小米开源 Xiaomi OneVL:雷军称其统一 VLA 与世界模型框架

Xiaomi OneVL 成为小米在自动驾驶大模型方向的一次重要技术亮相。 小米技术近日发布并开源这一一步式潜空间语言视觉推理框架, 小米创办人、董事长兼 CEO 雷军也发文介绍了其核心定位: 通过潜空间推理, 将 VLA、世界模型纳入同一套框架。

📌 小米把自动驾驶推理框架推向开源

从已披露信息看,Xiaomi OneVL 面向自动驾驶和具身智能相关场景, 重点解决语言、视觉与行动推理之间的协同问题。小米方面称, 该框架在业内率先实现 VLA、世界模型、潜空间推理等多条技术路线的统一。

此次开源并不只停留在论文或概念层面。 小米已开放模型权重 , 以及训练、推理相关代码。这意味着研究人员和开发者可以在公开基础上复现实验、验证方法, 并进一步探索该框架在不同任务中的适配能力。

🔍 核心看点: 潜空间推理如何串起多条路线

雷军提到,Xiaomi OneVL 的关键在于“通过潜空间推理”完成统一。通俗理解, 模型并非简单把多个模块并排组合, 而是尝试在更紧凑的内部表示中完成推理、规划与预测, 从而兼顾速度和精度。

• 技术统一: 将 VLA、世界模型与潜空间推理整合到同一框架中。
• 推理效率: 在速度上对齐“仅答案”预测的潜空间 CoT 方案。
• 精度表现: 官方称其精度超越显式 CoT 方法。
• 开放程度: 模型权重、训练代码和推理代码均已开源。

💡 为什么自动驾驶会关注 VLA 与世界模型

自动驾驶系统需要理解道路环境、预测交通参与者行为, 并在复杂场景下生成合理规划 。VLA 通常强调视觉、语言与动作之间的关联; 世界模型则更关注对环境状态和未来变化的建模。二者如果能够在统一框架中协同, 理论上有助于提升系统对复杂场景的理解与决策能力。

不过, 自动驾驶模型从基准测试到真实道路应用仍存在很长链路。 公开材料主要展示的是 Xiaomi OneVL 的技术框架、基准表现与开源进展, 并未等同于量产车辆功能的直接上线。因此, 对其实际落地效果, 还需要结合后续验证、数据规模、工程部署和安全评估进一步观察。

📊 开源带来的行业观察

• 该框架在更多真实驾驶数据和长尾场景中的稳定性如何;
• 潜空间推理在复杂规划任务中能否持续保持速度优势;
• 开源社区是否会基于 OneVL 形成更多衍生模型与应用;
• 其与小米汽车智能驾驶研发体系之间未来会如何衔接。

🚀 总结: 技术发布之外, 更重要的是后续验证

围绕“雷军谈小米自动驾驶模型 Xiaomi OneVL: 业内率”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。