昨天理想汽车詹锟出席了NVIDIA GTC 2026，并发布了下一代自动驾驶基础模型MindVLA-o1。

一共是五大创新，此架构是以多模态MoE Transformer为核心，通过3D空间理解、多模态思考、统一行为生成、闭环强化学习和软硬件协同设计

而在感知层面，理想汽车也采用了以视觉为核心的3D ViT Encode，利用激光雷达点云作为三维几何提示，引导模型理解真实空间结构。优势就在于看的更远。

思考层面，也通过了三个阶段训练，用海量视频数据预训练Latent World Token。模型不仅能理解当前场景并进行逻辑判断，还能在隐空间中提前“想象”未来画面。也就是多模态思考。同时，还有行为层面、模型迭代层面等等，理想汽车也做出了更深的思考。

尤其是最后，这个框架不仅服务于汽车，也可扩展至机器人及各种物理系统。带来了更多的可能性理想L9理想i8