学习下李想对 VLA 模型和辅助驾驶行业的看法：L4 级别的自动驾驶将会在 2027 年实现。

「2025 年整个辅助驾驶行业遇到了至暗时刻，相关技术和体验整个上半年进展缓慢，同时还面临了来自监管的挑战。

但我认为这是黎明到来前的黑暗。VLA 是很清晰的通往 L3、L4，甚至是 L5 级自动驾驶的路径，因为它和人的工作方式一样。

我们预测，未来会比人类的驾驶强 10 倍，甚至 100 倍。

VLA 是真正的，AGI 第三阶段的智能体，它的能力提升来自于两个方面。

首先是通过人类的数据和基座模型，获得人类的经验，达到和人类相同的水平。

类似于师傅带徒弟，大量的应用类似 SFT（监督微调）和 RLHF（基于人类反馈的强化学习）的方式来进行后训练。

更重要的是可以通过世界模型生成的环境进行强化训练，也就是 RLAF（基于人工智能反馈的强化学习），只不过这里的 RLAF 不是用于训练基座模型的，而是用于直接训练智能体的。

举个例子来说，我们近期在国外国内经常看到 L4 的运营车辆掉到了施工场景的坑里，但是在人类世界中，这样的数据非常有限，且无法用于训练。

但是在世界模型中，我们可以把这些坑变成数据资产，生成无数个车辆掉坑的数据，从而通过强化训练，让智能体可以轻松地解决这类的问题。

也就是说，世界模型拥有比真实世界更难、更全面、更高质量以及更有挑战的数据和反馈方式，从而解决了人类世界数据过拟合、数据分配不均以及无法剔除脏数据对智能体的影响。

我们相信随着训练、迭代和成长，未来两年左右 VLA 可以达到人类驾驶安全的 10 倍以上。

这背后的挑战是，智能体需要更强的大脑和更强的心脏。

大脑就是模型的规模，端到端是 3 亿参数的模型规模。虽然我们交付的 VLA 已经是 40 亿的模型规模了，但是跟人类大脑相比还是有很大的不足。

模型规模的扩大会带来能力的显著提升，而对应模型规模的扩大也需要在端侧部署更强的算力，就相当于心脏通过给大脑持续的供血从而运行更大的模型。

那另外一方面，在设计模型和 RLAF 层面，相比之前我们可能需要 10 倍起的推理算力，用于解决 RLAF 训练所需要的环境和数据。

我们预测，随着强化训练、模型规模以及算力的提升，自动驾驶的进步速度和成长速度会远远高于以前的任何一种方式。

我们相信未来 3 - 5 年里，数字世界最大的智能体应用是编程，而物理世界最大的智能体应用就是自动驾驶，而且我相信 L4 级别的自动驾驶将会在 2027 年实现。」

#理想汽车发布2025年二季度财报##理想汽车拥有超千亿现金储备#