理想把VLA 2.0下放给近百万老车

理想汽车开始把最新一代辅助驾驶模型装进近百万辆已经交付的车里。

9 月 10 日傍晚，理想汽车 CEO 李想宣布，经过数月模型蒸馏、平台适配和多轮验证，马赫 VLA 2.0 从今天起随 OTA 8.6 陆续推送至已交付的 AD Max 车型，计划覆盖近百万车主。此次更新面向 24—25 款理想 MEGA、理想 i 系列，以及 22—25 款理想 L 系列，部分能力仅限 AD Max 版本。

这次更新最有分量的地方不是又发布了一个新模型，而是理想试图让同一套端到端驾驶能力跨越两代计算平台，进入接近百万辆存量汽车。 在智能汽车行业，新车型首发新算法并不稀奇，真正困难的是让复杂模型在不同算力、不同传感器配置和不同整车平台上稳定运行，同时不能破坏已经验证过的安全边界。

马赫 VLA 2.0 是什么

马赫 VLA 2.0 是理想面向辅助驾驶场景打造的新一代视觉—语言—动作模型。 VLA 即 Vision-Language-Action，它让模型把摄像头等传感器看到的道路信息、交通语义与车辆动作放进一套可联合训练的体系中，不再完全依赖工程师逐条编写“看到什么就执行什么”的规则。

端到端驾驶模型是从传感器输入到驾驶决策进行联合学习的模型架构。 传统辅助驾驶通常被拆分成感知、预测、规划和控制等模块：感知模块负责识别车辆与行人，预测模块判断其他交通参与者接下来会做什么，规划模块再生成行驶轨迹。端到端模型则试图减少这些模块之间的信息损失，让最终驾驶结果反向影响前面的视觉表征与推理过程。

VLA 并不意味着车辆会先用自然语言写一篇路况分析，再决定方向盘怎么转。 “语言”更接近一种语义推理能力，它帮助模型理解“施工区域”“临时借道”“前车正在礼让行人”这类无法只靠几何距离概括的场景。对驾驶系统而言，关键价值是把像素、空间关系、交通意图和动作选择连接起来，而不是让车变成一个会聊天的机器人。

此次更新覆盖的仍然是辅助驾驶系统，而不是可以脱离驾驶员监督的自动驾驶。 用户开启相关功能后仍需保持注意力并随时准备接管，模型架构升级也不会改变现阶段量产系统的责任边界。把 VLA、世界模型或“端到端”直接等同于 L4，是当前智能驾驶营销中最常见的概念混淆之一。

最大难点是让新模型跑在旧硬件上

理想此次推送的工程难度主要来自 Orin 与 Thor 两类计算平台并存。 李想在公告中明确提到，近百万存量车主横跨英伟达 Orin 和 Thor 平台，理想为此进行了模型蒸馏、平台适配和多轮验证，而不是只给最新车型部署完整版本。

模型蒸馏是一种把大模型能力迁移到更小模型的方法。 可以把它理解为由一个参数量更大、推理成本更高的“教师模型”，指导体积更小、运行速度更快的“学生模型”学习关键能力。学生模型不可能原样复制教师模型的全部容量，但可以在车辆有限的算力、功耗和内存条件下，尽量保留复杂场景判断能力。

汽车上的模型部署比手机应用升级更苛刻。 一套驾驶模型不仅要达到平均性能要求，还要在高温、低温、夜间、逆光、雨雪、隧道和传感器局部受限等情况下保持稳定；模型延迟也必须处于可预测范围，因为几十毫秒的抖动可能直接改变车辆的制动和绕行时机。

跨平台适配也不是简单地把同一个模型文件复制到不同芯片。 Orin 与 Thor 的算力规模、编译工具链、算子支持和内存调度并不相同，研发团队通常需要重新处理模型量化、算子融合、显存占用和任务并发，并为不同车型的摄像头标定、车身尺寸、转向比和制动特性做适配。

