作为中国造车新势力中首家提出”AI汽车公司”战略定位的企业，理想汽车（Li Auto, NASDAQ: LI；HKEX: 02015）以全栈自研的多模态认知大模型Mind GPT和VLA（Vision-Language-Action）司机大模型为核心，系统化推进汽车AI全栈布局。从2023年12月Mind GPT首次上车，到2024年3月通过国家《生成式人工智能服务管理暂行办法》备案（成为首个通过备案的汽车厂商自研大模型），到2025年1月MindGPT-3o随OTA 7.0推送，再到2025年12月OTA 8.1升级至MindGPT 3.1+新增行业首发A2A智能体协作能力，理想汽车的AI实践覆盖了智能座舱、智能驾驶、智能商业、智能制造等全链路业务场景。截至2025年3月，Mind GPT累计搭载车型超过50万辆，日均交互请求达1.2亿次，任务执行准确率高达98.7%，并被国家工信部、网信办评选为”人工智能赋能新型工业化典型应用案例”。本文将围绕理想汽车的核心AI场景、多场景协同、实施要素展开，并对其创新价值、争议挑战与行业启示进行点评。
一、案例企业介绍
理想汽车（Li Auto Inc.）成立于2015年7月，由连续创业者李想创立，是中国新能源汽车造车新势力”蔚小理”中率先实现规模化盈利的企业。公司总部位于北京，2018年10月发布首款车型理想ONE，定位”为家庭用户打造的智能电动SUV”。理想汽车先后于2021年7月在美国纳斯达克（NASDAQ: LI）和2022年8月在香港联交所（HKEX: 02015）双重上市。截至2025年6月，理想汽车累计交付量突破130万辆，2025年Q2季度交付11.1万辆，居中国造车新势力第一。公司现有L系列（增程电动SUV）、MEGA（纯电MPV）和即将上市的纯电SUV产品线，2024年实现营收1235亿元（同比增长33%），净利润80亿元，是造车新势力中首家年度盈利过百亿的企业。
理想汽车的AI战略起步于2020年公司内部成立的”智能空间”和”智能驾驶”团队，2022年整合为统一的AI研发体系。2023年12月，自研多模态认知大模型Mind GPT正式上车，搭载于理想L7、L8、L9车型，开创汽车行业”全自研大模型上车”的先河；2024年3月，Mind GPT通过国家《生成式人工智能服务管理暂行办法》备案，成为首个通过备案的汽车厂商自研大模型；2025年1月，MindGPT-3o随OTA 7.0版本推送，搭载全栈自研VLA司机大模型；2025年12月OTA 8.1版本进一步升级至MindGPT 3.1推理模型，并新增行业首发的A2A（AI多智能体协作）能力，使理想同学智能体支持跨品牌服务调用（如肯德基车速取）。理想汽车CEO李想在多个公开场合明确表示：”理想汽车的未来不是车企，而是AI企业。”这一战略定位决定了AI在理想业务版图中的核心地位。
二、案例介绍
（一）核心 AI 场景：Mind GPT——行业首个全自研多模态认知大模型
理想汽车AI战略最具标志性的核心场景，是其全栈自研的多模态认知大模型Mind GPT。该模型基于自研TaskFormer神经网络架构，具备多模态理解、自然语言生成、知识记忆及推理三大能力，围绕车载场景重点建设用车助手、出行助手、娱乐助手以及百科老师四大产品功能，可精准理解座舱中来自不同位置用户的语音、动作等多个模态指令。模型先判断”是不是跟理想同学说”，再去理解用户诉求是操作汽车、娱乐创作还是知识问答，继而完成任务，再以人性化的语言回复用户。Mind GPT训练数据规模达3万亿Token以上，能够精准覆盖汽车、生活、百科、出行、娱乐五大领域。
2025年1月，理想汽车通过OTA 7.0版本推送MindGPT-3o，该版本实现了从感知到认知再到主动表达的全面智能升级。MindGPT-3o不仅能听会看，还具备记忆能力，能够记住家人的偏好和要求，并能进行逻辑推理和复杂问题拆解。其搭载超过300种工具，如限行查询、美团搜索、票务信息查询等，为车内乘客提供全方位的智能服务。通过全新的RGB+IR视觉模组，理想同学能够通过视觉识别车内情况，更好地理解用户意图。MindGPT-3o作为行业首个全链路整合模型，通过单模型实现了语音、视觉、语言理解的深度融合，大幅降低了系统延迟并减少了信息损耗。Mind GPT累计搭载车型超过50万辆，日均交互请求达1.2亿次，任务执行准确率高达98.7%，服务超过70万车主用户。
（二）多场景协同：VLA司机大模型、A2A智能体、视觉/语音/导航多模态融合
除核心智能座舱场景外，理想汽车的AI布局延伸至智能驾驶、智能商业、智能制造等多个业务节点。
场景一：VLA司机大模型——自动驾驶的具身智能。2025年，理想汽车发布VLA（Vision-Language-Action）司机大模型，采用原生多模态MoE Transformer架构，通过3D空间理解、多模态思考、统一行为生成、闭环强化学习（Closed-loop RL）、软硬件协同设计（Hardware-Software Co-Design）五大技术创新，构建了面向物理世界智能的自动驾驶基础模型。2025年12月OTA 8.1版本进一步在强化学习驱动下迭代VLA司机大模型，提升变道和绕行能力，针对城区、高速两大场景进行优化。
