理想AI Talk第二季的核心内容还是之前理想在英伟达GTC大会上的那篇演讲《VLA：迈向无人驾驶物理智能体的关键一步》，只是这次主讲人换成了李想，也补充了一些更详细的信息。

　　1、 理想做了一个32B云端VL基座模型，这个模型是专门用于视觉和语言的多模态基座大模型，能处理长思维链、进行长任务拆解。同时蒸馏出一个3.2B的小模型，加上Action后训练部分，组合成一个4B的VLA司机大模型，这样双Orin X或者Thor-U的算力就能在车端跑了。并且因为DeepSeek的开源，让VLA研发加速了9个月的时间。

　　2、 理想的VLA司机大模型有两个比较特别的地方，一是支持短CoT（思维链），一般两步到三步，否则延时太长，这样子就能够确保安全。这种短CoT能解决比如“靠边停车”“前方掉头”这类短指令，实现语音控制车辆轨迹。另外Action做完以后，还做了一个diffusion（扩散模型）的预测，这个主要是依据性能会做来4到8秒的一个diffusion的轨迹和环境的预测，更接近人类驾驶。

　　3、 理想在做到了1000万Clips以后，在去年底成立了一个约100人的超级对齐的团队。这个团队要做的事情是VLA大模型的“价值观”要和人类驾驶规则对齐。比如模型能力很强，但不遵守交通规则、经常去加塞等等，做出来一些让人类坐在车上感觉不安的行为。所以理想希望能够通过强化训练的环节，必须把人类的这些规则、习俗、驾驶习惯，对于很多东西的判断，变成整个预训练的反馈。

　　4、 李想个人觉得并不可能会出现通用的Agent，而是每个专业领域做专业的Agent。他认为，VLA司机大模型要做好，所有的vision的语料，language的语料，和action其实都是和交通相关的，做不了一样的。

　　5、 关于端到端和VLA的关系，李想认为端到端是VLA的基础，是VLA的A的部分，不做端到端+VLM是没有很好的方法一步抵达VLA的。

　　6、 李想反驳了那些说理想只有冰箱彩电大沙发、没有核心技术的说法。他举了一个例子，为什么大家做端到端和VLM很难？是因为这个Orin芯片并不支持直接跑语言模型。但是理想有编译团队，有芯片的能力，有主板设计能力，有操作系统能力，所以理想能够把两个Orin-X带宽做到足够的大，它一样能跑同等规模的VLA的模型。理想这方面的技术都是非常扎实的，基本功和能力永远是无法逾越的。

　　特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

　　上海，女子与一男子相亲，点了2万元的酒后，女子称腹痛离开，男子刷爆信用卡支付2.5万元后报警，结果……

　　被骗缅甸失联汉中高考生获救后收到本科录取通知书，将学习临床医学类专业，家属盼其好好读书

　　PC鲜辣报：英伟达年内发RTX 50 SUPER AMD正计划独立NPU

　　小米米家空调Pro系列OTA 5.8.0今日起陆续推送，新增“空气管理”