芯耀
1290
作者：熊宇翔，編輯：羅松松
不久前，退網多時的李想再次出現(xiàn)在公眾視野。歸來的李想一改往日單人演講式的發(fā)言方式，選擇了用接受媒體采訪的對談方式，探討了理想汽車在人工智能領域的戰(zhàn)略布局和未來愿景。
當然，形式雖然變了，但李想依然理想，本次對談保持了他一貫高信息密度、體系化的談話輸出。
上一次還是在2023年春天，李想選擇的主題是如何理解造車。這一次，李想的主題已經進化成了如何理解AI，以及，如何用造車通向AGI。
對這一次主題略顯宏大的談話，各方質疑正如采訪者張小珺所問：一個造車時選擇用增程開局的實用主義者，怎么似乎突然間變成了擁有宏偉AI愿景的理想主義者？
李想沒有直接回答，但三小時的問答和理想過去九年的實踐，本身構成了回答：做不做AI對他來說不構成問題，何處切入AI，何時All in AI，如何做好AI，才是真正的問題。
為什么從造車All in AI
作為一個相信AI的創(chuàng)業(yè)者，李想為什么不直接做AI，而要從造車切入AI？
看起來和問題關系不大，但最底層的回答是：為了更好地改造物理世界。這個答案的產生，則要追溯到十年甚至更早之前。
2013年，汽車之家在美上市，市值突破30億美元，成為國內最成功的汽車網站。這段創(chuàng)業(yè)中，李想培養(yǎng)了對市場的需求洞察、對產品的精準定義的能力，也錘煉了帶隊打勝仗的能力和對創(chuàng)業(yè)節(jié)奏的把握能力，同時，積累了財富和投資人的信任。
但李想創(chuàng)業(yè)最大的遺憾也恰恰來自這段經歷——選擇的創(chuàng)業(yè)領域過于垂直，以至于“為了一棵樹，錯過了一片森林”。
李想不止一次地用零售電商和汽車電商的命運分野，分析了這種遺憾。
在移動互聯(lián)網熱潮期，零售電商們不僅在線上提供了交易平臺，也顯著地改變了零售在線下的倉儲、物流、交付等環(huán)節(jié)，革命性地提升了效率?；趯ΜF(xiàn)實中零售業(yè)態(tài)巨大改造釋放出的價值，零售電商成長出多家千億乃至萬億級企業(yè)。
同一時期，汽車之家與其他同行嘗試用電商改造汽車零售，卻均以失敗告終。究其原因，汽車交易有更多無法被壓縮的環(huán)節(jié)發(fā)生在真實的線下而非虛擬的線上。對于一家大部分業(yè)態(tài)都在互聯(lián)網上，自身體量又有限的企業(yè)，大規(guī)模改造汽車交易還是太難了。
零售電商與汽車電商截然不同的結局，帶給李想的是兩點略微苦澀的啟示：
一是一家企業(yè)的價值，歸根結底要用“多大程度改變了物理世界”來衡量；
二是物理世界雖然還有廣袤的改造余地，但基本已是難啃的骨頭，互聯(lián)網打法顯出疲態(tài)，得使用更先進的業(yè)態(tài)和技術。
當李想在2015年再次出發(fā)創(chuàng)業(yè)，正與AI合流的新能源汽車不意外地成為最佳選擇。
作為新一輪能源革命和信息革命的交匯點，智能電動汽車兼具移動、空間、軟硬件、大規(guī)模制造屬性——很少有其他產業(yè)能像它一樣，如此多維地和物理世界產生關聯(lián)，又積極地擁抱最新的技術潮流，這為AI發(fā)揮作用提供了充足空間。
加入造車大軍后，理想的A面是將增程電動、家庭用車做大做強，B面則可套用一句老話，“用AI把汽車的各個環(huán)節(jié)重做一遍?！?/p>
其中能見度高的AI產品，是智能助手理想同學，以及端到端+VLM架構的智能駕駛。數(shù)據(jù)顯示，2024年理想同學累計喚醒23.8億次，累計智駕里程超過29億公里，在國內車企中居于領先位置。
領先的先決條件是飽和投入。2024年，理想的百億研發(fā)費用，近一半用在了AI上，讓理想將關鍵的AI能力掌握在自己手里。
比如國內多數(shù)車企的智能助手選擇調用第三方大模型能力，理想則為理想同學自研了基座模型Mind GPT。在智能駕駛領域，理想的團隊率先量產了采用端到端+VLM雙系統(tǒng)架構的智能駕駛，將自家高階智駕車型銷售占比提升至50%以上。
一個細節(jié)：理想車輛下線檢測時采用無人駕駛節(jié)省人力
在不易被外界關注的環(huán)節(jié)，理想也在使用AI為生產經營提質增效。
比如在零售、營銷、客服、財務、 金融反欺詐等職能部門，理想的智能商業(yè)團隊部署了相應的AI模型來輔助工作。
