在理想汽车最新发布会前夕，一场关于选择与坚持的对话悄然展开。理想汽车掌门人李想，与他的前同事、维他动力联合创始人赵哲伦，共话“长期主义”哲学。李想强调，真正的成功之路往往漫长且艰难，那些迅速取得成就的领域，往往缺乏真正的壁垒。
“选择那些需要长时间才能成功的事情，”李想说，“因为只有这样，才能构筑起真正的护城河。如果每个人都能轻易成功，那也就不存在什么竞争优势了。”
发布会当晚，理想i8无疑是万众瞩目的焦点。然而，李想却带来了另一个惊喜——理想VLA司机大模型将与i8一同交付。这一消息，让原本以为只是i8独角戏的发布会，瞬间变成了双主角的舞台。
2025年的智能驾驶领域，弥漫着一种“短平快”的焦虑情绪。不少车企通过人工采集“老司机数据”，甚至雇佣大量人员进行实车路测，尽管成本高昂且效率低下。算法方面，端到端+VLM架构遭遇瓶颈，性能增长缓慢。而在评测环节，实车测试难以复现极端场景，所谓的接管里程数字繁荣背后，隐藏着极端场景下的未解难题。
面对这些挑战，李想曾形象地比喻：“端到端模型就像猴子开车，它能模仿人类行为，但无法理解物理世界。”在他看来，短期可落地的技术并不等同于真正的智能。因此，理想没有选择用规则算法“修补”端到端缺陷，而是走上了更为艰难的自研VLA司机大模型之路。
VLA司机大模型的优势在于，它能够通过强化学习不断进化，让机器理解“为什么这样做”。这不仅关乎技术路线，更是一场关于用户体验、商业效率与技术野心的深刻变革。理想汽车自动驾驶研发高级副总裁郎咸朋表示，未来VLA能将事故里程（MPA）提升至人类驾驶的10倍，即600万公里才发生一次事故。
VLA还能根据用户习惯进行个性化调整，让车辆“越开越像主人”。激进派车主可以获得高效变道体验，而稳健派车主则能享受平顺巡航。郎咸朋透露，未来不同家庭成员上车时，系统将通过Face ID自动切换至其偏好的驾驶风格。
理想用VLA撕开了行业的成本伪装，选择了一条更为高效的研发路径——仿真测试。郎咸朋强调，仿真测试不是为了省钱，而是为了跑赢技术迭代。实车测试永远追不上Corner Case的产生速度，而仿真测试则能够大幅提升测试效率。
在VLA的研发过程中，理想展现出了惊人的战略定力，精准平衡了短期妥协与长期收益。在用户端，理想接受初期功能的保守性，以换取绝对的安全冗余。例如，地库限速最初仅为10 km/h，现在逐渐提升至15 km/h。而在技术端，理想牺牲了端到端的短期数据优势，以换取VLA的“思维涌现”能力。
市场反应印证了VLA的长线价值。今年1月发布的《理想智能驾驶2024年出行报告》显示，理想汽车智能驾驶试驾率达到72.4%，试驾满意度为92%。理想辅助驾驶已成为驱动品牌销量增长的重要因素。
自研VLA之路并非一帆风顺，郎咸朋的团队深知这一点。他们需要从数据、算法、算力到工程能力进行全面布局和突破。在数据方面，理想积攒了累计43亿公里辅助驾驶里程和12亿公里有效回传数据。这些数据经过严格筛选和清洗，仅保留“老司机数据”。
在算法方面，VLA的核心突破在于CoT思维链（Chain-of-Thought），它能够实时呈现决策逻辑，彻底解决端到端“无脑执行”的痛点。而在算力和工程能力方面，理想通过量化感知训练和底层指令优化等手段，实现了在Thor芯片上700TOPS的有效算力。
VLA的坚定选择背后，是理想的技术信仰和对行业本质问题的深刻理解。真正的智能不是“能做什么”，而是“为何这样做”。在这场啃硬骨头的长跑中，理想不仅是在追求技术突破，更是在对行业浮躁与捷径诱惑进行“拨乱反正”。
