3月17日，理想汽车基座模型负责人詹锟出席NVIDIA GTC 2026，发布下一代自动驾驶基础模型MindVLA-o1（Mind Vision-Language-Action o1），通过五大技术创新构建面向物理世界的智能体，让自动驾驶"看得更远、想得更深、行得更稳、进化更快、部署更高效"。
技术突破：VLA统一架构
MindVLA-o1的核心创新在于视觉-语言-动作（VLA）统一架构：
看得更远：3D高斯表征与链式推理，支持超长时序规划
想得更深：快慢双系统协同，快系统实时响应，慢系统深度推理
行得更稳：基于世界模型的端到端训练，提升复杂场景泛化能力
进化更快：云端世界模型持续学习，车端模型实时更新
部署更高效：模型蒸馏与量化技术，降低车端算力需求
战略意义：从自动驾驶到具身智能
詹锟表示："当我们把视觉、语言和行动统一到一个模型中时，它已不再只是自动驾驶模型，而是在逐渐演化为面向物理世界的通用智能体。基于同一套VLA模型，不仅可以控制车辆，也能够扩展到机器人。因此，自动驾驶只是物理AI的起点，未来这类基础模型将驱动新的具身智能范式。"
这标志着理想汽车从"造车新势力"向"AI科技公司"的转型，也与何小鹏"具身智能将成新兴支柱产业"的预言形成呼应。