颠覆自动驾驶！ICCV揭示统一世界模型VLA如何引领L4新时代！

PTAG 数据闭环的变革与未来展望

在智能汽车、自动驾驶和物理AI的迅速发展中，行业的核心参与者们正在逐渐形成共识。这一现象在最近的ICCV 2025会议上得到了进一步的验证。随着端到端架构的普及，数据瓶颈也开始显露出新的挑战，因此，行业必须转向强化学习，并将云端生成式世界模型作为新的基础。

在这个积极向上的时刻，特斯拉和理想汽车在AI顶会上分享了各自的最新实践与洞见。特斯拉自动驾驶副总裁Ashok Elluswamy透露，特斯拉正在利用世界模拟器来评估车端模型。与此同时，理想汽车的VLA模型负责人詹锟也在具身智能研讨会上分享了题为《World Model：Evolving from Data Closed-loop to Training Closed-loop》的演讲，强调了训练闭环的重要性。

理想的观点清晰地指出，传统的数据闭环已无法满足日益复杂的自动驾驶需求，VLA模型向L4级别的提升需要新的训练闭环。詹锟在会后的深入交流中进一步阐述了理想在这一转变中的思考与实践。

在ICCV现场，理想提出，自动驾驶技术与大模型的演进已进入下半场。回顾上半场，端到端架构统一了自动驾驶的技术栈，释放了Scaling Law的潜力，使得AI能力得以迅速提升。然而，理想很快意识到，基于模仿学习的AI系统只能达到数据的平均水平，难以超越人类司机的能力，因此亟需改变技术范式。此时，大规模算力基础设施与高保真仿真环境的成熟，也为这一范式的迁移提供了条件。

数据闭环的定义大家都非常熟悉，它涵盖了数据采集、模型训练、评估和部署的循环，但这无法涵盖一些边缘场景。训练闭环则是在此基础上，通过环境生成和反馈的不断迭代，达到设定的训练目标。理想在云端构建了一套世界模型训练环境，旨在培养具备先验知识和驾驶能力的车端VLA模型。这是全球首个将世界模型与强化学习闭环应用于量产自动驾驶系统的完整架构。

理想所称的世界模型是一个全面的系统，涵盖环境构建、智能体构建、反馈构建以及多种场景推演能力。这一系统的核心能力包括：区域级别仿真与评估、合成全新数据能力以及强化学习世界引擎的实现。

首先，区域级别的仿真和评估是车端VLA进行长时序拟真评估的关键。理想目前采用重建与生成结合的仿真路线，以期在稳定性与泛化性之间找到最佳平衡。理想以“重建”和“生成”的结合，推动了仿真技术的发展，与合作伙伴的研究成果也相继被顶会收录。

在合成全新数据的能力上，理想能够构建多样的场景集，确保数据的均衡分布，从而实现更全面的评估，提升模型性能。理想认为，合成数据的应用将极大丰富场景的多样性，对模型的提升具有重要意义。

最后，强化学习世界引擎让模型在训练环境中自由探索并获得反馈，虽然这一层面临着诸多挑战，但理想通过自博弈和目标函数的设定，成功地推动了辅助驾驶的能力进步，向L4级别迈进。

理想汽车在新兴造车势力中率先实现盈利，跑通了商业化的闭环，这为其科研成果的落地打下了坚实的基础。2023年和2024年，理想的研发投入连续超过百亿元，显示出其对技术进步的坚定信念。

在底层的整车操作系统理想星环OS的推动下，理想不仅实现了软硬件的解耦，提升了车辆整体性能，还通过开源的方式，帮助行业内的其他企业节省了研发预算，促进了整个行业的进步。

理想的开源成果受到了学术界的认可，尤其是3DRealCar数据集的推出，解决了行业中高质量真实3D车辆数据的短缺问题。这一数据集的开源，不仅让理想汽车在技术层面获得了更高的认可，也为整个行业的发展注入了新的活力。

理想汽车在技术层面展现出强大的潜力，其在AI和机器人的探索中不断突破自我，朝着成为一家空间机器人企业的方向发展。这一切的背后，是理想汽车在造车和技术创新上的不断努力与追求。

总结来看，尽管当前有许多车企在AI和机器人领域进行重注，但像理想这样实现算法训练闭环、商业化闭环、研产闭环的企业仍然屈指可数。未来，理想汽车将在技术、产业和市场层面持续破圈，展现出更加广阔的发展前景。

无论如何，趋势已经开始，理想汽车正迎来新的机遇与挑战。我们期待在未来看到一个更加美好的理想，无论是技术层面还是产品体验层面，都将为用户带来更多惊喜与价值。