3月18日，在NVIDIA GTC 2025上，理想汽车发布下一代自动驾驶架构MindVLA，该架构通过自研的VLA模型，将汽车转变为具备类似人类认知和适应能力的“贴心专职司机”，为用户带来全新的产品体验。
MindVLA是一个视觉-语言-行为大模型，整合了空间智能、语言智能和行为智能。它能够让车辆“听得懂”用户的语音指令，自主调整路线和行为，例如在没有导航的情况下找到目的地或根据用户反馈调整驾驶速度；“看得见”周围环境，识别商店招牌并根据用户发送的照片找到位置；“找得到”车位或目的地，利用空间推理能力在复杂场景中自主漫游和停车。这些功能均不依赖传统地图或导航信息，而是通过模型的空间理解和逻辑推理能力实现。
理想汽车CEO李想表示，MindVLA将重新定义自动驾驶，就如同iPhone 4重新定义手机一样。MindVLA 也是一个视觉-语言-行为大模型，但我们更愿意将其称为‘机器人大模型’，它将空间智能、语言智能和行为智能统一在一个模型里，让自动驾驶拥有感知、思考和适应环境的能力，是通往 L4 路上最重要的一步。