当全球车企都在训练AI如何更好地执行指令时，一个更贴近社会生活本质的困境浮现了——"如何让算 法理解"在弯道限速60km/h的路段，若周围车流保持60kph，自车机械遵守30kph限速反而会成为最危险 的移动路障"。这种藏在规则与现实中的思考逻辑，正在成为自动驾驶进化的下一个突破口。 在5月7日的《理想AI Talk第二季》中，李想系统性地拆解了理想汽车的解题逻辑：从技术架构的底层 革新到价值观的主动对齐，理想VLA大模型如何重新定义人机共驾的"安全基线"。 给机器装上"会思考的大脑" 当全球自动驾驶研发处于"规则算法"与"端到端"的发展阶段时，一个更隐蔽的技术断层正在显现，即如 何让AI从"知道怎么做"进化到"像人类一样思考怎么做"。众所周知，传统应对突发路况往往陷入"精准 识别障碍物却不懂让行优先级"的尴尬，这种"算法近视症"暴露了目前行业存在过度追求感知精度，却 忽视决策背后价值判断的通病。 而理想汽车则借鉴生物学启示录破局，如哺乳动物的大脑皮层，比昆虫神经节多了"思考为何行动"的模 块，VLA大模型利用3D视觉和2D的组合看见更真实的物理世界，甚至可以实现看懂导航软件的运行逻 辑，而不仅仅只是执行导航 ...