作者：张小珺

2025年4月，我与理想创始人兼CEO李想录制AI Talk第二季。那次对谈持续了很长时间，播出版仅1小时，今天你看到的是完整版。

这一集节目的发布比预期晚了些。过去几个月实在太忙了，我一度犹豫要不要继续放出。但当我重新整理这段文字时，仍然被它打动——这是一份关于人工智能技术变革的“节点式思考存档”。

革命仍在进行，震动仍在扩大。你可以结合2024年底我们那场3小时谈话一起观看，感受两次对话之间，思考的延展与呼应。

这次，我把李想当作一个“CEO大模型”来提问。

假设他是一种MoE（Mixture of Experts，专家混合）架构的模型，我在对话的前三个回合调用了他的三位“专家”：技术专家、战略专家、组织专家。而当谈话深入后半程，我们开始讨论人、能量、亲密关系、记忆程序与人类的智慧。

“AI与人的关系”，是本次对话的母题。

以下是对李想的访谈。

• 播客和视频将同步上线。播客登陆小宇宙、苹果Podcast、Spotify，视频登陆Bilibili。搜索：张小珺商业访谈录。

第一章

假若你是一个CEO大模型

01 AI做熵增，人类做熵减

张小珺：我们今天来做一轮Long Contest长文本对话。假设你是一个“CEO大模型”，你现在能支持的上下文窗口有多大？

Google和OpenAI（截至2025年4月）能支持100万个Token，你呢？

李想：人类的生理特性与人工智能有本质差别。人类并不擅长处理特别复杂的信息——人类要做“熵减”，而不是“熵增”。人类之所以发明方法论、创造工具，本质是为了减少能量消耗——因为大脑运作需要能量。

人工智能非常擅长处理庞大的信息规模。今天预训练数据量，已经不再是15T，出现了像Llama 4这样30T的。

从某种程度，人类和AI应该是很好的伙伴：各自做各自擅长的东西。

张小珺：总体来说，你觉得人不像模型。

李想：人类可能更像小型模型吧。我们通过读书、学习，获取知识，这某种程度是预训练；随后，我们将这些知识变成业务去做，就像推理，并通过推理调用工具实现。

今天的人工智能，处理通用信息表现不错，但一旦进入专业领域，往往不如人。这是因为，这些领域需要更高质量的数据和更专业的CoT（Chain of Thought，思维链）。这是人工智能接下来面临的挑战和价值。

张小珺：距离上次访谈过去了130天，你最大的进步是什么？你有成为一个更智能的李想吗？

李想：这130天，我更高兴看到整个中国的进步。包括DeepSeek、千问（Qwen），可以让中国无论基座模型，还是Reasoning推理模型，还是多模态，跟美国距离拉近，或者在一个水平线。中国企业做的模型效率更高。

包含后边我看到比较欣喜的，在Agent（智能体）上突破，无论Manus还是Genspark，树立了我们把AI做得更好的信心。今天大家讲语言模型，但我认为语言模型只是世界重要组成部分，并不是全部。

我们要想理解物理世界，让一个终端或机器人在物理和数字世界运行，要做的工作非常多——这让我们坚信，这条路走下去是对的。

张小珺：那你有变成一个更智能的李想吗？

李想：没有那么大变化。从实际角度，人工智能发展这么好，我每天工作时间并没有减少，还在增加。

身边所有同事、朋友都讲人工智能怎么好，但大家工作时间并没有减少，工作成果也没有实质改善。我们得思考新技术发展阶段的问题。

今天Chatbot，或者Reasoning，做更长链条思考和推理任务时，也能看到一系列严重的问题——几乎所有人，还是把它当成“信息工具”。

如果是“信息工具”，AI不是完美的——它最后一定要给你Next Token（下一个词元），一定要给你一个结果。大家使用时会先通过Rag联网搜索索引信息，但索引信息源往往失真和不准确。虽然认真做推理，但过程和结果有问题。

如果我们不改造机制，仍然做熵增，会增加大量无效信息、无效结论。

张小珺：而且，这个世界突然遍布了有幻觉的信息。

李想：你看，DeepSeek刚推出，很多人把DeepSeek推理过程转成图片发小红书，很多人看。今天没人发了，因为发了没人看，内容千篇一律。这是很大挑战。

我在思考一个问题：还是要站在用户价值的角度，如果大家拼命使用AI，为AI投资，但我的工作时长没减少，结果也没变好，问题到底在哪？——这是过去几个月我跟很多人聊、思考、内部讨论非常多的问题。

不要把东西缠绕在一起，我们可以先做一个分类。人类历史上也有类似分类。

今天通过对话（Chatbot），无论文本多么长，它都是“信息工具”，对大家是参考作用。

拿AI给你一个股票投资结论，或者职业生涯决策结论，但你每天8小时工作，还是优先完成公司给你的KPI、OKR。如果没改变这些，其他东西并没改变工作效率和成果，只是给了建议，或者在脑子空转一圈。

再往下，AI变好以后，会变成“辅助工具”。我们做的辅助驾驶，大家在车上用人工智能语音导航、查美团、调音乐，会提高效率，但仍离不开我们。这种角色像“辅助工具”，体验比以前好，但还是辅助的。

什么时候真正改善工作成果和减少工作时长？它必须变成“生产工具”。

我认为，Agent（智能体）最重要评判的条件是：它是否是“生产工具”？它是否能替代我完成专业工作？是否真的产生有效生产力，解决我工作中最重要的8小时？

这是我接下来对Agent最重要的衡量，也是Agent意义所在。

张小珺：以上是你对于工具的三个分级：“信息工具”、“辅助工具”和“生产工具”。

李想：对。人工智能变成“生产工具”，才是真正爆发的时刻。

张小珺：到今天为止，没有任何一个AI产品满足成为“生产工具”的基础条件吗？有没有一个或两个产品，摸到了这个标准的边？

李想：“信息工具”，往往不会让人愿意付费；“辅助工具”，是你认为产品本该具备的，因为它只提升了现有产品的竞争力；“生产工具”重要的衡量是：你愿意为它付钱。

目前我从同事身边听到的、算初级生产工具的有：

• 一个是Cursor，编程同事在用；

• 一个是OpenAI的Deep Research，商分和战略团队在用。

他们是自己付费，并没有花公司的钱。

张小珺：为什么到今天，大部分AI产品还没有成为“生产工具”，是因为智能水平不够吗？在你看来，“生产工具”组成要素是什么？

李想：我认为必须有Action（行动）。不能只是“知”，必须“行”。“知行合一”才能成立。

今天o1、o3、R1很多模型很聪明，但没有行动，只是给出策略并做策略推演。

工作时，我们仍需要通过操作电脑，或者借助物理世界的工具处理工作。像Manus在行动层面做了很多工作。自动驾驶是控制机器在物理世界中行动。所以，必须能行动，才有可能实现生产力提升。

张小珺：你怎么看Manus这个产品？

李想：从产品创意来说，它从“信息工具”迈往“生产工具”走的最大一步。

它通过建立虚拟机（virtual machine）和调用工具（tool invocation）实现更多实际操作。

一个很大的问题是，过去相当长一段时间，几乎所有模型公司都认为不需要额外的工具或软件，模型就能替代一切。

举个例子，假设你比我聪明10倍，但用手挖坑；而我虽然笨，却用铲子挖坑——效率仍然会比你高。这就是工具带来的巨大差异。

张小珺：我如果比你聪明10倍，我不会拿手去挖（笑）。

李想：但如果你没有工具。

工具意味着，更高的确定性、更低的能量和Token消耗。很多时候，更好的大脑和使用更好的工具，并不冲突。由于大脑变强以后，工具也能随之变强。

Manus从调用工具的角度完成各种任务，不依赖RAG，而是浏览原始资料，比如：

• 分析特斯拉股票时，直接访问SEC网站
• 浏览特斯拉投资者关系网站
• 阅读顶级投行分析师的特斯拉研报

这种方式更接近真正专业工作人员的工作方法，而不是仅用RAG做信息索引。只是Manus作为通用Agent，覆盖面太广，这也是一个很大挑战。

张小珺：为什么这样一个Agent是一家应用型创业公司做出来的，你有想过吗？

李想：我个人感觉，在一个新技术产生时，大公司或创业里的大公司，容易把分工分得太精细了。但往往一个好产品需要多个东西组合。

如果做模型的人坚持“我就要把模型做好，用模型去解决一切问题”，会变成很大挑战。

张小珺：我们刚才说的是过去130天，李想的进步是什么。那么，过去130天，理想这家公司最大的进步是什么？它有成为一个更智能的组织吗？

李想：我们没有那么快变化。

我们作为一个3万多人的企业，如果想发生重要变化，还要围绕真正的用户价值产生变化。不能只是因为技术发生变化，我就改组织。

我自己看所有变化之间的关系——第一，我会把规模放到中心，因为规模是确定性指标，做1000亿收入还是2000亿收入。

第二，围绕规模外面，有三个动态变量：

• 用户需求的变化
• 技术产品的变化
• 组织的变化

这三者之间的变化，我会相互诊断。

如果只是技术产品变化，用户需求没有变化，我不会轻易调整组织。很多时候当我看到用户需求发生变化，产品和技术与用户需求产生结合，组织变化才必须跟上。

不能因为今天出个新东西就调整一下，明天又出新东西又调整一下——这肯定有问题。

02 梁文锋极简运用了人类最佳实践

张小珺：DeepSeek改变了全球AI叙事，你从DeepSeek身上学到了什么？

李想：我学到最好的是：它极简地运用了人类最佳实践。

它在做DeepSeek V3时，V3是一个MoE（Mixture of Experts，专家混合）6710 亿参数模型。MoE是个非常好的架构，把一堆专家组合在一起，每个是一个专家能力。

它在构建专家能力时，DeepSeek展现了一个最佳实践：

• 第一步先搞研究，这非常重要，任何时候想改变或提升能力，第一步一定是搞研究；
• 第二步，搞完研究后才搞研发；
• 第三步，研发完成后，要把能力表达出来；
• 第四步，能力变成业务价值。

这四个步骤是极简人类最佳实践，但我们经常做着做着就忘了。看到什么东西就直接启动研发，没有先搞研究。

我们自己也很受益，不管是端到端和VLM（视觉语言模型），还是今天做VLA（视觉语言行动模型），我们的研究团队表现非常好。李飞飞的Thinking in Space也引用我们DriveVLM的论文。研究跑通后，研发效率会非常高。

研发又非常注重价值，把价值表达出来，变成业务，这是很重要的过程。

举个例子，我们端到端的系统，是唯一展示端到端怎么工作的——怎么取轨迹，端到端Attention（注意力机制）怎么工作，VLM怎么工作。这本身是能力展示，让使用者和所有参与者都能理解。

DeepSeek R1又遵循另外一个，它是Reasoning（推理）模型，说白了是业务。没有用户就不是业务。

从思维链看，它遵循了人类业务的极简最佳实践：

• 第一步，索引分析，用户给你需求先做索引分析；
• 第二步，确定目标，用户很多时候只给提示或方向，没有给出目标，它通过分析制定接下来要推理的目标；
• 第三步，涌现策略，当然推理模型的策略本身是推演的执行；
• 第四步，做一定的反思、反馈，检查结果和目标之间的差异。

这跟人做业务很像，人做业务也要：

• 做用户和市场分析；
• 针对用户确定目标；
• 制定策略并执行；
• 复盘。

不过，DeepSeek还不是完整的“知行合一”，虽然给出了“行”的策略，但没有真正行动，比如控制机器或操作软件。但它某种程度是“知行合一的脑系统”。

它就是人类最佳实践，只是人类做着做着就遗忘最佳实践了。

我们想拉一群人推进业务，但就你一个人做分析，一个人制定目标，又逼大家去执行；当你发现目标错了，你要改东西的时候不复盘、不分析，也不重新设定目标，就直接去改策略。所有参与者都会困惑：这到底发生了什么？

