3 月 17 日，在 2026 GTC 大会上，理想汽车基座模型负责人詹锟正式发布下一代自动驾驶模型 MindVLA-o1。该模型统一了空间理解、思考推理以及驾驶行为，实现对 3D 空间的完整理解，且同一套 VLA 模型可同时控制车辆与机器人，将自动驾驶定义为物理 AI 的发展起点。

针对行业传统方案的技术瓶颈，理想汽车打造原生 3D ViT 视觉模型。传统 BEV 方案将场景压缩为俯视图，丢失关键高度信息；OCC 占用网络虽为 3D 架构，却缺少核心语义信息，无法判断物体可碰撞属性。MindVLA-o1 的 3D ViT 可通过视频流直接还原 3D 空间的位置、点云、语义与像素信息，训练中融合视觉的丰富语义与激光雷达的精准几何数据，引入前馈式 3DGS 表示对静动态场景分别建模，通过自监督学习实现场景未来状态预测，为决策输出高质量 3D 世界表征。

算力层面，理想自研马赫 100 芯片在标准大规模矩阵乘任务上性能较上一代提升 3 倍，为新架构车规级落地提供核心算力保障。

同时，该模型搭载新一代多模态思考框架，融合语言推理与空间推演能力，引入 System-2 显式推理机制与预测式隐世界模型，可在隐空间内高效完成未来场景模拟与复杂场景决策推演。

此外，理想汽车已搭建完整的具身智能 AI 框架，通过统一的数据引擎、VLA 模型、仿真系统与强化学习基础设施，实现模型跨智能体复用，推动基础模型向通用物理世界智能体持续演化。