理想汽车VLA中的思维链，能让自动驾驶学会思考吗？

[首发于智驾最前沿微信公众号]2025年9月，理想汽车在OTA 8.0中加入了小理师傅模型思维可视化功能，首次将VLA（视觉-语言-动作）司机大模型的思维过程呈现在用户面前。

在此之前，理想已于5月发布VLA司机大模型，并在7月将其随理想i8发布、8月正式交付，同步向AD Max车型推送。

2026年1月的OTA 8.2则进一步强化了VLA对物理世界的理解和思考能力。

从提出思维能力到展示思维过程，理想的这条技术路线指向了一个更值得讨论的问题，自动驾驶为什么需要推理？

01

只识别目标，还不够做决定

很多人以为自动驾驶的推理能力是大模型出来之后才有的，其实不然，传统智能驾驶并不是没有推理。

摄像头、激光雷达等传感器获取环境信息后，感知系统会识别车辆、行人、道路边界等目标，预测系统判断目标未来可能的运动状态，规划系统再根据道路结构、障碍物和车辆自身状态生成驾驶轨迹。

这些模块实际上都在进行判断，只是它们建立在相对明确的中间结果之上。

这种推理能力到了复杂场景中就难以应付。

图片源自：网络

比如前车突然减速，系统可以很准确地知道前车速度下降了，但这并不能直接决定自己的动作。

前车可能是在避让行人，也可能是在等待行人通过，甚至可能准备变道。如果相邻车道还有车辆快速接近，那么此时变道可能比减速更加危险。

其实在这种场景下，真正需要判断的是前车为什么减速？周围交通参与者之间是什么关系？当前场景处于什么状态？哪一种行为更安全？

这已经不是简单的目标识别，而是要从多个观察结果中形成一个场景判断。

所谓自动驾驶中的推理，应该更接近这个过程。

它不是让车辆像人一样进行完整的语言思考，而是让模型利用当前环境、历史信息、任务目标等上下文，对场景进行进一步判断，再形成驾驶行为。

02

VLA为什么开始强调推理？

VLA做的，其实是尝试把视觉信息、语言任务和车辆行为放到更加统一的模型中处理。

理想在发布VLA时，将其定位为具备空间理解能力、思维能力、沟通与记忆能力、行为能力的司机大模型。

官方介绍中提到，VLA拥有更强的思维能力，能够像人一样预判风险、认知世界、感知空间。

同时，VLA具备语言和思维链（CoT）推理能力，可实现从感知、理解到执行的全流程类人运作。

在实际体验中，搭载VLA的理想车型在遇到T型路口或左右两侧有盲区的道路时，会进行减速观察，确认安全之后再通过。

图片源自：网络

有测评指出，以往遇到丁字路口可能只是简单刹车，而VLA能推理分析出道路盲区，提前减速。理想官方也将在有盲区的路口通行更安心作为OTA 8.0的六大提升维度之一。

之所以给大家举这个例子，是因为这个例子中可以看到VLA可以将多个息联系起来之后再决定怎么做。

例如车辆看到一个行人，并不意味着一定要刹车。它还需要判断行人的位置、运动方向、道路边界以及车辆自身的行驶轨迹。

如果行人被停靠车辆部分遮挡，系统还需要考虑遮挡区域可能存在什么风险。

对于传统系统，这类问题可以通过感知、预测、规则和规划等模块逐层处理。对于VLA，则可以尝试让模型直接从更丰富的视觉和语言上下文中学习这种关联。

因此，VLA强调的推理并不是替代传统模块中的所有判断，而是让模型能够处理更加复杂的信息关联和任务决策。

这也是为什么理想在OTA 8.0中加入了模型思维可视化。

需要强调的是，车机界面展示的是面向用户的思维过程，系统会在屏幕中实时展示变道、绕行、红灯等待等场景下的推理逻辑。

但这并不意味着车机界面完整呈现了模型内部完整的思维链，真正需要验证的，仍然是这种能力有没有转化成更稳定的驾驶行为。

03

推理真正解决的是什么？

自动驾驶需要推理，核心不是为了让系统想得更多，而是为了处理信息不完整、关系复杂、没有固定答案的驾驶场景。

现实道路中，大量决策都不是由某一个目标直接触发的。

前方有车并不直接对应某一个动作；前方有人也不意味着车辆必须立即停车。

车辆真正需要判断的是这些目标和道路环境组合起来之后，对自身驾驶意味着什么。

这也是端到端模型不断加强上下文建模的原因之一。

这里并不是说端到端出现之后自动驾驶才开始具备推理能力，而是随着模型承担越来越多从环境理解到行为生成的任务，对这种综合判断能力的要求越来越高。

对于消费者来说，这些推理能力最终必须落到行为上。

图片源自：网络

模型需要判断当前场景，还要把判断转化为合理的轨迹，再由车辆控制系统执行。

如果模型理解正确但响应太慢，依然无法满足驾驶要求；如果模型能够解释场景，却在类似场景下产生不稳定的行为，同样不能用于量产。

所以，自动驾驶真正需要的不是一段漂亮的思维链，而是能够帮助车辆在复杂场景中做出正确判断的推理能力。

理想从2025年5月的VLA发布，到7月随i8正式交付，再到9月OTA 8.0加入思维可视化，以及2026年1月OTA 8.2继续强化物理世界理解，本质上都在围绕这个问题推进。

至于这种能力究竟提升了多少，则需要用实际道路数据和公开测试进一步验证，而不能只根据企业的宣传表述判断。

换句话说，自动驾驶真正的变化不是从不会思考变成会思考，而是过去分散在感知、预测、规划中的场景判断，正在越来越多地由具备更强上下文理解能力的模型统一处理。

这才是思维链进入智驾之后，真正值得关注的技术意义。