社区

今天看了很多理想为什么要做AGI，用「理想同学」挑战豆包、kimi的各种分析，还挺有意思的，我写写自己的观点： $理想汽车(LI)$ $理想汽车-W(02015)$

昨天直播里：李想提到了要先做基座模型（Foundation Model），在他看来「VLA」就是理想的基座模型。我们最早听到理想讲VLA，是2024三季度财报会上，提到下一代的自动驾驶路线，将采用Vision-Language-Action，也就是VLA模型。

那自动驾驶的VLA和李想说的基座模型VLA是一回事吗？在我看来，是一件事，只是做了不同的表述。

自动驾驶路线的VLA，大家可以理解为实现路径和方法论，通过视觉感知、自然语言处理和行动决策进行融合，把车载摄像头、雷达传感器获取的信息进行处理，结合自然语言指令或描述，让自动驾驶系统做出合理的决策和规划，是实现自动驾驶的方法论。

而李想本人提到的基座模型VLA，则是对物理世界的理解和还原，这个模型本身具备一定的通识性，懂得物理世界的运行规律。更像是一个：视觉+LLM的世界模型。这里面有大量人类世界、物理世界的通用知识，是用图像和自然语言这两种形式进行记录和表达的，也是人类最重要的两种信息传递方式。

所以，基座模型的VLA “V”+“L”会更重一些；而A、Action行动则主要体现在应用场景上，自动驾驶的Action对应的就是开车，在“理想同学”对应的就是解答你的问题。

我之前的微博里提到过：能做好具身智能的公司，一定有自动驾驶公司，并且会占据很大比例。原因是智能汽车+自动驾驶才能获得物理世界最真实、最海量的数据，并且能做到数据闭环，这样才能训练出更好的AI模型。

但驾驶场景，还是垂直场景，你能在马路上见到不同形态的车、行人、动植物、各种通用障碍物，能学习人类交通的运行规则。但他也只是真实物理世界的一部分，如果想让自动驾驶真像人类一样，具备强大的灵活性，对不确定性的应对，就需要让AI掌握更多的物理世界通识。

只依赖车这一个途径，数据源也是单一的，需要扩展，所以「理想同学」也就顺理成章成为理想AI获取数据的另一个途径，而只在座舱、只依靠语音交流的方式，强度和频次是显然不够的，这也是为什么理想要做手机App的原因。

当然做AGI这条路很难，需要投入大量的人员、卡、需要烧很多钱，理想汽车真的能跟阿里、字节这样的巨头竞争吗？其实他们想的很清楚，同样要走从0-1、再从1-10、最后从10-100的过程。

端到端+VLM系统上车，理想不断的卖车，其实已经走完了0-1的过程；接下来就是要让自己的百万车主，都能安装「理想同学」App，让他成为车主最爱用的AI产品，这才是从1-10的过程。只有这个阶段走完，才会到与巨头的竞争。

从理论上来说，因为有了理想汽车和车里的语音助手，百万理想车主与「理想同学」的关联度，是要远高于：文心一言、同义千问、豆包、kimi的，至少对于大量的普通用户来说，或许都没用过、安装过这些巨头的App，这也就是「理想同学」的机会。

其实大家都在做车的移动端扩展和生态防守，只是理想选择了更务实的方式，相比推出自有品牌手机，让用户下载一个App，似乎也会更容易些。

而理想VLA基座模型，最早的收益还是会体现在车端，也就是自动驾驶和智能语音，驾舱一体，不应该只有硬件一体，软件更应该统一。所以最终帮你开车的，也会是理想同学。

来源：微博 电动知士大雨