最近，TechWeb的报道提到李想分享了他的看法。他指出，大部分的智能驾驶系统目前还只能处理二维数据，相当于只是在看2D视频，AI根本没有真正理解这个世界。人类驾驶员能安全驾驶是因为从小就建立了完整的三维物理空间认知，而现在的主流解决方案却长期停留在一个“伪三维”阶段。李想把这种状况比喻成驾驶员仅仅凭借行车记录仪的画面上路，缺乏对真实环境的深入感知。 李想认为传统的BEV架构会丢失高度信息，OCC方案又缺乏语义理解。这导致AI无法像人类一样真正读懂三维世界。针对这个问题，理想汽车给出了突破方案。他们发布了MindVLA-o1模型，实现了空间理解、推理决策和驾驶行为的统一建模。这个模型具备多模态思考能力，可以在隐空间内模拟场景变化，展现出类似人类的推理逻辑。 这次理想推出了MindVLA核心突破——原生3D ViT三维视觉编码器。这个模型不需要从二维转换到三维，直接在三维空间里工作。李想介绍说这套系统可以给自动驾驶系统提供稳定感知500米以上范围的能力。通过自研的马赫芯片提供三倍算力支持，这个系统大大提高了感知精度，还给激光雷达赋予了新角色——高精度标定工具。 李想还强调这项技术突破不仅限于自动驾驶领域。他相信这一成果同样适合机器人领域。理想汽车正努力打造一个通用的物理世界智能体，让人工智能和物理世界更好地互动起来。这次发布不仅展示了技术创新的力量还暗示着未来发展的可能性。 Suky最近报道说理想汽车创始人李想分享了他对自动驾驶行业症结的看法。他指出AI目前还无法真正理解这个世界。大部分智驾系统目前还是停留在二维数据处理阶段——也就是“看2D视频”。 李想解释说人类驾驶员能安全行驶是因为从小建立了三维物理空间认知。然而现在主流解决方案却只是停留在“伪三维”阶段——也就是用二维素材训练AI。他比喻这就像驾驶员只是通过行车记录仪画面上路一样缺乏对真实环境的深度感知。 李想认为传统BEV架构容易丢失关键高度信息而OCC方案又往往缺失语义理解导致AI无法像人类一样真正读懂三维世界。针对这个难题理想汽车给出了解决方案推出MindVLA-o1模型实现空间理解推理决策和驾驶行为统一建模这个模型具备多模态思考能力可以在隐空间内模拟场景变化展现类似人类推理逻辑。 李想宣布理想推出MindVLA核心突破——原生3D ViT三维视觉编码器这套系统无需从二维转换到三维直接工作在三维空间中实现几何结构与语义理解同步完成自研马赫芯片提供三倍算力支持让系统稳定感知500米以上范围提升感知精度同时也给激光雷达赋予新角色高精度标定工具这次发布展示了技术创新力量也暗示未来发展可能性。 李想还强调这项技术突破不仅限于自动驾驶领域适配机器人领域自动驾驶只是物理AI起点理想致力于打造通用物理世界智能体开启人工智能与物理世界交互新篇章。 Suky报道理想汽车创始人李想分享对智驾行业症结看法指出主流智驾依然停留在“看2D视频”阶段AI无法真正理解这个世界他认为人类驾驶员安全性来自幼年活动建立完整3D物理空间认知而行业主流方案长期停留在“伪3D”阶段也就是用2D视频素材训练AI李想比喻这种情况就像驾驶员仅凭看行车记录仪画面就上路缺乏对真实物理世界深度感知。 李想指出传统BEV架构容易丢失关键高度信息OCC方案又往往缺失语义理解导致AI无法像人类一样真正读懂三维世界针对这个问题理想汽车给出破局方案宣布推出MindVLA-o1模型实现空间理解推理决策与驾驶行为统一建模这个模型具备多模态思考能力可以在隐空间内模拟场景变化展现类似人类推理逻辑。 李想宣布理想推出MindVLA核心突破——原生3D ViT三维视觉编码器这套系统无需从二维转换到三维直接工作在三维空间中实现几何结构与语义理解同步完成自研马赫芯片提供三倍算力支持让系统稳定感知500米以上范围大幅提升感知精度还让激光雷达角色转变为高精度标定工具。 李想强调这项技术突破意义不仅限于自动驾驶领域同样适配机器人领域自动驾驶只是“物理AI”起点理想致力于打造通用物理世界智能体开启人工智能与物理世界交互新篇章。