场景二：MindVLA-o1基座模型。2026年3月，理想汽车发布新基础模型MindVLA-o1，五大创新技术打通智驾与具身智能，由理想汽车基座模型负责人詹锟主导推出。该模型以原生多模态MoE Transformer为核心，通过3D空间理解、多模态思考、统一行为生成、闭环强化学习和软硬件协同设计构建面向物理世界智能的自动驾驶基础模型。
场景三：A2A智能体协作（Agent to Agent）。OTA 8.1新增行业首发的A2A能力，理想同学智能体支持跨品牌服务调用，例如用户在车内说”我想要一份肯德基套餐”，理想同学即可调用肯德基车速取Agent完成点餐、支付、通知门店准备等全流程。这一能力标志着智能汽车从”功能集成”走向”Agent生态协同”的新阶段。
场景四：与高德深度合作的AI智能座舱。2026年4月，理想汽车成为首家采用高德汽车出行AIAgent解决方案的汽车制造商，结合高德在”复杂意图与多点规划””导航路线定制””意图理解与多轮对话”方面的能力，强化理想汽车智能出行布局。
场景五：AI绘画与AI娱乐。Mind GPT赋能的”理想同学”具备AI绘画功能，可以根据用户的描述生成各种有趣的画作，为用户的车内时光增添乐趣；同时支持与用户聊热门话题、推荐热播剧、生成个性化娱乐内容。
（三）实施要素：全栈自研、数据闭环、组织协同三维布局
理想汽车AI战略之所以能大规模落地，源于其在全栈自研、数据闭环、组织协同三个维度的系统化布局。
全栈自研路径，Mind GPT采用了自研的TaskFormer神经网络架构，而非基于开源模型微调。这种全栈自研策略使理想汽车在数据、算法、训练框架、推理优化等所有环节拥有完全自主权，避免对外部模型供应商的依赖。同时，自研路径也使Mind GPT能够与理想汽车自有的硬件平台（车机芯片、域控制器）深度协同优化，实现最低延迟和最高能效。
数据闭环路径，理想汽车依托超过130万辆车的真实行驶数据，构建了”用户反馈-模型训练-OTA推送”的数据闭环。Mind GPT每日接收1.2亿次交互请求，这些交互数据被用于模型的持续训练和优化；同时通过OTA推送，新模型能力可在数天内覆盖全部存量车型，实现”数据飞轮”效应。
组织协同路径，理想汽车将智能驾驶、智舱空间、AI平台、数据中台等多个部门整合为统一的AI研发体系，由CTO王启明统一管理。这种”AI First”的组织架构，使理想能够在不同业务模块间共享AI能力和数据资源，避免重复建设。
合规先行路径，理想汽车在Mind GPT上线前即主动申请国家《生成式人工智能服务管理暂行办法》备案，成为首个通过备案的汽车厂商自研大模型。这一合规先行策略为后续商业化落地奠定了基础。
三、案例点评
（一）创新价值：从”功能座舱”到”AI 智能体”的产品形态重构
理想汽车AI案例的最大创新价值在于将”智能座舱”从功能集成型产品升级为”AI智能体型”产品。过去车载语音助手多为”一问一答”的命令式交互，而Mind GPT使理想同学具备了多轮对话、记忆、推理、工具调用、视觉识别等Agent能力，能够真正理解用户的生活场景并主动提供服务。OTA 8.1新增的A2A能力更是让车载智能体具备了跨品牌服务调用能力，使汽车从”出行工具”升级为”移动生活服务平台”。同时，全栈自研+数据闭环+合规先行的策略组合，为中国汽车行业AI落地提供了可复制的实践范式。
（二）争议挑战：大模型”幻觉”风险、数据隐私与AI责任界定
理想汽车AI应用同样面临多重挑战。首先是大模型”幻觉”风险，Mind GPT在多轮对话中可能出现事实性错误（如错误推荐餐厅、错误播报路况），可能引发用户决策失误甚至交通事故，理想需通过”高风险场景人工兜底”机制降低风险。其次是数据隐私问题，Mind GPT的记忆功能需要存储用户家庭成员偏好、行车轨迹、对话内容等敏感数据，需符合《个人信息保护法》等合规要求。第三是AI责任界定问题，当AI推荐错误导致事故或损失时，责任应在车企、大模型供应商还是用户，目前尚无清晰的法律界定。第四是AI大模型的算力消耗问题，MindGPT-3o所需的算力对车机芯片提出了更高要求，可能影响整车续航。
（三）行业启示：汽车 AI 竞争从”功能堆砌”进入”基座模型”阶段
理想汽车AI案例对中国汽车行业带来三点核心启示：第一，汽车AI竞争已经从”是否搭载语音助手”进入”是否拥有自研基座模型”的新阶段，理想的全栈自研策略值得借鉴；第二，AI能力必须与硬件平台深度耦合才能实现最佳体验，软件+硬件+数据三位一体的能力将成为车企护城河；第三，AI能力需通过OTA持续迭代，存量车型的AI升级能力将成为车企重要竞争维度。理想汽车的实践证明：在AI定义汽车的时代，”数据+算法+算力+场景”的全栈整合能力将成为车企的核心竞争力。