李想把此次兼容归因于芯片、模型、星环 OS、编译器与整车工程的长期投入。 这句话多少带有品牌宣传色彩，但判断方向没有问题：决定大模型能否进入存量汽车的，并不只是训练集规模，而是训练、编译、车端运行时、操作系统和车辆控制之间有没有形成完整闭环。

“近百万覆盖”不等于今天全部升级

理想今天启动的是分批推送，而不是近百万辆车在同一时间完成安装。 汽车 OTA 通常会按车型、硬件平台、软件基线和用户批次逐步放量，先观察安装成功率、故障数据与实际驾驶反馈，再扩大覆盖范围。因此，“覆盖近百万车主”更准确的理解是计划可触达的存量用户规模，而不是 9 月 10 日当天的实际安装量。

分批放量是驾驶模型更新不可省略的安全机制。 普通座舱功能出现问题，最坏情况往往是应用卡顿或重启；辅助驾驶模型如果发生回归，则可能表现为错误选道、无效犹豫、突然减速或对异形障碍物处理不当。规模越大，小概率问题就越容易被放大。

理想目前没有公布马赫 VLA 2.0 的接管率、平均无接管里程、端到端延迟或统一公开基准成绩。 官方给出的产品描述是“行驶更丝滑、驾驶更省心”，但这些词还不足以证明模型在复杂路口、窄路会车、施工改道和无保护转弯等场景中的实际提升幅度。

判断这次更新是否成功，需要观察三个比宣传视频更硬的指标。 第一是升级后辅助驾驶使用率是否提高；第二是每千公里接管次数和高风险接管占比是否下降；第三是 Orin 车型与 Thor 车型之间是否出现明显体验断层。尤其是第三项，将直接检验模型蒸馏到底保留了多少能力。

从 AD Max 3.0 到 VLA 2.0，变化不只是版本号

理想的辅助驾驶路线已经从模块化感知逐渐转向统一模型。 2023 年发布的 AD Max 3.0 主要强调静态 BEV、动态 BEV、Occupancy 网络、行为预测和实时规划，并以摆脱高精地图依赖、打通城市与高速 NOA 为目标；到了马赫 VLA 阶段，重点变成利用语义推理和联合训练处理更复杂的开放道路场景。

BEV 是把多路摄像头信息转换为车辆俯视坐标系的视觉表示。 它擅长还原车道线、道路边界和交通参与者的位置关系，但把真实世界投影到俯视平面后，部分高度和立体结构信息可能被压缩。

Occupancy 是用三维空间网格表示道路是否被物体占据的方法。 它不必先确认障碍物究竟是一辆车、一块石头还是散落货物，就能先判断某片空间是否可以通行，因此对不规则障碍物和训练数据中较少出现的物体更有价值。

三代方案的核心差异可以概括为“先还原世界，再预测世界，最后尝试理解并行动”。 它们并非简单替代关系，量产系统通常仍会保留独立安全模块和规则约束，避免一个模型承担全部责任。

| 阶段或方案 | 核心技术 | 主要解决的问题 | 量产特点 | 主要限制 | |---|---|---|---|---| | AD Max 3.0 | BEV、Occupancy、预测模型、实时规划 | 无高精地图城市 NOA、道路结构与障碍物还原 | 模块边界清晰，便于调试和验证 | 模块间可能出现信息损失，长尾场景依赖规则补丁 | | 马赫 VLA 2.0 | 视觉—语言—动作联合建模、模型蒸馏 | 复杂交通语义、动作连续性、跨场景泛化 | 向 Orin 与 Thor 存量平台部署，目标覆盖近百万车主 | 公开量化指标不足，不同平台能力差异仍待验证 | | 小鹏第二代 VLA | 官方称为面向物理世界的第二代 VLA | 异形车辆、事故绕行、烂路降速等开放场景 | 2026 年 3 月启动推送，强调从尝鲜走向常用 | 各家测试口径不同，无法仅凭官方案例横向定量比较 |

