李想解读VLA司机大模型
表示对于理想汽车而言， VLA(视觉语言行动模型）是一个司机大模型，像人类的司机一样去工作的一个模型。简单说理想汽车经历了以下三个阶段：
第一个阶段是从2021年开始，通过机器学习的感知，配合后边的规则算法，包括规划、控制、执行这些规则算法分段式的。
第二个阶段就是从2023年开始搞研究，2024年推出的端到端。
第三个阶段，VLA就是完全人类的运作方式了。它会像人类一样的，用3D的vision（视觉）和2D的组合，去看整个真实的物理世界，也包含它能够去看懂导航软件，这样的软件是怎么在运行的，而不是像VLM（视觉语言模型）那样只能看到一张图片。
另外一方面，它有自己的整个脑系统，不但要看到物理世界，还能够理解这个物理世界。它有它的语言，然后它也有它的思维链，有推理的一个能力。就比如遇到施工路段，它不会停在那里不知道怎么办。极端来说，给它3天的时间，它就能够学习完这样的特殊路况。
