李想在思考什么？聊聊对理想 VLA 的看法 ... 1、李想对于 VLA（视觉语言行为） 的预判，比很多人坚决且大胆。 甚至可以追溯理想对这次改款的信心，不在车本身，而是更注重主动安全和基于 VLA 的 Thor-U 智能版的换新。 研读了李想昨天的对话，发现李想本人对于 AI 的理解，并不是浅知识性，而是从知识储备、公司策略到组织上的一系列构建。对 AI 内部从讨论、研究再到开发，最后看到产品价值点到推进上市。所以今晚 L 系列的发布也是一个重要的拐点。 昨天李想聊到的 VLA ，很多理论也跟当时周光跟我分享判断基本一致。我惊讶于李想对于非常强的学习能力外，还有他对整个组织的影响。 从 DS 春节出来后，李想就开始讨论如何在 DS 开源基础上优化上自己的 VLA，就是端到端的多模态化。无论是理想 CTO 谢炎、理想基座模型负责人陈伟等都在春节的讨论中，甚至让原本计划 9 月发布的 VLA ，比预期还要更快。 其次在 VLA 训练中，理想的基座模型并不是做通用模型，所以是把 VL 也就是视觉、语言一起训练，这里面的视觉（V）需要特殊的基于行车环境的 3D 以及高清 2D 图像，车端上的行为（A）也要有更专业的汽车领域的数据和知识，这也是理想做基座模型的原因，因为不可替代。 2、行业并不会存在通用的智能体。 这个逻辑和周光当时聊天的观点基本一致。 周光认为 AI 从一开始的初级专才（L2）到通才，最后会到高级专才（L5）转变。而这个专才就是能够针对自动驾驶开发的智能体，也无可替代。 因为整个行业不会出现一个通用的 Agent（智能体），啥都懂啥都干还都干得好。因为不同行业里的 VLA ，里面的 V、L 和 A （视觉、语言和行为）都不一样。 而元戎除了部署 L2 也尝试在做上了 RoadAGI，也就是不仅在道路上的汽车，而是开发外卖、小车等移动机器人，这是未来通向高级专才的渠道之一。 而理想要做的改变是怎么让 AI 真在实现用户价值。这个能力的核心，是从一个信息工具变成一个生产工具的转变，这是和用户构建信任的基础，也称之为司机大模型的原因。 3、VLA 会变成一个竞争围墙。 两个人的判断出奇一致，规则时代做不好的人就做不好端到端，端到端做不好的人更做不了 VLA 。所以 VLA 的出现不是一个技术切换，或者能迅速追平的技术。 因为 VLA 要有一个更强大定义的基座模型、数据理解、又有预训练能力，强化学习各系列能力，还要如何把蒸馏后的模型塞进不富裕的算力芯片里。研发上是一个体系，而不是一套算法。同时研发上也变成一个组织协同，而不是某位算法大佬主导一整个革命的时代。 其次是体验的围墙，VLA 核心体验就是拟人化。VLA 大家开始普及后，其中的 A 带来的体验也会有巨大的差异。 其次通过强化学习等手段，VLA 的安全模型也能够对应的提升。 最后是持久战，VLA 更重视积累。第一阶段大家拼的场景，从高速、城区、车位到车位等场景，但 VLA 拼的都是 AI 体系、技术积累，组织协同和长期投入。 这里和大家分享一段李想的回答： 什么是智慧呢？智慧就是我们跟万物的接触。 如果你没有去过森林，没有在森林里，认真地玩儿、住过几天，那你可能觉得木头就是做筷子的，就是做纸的，就是做桌子的，而并不是意味着它是一个生命，它是跟我们不同的生命，对吧？你没有跟孩子在一起长时间的生活体验，没有跟他们一起去玩，你就没法真正地去理解孩子。那什么是智慧？我觉得智慧就是我们和万物的关系。 但是怎么去提升我跟万物的关系？首先要有足够的时间跟万物去接触。所以我在讲的一个很重要的一个问题，就是今天我们很卷，但这是恰恰是真正的人工智能的意义...