下周二（3月17日），理想汽车将在NVIDIA GTC 2026大会上分享MindVLA-o1——下一代统一视觉-语言-动作自动驾驶大模型。

重点是这几个技术突破：

Omni-VLA架构把感知、推理、控制塞进一个Transformer，告别传统自动驾驶"流水线式"的分模块架构。

快慢双系统 日常驾驶用"快系统"毫秒级反应，复杂场景切换"慢系统"深度推理——这跟人类大脑的运作方式如出一辙。

Action Tokens + MoE 用离散动作token和混合专家模型做精准控制，解决端到端模型"聪明但手抖"的控制精度问题。

软硬件协同设计 算法和硬件一起设计，不是先造大脑再找身体。理想正在做的不只是"更好用的辅助驾驶"，而是让AI像人类一样"看懂世界→思考→动手开车"。

这场演讲值得蹲一下

理想汽车MindVLANVIDIAGTC自动驾驶端到端大模型