张小珺：在这些步骤中，人类最容易遗忘的是哪个？

李想：在做能力的时候，大家最容易一开始就直接搞研发，既不做研究，研发完也不做能力展示，也不真正面对市场实战，认为研发完就拥有了一切。

在做业务的时候，最大的麻烦是，大家遇到问题只想改策略，不做复盘，不做用户和市场分析，也不一起确定目标。很多人都想自己做决定。这是最大的问题。

严格按照最佳实践，其实是反人性的，随心所欲才满足人性。

所以，一个卓越的组织、一个卓越的人，很多时候要跟人性做对抗。

张小珺：你怎么看梁文锋？他是怎么找到你所谓人类最佳实践的？

李想：我只跟他聊过一次，在2024年9月。我印象特别深，应该是ChatGPT o1发布前几天。

我个人感觉有两个特点：

第一，他是个特别自律的人；

第二，他会在全世界范围内研究和学习最佳实践和最好的方法论。

张小珺：怎么理解他的自律？

李想：能够坚守自己相信的东西，坚守最佳实践。能和人性的懒惰、走捷径做对抗。也正如此，我们更加敬佩他。

DeepSeek的出现对我们加速做VLA有巨大帮助。语言模型这一块，本来我们打算今年底才能做出一个像样、满足我们需求的版本，但因为DeepSeek开源，我们进度加快了9个月，带来了巨大的收益和帮助。

我们受到了那么大的帮助，就在想能对社会做点什么贡献，于是把操作系统开源了。

没有大家想得那么复杂，我和谢炎（理想CTO）内心想法是——DeepSeek给了我们这么大的帮助，我们也应该对社会做点贡献。

说白了，纯粹是感谢DeepSeek。

张小珺：这是一种情怀，不是一个公司战略，对吗？

李想：不是公司战略。

张小珺：DeepSeek感觉给技术社区带来了更多的善良和善意。

李想：是的、是的。

张小珺：他们当初应该接这一波泼天流量吗？

对于AI产品来说，用户的数据能带来护城河吗？DeepSeek在2025年过年时拥有了很高的DAU（日活跃用户数）。

李想：我的理解是，他们的卡（GPU算力）是有限的，如果把更多卡用来做推理，那怎么去做训练、怎么去提升能力？

今天距离我们想象中的通用人工智能很远，他们只保留一部分卡来获取一定量的用户，因为这些用户的query（查询请求）对他们有帮助，但太多也没意义。留着更多的卡和资源还是用来继续提升能力。他们看得更远。

张小珺：你有没有想过，DeepSeek为什么不是你做的？

李想：我只能做最好的自己。

我一直在自己的长板延长线上。从最开始做个人网站，到做产品IT网站，到做汽车网站，最后希望改变汽车行业，推出更好的产品，并把汽车叠加下一代信息技术——这是我的延长线。

他（梁文锋）的延长线是从人工智能开始的。他在浙大学的就是人工智能，那是他的延长线。

我也相信，量化交易公司在模型理解、工程能力上，不会比任何互联网公司差，甚至要更强。

03 理想为什么还做基座大模型？

张小珺：在DeepSeek全球爆火的那个春节，你是怎么过的？

李想：春节过得挺好的，还带着孩子去看《哪吒2》。

我印象中1月20号DeepSeek R1上线，开源，我们做研究，分析它为什么做得好。包括训练和推理的效率，以及MoE模型在部署时对内存占用的挑战。我们自己也开始在芯片上写FP8（8位浮点数）工程优化，因为我们有编译团队。

比较有意思的是，我一开始没敢直接找模型团队聊，而是先跟谢炎聊。

我说我们要做VLA，一个很重要的计划是，到今年9月能做出一个非常好的语言模型，再往下训练VLA。

但我们预测，到9月份做出来的模型，能力是否能超过DeepSeek V3加R1？我说，至少我听你们说的，不如它强，而且它开源得如此彻底。我们是否应该基于它的开源，去做VLA的 L（Language，语言）部分？比如在理想同学中用的就是VL（Vision-Language，视觉-语言），没有A（Action，行动），把视觉和语言放在一起，做成端到端的方案，包括语音交互。

我们原本要等9月以后才能做这些工作，我们是否应该站在巨人的肩膀上直接做？谢炎说，肯定应该啊。

当时我们比较担心陈伟团队（基座模型自研团队）怎么想？这个压力挺大的。但后来发现他比我们还坚决。

他说，这会加速我们下一步工作，我们应该以它为基础，加速VLA和端到端多模态的进展。

研究团队也在研究如何在芯片上达到同样的训练和推理效率。所以，拥抱DeepSeek的过程比想象更快，我们VLA推出的速度会比原计划快。

张小珺：今年你们有一项组织调整，陈伟（基座模型负责人）转向CTO汇报，这项变化的原因是什么？

李想：这时候我们意识到，我们有三类不同的重要业务：

• 一个是内部的，各种办公什么的，它比较需要Language加一个Agent OS的方式实现，这需要有基座；

• 另一方面，我们理想同学，不管是车机版还是手机版，它需要多模态，又能看到物理世界，又有实时语音，它应该是一个端到端的VL；

• 还有，如果我们要做自动驾驶，要做机器人，要做工厂机器人，它就应该是一个VLA。

就跟今天大家看到的，千问或OpenAI团队一样，它会做多模态，会做推理，也会做基座。我们需要有一个团队，为我们不同业务做出适应的模型。

张小珺：你为什么一开始不敢跟模型团队提？后来是怎么聊的？——你开口第一句话是啥？

李想：因为让大家用别人的开源，是需要心力很强的过程。但后来发现他们没那么在意。

我说它开源程度基本接近Linux，比安卓开得还多。安卓也是基于Linux开发的，有它对应的组件、各种API。

我们是基于这个Language开发出来语言模型加Agent OS给自己用。我们做出来的东西变成多模态，能调用各种API服务。我们做的模型能控制机器人，很像Linux上面开发了安卓，或者各个专业领域的操作系统很像。

还是希望说服大家，但是大家拥抱起来很快。

张小珺：这是春节后做的第一个决定？

李想：春节期间就做了决定，在上班之前。我跟谢炎打了最多电话。我们还有一个专门的人工智能战略小组，在里边不停聊，发现大家并不纠结。

我们这家企业的基因，还是要为用户推出最好的产品和服务。

张小珺：2025年春节之后很多人问我，理想还做基座模型吗？——既然都有DeepSeek，为什么还要做基座模型？

李想：因为我们的业务意味着，并不是做好语言模型就够了。我们车上要有对话，有多模态，仍然需要我们自己训练一个根据我们需求的基座模型。

包括我要做VLA，里面哪怕V（视觉）和L（语言）都跟正常的不一样——我需要有3D的Vision，还有高清2D Vision的Token（词元），要做预训练，还得涉及更专业的交通领域语料，以及面向家庭用户的语料来做训练。

很重要的是，大家做VLA训练的时候，基座模型会把VL（视觉-语言）连起来的组合语料放在一起训练。OpenAI和DeepSeek都没有这样的数据，也没有这样的场景和需求，也不解决这样的问题。所以只能我们自己来做。

好处是VLA里的Language，我可以站在巨人的肩膀上，但它只是我其中一部分。

张小珺：所以一方面是拥抱了DeepSeek，另一方面你们把基座模型的团队拆出去，加大了投入。加了多大？

李想：首先训练卡，比今年预期多买3倍。

张小珺：你要训多大的模型？

李想：并不是一个固定的，会有不同版本。

比如说，给理想同学用的，会是一个300B（3000亿参数）的模型；

给辅助驾驶用的VLA里，VL部分是个32B（320亿参数）的模型。

我们真正工作中用的，也会用那个300B的模型。现在大概是这两个版本。

张小珺：刚才我们说的是基座模型，下面聊聊理想同学。

你现在对理想同学这个App的定义发生变化没有？2024年底我们聊的时候，你正好宣布要推出理想同学手机版本的App。

李想：DeepSeek太强了，还有一波借助DeepSeek推流量的，像腾讯元宝，这些东西太强了，它们有流量。

我跟团队讲，现阶段不要去做任何推流，不要推广，不要营销。更重要的还是锻炼能力，把握用户需求。

我们今天有三个版本：车机上的理想同学，它既是AI信息工具，也是AI辅助工具；手机上有理想同学App，是纯粹的信息工具；还有电脑上理想同学网页版。

这三边可以连起来，方便我们100多万用户需要的时候连着用。

张小珺：今年2月5日，也就是春节后你们的第一个内部AI例会，你在会上说，DeepSeek更像是Linux推出，而你们要去追安卓时刻。你准备怎么争夺安卓时刻？

李想：这是个比喻。安卓相当于基于Linux开发出来的手机操作系统。我们以语言做基础，我们的VLA就是把Vision（视觉）做成最强，把Action（行动）也做好，借助Language（语言）能力。

VLA比较像汽车或交通领域一个更重要的大模型或操作系统——这是我们的机会所在。

第二章 

调用MoE之技术专家

04 李想手把手教你训VLA

张小珺：我今天想把你当做一个CEO大模型。MoE架构里的E是“专家”，我们先调动一下你的“技术专家”，聊聊你们最近做的VLA架构。

今天的辅助驾驶到了一个新的十字路口，有人说辅助驾驶应该被叫停，你怎么看？

李想：我们这么多年，从规则算法做到端到端加VLM，今天真正迈入VLA，比较像“黎明前的黑暗”。黎明马上要来了，但会先经历黑暗，之所以有黑暗是为了迎接黎明。这是今天的阶段。

因为辅助驾驶行业遇到问题，我最喜欢的是去解决行业解决不了的问题。就像我们推出增程，是为了解决电池成本高、充电难；推出5C是为了解决充电慢、等待时间长。

我们愿意解决各种行业难题，包括我们做操作系统，也是因为过去传统的车控和智控操作系统，性能差、开发缓慢、芯片匹配周期长。这些问题恰恰是我们的价值所在。

张小珺：为什么人类一定需要辅助驾驶？为什么科技不能就此止步？

李想：只要人类还会雇司机，人工智能技术就是把类似的功能和角色变成生产力、生产工具，去进行替代。

张小珺：什么是VLA？——能不能从用户语言讲，不要用技术语言。

李想：VLA，机器人领域也在讲；对于我们理想汽车，VLA是一个司机大模型，是像人类的司机一样去工作的模型。

达到VLA不是突变的过程，是进化的过程，经历了三个阶段：

• 第一阶段，我们从2011年开始，通过机器学习的感知，配合后边的规则算法，包括规划、控制、执行这些规则算法分段式的。

第一个阶段比较像什么？昆虫动物的智能。它有既定规则，还要依赖于高精地图，比较像蚂蚁行动和完成任务的方式。

它效率比较低，也是个麻烦事。它的模型规模大概只有几百万参数，它就那么小一个脑子，你让它去完成复杂的事情，几乎不可能。所以你不停地限定、限定——几乎把它做成一个有轨交通。跟蚂蚁非常相似。

• 第二个阶段，我们从2023年开始搞研究，2024年推出端到端。端到端比较像什么呢？哺乳动物的智能。

马戏团的一些动物，向人类学习怎么骑自行车。但它对物理世界并不理解，只是看到了一个三维图像，知道自身的速度，并给出一个什么样的轨迹。它应付大部分泛化是没有问题的，但面对从来没有学到的、特别复杂的情况，就会遇到问题。