理想整車生產流程中AI的存在感也頗高。比如理想一度被電驅NVH傳統(tǒng)檢測方法測不準、效率低的問題困擾，但在理想智能工業(yè)團隊訓練出一個AI檢測模型，部署在電驅供應商的產線邊實現(xiàn)就地檢測后，難題迎刃而解。
類似的AI能力嵌入在生產制造的各個環(huán)節(jié)，串聯(lián)起來則是被理想稱為Li-MOS的智能制造操作系統(tǒng)。理想L6從上市發(fā)售到爬滿2.6萬輛/月的產能只用了不到兩個月，帶給行業(yè)一點小小的爬產震撼，其中Li-MOS的支持尤為重要。
到2024年，理想對物理世界的改造初見成效：對用戶，交付了上百萬輛搭載理想同學和智駕能力的車型，改變了數(shù)百萬人的出行體驗；對行業(yè)，提供了一套AI化的高效生產經營體系范本；基于這些改造提供的價值，理想也成為一家千億級公司。
李想在上一段創(chuàng)業(yè)中未盡的愿望，通過AI驅動的造車完成了序章。
為什么這時候All in AI
不過這不足以解釋另一個問題：作為宣稱對AI有信仰的一家公司，理想為什么不是在自動駕駛創(chuàng)業(yè)浪潮興起的2016年All in AI，也不是在Transfomer大放異彩的2021年All in AI，而是在2023年才把AI作為陽謀，在2024年末才喊出了AGI的目標？
以李想的“創(chuàng)業(yè)節(jié)奏論”解釋則是，一家企業(yè)不應在0-10的階段，做10-100階段的事。
OpenAI的例子表明，AGI很可能是有史以來最壯烈、復雜的商業(yè)/技術競賽，它需要海量的資金、數(shù)據(jù)、算力，以及頂級人才，有著漫長的實現(xiàn)周期，競爭維度也超越了既有商業(yè)組織的邊界。
以AGI為己任的OpenAI創(chuàng)立于2015年，匯聚了過去十余年AI領域的超級大腦，至2024年累計融資179億美元且越虧越多，為了訓練模型OpenAI幾乎爬光整個互聯(lián)網的公開數(shù)據(jù)，其最大股東微軟為了提供算力支持，去年向英偉達購買了近50萬顆Hopper GPU。
在這樣的競賽中，即使是市值萬億的頂級企業(yè)也心驚膽戰(zhàn)。而理想如果沒有選擇“先造車，廣積糧”的迂回路線，很可能連AGI的友誼賽名額都拿不到。
如果以AGI為目的地回望，理想成立這九年主要的經營目標可以總結為：度過企業(yè)的0-1、1-10階段，找到一塊有足夠利潤和數(shù)據(jù)產出的根據(jù)地，點出AGI的前置科技樹，籌集AGI競爭的入場券。
正因為對創(chuàng)業(yè)節(jié)奏的理解，理想選擇了以增程路線切入造車。同樣，對節(jié)奏的把握也貫穿在理想打造AI產品的過程中。
比如在早期資源受限的情況下，理想在智駕產品上采取了跟隨策略，同時做好了可以長期發(fā)揮效用的數(shù)據(jù)沉淀與基建工作，等待算力、算法、數(shù)據(jù)升級。在2023有了進一步的商業(yè)成功，智駕的營養(yǎng)系統(tǒng)——現(xiàn)金、算力和數(shù)據(jù)都足夠充沛后，理想果斷轉向端到端+VLM，引領了技術范式，實現(xiàn)了智駕體驗的快速提升，帶動了高配車型銷售。
這種變道超車一方面離不開智駕部門打硬仗的戰(zhàn)役能力，另一方面也考驗企業(yè)對內部能力、資源進行評估，對外部環(huán)境、需求變化進行感知，做出決斷的戰(zhàn)略能力。
理想在2024年末All in AI，實際是管理層進一步看到了內外部條件的變化，判斷可以、也需要開啟下一篇章：
于內，以理想同學和智能駕駛為代表，理想的AI產品在2024年打了勝仗，積累了數(shù)據(jù)，培養(yǎng)了人才隊伍，收獲了商業(yè)回報，AI能力的建設度過了1-10階段，在認知智能和空間智能上都取得了一定建樹，通往AGI的路徑不再是空談。
于外，無論是馬斯克創(chuàng)辦xAI，還是量化出身的幻方推出技驚四座的DeepSeek V3，都表明人工智能正在進一步打破不同類型企業(yè)的邊界，在AI上不思進取會面臨被跨行業(yè)而來的對手用AI端掉飯碗的風險。
但同時，在基座模型上領先的企業(yè)們，在Scaling Law的規(guī)則下一路狂飆后，終于撞到了一堵無形的墻——網絡上的公開數(shù)據(jù)已經耗竭，接下來將考驗垂直場景和物理世界數(shù)據(jù)的收集利用，成本與難度要高得多。而智能電動汽車恰好是一個足夠大的細分場景，也是絕佳的物理世界數(shù)據(jù)生產終端。
