文｜万湑龙

3月17日，在被AI圈万众驻守的英伟达 GTC 大会上，联想汽车基座模子负责东说念主詹锟慎重发布了下一代自动驾驶基础模子MindVLA-o1。次日，联想汽车CEO李想便在B站发布了与詹锟的对谈，用极为平凡的话语对这项硬核期间进行了深度解码。

这段11分钟的视频里第一个章节名相等非凡想——物理AI卡在哪了？

我坚信李想冷漠的第一个问题亦然许多东说念主感酷爱的。那就是开车这件事关于咱们边远东说念主来说并不难，但是当今全宇宙最颖异的东说念主、最顶尖的硬件和最弘远的算力，似乎都进入到了自动驾驶上，期间发展的进程却鲜有实质性的突破。这种进入产出比很难让东说念主相识。

而其中的卡点，就是艰辛对真实3D宇宙的相识才能。

昔时的模块化决策（感知、计算、截至层层剥离）就像是僵化的击饱读传花，只消碰到没写进代码里的长尾路况就会透澈歇工，而当下被全行业奉为表率的纯端到端模子，天然响应速率变快了，却沦为了一个知其可是不知其是以然的黑盒。

因为这里藏着两个致命的软肋：第一，它在看2D视频作念题。就举例BEV，就很容易丢失高度信息，在这个基础上作念AI教养，本质上就像坐在电脑屏幕前，通过死记硬背海量的2D视频来形成肌肉记念。还有容易丧失语义的OCC，这些尝试都是试图去相识真实的3D物理空间，但无论是立体纵深、如故物体属性，都会对它们形成困扰。

第二，它惟有直观莫得逻辑。它只依靠概率学进行要求反射，完全艰辛逻辑推演才能。它无法解释我方为什么骤然变说念，更不会在危机发生前进行“想考”。一个莫得真实三维空间想法、只会凭直观盲猜的黑盒系统，注定无法在倏得万变的物理宇宙里，为咱们的生命安全提供统统的兜底。

是以，联想MindVLA-o1的颠覆性在于，它的确将三维环境相识、逻辑推理与动作生成在底层杀青了圆善结伙。它或者仍是揭示了下一阶段自动驾驶模子竞争的逻辑变化——不再是单纯地“让车开得更好”，而是谁能率先造出一个具备感知、想考和步履才能的“物理宇宙通用东说念主工智能”。

演进的宿命：为什么

物理宇宙的AI必须重走“东说念主类进化之路”？

联想的期间道路为安在此时发生坚韧的转向？

李想举了一个平凡的例子：东说念主类之是以能够洋洋纚纚地科罚复杂驾驶场景，是因为咱们在 0-6 岁的孩童时期，就仍是通过无数次的扔球、奔波、摔跤，在基因和大脑深处完成了对3D空间的预教养。而开车，只是在基于咱们关于真实的3D空间有了深度相识之后，“无他，唯手熟尔”的老例演进。

詹锟在解读期间时也印证了这极少。为了补皆 AI 所缺失的这段“童年空间教养”，联想透澈撤废了二维降维决策，通过原生3D ViT伙同激光雷达点云，径直在底层规复了 3D 空间的真实语义和几何结构。

在教养经过中，联想汽车汲取以视觉为中枢的3D ViT Encoder（3D视觉模子编码器），并运用激光雷达点云手脚三维几何教导，指令模子相识真实空间结构，使其在单一示意中同期具备语义相识与三维感知才能。

而为了进一步栽种环境相识才能，联想汽车在教养中引入了前馈式3DGS示意（Feedforward 3D Representation），将场景领悟为静态环境与动态物体分辨建模。模子不仅能相识现时场景，还不错瞻望将来的情状变化。教养中使用下一帧瞻望手脚自监督信号，同期学习深度信息、语义结构和物体领路。最终得回的3D ViT示意和会了空间结构与时分高下文信息，为后续决策模子提供高质料的3D宇宙示意。

有一个阻扰忽视的产业定律是：莫得对3D物理宇宙的原生相识，就不行能出生的确的自动驾驶 。纯靠二维视频“死记硬背”海量题库的AI，充其量只是一个领有极快要求反射的机器。惟有的确掌抓了三维空间领路，AI才算领有了在物理宇宙生活的坚实底座。

在这么的行业配景下，联想 MindVLA-o1 展现出了降维打击般的上风。

一方面，它杀青了从盲盒直观到透明逻辑的升维。MindVLA-o1 并不摈斥端到端的快响应，但坚韧拒却“纯直观”。它在极速的神经反射之上，重复了一层雷同东说念主类前额叶的“慢想考（System-2）”机制。伙同多模态话语才能，它让智驾黑盒变得透明、可解释。另一方面，它杀青了从“2D效法者”到“3D宇宙相识者”的逾越。通过原生的3D宇宙不雅，它不再只是识别二维像素，而是的确相识了空间的立体纵深与物体的物理属性。

中枢杀手锏：

“多模态慢想考”与破损数据死结的指数级进化

那么，MindVLA-o1 在施走时行中到底强在那边 ？

领先，它透澈破损了纯端到端“直观驾驶（System-1）”的盲区，深度引入并重构了“慢想考（System-2）”。但咱们深入了解后发现，这种“多模态想考”毫不单是是老例的逻辑推导，它最中枢的杀手锏在于赋予了机器对将来场景的坚强设想力。

