理想在GTC发的MindVLA-o1智驾模型，我看下来就一个感觉：终于摸到智驾的

理想在GTC发的MindVLA-o1智驾模型，我看下来就一个感觉：终于摸到智驾的核心了。

以前的BEV是2D视角，OCC缺语义，说白了就是车看不全、看不懂。但这次理想直接用视频流还原3D场景，点云、语义、位置全拿捏，还能多模态思考，相当于给车装了个更聪明的大脑。

李想那个比喻其实也挺好理解的，就像小时候练接球，练多了脑子自然会判断球速距离。智驾也该这样，不是堆硬件，而是让模型真学会理解世界。