理想与小鹏都在把 VLA 从发布会概念推进到量产车，但两家的传播重点并不相同。 小鹏更强调新一代模型对物理世界和全场景能力的重构，理想此次则把重点放在存量车型兼容与跨平台部署上。前者更像展示模型能力上限，后者更像检验工程下限。

现阶段不宜根据厂商自定义名称直接判断技术高低。 不同公司对“端到端”“VLA”和“世界模型”的定义并不完全一致，传感器配置、测试路线、接管标准也不同。没有统一测试集与安全接管口径时，任何单一宣传视频都不能构成严格的横向排名。

老车升级比新车首发更有商业价值

此次推送对理想最直接的价值是维护 AD Max 用户的长期信任。 AD Max 过去是理想高配车型的重要卖点，理想也曾承诺相应用户可免费获得全场景 NOA 能力；如果新一代模型只服务最新硬件，老车主对高价智能驾驶配置的预期就会迅速折损。

软件持续升级也会影响车辆的二手价值和下一次购车决策。 智能汽车正在从一次性交付的硬件，变成持续数年的软硬件服务关系。车主购买高配计算平台，本质上也在为未来模型升级预留空间；厂商能否兑现这部分空间，会直接影响用户是否愿意再次为 Max、Ultra 等高阶版本付费。

近百万辆存量车还意味着理想可以获得规模更大的真实道路反馈。 在合规和隐私保护前提下，车队规模越大，系统越容易发现施工改道、特殊车辆、临时交通指挥和地域性驾驶习惯等长尾问题，并把有效案例送回训练与仿真体系。

规模本身不会自动转化为模型优势。 如果数据筛选、自动标注、困难样本挖掘和仿真回放能力不足，更多车辆只会产生更多重复数据；只有能找出模型“不会什么”，并快速完成训练、验证和再次部署，车队规模才会形成真正的数据闭环。

OTA 8.6 还更新了什么

OTA 8.6 不只包含马赫 VLA 2.0，也增加了泊车与座舱功能。 理想 AI 眼镜 Livis 新增指挥泊车能力，用户可以通过多种语音指令控制车辆完成相应泊车操作；系统还加入大屏转向影像、艺术相框和新游戏等功能。

AI 眼镜指挥泊车属于交互入口变化，而不是泊车算法本身的根本重构。 它的实际价值在于用户下车观察狭窄车位时，不必一直操作手机或站在固定位置，但语音识别可靠性、指令确认机制和紧急停止响应仍然比“能不能听懂”更重要。

大屏转向影像则是一个低调但实用的安全更新。 对尺寸较大的 MEGA 和 L 系列而言，转弯时显示侧前方盲区，可以降低窄路贴边、经过路桩或靠近非机动车时的观察压力。这类功能没有 VLA 听起来性感，却往往比新增游戏更能提升日常体验。

这次更新真正要看什么

马赫 VLA 2.0 的行业意义取决于理想能否把先进模型稳定地运行在旧平台上。 如果 Orin 车型能够获得与 Thor 车型接近的核心体验，理想就证明了模型蒸馏和软硬件协同可以延长智能汽车计算平台的有效生命周期；如果两个平台差异明显，“近百万覆盖”最终可能只是覆盖了升级入口，而没有覆盖同等能力。

理想接下来最应该公布的是可重复验证的数据。 包括不同硬件平台的模型推理延迟、典型场景通过率、每千公里接管次数、舒适性指标和安全回归测试规模。只有这些数字出现，外界才能判断所谓“更丝滑”究竟是路线选择更果断、横纵向控制更平顺，还是仅仅调整了加减速参数。

截至 2026 年 9 月 10 日，马赫 VLA 2.0 已经迈过发布阶段，进入真实车队规模验证阶段。 对理想而言，这次 OTA 不只是一次产品更新，更是一场涉及近百万用户的工程考试：模型能力决定上限，跨平台部署、安全验证和长期维护决定它能不能真正被用户每天打开。

参考来源

• IT之家：李想宣布马赫 VLA 2.0 向已交付 AD Max 车型推送 —— 包含推送时间、覆盖规模、适配平台、OTA 8.6 车型范围及新增功能等信息。