在即將到來的7月，理想汽車即將揭開其i8純電車型的神秘面紗，而這僅僅是理想i系列純電車密集上市浪潮的開端。為了迎接這一系列新品的到來，理想汽車正緊鑼密鼓地推進兩大戰略舉措：一是加速5C超充站的網路佈局，二是全力提升智慧駕駛技術的先進性。

據內部消息透露，理想汽車已悄然啟動了封閉式開發專案，目標直指在今年下半年攻克VLA（視覺-語言-動作）智駕大模型的落地難題。VLA技術被視為智能駕駛領域的核心競爭焦點之一，理想、吉利及元戎啟行正激烈角逐，以期成為首個成功落地VLA技術的企業。

然而，VLA技術的落地之路並不平坦。除了模型研發週期長、技術難度大之外，硬體限制也是一道難以逾越的坎。當前市面上的晶片性能普遍無法滿足VLA技術的運行需求，而英偉達即將量產的Thor系列晶元則被看作是解決這一難題的關鍵。理想汽車最初計劃基於英偉達Thor-U晶片開發智駕方案，後因自研晶元專案“舒馬赫”遭遇流片失敗，轉而重拾Thor-U MAX作為開發平臺。

智能駕駛技術的競爭逐年升級，不斷重塑行業格局。2024年，端到端技術成為智能駕駛的新戰場，而理想汽車在這一領域取得了顯著進展。去年10月，理想汽車率先向超過30萬AD MAX版本車輛的車主推送了端到端+VLM大模型，隨後又全量推送了車位到車位功能，成為業內首個實現這一功能的車企。這一成果不僅贏得了高度評價，還引發了競爭對手的密切關注。

儘管端到端+VLM方案取得了階段性成功，但其仍存在局限性，如決策過程不可解釋、難以應對少數複雜場景等。為了解決這些問題，理想汽車在端到端模型的基礎上引入了VLM（視覺語言）模型。VLM模型以其強大的圖像和場景理解能力，提升了智能駕駛系統對複雜場景的應對能力，為端到端模型提供了有力補充。然而，VLM模型的推理速度較慢，且需要佔用大量算力資源，這限制了其在實際應用中的效能。

為了解決這一矛盾，理想汽車啟動了VLA模型的研究。VLA模型將端到端和VLM兩個模型融為一體，實現了多模態大模型與端到端智駕大模型的深度融合。這一創新不僅提升了智慧駕駛系統的整體性能，還為智慧駕駛技術的未來發展開闢了新的方向。

隨著智能駕駛技術的不斷演進，行業競爭日益激烈。特斯拉FSD V12在國內的小範圍測試更是加劇了這一趨勢。包括理想在內的多家車企將VLA視為智能駕駛的未來方向，並加大投入以期率先實現技術突破。吉利汽車、元戎啟行等企業也紛紛加入VLA技術的研發行列，共同推動智能駕駛技術的快速發展。

然而，VLA技術的落地仍面臨諸多挑戰。模型數據的深度融合對研發團隊提出了極高的要求，同時車端晶片的性能也成為制約VLA技術發展的關鍵因素。當前主流的高階智駕硬體方案普遍採用兩顆Orin-X晶片，算力有限，難以滿足VLA技術的需求。而英偉達最新一代Thor晶片雖具備更強的算力支援，但尚未廣泛應用於量產車型中。

除了VLA賽場外，智慧駕駛領域還湧現出其他技術路線。華為、小鵬等企業通過分段式方案推進端到端智駕技術的發展，同樣取得了顯著進展。隨著頭部玩家智駕技術水準的快速反覆運算，行業競爭節奏不斷加快，落後者的追趕難度日益加大。