这时我们也会配合视觉语言模型（VLM），放进来。但我们能够用到的视觉语言模型这些开源的，用在交通上的能力非常有限，只能起到一些非常有限的辅助作用。

• 第三个阶段到了VLA，就是完全人类的运作方式了。

它会像人类一样，用3D的Vision和2D组合，去看真实物理世界，也包含它能够去看懂导航软件，这样的软件是怎么在运行，而不是像VLM只能看到一张图片。

另外一方面，它有自己的脑系统，不但要看到物理世界，还能够理解物理世界。它有它的Language，有思维链，有推理能力。它能够像人类一样，真正去执行这样的行动。

如果放在汽车、自动驾驶、辅助驾驶领域，我们把它称之为“VLA司机大模型”。

如果你感兴趣，我给你讲一下VLA是怎么训的，以及VLA自己怎么去工作的。

确实我听了你的很多期播客，大家都在讲VLA，但我觉得大家讲得并不清楚。尤其到后边训的时候，大家一带而过，往往只是引用论文。我们是真正在干这事的，而且我们有足够多语料，所以我们来讲一下。

• 第一是训练环节。
  

这里边，跟过去这些语言模型的差异在于什么呢？

第一，我要放入更多Vision语料，放入Vision的Token（词元）。

Vision包含两部分。第一个是物理世界3D Vision。第二个是高清的、2D的Vision。因为今天大家看到各种多模态的开源VLM里边，它整个2D Vision清晰度太低，所以看的距离不够。我们放进去的基本上图像分辨率提升了10倍。这非常之重要。

这是一个部分，是Vision的Token和语料。

第二，是要放入Language，跟交通、驾驶相关足够多的语料。这是Language部分。

第三，很重要的，是大家容易忽略的，就是我们必须放入很多VL（视觉-语言）联合语料，就是三维图像和对世界的理解语义要同时产生的。我举一个例子，我要把导航的地图和车辆对导航地图的理解一起放进去。

张小珺：这是原始数据吗？

李想：没有原始数据，所以我们才有。比如我要放入一个，看到导航以后人类做了一个什么判断，这个判断我们的车辆是怎么记录的。把这个语料放进去。

整个VL（视觉-语言）基座模型训练的时候，包含三个部分数据：Vision（视觉）数据，Language（语言）数据和VL联合数据。它形成VL的基座。

同时我要把这个基座干什么呢？我要蒸馏下来，变成一个3.2B（32亿参数）端侧的蒸馏模型。因为我要保证它运行速度足够快，无论是在两个Orin-X还是Thor-U上都能流畅运行。

所以，蒸馏下来是一个3.2B、8个专家组成的MoE模型。因为如果直接跑32B（320亿参数）一个完整模型的话，Orin-X和Thor-U的帧率达不到，Token（词元）输出率也达不到。

这是第一个步骤，是预训练环节。相当于学习人类的知识，先学习了人类怎么理解物理世界的知识。

• 第二个步骤是什么？做后训练。

• 第三个部分是什么？是强化，要做强化训练。比较像人到社会上开车了。

所以，要通过人类的RLHF，跟人类做对齐，跟社会环境对齐。另外通过纯RL强化，从而开得比人类更好，比人类的平均值好得多，解决更复杂的问题。

• 这还没有完，这是有了VLA。但人类是怎么跟VLA工作的呢？我要搭建一个司机的Agent（智能体）。

司机Agent是什么？是人类以自然语言的方式，就是你跟一个司机怎么说话。假设你有男朋友，你男朋友在开车，你怎么跟他说，你就怎么跟司机Agent说。

张小珺：这些步骤哪个是最难的？

李想：前面没有任何人走过这条路。我们走的是一个无人区。

张小珺：你们为什么bet（押注）这条路？我前段时间做了一个技术播客专门讲VLA，这个技术路线似乎还没有收敛。

李想：交通领域应该是VLA最早实现的。

• 第一，交通的世界，一个车会跑到哪里，虽然它复杂，但是确定的——车又不能开到水里，也不能开到空中，只能开到有路的地方——它是复杂但具备确定性。

• 第二，车的控制，车是个3 DoF（自由度）——左右是一个自由度；前后是一个自由度；还有一点轻微的旋转，是一个自由度。辅助驾驶就控制两个多、撑死就三个自由度。如果这个都不能实现，机器人上来就是40多个自由度，挑战就更大了。

所以，我们进行模仿学习特别容易。车看到的就是人看到的，人操作的就是车操作的。它能做特别好的模仿学习。

• 第三，它还能做特别好的强化。大家在使用中，不满意就接管了，这就是跟人类没有对齐，它就告诉你不应该这么做，以及告诉你该怎么做，这是非常清晰的指标。包括哪怕不做人类监督，靠生成数据来做训练，也非常清晰。

因为什么是舒适，G值是可以表达的；什么是符合交通规则，是能够表达出来的；是否发生碰撞，是可以表达的。如果它很舒适，不违反交通规则，又没有发生碰撞，A点到B点就会开得越来越好。

交通是VLA第一个重要的实验场。

张小珺：我有一个感受：很多人说做AI是在“造人”，你们这个是在“造司机”。

李想：对。我一个很重要的感觉是，我们只有让它变成一个真正的司机，它才是一个“生产工具”，不只是一个“辅助工具”。今天L2、L2+是个“辅助工具”，需要人大量参与。

但如果想变成“生产工具”，我个人认为并不会出现通用Agent，而是每个专业领域做专业Agent。

就我刚才讲的，要想开好车，它所有Vision（视觉）语料、Language（语言）语料和Action（动作）都是不一样的。想做好一个医生，想做好一个律师，包括背后的思维链、所有的数据，是完全不同的。

另外一方面，如果你想变成一个“生产工具”，就会和专业的人比较——你是否比一个专业司机开得更好？是否比一个专业医生表现得更好？是否比一个专业律师表现得更好？是否比一个专业程序员表现得更好？你会影响他的生产、业绩、工作结果，甚至财产和生命安全。

这是我们看到的终点。

这也是为什么我们必须很耐心、深入去解决哪怕一个司机的问题。

它不可能通过一个泛化的大基座模型，或者大语言模型，都能实现——这是不现实的。

张小珺：为什么通用Agent不如专业Agent？我们需要通用Agent吗？

李想：可以给通用Agent换个描述方式——通用Agent比较好的描述方式应该是Agent OS（智能体操作系统）。

我个人认为，至少5年内不会有通用Agent，但会有一个Agent OS，方便各个专业的人在这个Agent OS上开发出自己需要的Agent。这个反而我认为是需要的。

张小珺：可以想象Agent是不同工种，他们共享一个Agent OS。

李想：对，因为你要成为一个生产工具，就必须替代和解放人类真实、高频的工作，比如开车、编程，而不只是做信息索引，在脑子里转一圈就结束了。这是根本性不同。

这时候，它会影响你的收入，调用你的资产，使用你的工具或财产，比如电脑、车。

包括对齐的要求也不一样。比如，你今天拿什么查找一个信息？用DeepSeek或OpenAI去查，就会用RAG（检索增强生成）做索引；但如果你用Deep Research或Manus，它会去找信息源头，而不是简单通过RAG。专业人员一定会找信息源头，才能往下做分析。

张小珺：我听说你们也要做Agent OS？

李想：我能想到我们在To C（面向消费者）能做好的Agent，只有司机这一类，其他我们不专业。比如教育，应该猿辅导、好未来做。可能最后Agent会搭载在我们的车上，这是有可能的。

但更重要的是，先做好公司内部的Agent，因为公司内部需要有很多Agent——客服Agent、编程Agent。

我提出一个很重要的需求：这些都在谢炎团队——基座模型团队、操作系统团队、智能商业团队，这三个团队如何联合，搭建出一个有效的Agent OS，让每个专业的人在上面开发自己所在领域的Agent？

你不可能让智能商业团队做客服Agent，应该是客服团队借助这个Agent OS，开发出自己专业的客服Agent；销售团队做出电话专家的Agent；开发人员做出编程的Agent，以及对应他们验证实验的Agent——都应该由每个专业自己做，不会有一个团队帮大家全部做好。

但智能商业团队可以把公司内部Agent OS搭建出来，让所有人方便在上面放入自己需要的数据、语料，做训练，调整这个专业领域的思维链。

张小珺：Agent OS是一个对内而不是对外的事？

李想：我觉得先做对内的。

06 要顺着人性去说，逆着人性去做

张小珺：我们刚刚在聊VLA。这是不是意味着端到端才出来一年，你们就要换架构了？是不是太快了？

李想：也没有放弃，端到端是VLA的一部分。如果你把端到端想象成一个个具身智能执行的环节，它就是我们VLA的A（行动）这一部分。

A的部分仍然在用这些数据做训练，只是我还需要语言部分，以及更强的3D Vision（3D视觉）和高清2D Vision（2D视觉）部分。

张小珺：有可能一步直达VLA吗？去年如果不推出端到端加VLM，直接推VLA，可以吗？

李想：至少从我们自己的体验上是没有可能的。我说一句不太好听的话：你没办法直接吃第10个包子。虽然大家觉得第10个包子吃饱了，但前面每个包子都跳不过去。

很多时候，如果大家不想做前面包子的积累，只想吃第10个包子，很像练《葵花宝典》。

今天包括DeepSeek的出现，并不是练《葵花宝典》练出来的。它很早就构建了集群能力，做链路和基建优化，这些是非常重要的，才有了低成本和高效率。

我们特别喜欢讲，“有一个人很聪明，直接吃到第10个包子”。但现实中，至少今天这个社会，整个知识文明的发展越来越好，并不是胆子大就能成事，我看不到什么捷径。今天很多企业在做端到端都很吃力，因为在规则算法阶段就没做好。

张小珺：但是大家觉得李想才是吃第10个包子的人，你们做辅助驾驶比别人要晚。

李想：但我们自研时间并不短。我们从2021年开始自研，研究做得很扎实。

我们是用户导向的公司，我们认为技术是一种能力，更多讲的是用户价值。大家讲我们是冰箱、彩电、大沙发，但冰箱、彩电、大沙发的智能化背后的基础，今天大家看仍然是非常强的，体验完全不一样。

张小珺：背后的基础是？

李想：大型软件的能力。

我们后边很多能力还是很扎实。为什么今天大家做端到端和VLM很难？是因为Orin芯片并不支持直接跑语言模型。我们是自己的编译团队，所以特别理解DeepSeek，一看就看明白了。

它做FP8优化，能跑它的整个训练架构。我们做相同的事，就是直接写了OrinX底层。因为英伟达没时间，我们自己写的底层，让它用INT4的方式来跑VLM。

这跟DeepSeek做FP8训练是一个道理。包括今天，我们为什么能做到双OrinX跟ThorU都能跑VLA？这对很多团队是非常大挑战。因为我们自己有非常强的能力，我们有编译团队，有芯片能力，有操作系统能力，所以能让两个OrinX同样跑同等规模的VLA模型。

你规模小的时候无所谓，但规模大的时候，基本功和能力永远无法逾越。

张小珺：你说做人类的最佳实践往往是反人性的，你为了追求最佳实践，做过最反人性的事是什么？

李想：我们做的最大反人性的事情是，每次遇到问题都愿意做巨大变化。这个变化包含能力的变化、业务的变化和组织的变化，这是我创业一路走来，做的最坚决的。

当你业务需要变化的时候，能力必须发生变化；当你业务和能力发生变化了，你的组织架构也必须发生变化——这三个变化，我永远每一次遇到问题的时候，都是三个同步在变化。

但我也会换一种方式，我不能用反人性的方式去说服团队，我得顺人性的方式说服团队。

就是：我们做的不是改变，我们做的是成长。

实际这也是个事实。这就是第5个、第6个包子必须得吃，不要指望吃第10个包子。我们的变化是，要去找到吃第7个、第8个包子的方式。所以我们要发生变化。

张小珺：为什么说服团队，不能直接说我们要变化，必须要说我们要成长。

李想：没有人喜欢改变。

改变是逆人性的，成长是顺人性的——但是最大的成长其实也是改变。

所以，顺着人性去说，逆着人性去做。

张小珺：当要改变的时候，你自己会主动逆人性吗？

李想：我需要一个东西说服自己，就是成长。

张小珺：你也需要说服自己？

李想：我当然需要。没人愿意为了变而变——你要给我一个改变的理由。

如果改变理由是成长，那改变就是成长的一部分了。

07 黑盒、世界模型和定价逻辑

张小珺：什么样的Corner Case（边缘情况）是端到端 + VLM架构无法解决，而VLA可以解决？

李想：过去端到端有两个麻烦的问题：

• 第一个问题是它对复杂东西的理解。

比如，有一个复杂的修路，如果是规则算法可能撞上；如果是端到端可能停下来，它不知道该怎么干了；如果是VLA，能轻松解决，而且这些我不需要真实场景，甚至可以直接生成数据来训练。