對理想來說，All in AI最好的時機到了。
該用什么方式All in AI
選擇全面躬身入局后，理想的AI方法論也依然帶著鮮明的理想式烙印：把AI的產品做得更好，吸引更多人。
12月27日，理想AI Talk的最后一天，理想同學APP在App Store、小米應用商城等上線，這是車企研發(fā)的智能助手首次從車機進入手機。此前，車企的語音助手只搭載于車上，用在車內，服務自家車主，超出汽車場景與其他設備搶用戶，會被認為偏離造車主線。
但這一“不務正業(yè)”的舉動，在理想的規(guī)劃中是通往AGI的必由之路。
一方面，只在車內單一場景發(fā)揮作用的智能助手，最終不可能是一個好的助手——用戶很難指望一個在你開車時嘮會兒嗑的對話機器人真的懂你?？缭讲煌脑O備、場景，被足夠多的用戶使用足夠長的時間，智能助手才會越來越智能，越來越好用。
另一方面，ChatGPT橫空出世后，對話機器人成為AI最廣泛的應用。更重要的，自然語言很可能會成為AGI時代最通用的交互入口，以對話形式與人交互的智能助手，將是最基本且普遍的產品形態(tài)。如果一家企業(yè)的目標是AGI，智能助手的產品打造和技術建設都是不可繞過的一環(huán)。
但將理想同學推向手機、進入更多場景，也意味著加入一個更激烈的戰(zhàn)場，需要更強的實力。理想選擇在基座模型上下功夫。理想新一版端到端多模態(tài)模型Mind GPT3o已正式上線為理想同學提供支持，其響應速度達到百毫秒級，能夠理解不同模態(tài)，記憶、規(guī)劃、工具、表達能力均得到提升。
李想向團隊提出了目標，未來幾年在國內保證理想大語言模型的基座模型位于行業(yè)前三，這是一個頗具挑戰(zhàn)性的任務。
2024年末，國內排行前三的智能助手豆包、文心一言、Kimi月活分別約6000萬、1300萬、1280萬，比理想同學的月活用戶有一個數(shù)量級的領先，且同時登陸PC與手機，提供的能力也更多元。再次扮演追趕者的理想，勢必要在2025年對Mind GPT的資金、人才密度進一步加碼。
在另一頭，去年讓理想成功躋身智駕第一梯隊的智駕團隊，也并無閑暇享受勝利。因為理想智駕業(yè)務的階段性目標并非問鼎L2輔助駕駛，而是實現(xiàn)有監(jiān)督的自動駕駛即L3。
在2025年，理想將尋求高階智駕產品能力的進一步提升，比如將接管里程提升至500公里。這需要更快地轉動數(shù)據(jù)飛輪。理想預估，要達成接管里程500公里的目標，需要從50億乃至100億公里駕駛里程中，篩選2000萬個老司機駕駛視頻片段供端到端網絡訓練。
這是一項對數(shù)據(jù)和算力體系的魔鬼考驗。但理想以每個月超2萬輛速度擴充的高階智駕車隊，成倍增長的智駕里程，高度自動化的標注體系，以及8.1EFlops的云端算力儲備，提供了可行性。
與此同時，理想也開始努力鞏固在國內智駕領域“先進技術量產先鋒”的地位。
在最新一版智駕系統(tǒng)中，理想將高速場景納入到端到端架構，并首次推出了智駕的AI推理可視化——引入思維鏈技術， 在AD Max車型上展示端到端和VLM系統(tǒng)的感知、推理過程。
智駕系統(tǒng)對自身思考過程進行展現(xiàn)，是解決端到端架構黑箱難題的重要方法。打開神經網絡的黑箱，既可贏取用戶的信任，也便于智駕團隊對問題場景追根溯源，持續(xù)提升智駕模型的能力。
用一句話總結理想在2025年的AI戰(zhàn)略，便是理想同學和高階智駕將繼續(xù)作為理想AI拳頭產品，成倍接入資源，獲取更多用戶，在產品形態(tài)和性能方面向上“摸高”。
理想之所以選擇兩手抓，是因為兩者分別代表認知（語言）智能和空間（行為）智能，也是人類主要的兩種智能表現(xiàn)方式。但人類能夠將兩種智能融匯應用，這是AI目前的短板。反過來意味著，如果能讓AI同時掌握兩種智能，很可能就找到了AGI的鑰匙。
因此在All in AI的階段，理想已經開啟下一代基座模型VLA（視覺語言行動模型）的預研——目的是將認知智能和空間智能統(tǒng)一起來，讓一輛理想像人一樣同時擁有認知智能和空間智能，從而實現(xiàn)L4自動駕駛，成為李想定義中“你的助手”。三年之后，理想計劃推出首款為L4級自動駕駛定義的汽車。
屆時，或許就是理想開啟機器人產品線，邁向打造“硅基家人”的開始。
編輯：羅松松
視覺設計：疏睿
責任編輯：李墨天
