◎蔚来与宁德时代达成换电战略合作
◎理想汽车发布下一代自动驾驶架构MindVLA
◎小米汽车交付量达到20万辆
01.
蔚来与宁德时代达成换电战略合作
3月17日晚，蔚来与宁德时代在福建宁德签署战略合作协议。双方将通过构建覆盖全系乘用车的换电网络、统一行业技术标准、深化资本与业务合作，为广大用户提供更高效的能源解决方案，引领新能源汽车产业迈向高质量发展新阶段。
在此基础上，双方将进行资本合作，宁德时代正在推进对蔚来能源不超过25亿元人民币的战略投资，进一步巩固双方战略合作伙伴关系。双方通过技术互通、资本和商务合作等方式，实现「1+1>2」的产业贡献。
根据协议，双方基于全球汽车产业转型升级趋势，发挥双方在相关领域所拥有的技术、管理、平台、品牌资源等优势，旨在打造全球规模最大、技术最领先的乘用车换电服务网络。响应国家新能源汽车发展战略规划，双方将在统一电池标准的基础上，深化换电网络共享，推动换电服务的普及与升级。宁德时代将支持蔚来换电网络的发展，蔚来公司旗下firefly萤火虫品牌后续开发的新车型将适时导入宁德时代巧克力换电标准和网络。双方换电网络将采用 「双网并行」模式，共同为换电车主提供更加便捷高效的换电体验，进一步提升纯电出行的便利性。
双方还将联合推动换电技术国家标准的制定和推广，促进跨品牌、跨车型电池兼容；共同构建「电池研发-换电服务-电池资产管理-梯次利用-材料回收」全生命周期闭环，助力新能源汽车全产业链安全降本增效。
蔚来将持续加密和完善换电站布局，在2025年6月30日前，完成包括北京、上海、广东等在内的14个省级行政区、超1,200个县级行政区换电县县通；在2025年12月31日前，累计完成27个省级行政区、超2,300个县级行政区的换电站全覆盖。
02.
理想汽车发布下一代自动驾驶架构MindVLA
3月17日，宝马中国与华为终端宣布已达成合作协议：宝马在中国深度融合鸿蒙
2025年3月18日，理想汽车自动驾驶技术研发负责人贾鹏在 NVIDIA GTC 2025 发表主题演讲《VLA：迈向自动驾驶物理智能体的关键一步》，分享了理想汽车对于下一代自动驾驶技术MindVLA的最新思考和进展。
贾鹏表示：“MindVLA是机器人大模型，它成功整合了空间智能、语言智能和行为智能，一旦跑通物理世界和数字世界结合的范式后，将有望赋能更多行业。MindVLA将把汽车从单纯的运输工具转变为贴心的专职司机，它能听得懂、看得见、找得到。我们希望MindVLA能为汽车赋予类似人类的认知和适应能力，将其转变为能够思考的智能体。”
理想全栈自研MindVLA：深度融合空间、语言及行为智能
基于端到端+VLM双系统架构的最佳实践，及对前沿技术的敏锐洞察，理想自研VLA模型——MindVLA。VLA是机器人大模型的新范式，其将赋予自动驾驶强大的3D空间理解能力、逻辑推理能力和行为生成能力，让自动驾驶能够感知、思考和适应环境。
MindVLA不是简单地将端到端模型和VLM模型结合在一起，所有模块都是全新设计。3D空间编码器通过语言模型，和逻辑推理结合在一起后，给出合理的驾驶决策，并输出一组Action Token（动作词元），Action Token指的是对周围环境和自车驾驶行为的编码，并通过Diffusion（扩散模型）进一步优化出最佳的驾驶轨迹，整个推理过程都要发生在车端，并且要做到实时运行。
MindVLA六大关键技术，树立全新技术范式
MindVLA打破自动驾驶技术框架设计的传统模式，使用能够承载丰富语义，且具备出色多粒度、多尺度3D几何表达能力的3D高斯（3D Gaussian）这一优良的中间表征，充分利用海量数据进行自监督训练，极大提升了下游任务性能。
理想从0开始设计和训练了适合MindVLA的LLM基座模型，采用MoE混合专家架构，引入Sparse Attention（稀疏注意力），实现模型稀疏化，保证模型规模增长的同时，不降低端侧的推理效率。基座模型训练过程中，理想加入大量3D数据，使模型具备3D空间理解和推理能力。为了进一步激发模型的空间智能，理想加入了未来帧的预测生成和稠密深度的预测等训练任务。