因为它能够有理解能力，不只是看到一个景象就做出一个结果。规则算法遇到复杂路况、没见过的或规则之外的情况会出现事故。端到端可能停下来，但不知道怎么办。

最开始我们经常遇到修路状况，它在那犹豫，不知道怎么办。但VLA就能有效处理，而且不需要海量数据训练。哪怕最开始场景没办法处理，我保证3天内相关场景都能处理，因为可以用它生成数据来训练。

• 第二个很难的点是跟人沟通。就跟猴子一样，你影响不了它。

我们经常遇到的情况：一条路三条道，最右侧是公交车道，又是限行，但公交车道长久没有维护，印刷已经不清楚，它就会跑到那条车道。虽然可以通过调整回到中间车道，但过一阵又跑回去。

因为有了VLA才有Agent能跟VLA沟通，我可以跟Agent说：接下来这条路一直在中间行驶，直到导航到下一个位置。

如果跟导航错失了，端到端不知道怎么办，但VLA在小区里可以漫游。在一个开放空间可以先处理完，再跟导航汇合——它跟人类完全一样。它今天像一个刚从驾校学完的新手司机。

张小珺：要做好VLA需要哪些条件？

李想：第一，你要有非常好的语言模型。

第二，一家企业，如果你过去没有做基座模型，你的预训练、后训练、强化体系怎么构建？你背后的算力怎么来调用？你的世界模型仿真系统怎么使用？都是非常大的挑战。

我们今天已经做到什么呢？我们已经做到了每1万公里的验证成本，从最开始18万降到4000块钱，这4000块钱完全来自于算力了。但整个效果比原来在物理世界里去做仿真、做验证要强得多。

我很多时候遇到一个状况，它既有不同的车，还有其他交通参与物，还有特殊路况，但到真实的路上，你把这三个凑在一起难度非常大。而我们的世界模型把这问题都解决了。

张小珺：训练过程中，哪个数据获取难度是最大的？

李想：Vision（视觉）和 Action（行动）数据。

因为车，我们装满传感器可以收集物理世界的数据；还有人在车上开车，我们可以收集到 Action（行动）数据。这两个是最难的，而且也没有任何公司可以替代。

张小珺：其他车企也可以啊。

李想：但其他车企有没有建立整个基座模型的预训练能力？后训练能力？后续强化能力？因为强化还需要世界模型的能力，这是不一样的。

包括，我们怎么去解决很多问题：

• 第一个，如何提升能力刚才讲清楚了；

• 第二个，如何向人类安全对齐（Alignment），如果它像职业司机一样足够安全、足够舒适，我们本身就要建立强化学习的体系。

很多时候，一家公司如果模型能力不强，根本不知道怎么做对齐。因为模型能力强的时候，你才发现对齐的重要性，你才知道Ilya Sutskever（OpenAI联合创始人、SSI联合创始人）原来想得那么远。

因为模型能力越强，就意味着，它胡来的可能性越高。就像一个人能力越强，就需要他的职业性越强。公司规模越大，越需要职业性；公司小时候不需要职业性。一个人能力强的时候，他干好事能力也强，干坏事能力也强，所以需要职业性约束。

举个例子，我不可能雇一个职业赛车手每天给我开车，但我要雇一个职业司机。他除了开车能力不错，还要有非常强的职业性，保证舒适、安全、和人类开车的价值观能够对齐。

• 第三个，最大的挑战是，模型是一个黑盒子。怎么解决？

我们做了世界模型，VLA放在一个交通世界模型里。如果不跟你说，你看到的就跟真实世界一样。我们用重建加生成，借助我们的数据，构建了一个真实的交通物理世界，包含所有参与者、参与物、固定物体。

所以，无论是最开始的端到端，还是今天的VLA，都可以在模型里考试。它会模拟真实的交通参与、真实的城市，进行考试。它考什么呢？考A点到B点，考它的舒适性、交通合规性和安全性。

基于这样的模型和真实物理世界的仿真能力，我们还大幅降低了验证成本。

过去靠人类司机做一万公里的验证，每一万公里成本大概17万到18万人民币，算上车的各种费用。今年大概每一万公里只需要4000多块人民币。4000多块基本上是算力为主的成本，而且解决问题的效率大幅提升。

为什么呢？今天我们要解决一个问题，这个问题产生时，是我们自身车辆和多个交通参与物在不同位置、不同道路上出现的。如果靠人类去验证能不能解决问题，要把这些交通参与物凑到相同位置、相同速度，几乎不可能，所以只能模糊验证。

但今天有了世界模型，我们可以非常准确地验证。修正以后的模型是否解决了问题，可以100%还原一模一样的真实场景，在世界模型里进行验证。

张小珺：VLA和世界模型的关系是？

李想：VLA就像一个司机，世界模型就相当于是真实的交通世界。

世界模型可以想象成三个阶段：

• 第一阶段，用它来考试。

• 第二阶段，它能生成训练数据。本来这两个阶段应该调过来，先生成数据再考试；但我们是先做考试，后来又做RL数据的生成。

• 第三阶段，是未来真正的L4级别自动驾驶车辆的运营系统。因为我不可能写一个传统IT软件，来运营跑在路上的、车上没有人的自动驾驶的车。所以我认为，第三阶段，世界模型，也会变成真正的全自动驾驶运营系统——是这样的关系。

当然，我知道，在学术领域关于世界模型有两种不同解读方式：

• 我们是一派的解读方式：VLA更像一个人，一个人类司机模型；另外一方面，我构建一个交通的世界模型，人类在世界里跑。人类既在真实世界跑，也在世界模型这个仿真世界跑。

• 另一种解读，包括从你的访谈也听到，在机器人领域里会把Action（行动）结束后，往后做，通过Diffusion（扩散）预测未来几秒的世界环境和轨迹。这类世界模型是“下一步世界怎么运作”的预测。

这是两种不同解读方式。

我还是希望我们描述出来的东西，能尽可能接近人类世界。

比如，我们运行的时候，如果是一个世界模型，它最好就是个世界；如果是交通世界模型，它就是一个交通世界；如果是一个模型加Agent，它就相当于是一个人。

我们尽可能把人工智能与人类世界、与人类的理解、与人类的最佳实践对齐，这是我们认为一个产品公司必须去做的。

张小珺：我们在说司机Agent的时候，因为它涉及Action、会进入物理世界，怎么解决安全问题？

李想：我们从去年年底成立了超级对齐（Super Alignment）团队。

模型能力很强，但不遵守交通规则；或者模型能力很强，但经常加塞；还有一些行为会让人类坐在车上感觉不安全。至于是否碰撞，是模型能力的问题；而是否产生这些问题，是价值观的问题，是模型对齐要解决的。

这也是，我们在做强化训练的第一个环节，必须把人类的规则、习俗、驾驶习惯、对很多东西的判断，变成它训练的反馈。

我们有一个挺大规模的团队，100多人超级对齐团队。

或者用另一种方式理解：如果把超级对齐比作一个人——模型相当于这个人的专业能力；超级对齐相当于这个人的综合职业性；司机Agent背后的记忆能力，是如何和使用者建立信任。

我是否认可一个员工，同样看三个方面：专业能力、职业性、对别人理解和构建信任的能力——三个都很好，就是最卓越的员工。

张小珺：VLA是解决自动驾驶的终极架构吗？还会有下一代吗？

李想：我自己认为VLA能解决全自动驾驶，但VLA是否是效率最高的方式？是否有效率更高的架构出现？我打个问号。大概率还是会有。

VLA还是基于Transformer（转换器）架构，Transformer是不是效率最高的架构？后边还不不知道。

我觉得，它是能力最强的架构。它最接近人类，是有机会在开车上超过人类能力的一种方式。但它是不是效率最高的？打个问号，今天对算力要求还是很高。

张小珺：VLA跟最后可能形成的大统一模型的关系是什么？

李想：还是会有效率问题。我们虽然有模型，但从来不放弃工具，因为工具增加确定性和提高效率。

举个例子，团队很多时候太想用模型解决一切问题，就会出现一个现象：VLM在位置判断上很糟糕。两三个ETC还好，但京承高速这种十几个ETC，它很混乱，因为缺乏位置判断能力。我们团队太希望用模型去解决，就不停给VLM喂更多语料，其实解决不了问题，这是VLM架构的问题。

我跟团队说，为什么不能用规则算法解决ETC？最多15个口，写一个程序一周甚至三天就能完成。

很多时候我们有个心结：人类很多时候是模型运行，但我们也会背乘法口诀——乘法口诀就是规则算法，但是我们消耗脑力少、消耗Token少、准确性高，所以它是个好工具。

如果是确定性解决的，可以用规则解决，就意味着更低能量消耗、更低算力消耗、更高准确性。为什么不用？团队很快解决问题，我们的ETC就很稳了，一周都不到解决了，过去三四个月成本高的方式都解决不了。

所以，真正落地的时候，很多时候还是要考虑效率。

DeepSeek受到全世界瞩目，很重要一个原因就是它效率更高了。

张小珺：在你眼中，Agent应该怎么定价？

李想：应该是雇用人类费用的几分之一。我雇一个司机一个月1万块钱，我是否愿意用2000到3000元雇佣一个Agent司机？这是一个重要判断。

当然，它还可能带来其他商业模式变化，比如花2000-3000元雇佣一个司机，可能车的保险费也包含在内，充电费用也可能算进去（它会自己充电），最终算下来更划算。

张小珺：你说陆奇博士给你最大的启发是，让你知道训练模型要类比思考：人类是怎么工作的。陆奇博士最近有给你新的input（输入）吗？

李想：2023年9月，在我们战略会上，陆奇问了个问题：人类是怎么工作的？人类是怎么学习开车的？人类没有那么辛苦。你们就应该去研究什么样的能力才能像人一样开车，像人类一样泛化，而不是靠规则算法。

我们前几天又交流了一次。

他更强化的一点是：在人工智能上，研究等于能力，而不是研发等于能力——这是他最新的重要观点。

第三章 

调用MoE之战略专家

08 2025年雁栖湖战略会

张小珺：刚才调用你的是CEO大模型的“技术专家”，接下来调用一下“战略专家”。前段时间你们刚开完2025年雁栖湖战略会，达成了哪些新共识？

李想：战略上的一个核心共识，还是继续延续去年秋季战略会的一些判断，但我们延伸出来一些关键想象——如果往后看3年、6年，大家可以去思考和探索哪些关键点？

如果看战略，中间的圈是规模，这个圈外边有三个变量。当规模发生变化以后，这三个变量也会发生变化——一个是用户需求，一个是技术产品，一个是组织能力。

去年有1450亿收入，今年会有一千大几亿收入，我们如何往后走？这些对于规模的限制在哪？我们想获得更大规模的时候，哪些东西是限制？

从用户需求角度，我们会面临什么样的限制？我们今天主力车型都是SUV，我们可不可以靠卖SUV，卖到3000亿、5000亿甚至更高收入？这是一个很大挑战。因为像路虎这样的并没有做到。

也包含我们的用户群，去年是50万辆，今年要多一些，如果要做到100万辆以上，我们的用户群规模就意味着跟BBA是一样大的规模，那意味着用户群要扩大好多倍。这些用户群的沟通，是不一样的。

