專用神經(jīng)網(wǎng)絡(luò)加速單元可高效處理三維空間重建、多模態(tài)融合等密集計(jì)算任務(wù)，為模型實(shí)時(shí)運(yùn)行提供算力保障。特別設(shè)計(jì)的異構(gòu)計(jì)算架構(gòu)，使得視覺處理、語言推理與動(dòng)作規(guī)劃三大模塊可并行運(yùn)作，將端到端決策延遲控制在80毫秒以內(nèi)。

在決策層面，MindVLA-o1引入雙軌推理機(jī)制：System-1系統(tǒng)負(fù)責(zé)快速響應(yīng)常規(guī)駕駛場景，而System-2系統(tǒng)則通過顯式邏輯鏈構(gòu)建處理復(fù)雜路況。其預(yù)測式隱空間模型可模擬超過1000種潛在未來場景，結(jié)合強(qiáng)化學(xué)習(xí)框架生成的駕駛策略庫，使系統(tǒng)在面對(duì)突發(fā)狀況時(shí)的決策合理性提升47%。測試數(shù)據(jù)顯示，該模型在城區(qū)NOA場景下的接管頻率較現(xiàn)有系統(tǒng)降低62%，在極端天氣條件下的感知距離擴(kuò)展至280米。

理想汽車同步構(gòu)建的具身智能開發(fā)平臺(tái)，實(shí)現(xiàn)了從數(shù)據(jù)采集到模型部署的全鏈條革新。統(tǒng)一數(shù)據(jù)引擎可自動(dòng)標(biāo)注來自真實(shí)道路與數(shù)字孿生環(huán)境的多元數(shù)據(jù)，仿真系統(tǒng)支持每秒生成200個(gè)高保真駕駛場景，配合分布式強(qiáng)化學(xué)習(xí)框架，使模型訓(xùn)練效率提升8倍。這種模塊化設(shè)計(jì)使得MindVLA-o1既能快速適配不同車型，也可通過參數(shù)微調(diào)擴(kuò)展至工業(yè)搬運(yùn)、服務(wù)機(jī)器人等非交通領(lǐng)域。