李想歸來，不談造車談AI

不久前，退網多時的李想再次出現在公眾視野。歸來的李想一改往日單人演講式的發言方式，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的創業者，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。這段創業中，李想培養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業節奏的把握能力，同時，積累了財富和投資人的信任。

但李想創業最大的遺憾也恰恰來自這段經歷——選擇的創業領域過于垂直，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、交付等環節，革命性地提升了效率。基于對現實中零售業態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。

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節發生在真實的線下而非虛擬的線上。對于一家大部分業態都在互聯網上，自身體量又有限的企業，大規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，互聯網打法顯出疲態，得使用更先進的業態和技術。

當李想在2015年再次出發創業，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、大規模制造屬性——很少有其他產業能像它一樣，如此多維地和物理世界產生關聯，又積極地擁抱最新的技術潮流，這為AI發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把汽車的各個環節重做一遍。“

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。數據顯示，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：理想車輛下線檢測時采用無人駕駛節省人力

在不易被外界關注的環節，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傳統檢測方法測不準、效率低的問題困擾，但在理想智能工業團隊訓練出一個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節，串聯起來則是被理想稱為Li-MOS的智能制造操作系統。理想L6從上市發售到爬滿2.6萬輛/月的產能只用了不到兩個月，帶給行業一點小小的爬產震撼，其中Li-MOS的支持尤為重要。

理想的AI智能模型橫貫用戶體驗、商業經營、 生產管理

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，改變了數百萬人的出行體驗； 對行業，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。

李想在上一段創業中未盡的愿望，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業浪潮興起的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“創業節奏論”解釋則是，一家企業不應在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/技術競賽，它需要海量的資金、數據、算力，以及頂級人才，有著漫長的實現周期，競爭維度也超越了既有商業組織的邊界。

以AGI為己任的OpenAI創立于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幾乎爬光整個互聯網的公開數據，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也心驚膽戰。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：度過企業的0-1、1-10階段，找到一塊有足夠利潤和數據產出的根據地，點出AGI的前置科技樹，籌集AGI競爭的入場券。

正因為對創業節奏的理解，理想選擇了以增程路線切入造車。同樣，對節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揮效用的數據沉淀與基建工作，等待算力、算法、數據升級。在2023有了進一步的商業成功，智駕的營養系統——現金、算力和數據都足夠充沛后，理想果斷轉向端到端+VLM，引領了技術范式，實現了智駕體驗的快速提升，帶動了高配車型銷售。

理想率先量產了端到端+VLM雙系統架構高階智駕

這種變道超車一方面離不開智駕部門打硬仗的戰役能力，另一方面也考驗企業對內部能力、資源進行評估，對外部環境、需求變化進行感知，做出決斷的戰略能力。

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，積累了數據，培養了人才隊伍，收獲了商業回報，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的邊界，在AI上不思進取會面臨被跨行業而來的對手用AI端掉飯碗的風險。

但同時，在基座模型上領先的企業們，在Scaling Law的規則下一路狂飆后，終于撞到了一堵無形的墻——網絡上的公開數據已經耗竭，接下來將考驗垂直場景和物理世界數據的收集利用，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據生產終端。

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”的舉動，在理想的規劃中是通往AGI的必由之路。

一方面，只在車內單一場景發揮作用的智能助手，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。跨越不同的設備、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。如果一家企業的目標是AGI，智能助手的產品打造和技術建設都是不可繞過的一環。

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，記憶、規劃、工具、表達能力均得到提升。

手機上的理想 同學，會展現思考過程

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前三，這是一個頗具挑戰性的任務。

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。因為理想智駕業務的階段性目標并非問鼎L2輔助駕駛，而是實現有監督的自動駕駛即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據飛輪。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。

這是一項對數據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系統的感知、推理過程。

在直播中實時運行的理想智駕推理可視化UI

智駕系統對自身思考過程進行展現，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，持續提升智駕模型的能力。

用一句話總結理想在2025年的AI戰略，便是理想同學和高階智駕將繼續作為理想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