会产生两个很重要的问题：

• 第一，要往更大的规模走，需要覆盖哪些过去没有覆盖的用户群，对他们应该怎么去沟通？
• 第二，从产品角度，家庭定位是个非常好的定位，但如果只做家庭定位SUV，包含面向全球，是不是有问题？

我们做了分析说，有必要在面向全球、面向更大范围群体的时候，我们应该去做轿车。但我们做的是好的家庭轿车，不是运动轿车。

另外，作为家庭用户，我们在空间更有优势，那应该做再丰富一些的MPV产品。这种大空间的家庭轿车产品，要面向更广泛的用户群，以及全球。也不是出很多车，而是有效控制SKU。这是用户需求可能会发生的变化。

另外从技术角度发生的变化，我们可以看3年到6年的距离。

当车实现了全自动驾驶以后，车会是人工智能时代营业收入最高的一个终端，可能做到千亿美金收入——如果做到千亿美金，甚至会超过中国所有手机厂商的收入。

为什么它是个人工智能时代的终端？和PC、移动互联网时代的终端差异是什么？

它具备四个特点：

• 有360度对物理世界感知的能力；
• 有认知决策的能力；
• 有Action的能力，可以操作一个终端上的软件，也可以直接操作一个机器人；
• 有自己的反思反馈能力，就像人一样。

——具备这四个特点的，就是AGI时代的终端。

汽车会从智能终端变成人工智能终端。这是我们要做的。

我们还要想想：在我们的生活范围里——在家里、在工作中、在我们身上——是否会出现新的、符合这四个特点的AGI时代终端？那也可能会形成未来的机会。

因为苹果并不是只卖Mac。苹果发展到一定阶段，也做了iPod、iPhone，非常成功。微软也不是只做操作系统，也做了Office、语音服务。小米也做了IoT和汽车。

当你到了5000亿以上规模，你必须考虑这样的事情。因为你的用户群变大，用户需求也更完善，我们能不能满足用户工作生活中那些最主要的场景，推出最有竞争力的AGI终端产品？

这是技术产品角度，我们要看6年的事情，一直看到2030年有哪些可能性。

第三个，是组织能力方面。我们想做到3000亿、7000亿收入，这时候能力需要哪些提升？你小的时候可以招个人就带来能力，但变成千亿规模的时候，很多能力怎么选择就很关键。

我们在小的时候没看懂苹果；而现在再认真研究苹果，会发现苹果还有很多能力值得学习。

今天去看苹果，当你做到千亿收入，再去看这种万亿收入公司的能力，开始模模糊糊能看懂一些了。我们很小规模的时候，看不懂苹果为什么这么做。

最后还是，规模是一个可以确定衡量的变化，它会带来用户规模和用户需求的变化，对技术和产品的变化，也会带来组织和能力的变化。

张小珺：学习苹果会给你们带来什么直接的改变吗？

李想：在组织和能力上，我们一直在学习。因为组织能力挺难自己发明，除非我们大到了一定程度，没的可学了。

我们最开始，先是学的丰田工作法，学习GM研发流程的方式，也学习谷歌OKR，把不同的业务团队对齐的方式。

这个帮我们很好地完成了第一个阶段——理想ONE的研发和交付，并且理想ONE也帮我们创造了超过100亿美金收入，卖了20多万辆。

第二个阶段很重要的一点，我们在想：从一个百亿收入，怎么往千亿收入走？

我们当时研究过苹果，但觉得人才密度不够，甚至没看懂苹果，所以转而向华为学习。

当时有很多华为的书，华为非常愿意把这些能力写成书分享出来。我们第二阶段向华为学习了组织能力——包括IPD，财务、流程、人力资源的三支柱。这对我们帮助很大。

这些能力配合着理想L系列的平台化研发能力，以及更大规模的销售团队管理能力，销售团队背后还有三支柱的赋能和约束——我们就快速地在新势力里，借助L系列的产品，做到超过1000亿收入。这是我们的第二个阶段。

我们做到1000多亿收入以后，也知道靠这个能力还能做到2000亿、3000亿，但3000亿以上怎么办？

张小珺：这是几年后的事情？

李想：3年之内的事情吧。

如果再往上，看1000亿美金，甚至1万亿人民币的收入，还有哪些公司的能力值得学习？他们是否经历过和我们相同的阶段？

这时候我们就发现，苹果又是个更好的榜样了。

张小珺：为什么是学苹果？——它也不是一家AI公司。

李想：最重要的是学能力。

苹果最开始也不是个手机公司，苹果也不是一个MP3播放器公司，苹果就是个电脑公司。它能从一个电脑公司，变成一个音乐播放器公司，到后边变成一个手机公司，再变成一个软件的服务生态公司，它也在不停地变化。

张小珺：今天的理想是谁？

李想：如果看到2030年，我们希望能够成为全球领先的人工智能终端企业。

张小珺：现在加了“终端”，这是一个变化（相比2024年底的访谈说，理想要成为一家人工智能公司）。

李想：它不是个变化，是因为过去没做这个选择，但今天这个选择很清楚了。

张小珺：这是今年的选择吗？

李想：去年底、今年年初开始来做的选择，也是相互碰撞出来的——因为我们知道我们希望成为谁，但更重要的要回答我们是谁。

我跟团队讲，1975年出现了Apple II，后边又出现了Mac。这是苹果这家公司，它在做终端，做的是软硬件结合。

同一时期也会出现微软，它先做了DOS，后来又出现了Windows，做的实际是操作系统和软件生态。这是两种完全不同的取向，没有什么对错之分。

但在那个阶段，很显然，微软赢了。苹果遇到了很多挑战，但苹果至少活了下来，因为它有自己独特价值。

2007年，同样，出现了iPhone，这是苹果做的。苹果又选择了做终端，只是这次除了软件和硬件以外，还加了整个服务的结合。苹果的服务做得非常之好，服务利润收入也占比非常之高。它变成三个能力的结合，但它的定义还是终端。

这时，紧接着就出现了安卓，当然不是微软，而是谷歌的角色了。

安卓又做了手机操作系统，还做了整个服务生态——操作系统是开源的，但服务属于它自己——无论是Google的Map，还是Gmail，还是Google商店，这个模仿App Store的体系。

如果拿整个移动互联网时代看，苹果和谷歌基本不相上下，因为这是全世界唯二每年净利润接近1000亿美金的公司。这非常成功，他们仍然做了两个完全不同的选择。

回到我们今天在人工智能时代，也一样。今天我们能看到很多问题是，因为没有Action，你需要Action的时候就需要终端。你不能只“知”不“行”，得“知行合一”，那才是更大价值。

同样会有企业像OpenAI这样——它会做模型，甚至也会做模型的Agent OS，它会做这样一个生态，开放API。但也需要有这个时代的终端公司。

当然我们为什么先切入自动驾驶？因为自动驾驶足够大，汽车是个足够大的市场。

只不过，我们可能不会限于这一个终端——当这个终端做成以后，我们的能力能不能覆盖到用户，让他生活、工作得更好，是属于AGI时代的终端。我们不会再做上个时代的终端。

但是我们一旦要进入到任何一个终端，它必须得符合我刚才说的四个特点：

• 有物理世界的360度感知能力；

• 有认知决策能力；

• 有真正的Action执行能力——无论是控制机器还是执行软件；

• 有真正的反思和反馈能力。

软件部分，有三个变化：

• 第一，我要有非常好的模型能力，尤其是我要对物理世界理解。我不仅要能看清道路上的车、理解修路和胡同小巷，还得能看懂导航地图，能看懂所有软件。

• 第二，我要有非常好的操作系统能力。人工智能时代的端要是实时的。它不能像安卓那样是一个任务排列，也不能像传统Autosar是一个链式的。

你得有效利用计算上的NPU（神经网络处理器）、MCU（微控制单元）这些内核，确保实时性和准确执行，所以操作系统性能要求很高，要能在物理世界和数据世界中运行。

包括我能不能做出更高性能的虚拟机？如果用户的本地电脑工具不够用，我们能不能提供更强的虚拟机？这也是操作系统的能力。

• 第三，要做好各种各样的工具——是符合我们需求的高效工具，让Agent能调用。这三个软件能力缺一不可。
  
  

从硬件的能力上，我能看到三个变化：

• 第一个变化，是本体发生变化。

我们要把车控制得更好，就要自研整个线控系统。后面在本体方面的需求，计算单元之间的关系和部署。比如，对于车，并不是一定要有一个中央大脑。因为任何一个端到中央大脑的距离很远，我可以不可以采用“一个中央大脑+几个分脑”？

这样用最少的线束、最好的传输效率，实现既有集中计算又有分布式计算，而不是一个大脑在工作。这些硬件本体的设计会发生变化。

• 第二个变化，是NPU（Neural Processing Unit，神经网络处理单元）。

大家现在太关注于云端的训练和推理了。云端训练推理，大家可以通过架更多的来实现，通过改这个结构。那在终端上，如果我只能放3B模型，跑10Hz。但有一个人过来能放30B模型跑10Hz，这就10倍的性能差距，所以我这方面要求更高。

当大脑变得很强，NPU像心脏，心脏也要变得更强。这没什么捷径，你后边的要求越来越高，甚至今天很多架构都已经不太实用了。

• 第三个变化，是制造环节的变化。

整个工厂为什么不能变成一个机器人？小时候我们看过《变形金刚》动画片，有的机器人像擎天柱、威震天，能变形；还有的像宇宙大帝，本身是一个星球，整个身体就是机器人。我们能不能用AGI来生产AGI的终端？

今天，工厂也面临这样的机会。很多人想的是，造一个人形机器人进工厂替代人，但我认为有两个问题：

• 工厂里人的成本占比并没有大家想象的那么高，替代起来并不划算；
• 这些就业岗位长期来看还是必要的。

我们真正该关注，如何通过AGI把工厂变成一个机器人，去简化工厂里繁琐复杂的环节，从而提升生产效率——而不是单纯替代人。我们应该关注生产效率的提升，而不是关注人的替代。只关注替代人，我认为是狭隘的。

除了软件上、硬件上，服务也会发生变化：

很重要的一点，我们并没有办法写一套传统的IT软件，包括靠人去接管这些AGI、去管理这些Agent。这是一个非常大的挑战。

所以，包括英伟达去做Cosmos在内的东西，包括我们来构建交通的世界模型，包括我们去做Agent OS，核心是在于运营。

一方面，我们怎么运营这些跑在物理世界的AGI机器人，无论是车还是其他形态的机器人。还有一个很重要的方面，我们都在讲，一个人要和几个Agent一起工作，或者一个人带领几个机器人一起工作。但到底怎么工作？它是Agent OS的形式，还是其他形式？这也是必须要去解决的。

你既要解决AGI运营本身的问题，也要解决AGI和人的连接的问题——这是服务。

今天这个命题对于所有的企业都一样。

至少我们看到，这是我们未来的3-6年要去解的题：

• 怎么解决一个AGI终端软件层面的三个问题？

• 怎么解决硬件层面的三个问题？

• 怎么解决AGI运营以及AGI和人连接的运营服务问题？

它们都是接下来的挑战。

09 李想的理想会不会太过于理想？

张小珺：我感觉你要做的事情好多。

李想：也没有好多——如果这些问题不解决，就会是今天这种现象：

大家都觉得AI很厉害，但每天工作时间变得更长，不靠谱的信息变得更多，陪家人时间变得更少。

张小珺：我知道你们内部把机器人划分成“穿戴机器人”、“空间机器人”和“家庭机器人”。你们对于机器人的节奏和规划是什么样的？

李想：并不可能直接上来给出节奏，还是要根据行业进展，做相应的研究和分析，以及哪些能力要自己去解决。

很多人说，眼镜会是未来的一个我们穿戴的终端，或者穿戴的机器人。但今天它不是。

这里边还有很多问题。它确实具备世界360度感知，但今天的显示是不行的。无论是光波导的显示还是几种显示，并不能变成一个真正长期使用的方式。包括电池的电量、独立的计算、通讯，这些问题都是要解决的。

