说在前面，对AI我非专业人士，业内人士的交流讲究效率，专业词汇太多，作为用户层面，第一次看见专业词汇根本看不懂，咱们就大白话讲理想汽⻋基座模型负责⼈詹锟在2026GTC⼤会（英伟达主办的聚焦AI的年度大会）上，发布了下⼀代⾃动驾驶基础模型MindVLA-o1在物理世界中，AI进展缓慢的一个重要原因，就是对于预训练的思考不够。目前绝大多数视觉训练是基于看二维图像或者视频，能看懂文字语义，但是不能真正理解真实三维世界。举例：就像我平时拿显示器玩赛车模拟器，对于路线把控，刹车点都需要适应；而如果拿头戴VR玩，他是三维的，有空间纵深感，非常容易找到空间适应能力，代入感非常强，不过很多人会晕…那对于理想来说他们的解决方案就是3D ViT+多模态，就相当于人在真实世界开，效果肯定好得多，但是这会增加大量的算力消耗，相比2D模型，3D ViT算力要增加10倍…（玩VR也知道非常吃显卡…）这就需要用到理想的马赫100芯片了，单颗1280TOPS算力，有效算力是英伟达Thor-U芯片的三倍，21年开始研发，26年随全新一代理想L9上车…再就是多模态思考能力，再举例：我这i6遇到路上左侧是公交道，路牌上限时早上7:00-9:00私家车不能走，这需要看懂图像再进行语言推理，理解哪些时候能走、哪些时候不能走（现在已经可以），不具备这个能力的车上去，看到公交车道就会直接往右变道…当然不仅仅是纯语⾔的思考，语⾔擅⻓处理抽象概念和逻辑关系，但在理解具体、形象化的物理空间关系时，还需要依赖对场景的想象和空间推演能⼒，这同样属于思考的⼀部分。理想汽⻋将语⾔推理与空间理解等能⼒融合，形成新⼀代的多模态思考框架。今年年中这⼀能⼒将与3D ViT结合，使模型能够真正理解三维空间并具备更完整的3D认知能⼒。李想称机器人也用VLA理想发布下一代自动驾驶基础模型李想回应AI时代的焦虑