理想在GTC上发布了MindVLA-o1，让车真正拥有了三维空间的理解力，同一套模型既能开车也能操控机器人，说明自动驾驶确实只是物理AI的一个起点。

我理解这次的关键突破在于对3D空间的认知方式。传统的鸟瞰视图只有2D信息，占用网络虽然是3D的但缺少语义，相当于知道这里有东西却不知道是什么。

MindVLA-o1就能通过视频流直接还原三维空间的位置、点云和语义了，我觉得这种对物理世界的理解能力，才谈得上真正的智能。

李想拿小孩接球做类比很形象，咱们小时候接不住球，一次次尝试后大脑学会了预判速度和距离。车也一样，关键不是堆更多传感器，而是让模型在一次次训练中形成对三维空间的直觉。这种学习路径，更接近智能的本质。

想到以后的车能像人一样理解空间关系，不是机械地识别障碍物，而是真正看懂周围在发生什么，还挺让人感慨的。技术进步有时候就是这样，在不知不觉就跨过了一道道坎，已经在期待未来的发展还有什么惊喜了理想全能辅助驾驶来了