我们相信有一天，它可能会是多种路线里边其中一个，可能会成为人类穿戴AGI终端的一条路径。但今天还不是，有很多问题等着大家解决。也可能在解决的路上，又有另外一个路径出来，跑在了前面，都有可能。但我们要去做这方面的研究。

在家也是一样。到底是一个人形机器人去服务所有的，还是最后我在家里应该有一个更好的感知和一个更好的大脑？可以是一个人形机器人，在厨房里拿着人类的铲子、锅，然后去工作；也可能我只需要有一个改造的锅，它就直接能做菜了，整个家里有一个统一的大脑和统一的感知。

这两种路线都有可能，每一条路线都有自己的信徒，这些东西接下来可能都会发生。

张小珺：什么样的终端是理想会做的，什么样的终端是理想不会做的？

李想：这件事的判断只跟我们的规模相关——我们规模小的时候，就尽可能收敛；规模大的时候，我们必须去扩张。

如果谷歌不做成功操作系统，只做搜索引擎，它就不是今天的谷歌；

如果微软不去做Office，不去做云服务，它就不是今天的微软，可能会和众多被淘汰的企业一样，只是时间长河的一个过客；

如果苹果只是坚持做Mac，不做iPad，不做iPhone，它可能就是另外一个企业，和其他曾经出现过又消失的电脑企业一样。

张小珺：你说理想是“人工智能的终端公司”，但大家对于理想的业绩兑现还是看车的销量，你觉得这合理吗？什么时候车的销量能够跟你投入做人工智能挂钩？

李想：我们的能力和给用户带来的价值还没表现出来；如果相反给了我们这方面的估值，我们反而心里慌。

两个方面可以来看：

• 一方面，我们能不能率先做出来L4？

大家上下班不是坐在方向盘前面，而是坐在桌子前面，吃着东西，看着电脑，去公司。这一刻，我们能不能加速它的到来？

• 另一方面，从工作效率上，有车企接近100万人，做到了7000多亿人民币收入，做到千亿美金的规模。当人工智能出现以后，我们能不能用10万人以内，甚至5万人规模，做到1000亿美金的收入？

如果这些做到，就证明我们的人工智能战略真正发挥价值。如果没有做到，那就应该给我们一个车企的估值。

这很正常——因为光说没做，或者做了没做到。

张小珺：你们现在又做操作系统，又做芯片、基座大模型，还在终端上做了车、眼镜、机器人，摊子会不会铺得太开了？

李想：没有，如果看苹果，苹果是2001年推出iPod，在2000年已经有苹果电脑、操作系统和软件生态。但那时苹果的收入只有几十亿美金。

如果对比苹果那个时代，我们的规模已经可以做这些事情，是合理的。我觉得问题并不大，是合适的时间。

如果我们只有200-300亿收入，做这些事情是不合理的。但如果我们有1000多亿收入，并向2000亿迈进，做这些事情就是合理的——它既能增强我们的能力，又能降低成本。

它不是带来坏处的。我们做了操作系统以后，虽然这些年投入10个亿，但它节省的钱可不是10个亿，可能有50-60亿。

太划算了，干嘛不做？（笑）

张小珺：上次我问你，理想有理想吗？这次想问你，你对理想的设想会不会太过于理想？

李想：我觉得我们会看得远一点，但我们当下还都是挺脚踏实地的。我始终坚信基本功是最重要的——尤其是到了人工智能时代，到了这个规模。

因为人工智能时代的差异就是：编程时代对比的是功能，人工智能时代对比的是能力，是把能力怎么变成业务，然后变成用户价值。

这些能力没什么捷径，想要跳过能力直接实现一个成果，在人工智能时代真的像练《葵花宝典》。我们希望是一个练基本功的人。

张小珺：理想会因为什么消失？

李想：刚才我说的那三个点都会消失：

我们没有把握住用户的需求，我们会消失；

我们没有掌握最好的产品和技术，我们会消失；

我们的组织能力方面出现了巨大的问题，我们也会消失。

这三个是个非常好的诊断。单独看一个，容易看得不够全面。把这三个放在一起来看，相互支撑，整个系统诊断能力会变得更强。

10 构建3-7人能量体

张小珺：在战略会上，现在还有人跟你争执，对你提出反对意见吗？

李想：无论战略会上还是现实工作中，是始终有反对意见的。比如有些东西我停掉了，最后他们自己私下做，做出来一些验证，坚持要做下去，我最后还是要认同他们。

这些所有的讨论、争执、吵架，背后有一个更重要的一点——是能量。

当人和人之间的能量始终存在的时候，这些争执、讨论、吵架就是一个更完善的大脑。

当这些能量消失的时候，这些争执、讨论、不同想法就会变成内耗。

我觉得，到了今天这个规模，到了今天这个比较混乱的时代，能量是特别重要的——这也是我在研究的。

我过去是能量的受益者。

每到关键时刻，遇到困难、变化，我们的能量会变得更强。后来我去复盘，我过去怎么构建能量？我怎么把这种能量构建方式让我们的核心团队掌握？

很重要的一点，汽车之家为什么能变成第一？我们也遇到非常多困难，困难并不比别人少——上市受阻，发展初期我差点被赶出公司——但每次遇到问题，我们都会变得更强。很重要的一点，我们有三个人的心力支撑：我、秦致、樊铮。我们三个人是非常有效的支撑。

我经常说，一个很重要的支撑是由三个人起，合伙制、合伙机制通常是三个人起。很少见两个人董事会，但三个人董事会是有的。

三个人的支撑是什么呢？三个人不内卷，一致对外。但三个人会通过吵架、思考，形成一个更全面、更强大的大脑，或者一个MoE架构。

这个强大大脑讨论出来的任何问题、做的任何判断，虽然过程比一个人思考复杂，但一旦形成，三个人会形成一个更强烈的心脏。

当我们去决定做事情，三个人相互支撑。你永远不用担心倒下——你缺资源，其他人给你补；你缺能量，其他人给你能量。如何构建一个更强大大脑和心脏，变得非常重要。

到了理想汽车也一样。前期有我、沈亚楠、马东辉、李铁。后来沈亚楠离开了，他的工作需要马东辉支撑上去。但很重要的一点，我和李铁必须变成马东辉的心力支撑。你去做，出了任何问题，你绝对不会倒在地上，我们帮你撑着。遇到问题，我们一个大脑一起来想。

包括后来谢炎加入，邹良军加入，形成五个人的更强大脑。它一定比我李想一个人的大脑更强。

虽然一个人大脑可以随心所欲，但一个更强的大脑是更强的能力。这个更强大脑做了很多判断，虽然不容易，但一旦做出，更有信心。

张小珺：怎么样的能量最稳固？

李想：是几个能力差不多的人（形成）。

我过去自己做得很好，但如何把这个能力、方法有效传给团队，是2025年对我而言非常重要的任务。

张小珺：理想现在有5个群组，为什么你自己管理的人是最少的，只有500人？

李想：我并不拒绝公司有合适的规模——业务规模、人员规模——它是自然而然形成的。

我管理的团队比较像Tim Cook管理的CEO办公室。我管理的团队都是做整个公司横向拉通的——无论是产品部在构建平台能力，还是营销链条的完整拉通，再到战略。我做的都是横向团队。

另外几个合伙人在管理大规模专业组织方面比我更有优势。老马管研发团队和供应链团队，谢炎在管这种像操作系统、像云服务、像芯片、像基座模型这些底层扎实的基础能力的……他们肯定都比我更擅长。我就做我擅长的事情就可以了。

张小珺：多少人形成的这种能量场的连接，最稳固？

李想：一般3-7人。少于3人太少，2个不太容易，多于7人就太多了。

我们今天设计很多结构，会有意设计一个3-7人组合的脑力和心力支撑结构。

张小珺：这是可量化的还是你的直观感觉？

李想：是我的直观感觉。这也符合人工智能时代的方式——更多的小组织形成能量、脑力和心力的支撑，但仍然可以连接更多组织，不受任何影响。

张小珺：人和人连接的本质是什么？

李想：两个在意：

• 在意用户，在意用户是最重要的价值观共识；
• 在意你身边这几个人，要先对人再做事，而不是对事不对人。

张小珺：你刚说人不想改变，但人愿意去成长，你最近做的一个成长和改变是什么？

李想：我最大的成长是如何通过合伙合作的方式，构建脑力和心力组织方式，让更多团队使用。这是我最大的成长变化。

11 高维组织兼容低维组织

张小珺：我听说你现在花8/10甚至9/10的时间在AI上，你对车的关注还多吗？

李想：这是误解。拿一天分配来说，我大概60%的时间在组织和人上。包含研究人工智能组织应该怎么管理，我要面试不同的人，包括干部、新员工、校招的沟通培训。这些占了我50%-60%工作。

另外的工作，一半在车的业务上，一半在人工智能的业务上。

张小珺：向人工智能企业的组织转型，现在进展怎么样了？有遇到什么阻力吗？特别是当有两种企业文化，一边是汽车、制造业的文化，一边是AI的文化，两边怎么调和？

李想：这个我比较有心得——高维的信息管理方式是兼容低维的。

我们数字化能力很强，就可以把传统汽车流程放入数字化体系，解决数字化工作协作和改善的问题，销售管理也可以放在数字化体系里管理。所以，一些传统组织方式仍存在，但高维组织方式可以兼容它。

我们做汽车业务，并没有因为管理工厂而难住，相反，管理效率高、质量也好；也没有因为管理销售而难住，销售效率和成本管理都变得更好。核心是我们具备管理更复杂大型软件团队的能力，并理解这种体系。

到人工智能时代也一样。人工智能有自身的管理方式，但优秀的人工智能管理方式能兼容传统流程，比如IPD（集成产品开发）流程。这是我们在往前探索过程中看到的非常大的好处。

张小珺：DeepSeek的组织是一群很年轻的人，他们有更少的职级，分工没那么精细，跟你们这样的组织形式完全不一样。你们需要像他们这种组织去靠近吗？

李想：不需要这么纠结。比如，我们管工厂是一种组织方式，做操作系统是另外一种管理方式，研发车一种方式，做辅助驾驶又是另一种方式。

我们真正做端到端的团队只有200人，虽然公司内部有700-800人，包括搞研究和做数据的，但真正做端到端只有200人，跟特斯拉规模差不多。但你知道，我们的竞争对手做规则算法的团队有2000、3000、4000，甚至5000、6000人。但从最终产品体验看，我们200人做的端到端体验至少今天来看更好。

做模型的团队也要做VL（视觉-语言）训练和多模态训练，但团队规模也是100多人。和DeepSeek差不多。DeepSeek在语言上做得更深，而我们做得相对更宽一点。我们的辅助驾驶团队和模型团队，校招占比极高，有60-70%是校招。

当时我和梁文锋聊完，印象特别深的两点：

怎么去搞研究？他认为年轻人做研究更合适，因为经验反而可能成为障碍。我们大胆用校招，很少招行业大拿。

张小珺：这是梁文锋给你的input（输入）？

李想：我们是这么做的，但别人会质疑我们没有大拿，我们坚持这么做。我们辅助驾驶团队没有大拿，模型团队也没有什么大拿。但可能中国没有任何（汽车）公司比我们的团队，被猎头盯得更紧。

另一方面，对我们也是个重要的启发。当时我和谢炎一起见了他，我说如果做强化，怎么做有效反馈？

当时他提了一个非常有意思的点：他说，中国教辅材料是一个具备反馈的非常好的做强化的体系。后来发现这事是对的。

中国的教辅有完整的讲解题过程，连公务员的考试都有。这是个非常好的思路。我们自己在做很多训练的时候，也就这么想了。其实交通规则是，人类判决的舒适度是，人类的接管是，都是让强化有了一个非常有效的训练体系。这对我们有非常好的启发。

张小珺：他还有给你过什么input没有？你当时有预感到DeepSeek会很强吗？

李想：我觉得他很强，但没想到他那么强。因为当时跟他聊的时候，他认为和OpenAI的差距还有得有1年时间。（笑）

张小珺：他们那时候还没有做R1。

李想：对。从o1到R1推出，这个距离是2024年9月到2025年1月，大概就一个季度。这非常之厉害。

张小珺：在你看来，OpenAI领先优势能持续多久？

李想：不好说。OpenAI是个综合能力很强的公司，它的研究很强，研发很强，产品很强，沟通能力也很强。

你看这一波，生图的方式，又借助带有情感的动画漫画方式，实现了爆火。我有1/10的朋友微信头像都用了吉卜力风格。（访谈时还没有推出Sora 2）

张小珺：By the way，梁文锋一开始就觉得应该让年轻人做研究，他有说原因吗？

李想：我始终认为他就是个最佳实践，只是他把这个最佳实践在组织里放大。

张小珺：他是一个什么样的最佳实践？他这个最佳实践跟你的最佳实践有哪些不同?

