3月17日，在2026GTC大会上，理想汽车基座模型负责人詹锟发布下一代自动驾驶模型MindVLA-o1，这款模型搭载3D ViT+多模态思考能力，让车辆真正具备理解3D空间的能力。李想表示，自动驾驶只是物理 AI 的起点，这套基座模型不只是为自动驾驶设计的。同一套VLA基座模型，能开车，也能控制机器人，它正在逐渐演化成一个通用的物理世界智能体。

针对物理世界AI进展缓慢的问题，今日李想指出核心是AI预训练缺失3D空间认知，多基于2D视频训练如同 “看视频学开车”，然后再到路上去开车。而 MindVLA-o1的3D ViT 融合视觉和激光雷达数据，还原完整3D空间信息，马赫100芯片提供算力支撑；多模态思考则融合语言推理与空间推演，还能预测未来场景变化。

据悉，今年年中3D ViT将与多模态思考能力结合，让模型拥有更完整的3D认知。#李想称机器人也用VLA##李想回应AI时代的焦虑# http://t.cn/AXfqtOs2