21对话｜陪小米智驾长到十八岁

21世纪经济报道记者 何煦阳

2026年3月，小米新一代SU7正式亮相。这次升级，硬件层面自然不必多说，软件架构更是迈入了“XLA”认知大模型的新阶段。这套系统究竟是怎么炼成的？背后又有哪些过人之处？4月，《21汽车·一见Auto》记者何煦阳与小米智能驾驶基座模型负责人陈龙进行了一次深度对话。

谈起XLA大模型的成长路径，陈龙用了一个生动的比喻：“这就像人的成长过程。小时候，我们先学说话、认字。长大一点，开始通过触摸、抓取来感知世界。等到十八岁左右，语言能力和空间推理能力都成熟了，再去学习驾驶，就能把之前积累的所有认知融会贯通——不仅开得快，更要开得好。XLA大模型的研发，遵循的是类似的逻辑。”

当前辅助驾驶领域，VLA（视觉-语言-动作）模型和世界模型的技术路线之争备受关注。对此，陈龙在专访中给出了明确的观点：这两条路线并非互斥。实际上，在小米XLA大模型的潜空间推理层中，团队已经成功将两种技术路线融合在了一起。不仅如此，他们还借助世界模型的仿真能力，来对齐XLA与人类的驾驶偏好，从而在根本上提升辅助驾驶的安全边界与通行效率。

团队协作也是关键一环。陈龙透露，他们与罗福莉团队是紧密合作的“兄弟团队”。在构建XLA认知大模型的过程中，罗福莉团队提供了强大的基础模型支持，即MiMo-VL系列，并在数据标注思路上给予了重要启发。更高效的是，双方能够共享同一套模型训练框架，并且复用罗福莉团队的AI基础设施，这大大加速了研发进程。

本篇为视频内容的文字预告，完整专访正片将于5月上旬正式发布。

（视频编辑：肖航）