李想：做任何事情先搞分析，再做，成功率就很高。他是一个成功率很高的最佳实践。无论是大家说他当年炒股票还是做量化。只是他把这个最佳实践在组织里内化了。

张小珺：你是一个怎样的最佳实践？

李想：我是通过成长去来实现用户的价值——是这么一个循环。

成长是我的驱动力，变成用户价值、变成商业价值是一个结果——是个因果关系。

张小珺：你不像梁文锋那样是技术型CEO，你担心手下的AI高管忽悠你吗？

李想：如果是科学，他可能忽悠我；但如果是工程，他忽悠不了我。幸好AI不是科学， AI是工程。

张小珺：为什么工程忽悠不了你？

李想：我从小就有很好的工程思维。

你看我在设计网站架构的时候，当年设计的汽车之家架构是最先进的，这个架构成了所有垂直网站统一的架构，到今天都没变过。

我们设计增程架构，今天大家都没变过增程架构，只能做小的修修补补、局部变化，但那个架构至今都没变过。

我从小比较喜欢物理，只要是一个工程问题，他骗不了我。

工程能力很多时候是，你怎么去问结构性问题。我虽然不去做那件事，但我通过问一些更好的问题，他们可以变得效率更高。他们在内部推动各种事情，进展上也会变得更快。这是我能给团队带来的一些帮助。

张小珺：你觉得理想今天的人才密度够高吗？怎么和DeepSeek、字节抢人才？

李想：DeepSeek跟我们是不同的方式。但如果抢人才，我们的吸引力在变得越来越好。真正做AI的人都知道，场景、数据、持续的资金、这个公司到底是真相信还是只是嘴上说一说，这几个关键点背后到底意味着什么。

张小珺：作为一个“CEO大模型”，你最近通过思维链（CoT）自我推导最长的一个问题是什么？能不能展示一下你的思维链？

李想：战略是最重要的推理。

规模跟时间连在一起。往后看3年、6年的收入，基于这个收入我要去推理——用户的需求发生什么变化？技术发生什么变化？技术带来的产品发生什么变化？组织应该往哪里走？

这是我最近做的一个在自己脑子里完整的推理，但推理完了没有用，还要把它变成Action——有想法和能落地还是一个巨大的鸿沟。

张小珺：你们今天说理想是一个人工智能终端公司，似乎比去年底更具象化了。之前，有考虑过要成为平台型的AI企业吗？

李想：没有，并不清楚。

虽然在PC时代苹果输给了微软；在移动互联网时代，苹果和谷歌我认为打了个平手；但我觉得到了人工智能时代，尤其是在物理世界这个范围，可能会翻过来——至少在物理世界，终端企业的价值会战胜平台企业。

因为AI终端涉及生命安全、财产安全，是一个主体来解决还是分离多个主体去解决？是不一样的。

张小珺：你们能成为下一个时代的苹果吗？

李想：这是我们努力的方向。

成为AGI时代一个领先的终端企业，是我们核心成长目标。

第四章 

记忆、亲密关系与人类智慧

12 我的记忆程序

张小珺：今年7月是理想创立10周年，站在今天回顾这10年走过的路，你脑海里浮现最深刻的画面是什么？

李想：第一个最重要的画面是，2018年理想ONE第一次发布，延续到2019年4月，上海车展第一次带有价格正式展示。那是一个非常重要的时刻。我们真的做出来一辆车，这个车特别受用户喜欢。在上海车展展馆，我们是人流量最大的一个展台。我们从一无所有开始的。

另一个是2022年发布L9，L9是卓越的产品。到2025年，还有至少5个以上企业因为当时L9的成功，在打造跟L9相同的产品。

张小珺：你脑海里浮现的是幸福的时候，而不是痛苦的时候。你会回忆到痛苦的时候吗？

李想：太多了，太多了。刚经历了L9的幸福，就出现了全网黑公关，说理想汽车倒闭，那一个季度我们亏了将近20亿——原来从没亏过那么多。

忽然从巅峰掉到谷底。

但好处是，我们认识到很多能力不足，补了很多能力。正是因为这件事，我们的调整又带来2023年获得接近3倍增长，直接做到1200亿收入。

反正我创业那么多年，很多时候当问题来的时候，也是更大机会的到来。我对这方面也没那么纠结。

我对于不正常的事情耐受力很差，但我对于一些不好的东西解决完以后，我的整个记忆能力也很差，会把它忘掉。但你让我回顾还是能回想起来的。

张小珺：你刻意删掉的记忆片段会是什么？

李想：我为了让自己有更好的正能量，还是尽可能只保留那些有价值、美好的片段。

哪怕一个不好的东西，比如我们被黑、被打击，我会转变成——“看，正是因为这件事我们增长了3倍，我们获取了其他新势力所没有的能力，我们面临其他新势力所没有的挑战”——这样的方式来表达。

创业不容易，但是没必要苦哈哈的。

苦和甜，是一个硬币的正反面，取决于你选择看哪一面。

张小珺：甜多还是苦多呢？

李想：如果按时间轴，肯定是苦更多，但吃苦多了也就习惯了。

张小珺：余凯博士（地平线创始人兼CEO）回忆跟你第一次见面是在杭州一起去爬山，你们是湖畔大学的同学，你那天穿了一个军大衣。我很好奇余凯博士见到的那个军大衣里包裹下的，是一个怎样的灵魂？跟今天发生了什么样的变化？

李想：我觉得没什么变化。我甚至认为我今天90%的状态、思维方式跟我上高中差不多。

遇到问题去解决问题，解决别人不愿意解决的问题、解决消费者遇到的最大问题、找更多的人学习。那时我是个人网站站长，我又有合伙人，是少数有小团队的站长。靠自己能力不行的时候还要靠别人，完善能力。到今天为止我没变化。

只是解决的问题在变大、服务的用户群在变大、公司规模在变大、组织在变大。

张小珺：过去10年中所有的记忆里，如果能改变一个记忆程序，你想改变什么？

李想：我真没什么要改变的。能赶上这么一个时代，几次创业还能一路走下来，最难的时候都有人来帮你，当你遇到问题总能从坑里快速爬出来，一帮人齐心协力变得更好——挺幸运的了。

从运气层面，从能够创造出价值的层面，没什么可后悔。

挺好的。

13 大女儿

张小珺：你刚才提到的一个词是“能量”，怎么让自己成为更有能量的人？或者能吸引到更多有能量的人？

李想：就是关注人，尤其关注那些离你最近的、关注亲密关系的人。

首先你得先关注自己。我会怎么来看待自己？

• 第一，我会接受自己的所有优点。我很多身上的特质、这么多年的积累、从DNA里带来的，就是我的优势。我应该怎么去发扬自己的优势？

• 第二，要能接受自己的不足，往往不足是优势的另外一面。有的人擅长决策，就没办法做很细致的运营，这两件事是冲突的；有的人擅长运营，就很难跳好几个维度去做决策；有的人很懒，但可能是极品的产品经理；但如果他很勤奋，应该是非常好的业务运营。

每个人是不一样的。我们要改的话，会变成一个更差的别人，以及一个更糟糕的自己。

• 第三，是用成长替代改变。更重要的是我有没有成长？

我们在做汽车之家的时候，我说做好业务就行了，资本不重要，最后我们折在了资本上。做理想汽车就非常注重资本——请最好的FA，请最好的律所，股权架构的设计，投票权，今天大家可以看到所有的新势力企业里，理想汽车的股权架构、治理结构、资本现金管理都是做得最好的。我并没有改变我的业务，是增强了一个能力，所以它是个成长。

我们会面临方方面面的能力成长，这时就能给自己带来能量。你的成长有自己的能量，你又不跟自己纠结。

当有这个能力的时候，我们看待别人也一样：

• 第一，我会先看别人的优点。这优点能带来什么？这优点怎么发挥？

• 第二，当看到别人不足，根本不是问题。我从创业开始就有合伙人。樊征就是我的互补，是我所不具备的，秦致是我所不具备的，李铁、马东辉、谢炎都是我所不具备的。

当看到大家这些不足，反而是我的价值。我有价值能帮助到他，他有价值能帮助到我。

• 第三，去看别人的成长。你能看到孩子的成长，能看到爱人的成长，能看到身边每个同事的成长，这就有能量。

张小珺：成长带来能量。

李想：变好就有能量。而且你关注的是人的成长，不是那些事。

第一，你能自己产生能量；第二，你能带给别人能量；第三，你能从别人那获取能量。

因为别人给你能量，别人也不会丢掉能量，是个辐射作用。

另一方面很重要的是亲密关系。亲密关系里特别重要的一点是关注人——我需要我的爱人，我需要我的孩子，我需要李铁、马东辉，我需要刘杰、解卫国、范皓宇，甚至超过了他们需要我。

首先是我需要他们，其次才是他们需要我。这时这些人之间的连接就不一样了。我们在一起就能形成一个非常强的脑力、非常强的心力，形成特别好的能量。这个特别重要。

而不是说，我对他们没有需求。没有需求会进入一个糟糕的模式里边——会无视对方；要么想着战胜对方，要么就是逃避对方；要么变成内卷、内斗。

没有。在我身边的人，无论是家里还是工作，没有内斗。而是，怎么让大家相互能带来能量。

张小珺：你最近看见的一个人是谁？

李想：在我的家非常有意思的一点，过去我和我老婆的相互支撑是有限的。从去年底春节过后一个最大的变化是，我们家大女儿形成了第三个支撑。

她14岁了，对事情的理解发生巨大变化。她自己的三观开始有效、完善地形成，超出我们的预期，而且她有能力跟我们做特别好的沟通。关于她的人生规划、喜好、对人和事物的理解。

我们家里实现了一个“三人支撑”，这让家里的能量大幅地提升。这些能量会影响到其他孩子，虽然他们还没有办法做成支撑。

我每次跟我老婆聊到大女儿都非常高兴，没想到她14岁就能和我们两个人形成一个三人的支撑了。

张小珺：形成了你描述的能量体的最少人数。

李想：对，我们能跟她一起去讨论很多问题。可以讨论事情，讨论人，讨论不同见解，讨论她的规划，讨论怎么出去玩，讨论家里要解决一些什么问题。都可以，我觉得这个特别好。

张小珺：有什么事情是你当爸爸之后才理解的？

李想：三个重要的点：

• 第一，我每个孩子都是完全不一样的，让我认识到很重要一点：怎么用好人——人是用来发挥的，人不是用来改变的。

你应该让他发挥特长。一个人是应该是放大和发挥他，而不是让他去改变。因为我连孩子都不能改变。

当你意识到这一点，组织就很重要。你要把不同特点的人、不同擅长的人，组合在一起，就是个更完整的大脑、更完整的心脏和更强的能量。有孩子以后会加强我这方面的认识。

虽然过去书上很多人讲这些，但我听不懂。有了孩子以后才能开始真正懂这些。

• 第二，很重要的点是意识到一个问题，我会这么做，但我从来没有意识到这背后的逻辑是：对于身边的亲密关系而言，我需要他们超过了他们需要我。

我需要孩子，孩子让我变得更好；我需要我爱人，我爱人让我变得更好；我需要这些群组负责人，我需要下边的一级部门负责人，是他们让我变得更好。他们对我的重要性甚至超过了我对他们的重要性，至少我是这么认为的。