LLM基座模型获得3D空间智能的同时，还需要进一步提升逻辑推理能力。理想训练LLM基座模型学习人类的思考过程，让快慢思考有机结合到同一模型中，并可以实现自主切换快思考和慢思考。为了把NVIDIA Drive AGX的性能发挥到极致，MindVLA采取小词表结合投机推理，以及创新性地应用并行解码技术，进一步提升了实时推理的速度。至此，MindVLA实现了模型参数规模与实时推理性能之间的平衡。
MindVLA利用Diffusion将Action Token解码成优化的轨迹，并通过自车行为生成和他车轨迹预测的联合建模，提升在复杂交通环境中的博弈能力。同时Diffusion可以根据外部条件，例如风格指令，动态调整生成结果。为了解决Diffusion模型效率低的问题，MindVLA采用Ordinary Differential Equation（常微分方程）采样器，实现了2-3步就能完成高质量轨迹的生成。面对部分长尾场景，理想建立起人类偏好数据集，并且创新性地应用RLHF（基于人类反馈的强化学习）微调模型的采样过程，最终使MindVLA能够学习和对齐人类驾驶行为，显著提升安全下限。
MindVLA基于自研的重建+生成云端统一世界模型，深度融合重建模型的三维场景还原能力与生成模型的新视角补全，以及未见视角预测能力，构建接近真实世界的仿真环境。源于世界模型的技术积累与充足计算资源的支撑，MindVLA实现了基于仿真环境的大规模闭环强化学习，即真正意义上的从“错误中学习”。过去一年，理想自动驾驶团队完成了世界模型大量的工程优化，显著提升了场景重建与生成的质量和效率，其中一项工作是将3D GS的训练速度提升至7倍以上。
理想通过创新性的预训练和后训练方法，让MindVLA实现了卓越的泛化能力和涌现特性，其不仅在驾驶场景下表现优异，在室内环境也展示出了一定的适应性和延展性。
MindVLA赋能汽车变为专职司机，重塑用户体验
MindVLA将为用户带来全新的产品形态和产品体验，有MindVLA赋能的汽车是听得懂、看得见、找得到的专职司机。“听得懂”是用户可以通过语音指令改变车辆的路线和行为，例如用户在陌生园区寻找超市，只需要通过理想同学对车辆说：“带我去找超市”，车辆将在没有导航信息的情况下，自主漫游找到目的地；车辆行驶过程中，用户还可以跟理想同学说：“开太快了”“应该走左边这条路”等，MindVLA能够理解并执行这些指令。
“看得见”是指MindVLA具备强大的通识能力，不仅能够认识星巴克、肯德基等不同的商店招牌，当用户在陌生地点找不到车辆时，可以拍一张附近环境的照片发送给车辆，拥有MindVLA赋能的车辆能够搜寻照片中的位置，并自动找到用户。
“找得到”意味着车辆可以自主地在地库、园区和公共道路上漫游，其中典型应用场景是用户在商场地库找不到车位时，可以跟车辆说：“去找个车位停好”，车辆就会利用强大的空间推理能力自主寻找车位，即便遇到死胡同，车辆也会自如地倒车，重新寻找合适的车位停下，整个过程不依赖地图或导航信息，完全依赖MindVLA的空间理解和逻辑推理能力。
总结来说，对于用户而言，有MindVLA赋能的车不再只是一个驾驶工具，而是一个能与用户沟通、理解用户意图的智能体；对于汽车行业而言，像iPhone 4重新定义了手机，MindVLA也将重新定义自动驾驶；对于人工智能领域而言，汽车作为物理人工智能的最佳载体，未来探索出物理世界和数字世界结合的范式，将有望赋能多个行业协同发展。
理想在不断进行技术创新的同时，还在人工智能领域顶级学术会议和期刊发表了大量论文，为加速技术发展贡献了重要力量。未来，理想汽车将继续在用户价值的驱动下，坚持技术创新，连接物理世界和数字世界，成为全球领先的人工智能企业。
03.
小米汽车交付量达到20万辆
3月18日，雷军在其个人微博发文称，小米汽车交付量达到20万辆。
沪公网安备31010702008139