图1是詹锟2026年3月17日GTC 2026上讲MindVLA-o1的图。
图2是詹锟2026年6月16日Livis Day上讲马赫VLA-o1的图。

这两张图架构、设计逻辑是完全一样的，名字略有区别，MindData变成了马赫Data，MindSim: Controllable Multimodal Word Model变成了马赫World Model，MindVLA-o1变成了马赫VLA-o1。

闭环逻辑完全一致
数据引擎 ↔ 世界模型：双向交互，多模态数据生成与仿真评估；
数据引擎 → VLA 模型：向下输送标注数据，做基础训练；
世界模型 → VLA 模型：向下做闭环训练；
世界模型 ↔ 强化学习设施：双向交互，轨迹(Trajectory)回传、奖励（Reward）反馈；
强化学习设施 → VLA 模型：输出优化后的驾驶策略(Policy)，形成完整训练闭环。

3处小差异:
1.MindVLA-o1中相机(Cameras)对应 3D ViT 编码器，激光雷达(Lidar)单独(既有图标又有文字)设一个Lidar Encoder，是两个独立的感知编码分支。马赫VLA-o1的图中，相机+激光雷达的图标(不含文字)都合并到同一个3D VIT Encoder中，取消了独立的激光雷达编码器模块。

备注:詹锟在2026年6月16日QA中确认3D-Vit是纯视觉方案，不依赖激光雷达。详见理想谢炎詹锟26年6月16日31个QA(下)

2.MindVLA-o1标注了是MoE(fast&slow)，马赫VLA没有。

3.MindVLA-01奖励维度是是4项Corner Cases(边缘场景)、Safety(安全)、Comfort(舒适)、Driving Styles(驾驶风格)，马赫VLA新增Efficiency(效率)维度。

基于此，合情推理2026年6月16日Livis Day上的马赫VLA-o1，就是2026年3月17日GTC 2026上的MindVLA-o1。

完整图文/压缩/视频详见詹锟讲理想下一代自动驾驶基础模型MindVLA-o1图文版/压缩版/视频版

PPT与所有论文PDF：
https://pan.baidu.com/s/1kNYWzsOsleHlmDMhxPd5uw 提取码: ynz6