在亲密关系里，你要大胆表达自己的需求，因为所有人都希望被需要，这会产生一个非常好的能量场。

• 第三，孩子是用来完善我的。看到他，你能看到自己更多的不足，你能看到更多不同的人。因为孩子对你是没有掩饰的，每个孩子都不一样，他能让你把人看得更全面、更透彻，也能让你更好去处理人和人之间的关系。

因为孩子你没得选，但你仍然要处理好，这对我们是更大的挑战。

张小珺：当有了“我需要你比你需要我更多”的意识，会带来什么行为的变化？

李想：你会更积极主动，不会等着很多事情变得糟糕再去做。

你会以关注人的角度去理解，比如当你关注孩子需求的时候，他就会更多去讨论自己的需求。当你关注孩子擅长的时候，他也会不断发扬自己的擅长。每个都是不一样的。

但这时候能量的主动权又在我们自己手里。别人能够带来能量，但能量的主动权在我手里，我们可以主动去做很多事情。

张小珺：构建家庭这个组织和构建公司这个组织有什么不一样？

李想：我认为同等重要。我们工作的同事对我们来讲是不是亲密关系？我说当然是了。

我们的工作体现出来社会价值。很现实也很合理的一点，你是一个好的公司管理岗位的人，你带孩子去最好的学校面试，你会优先被录取。

这个东西到底合理吗？合理。因为你在一个好的公司，在那岗位上创造了更好的社会价值，你服务了更多的群体，你提供了更好的产品和服务，他们使用以后变得更好。

工作是我们的社会价值，一个人不能脱离社会价值。当你有社会价值，你不知道；当你真正没有社会价值，你会发现社会价值是如此重要。

另一方面，家庭是亲情价值，亲情价值的终点是幸福。幸福就是高质量的陪伴。

这两个是不同的，但这两个又是相辅相成的。更好的工作才有更好的生活，更好的生活会产生更好的能量，也让大家去更好的工作，更好的去处理连接的关系，有能量把结果做得更好，做得更卓越。

这两个相辅相成，缺一不可。

张小珺：所以家庭的要义是幸福，组织的要义是价值。

李想：我觉得是。组织的要义应该是信任和价值吧。嗯，信任和价值。

张小珺：你最近5年有跟谁闹掰过吗？

李想：我的亲密关系基本没什么闹掰的。但如果一个人想变成我的亲密关系，这很难。我会有非常严格的筛选。并不会一个人刚见面拍着肩膀说，哎咱是好哥们儿、好兄弟。这对我很难。

我核心的一点是，它是给我带来亲情价值，还是给我带来社会价值，还是像我的兄弟哥们儿一样相互理解？——他到底是哪一个？

如果他不是这个，他就是正常社会中的一部分，他伤害不到我，我也不需要跟他闹掰。我对他没有什么价值索取。我对他没有需求。我也不需要给他贡献什么。他是人生中会出现但无关紧要的人。

不要构建那么多亲密关系。亲密关系太多了就证明这个人不会经营关系。

张小珺：亲密关系的上限是多少人？

李想：你的直系亲属是，从小到大几个朋友、哥们和闺蜜是，工作中跟你一起扛责任的人是。大概就这些。

其他关系也有，但并不是亲密关系。能给我们带来伤害的只有亲密关系。

它既能给我们带来伤害，也能给我们带来价值和能量。如果价值和能量处理不好就是伤害，伤害解决了又会变成价值和能量。

14 智慧只需要前进一点

张小珺：我之前跟一个教授聊天，他说他几年前跟你聊完，感觉你的心灵观就是家庭观。这也反映到公司上（要创造幸福的家）。他想问的是，你有没有更大的宇宙观、世界观？

李想：我核心的自我驱动力是掌控自己的命运，挑战成长的极限。

我成长的过程，是把我个人的驱动力，变成了一个个人网站的驱动力，变成了一个IT商业网站的驱动力，变成了一个全世界第一的汽车网站的驱动力，又变成了一家汽车以及人工智能汽车公司的驱动力。

这个驱动力非常有意思，为什么我们那么喜欢人工智能？人工智能本身的价值观跟这是一致的：人工智能的特点就是掌控自己的命运，挑战成长的极限。

这是我能看到的生命成长的意义。它具备相当普适性。

至于说是不是要拯救人类什么的，可能每个人观点不一样。

我们从出生开始，上学到大学毕业到开始工作，有多少自己想去做的事情没有去做？有多少想接触的万物没有去接触？但什么是智慧呢？——智慧就是我们跟万物的接触。

如果你没有去过森林，没有在森林里认真住过几天，你可能觉得木头就是做筷子的，就是做纸的，就是做桌子的。而并不是意识到它是一个生命，是跟我们不同的生命。

如果你不能跟孩子在一起长时间待着，而只是很随便交叉而过，没有跟孩子在一起长时间生活体验，跟他们一起去玩，你可能就不知道什么是亲密关系，就没法真正去理解孩子。

智慧就是我们和万物的关系。

怎么去提升我跟万物的关系？首先要有足够的时间跟万物接触。

一个很重要的问题就是，今天我们很卷，但这恰恰是真正的人工智能的意义。

举一个例子，我们的销售人员、我们的产品专家，非常喜欢跟客户接触。他们在把一个好的产品、一个好的生活方式介绍并交付到用户手里，他们做这事是有能量的，这些能量变成结果又有好的回报。

但有一些是必须得做，但价值并不大的——它不是增加能量，而是消耗能量。比如我们每天店面要去邀约客户，给我们留下联系方式，我们打电话邀约他来店面体验和试驾。每天要打很多个电话，这个过程很消耗。

我跟我们的智能商业、销服负责人讲，如果到今年结束，邀约电话还不能交给Agent解决，你们工作就是不合格的，人工智能就没有意义，讲什么都白搭。

如果把这些工作做了，每天节省他们20%-30%时间，减少大量能量消耗，他们就可以去做更有价值的事，他们时间的使用率变得更有效，他们做工作会变得更有能量。

张小珺：你觉得人工智能截止到今天，它是在服务于人类还是在服务于技术本身？

李想：它服务于谁取决于人类。今天人工智能并不能处理跟万物的关系，跟万物的关系还是人类在处理。那我觉得这是人类决定的。

人类希望人工智能服务于生产，它就能变成“生产工具”；人类希望它变成“辅助工具”，它就是“辅助工具”；人类希望它变成“信息工具”，它就是“信息工具”；人类希望它去作恶，它也能去作恶。

至少很长一段时间是人类决定的。人工智能能力已经变得越来越强，人类应该把自己的算力用于解决智慧，去处理跟万物的关系，去增加能量，去做熵减；然后让人工智能去处理复杂信息、数据，去提升能力，去压缩更多知识，去自动化做更多Action。

人类和人工智能是合作关系，不是矛盾关系。如果这个合作关系做好，人类仍然是文明的领导者，因为在工厂里边儿也不是人类去焊接，也不是人类去涂装，也是机器在焊装、涂装、冲压。

人工智能能力越强，这时需要人类智慧变得越强。好的智慧和好的能力就是协同关系。

张小珺：人能感受到幸福，AI能吗？

李想：当然不能了。至少Transformer这个架构，这个Token和Next Token的架构，并不具备自主意识。

张小珺：你不认为它会产生意识？

李想：我觉得没有产生自主意识，而且本身也不能进化，因为进化还是要通过做训练才能进化。

今天大模型的架构对人类是挺安全的。无论信息安全、财产安全、人身安全，都可以靠人类对齐去解决。如果突破了这个架构，可能人类又解决不了了。

但能不能突破这架构不知道，至少今天这个架构我认为人类还是安全的。很多人是多虑了。

张小珺：如果你可以做一个李想的硅基生命，你会想把它塑造成什么样？跟你是1: 1复刻还是你想改变什么？

李想：我希望它变得更聪明、更有能力。但我还是希望人类能够更有智慧。关于智慧在脑子里是怎么运行的，其实也不知道。为什么很多聪明的人一点都不智慧？

张小珺：我们今天解决的是智能的问题，没有解决智慧的问题。

李想：对。

张小珺：你从多少岁觉得自己开始拥有智慧了？

李想：2008年，我开始知道怎么处理和自己关系的时候。我特别注重处理跟自己的关系。就那次我要被赶出公司之后，我开始初步掌握一点智慧了。

张小珺：这几年的智慧升级是什么时候？

李想：还是要训练你去管更大规模的团队，要去面对比你原来见的水平更高的人，这需要你的智慧跟着提升。

张小珺：你怎么看待整个人类内部的纷争，包括贸易战、地缘冲突？

李想：由于人类智慧不怎么成长。今天在发生的事情，1930年也在发生。

我在想一个问题：智慧能不能变成一种有效的教育和训练的方式？这可能是人类解决自身问题接下来必须得去解决的问题。

张小珺：在你培养孩子的过程中，你怎么让他/她拥有智慧？

李想：比较小的话我会启发他们，我不会告诉他们怎么做，会让他们思考跟自己的关系——你自己喜欢什么？你擅长什么？什么是对你好的？

我们很多时候在做潜移默化的训练，但太随机了。某种程度而言，孩子0-12岁，是通过父母来认知自己；13-24岁，上初中、高中、大学到大学毕业，是通过同学和老师来认知自己；24岁以后，又不断通过社会来认知自己。

认知自己可以是随机的，那就是个命。有没有一种可能性也是可以训练的？让你变成一个更好的自己，也让你更好地和别人相处？这些有没有可能成为我们教育的一个学科？

很多时候我跟校招团队做沟通，希望的不是灌输，而是交流。就像希腊三杰靠对话，来产生智慧和哲学。

张小珺：提升AI的智能是有方法的，人类的智慧可以怎么群体性地增强？当AI的智力在无限提高，人类的智慧水平没有跟上，怎么办？

李想：有可能智慧只需要前进一点，就会解决很多问题。

比如，人类的智慧有了民主结构，有了不同时代的组织设计，相比动物可能有了婚姻关系，又产生了学校，产生了高等教育，这些东西都会在发生变化。

但我觉得，真的，你可以相信5年到10年，AI一定比人的能力更强。人干什么？这本身，如何去提升智慧，也是人类在解决自己的问题。

张小珺：我昨天晚上问了ChatGPT一个问题，他的回答令我感到震惊。

ChatGPT说：人类不一定永远站在进化之巅。人类习惯以为我是最复杂的智能，但如果AI演化出更复杂的意识结构或更有效的集体智能，那么人类也许不再是中心物种。人类可能是孕育智能生命形态的中介，人类正经历认知主权的让渡。

你怎么看它的语言？

李想：今天人类和AI之间的关系是一个未解的问题。如果AI解决了，AI就统治人类。如果人类解决了，人类仍然统治文明。

当然这肯定是历史至今，人类出现以后最大的一个难题。我还是有信心人类可以解决。

张小珺：需要人类一起做什么？

李想：把智慧当成一个重要的人类特质去发展。

只要人类掌握了整个智慧的制高点，人类仍然是文明的带领者。

张小珺：在AI面前，什么是值得被保留的人性？

李想：所有的人性都应该得以保留，无论是好的和坏的。

没有坏的，就没有好的。一个人优点的另外一面，就是他的缺点。

我们如果只想要好的东西，放弃所有不好的东西，这并不成立。你可以把好的东西和不好的东西都当成一种特质——它是文化的特质，生命的特质，性格的特质，能力的特质。

这样才是一个有生命力的世界，才是活生生的人。(转载自语言即世界language is world)