预约詹锟GTC2026讲理想下一代自动驾驶基础模型直播北京时间2026年3月17日14点-14点50分理想汽⻋下⼀代⾃动驾驶基础模型MindVLA-o1基于统⼀VLA的Omni 架构，在单⼀Transformer中联合建模感知、推理与控制。模型通过离散Action Tokens与MoE实现⾼效、稳定的精准控制；采⽤快慢双系统推理，在实时性与复杂场景推理间⾃适应切换；并结合基于模型的强化学习闭环与软硬件协同设计，实现可量产、拟⼈化的端到端⾃动驾驶。

以上为GTC上的介绍。

以下为TOP2的推理，如果有错误理解的地方，欢迎读者随时指出。

TOP2推理詹锟演讲内容不少部分和理想2026年2月10日发布的Hardware Co-Design Scaling Laws via Roofline Modelling for On-Device LLMs(下称Hardware Co-Design)与2026年3月2日发布的Unifying Language-Action Understanding and Generation for Autonomous Driving(下称LinkVLA)相关。

Hardware Co-Design讲的是如何在一颗给定的自动驾驶芯片上，找到一个AI大模型的最优架构设计方案。

优化的终极目标是在确保响应速度足够快、内存占用足够小的两个硬性前提下，尽可能地提升模型的智能水平。

模型越深，通常能力越强。宽度和稀疏度并非独立起作用，它们之间存在复杂的耦合关系，需要协同调整才能达到最优。

KV缓存维度对模型最终精度的影响相对较小，对内存占用的影响却很大——这是一个典型的对性能帮助不大但对资源消耗影响很大的参数，在设计时需要谨慎权衡。

在当前的边缘计算芯片上，大语言模型的推理过程大多处于访存瓶颈状态，即内存带宽是主要限制因素。

反直觉但至关重要的结论，在内存受限的边缘设备上，模型设计得越宽，其最佳的稀疏度反而应该越高（即每次激活的专家比例越低）。

即与其把有限的内存预算全部用来增加宽度，不如同时增加总专家数但减少每次激活的数量，用更多但更稀疏的专家来换取更高的模型容量。

LinkVLA讲的是将action token定义为离散化的BEV空间坐标，使动作不是LLM的输出结果，而是LLM的原生语言，让LLM具备了直接操纵物理空间的能力。

MindVLA-o1提出的在单一 Transformer 中联合建模感知、推理与控制的Omni 架构。在LinkVLA中，理想通过将语言和动作token统一到一个共享的离散码本(Shared Discrete Codebook)中，并在单一多模态模型中处理。

理想汽车理想汽车理想i6理想i8理想MEGA理想L6理想L7理想L8理想L9理想VLA