理想汽车即将发布的OTA版本，将会推送“高速端到端”，实现全场景一体化端到端+VLM的智能驾驶，并且行业首创AI推理可视化交互。AI推理可视化重要的意义不止在于告诉用户理想汽车的算法如何，更在于可以增强用户信任度，推动智能驾驶在用户层面的推广和发展。
端到端+VLM架构的背后，还有理想布局的世界模型。世界模型，是真题库，也是模拟题库，为端到端+VLM双系统的学习和训练，创造了优秀的虚拟环境。
就是这样的实力，让理想汽车在2024年年底，拥有了智能驾驶的绝对头部表现：全球首家全量推送的车位到车位智驾。有效应对了小区道路、环岛、掉头和复杂施工的场景，将自动驾驶服务从干道提前到小区车位，解决最先100米和最后100米的挑战。
除了端到端+VLM的双系统，理想汽车还在布局面向未来的终极模型。理想回归底层逻辑，研发像人类大脑一样能够自主学习、训练的基座模型——VLA视觉语言行动模型。
李想认为，要实现L4级自动驾驶，要让汽车变成空间机器人，一定要自己掌握VLA。VLA是自动驾驶业界普遍认可的，下一代的端到端技术。
理想汽车获得的学术成果与国际奖项
理想汽车的前瞻性就体现在，目前就在考虑为了实现VLA，需要匹配什么样的组织，提前准备哪些投资了。
正向闭环，用户量正在成为理想的护城河数据是人工智能的土壤，有效数据就是有肥力的黑土地，而理想汽车，具有持续增长的有效数据。
理想汽车目前有超过100万用户，其中2024年新增的用户数量，就超过50万，2025年的增长趋势，也是非常乐观的。而持续增长的用户，就是理想要做人工智能企业最好的启动资源。
截止到2024年12月，理想汽车用户智驾总里程达到了29亿公里，在这座数据矿山中，理想正在充分挖掘宝藏。
理想今年智驾的目标是综合MPI（城市+高速平均接管里程）达到100km，明年，后年要逐步提升到500km，甚至1000km以上。而达到500km的MPI目标，预计需要2000万Clips，这些片段只能从不到5%的老司机去筛选。这意味着，企业要拥有50亿公里甚至上百亿的智驾数据，才能提取。
这个门槛，只有车企把车卖得足够好，有足够的规模，才能做到，用户量，正在成为理想在人工智能领域的护城河。
甲骨文创始人Larry Ellison曾说，未来三年，想要打造最先进的 AI 模型，至少要花 1000 亿美元！
这场烧钱大战，很重要的一部分投入，就是在算力上。
如今，全球的人工智能大厂都在进行“抢卡大战”，在算力产能充分释放之前，人工智能企业的能力上限，很可能会卡在“算力”上。
理想目前在算力上的部署，属于国内的头部水准。截止到2024年底，理想已经至少拥有8EFLOPS的云端算力，其中有5.6EFLOPS都是新增算力。这个算力水平，在国内布局自动驾驶的企业中，理想汽车位居头部。
理想AI Talk，让我感触最深的两个字是“成长”。
这种感触一方面来自于理想汽车，自2015年成立以来，理想汽车在黑暗森林中摸索着“成长”，以前要做中国最大的智能电动车品牌，现在要做全球领先的人工智能企业。另一方面来自于人工智能的高速发展，海量的数据投喂，让各种模型遍地开花，人工智能正在以超乎想象的速度改变着世界。