比方说詹锟至极强调的“瞻望式隐宇宙模子（Predictive Latent World Model）”的作用。当车辆碰到长短不一的无灯路口时，它不会盲目地字据历史概率作念选拔。相背，它会在极低算力挥霍的“隐空间”里，在零点几秒内预演并推献艺将来几秒钟各式可能的动态走向。在完成了这种对将来的“脑内彩排”后，再由动作大家（MoE）模块输出最安全、平顺的轨迹。

其次，这项期间破损了自动驾驶靠近的终极数据死结。现什物理宇宙中，极点的事故数据是极其稀缺的。为了逾越这说念鸿沟，联想依托自研马赫100芯片的坚强算力，构建了一个高度可控的宇宙模子（MindSim）。这使得 AI 能够在一个无尽传神、且不错狂妄调动环境变量的诬捏宇宙里，进行高频的“摆布互搏”与闭环强化学习。

而咱们略微把视角举高一些，以更宏不雅一些的角度来注视这套系统的时候，就会发现一个很非凡想的征象。MindVLA-o1从视觉感知到宇宙相识和推理、到步履决策、再到强化学习连接优化，以及最终的系统协同。这其实就是生物性大脑在学习中的经过——从信息进入视觉皮层，到前额叶进行推理和计算，最终到领路皮层生成具体动作。这种生物进化所筛选出的最优解，也一样不错为机器构建一个不错在真实宇宙中运行的“数字大脑”。

也惟有这么，才会让MindVLA-o1胜利地让机器从“被迫地被喂养数据”的料理中脱身，逾越到了“主动去试错与想考”的更高维生命花样。

通吃物理宇宙：

从自动驾驶到具身智能的“降维打击”

在GTC大会的演示中，令东说念主震憾的不单是是复杂的路况博弈，还有一个由MindVLA-o1驱动的机械臂精确地倒了一杯养乐多。

为什么 MindVLA-o1 既能开车，也能截至机器东说念主？

领先在于其底层逻辑的统统结伙。通过解析联想构筑的四大中枢架构（MindData、MindVLA-o1、MindSim、RL Infra），咱们不错得出一个了了的论断：这套原生多模态 VLA 架构压根不和蔼它的神经末梢一语气的是标的盘如故机械臂。只消输入视觉和话语信息，它就能输出恰当物理学定律的动作。GTC 上机械臂倒养乐多的演示，就是对这一期间普适性的最好证据。

其次，这关于鞭策通盘具身智能产业的发展具有不行磋议的政策意旨。在悉数消费级工业品中，汽车领有最充沛的电力储备、最强悍的移动算力和最丰富的传感器集群，它是考据具身智能最好的桥头堡。联想通过造车，率先跑通了这套闭环的 AI 框架，这为将来将期间无缝迁徙到任何花样的机器东说念主身上铺平了说念路。

在联想汽车所形容的蓝图中，自动驾驶从来都不是格外，它只是具身智能在交易化落地上最大的一块“考验田”。汽车，本质上就是一台长着四个轮子的超等机器东说念主。而结伙的 VLA 模子，恰是买通悉数物理宇宙智能体的“巴别塔”。

边远东说念主眼里的MindVLA-o1到底是什么？

剥开这些深邃晦涩的期间外套，咱们边远寰球应该如何相识联想的这套硬核期间？

平凡一些来说，它就如兼并个“长出前额叶的老司机”。在GTC 2026上的 MindVLA-o1发布会中，詹锟举了这么一个例子——

当咱们看到右侧有一辆车准备并线时，系统需要推理这辆车是否会切入现时车说念，要是它确实并线，咱们应该如何逃匿，是降速、刹车，如故向左变说念？而为了作念出更好的决策，系统必须领有瞻望将来几秒钟场景变化的才能。

在此刻，多数的预教养就施展了作用。在作念驾驶决策时，模子不仅能够相识现时场景，作念出逻辑判断，还不错在隐空间中提前“设想”将来的画面，具象化驾驶决策。

再简单一些说，自动驾驶不仅需要看见宇宙，还需要瞻望宇宙。

任何期间的最高田地，都不在于冷飕飕的算力狂飙，而在于让机器领有和东说念主类颗粒度一致的逻辑才能和动作民风。MindVLA-o1给边远东说念主出行带来的最大调动，是让汽车透澈解脱了一个冰冷“代步器用”的宿命，鬈曲成了一个不错让咱们充分相识和信任的“数字伴侣”。

要是咱们将视野拉得更高，去转头李想近期深切的联想汽车里面组织架构的大重组，你会发现这家公司的洪志。底层的芯片与 OS 被界说为“脏器系统”，诳言语与视觉基座模子是“脑系统”，而线控底盘和动力供给则是“硬件施行”。这种以生物学视角的架构重整，仍是完全脱离了传统车企的褊狭界说。

当一家车企驱动按照“东说念主体结构”来重构我方的中枢研发体系时，它的终极办法就仍是不再是每年能卖出几许辆车，而是试图构建一个完整制造“硅基家东说念主”的才能体系。而 MindVLA-o1，即是发动这套弘远体系的第一缕星火。

它不仅逾越了参数内卷的存一火线，更是透澈调动了汽车产业赖以生活的竞争维度。它硬生生地将战场从单纯交通器用的智能化，拉升到了物理宇宙AI基础设施的武备竞赛层面。鄙人一个期间开yun体育网，掌抓了这套VLA原生多模态才能的玩家，拿到的将不再是下一代汽车市集的入场券，而是主导通盘具身智能期间的政策底牌。