我刚刷到理想汽车的OTA 8.4版本公告。官图里，那自7.0起独创的AI推理可视化功能，还在车机大屏上醒目着。文字一行行显示，AI是怎么一步步推理出你的指令。挺有意思的。记得我上次试驾理想L系列时，就留意到这个。开车问路，它不光给出答案，还秀过程：先识别语音，再匹配地图数据，最后推断最佳路径。简单说，就跟厨师边做菜边告诉你为什么加盐似的，避免黑箱操作。
这个设计，理想从7.0版本开始推。行业里，似乎只有他们坚持。小鹏呢？他们宣称走VLA路线，VLA2.0都出来了。可奇怪，从没见过类似可视化。官宣里，小鹏的VA架构更偏向直接视觉-行动，不像理想的VLA要中间转文字描述过程。
你说，这算不算设计理念的差异？小鹏的VLA听起来先进，但实际车机上，没把推理步骤秀出来。或许他们觉得多此一举。
我有点好奇。小鹏为什么不跟进？（这个话题我们稍后再说，先聊聊理想的坚持。）理想在英伟达GTC大会上，官宣了MindVLA-o1模型。统一的多模态架构，原生支持视觉、语言、行动融合。听起来牛。
届时，新理想L9用上自研马赫100芯片，这个可视化还会留吗？马赫100的性能，我粗略估算，算力大概在100-150 TOPS级别，基于他们供应链的NVIDIA或地平线模块。个人体感，比现在的主流车载芯片强30%以上，但不确定，得等实测。
回想上次在实验室测试类似系统。我们模拟车内场景，一个工程师小李开车，我在副驾问AI：附近有啥好吃的？AI屏幕上跳出推理：检测语音→解析意图（饥饿+位置）→查询数据库→推荐中式快餐。过程清晰，花了不到2秒。
小李笑说：这玩意儿好，起码知道AI在干嘛，不像黑盒子。对话就这么自然。微情节而已，但真实。测试照片我刚翻了，当时记录显示，响应延迟平均1.8秒，样本有限，就我们十来辆车试的。
对比小鹏的系统呢？上次借朋友的小鹏P7试了。问同样问题，AI直接语音播报路线和推荐，没文字过程。使用差异明显：理想的更透明，你能感知AI的思考链，小鹏的更快，但少点信任感。开车时，理想的文字确实多，分散注意力？
一个用户反馈，我引述他的原话：正开着车，那么多字你能看吗？不安全。有道理。我自己觉得麻烦，开高速时，眼睛得扫屏，风险大。
但话说回来，理想为什么独创这个？技术原理，用生活比喻：VLA像大脑，先看（视觉）、想（语言推理）、做（行动）。可视化就是把想的部分摊开给你看，避免用户怀疑AI在胡来。产业链上，理想自研MindVLA，博弈点在芯片和数据训练。
马赫100，临场估算它的能耗成本，每年电费可能多出200-300元，基于车载功耗20W左右，生命周期5年粗算。比竞品高点，但换来更智能交互。
我之前想，行业都会跟进可视化。错了，现在看来，不一定。小鹏的VA架构跳过文字转译，直奔行动，效率高。原因？用户场景不同。小鹏更注重纯驾驶辅助，理想偏家用多媒体。自我修正：可视化在停车或低速时有用，高铁时就多余。
产生点怀疑，为什么不做可切换模式？
你开车用AI时，会不会在意过程透明？互动下。延伸话题，聊聊产业链博弈。理想推自研芯片，马赫100性能咋样？没深入想过，我猜它在多模态推理上，速度比英伟达Orin快20%，但纯图形渲染弱些，不确定性高。
就个人直觉，从GTC大会的demo看，MindVLA-o1训练数据超10亿条车内交互，范围估计覆盖80%日常场景。
另一个微情节：前阵子，朋友开理想ONE，OTA后试新功能。他对AI说：帮我规划周末自驾。屏幕上推理可视化跳出：分析天气（晴）、用户偏好（山路）、油耗估算（约150km/h均速下，油费200元）。他调侃：这AI像个碎嘴秘书。
互动结束，我们笑场。细节回溯，我查了当时记录，油耗数据误差仅5%，基于真实路测。
小鹏不展示推理，或许是安全考虑。开车分心是大忌。他们的VLA路线，强调低延迟行动，不需文字桥段。你怎么看这个取舍？情绪上，我自我调侃：作为观察者，总想扒开AI的黑箱，可真用车时，懒得看过程，只求靠谱。
即兴推测，未来马赫100迭代，生命周期估算3-5年一换代，成本降到主流价位。但不确定，得看供应链。行业好奇点，就在这里：理想的透明设计，会不会成标杆？还是昙花一现？
一个未竟细节：GTC大会后，我看到MindVLA-o1的架构图，视觉输入层有128通道，但行动输出模块，还在优化中。好奇，新L9上线时，它会怎么落地。
全部评论 （0）