李想×罗永浩！李想的理想：通过 AI 技术，让普通人也过上富豪的生活｜罗永浩的十字路口 — Transcript

今天请到的嘉宾是理想汽车的创始人李想。我们“十字路口”开播的第一期嘉宾就是他。时隔两百多天，他完成了汽车公司转型，走向AI和具身智能公司的阶段性工作，并带来了全新的智能产品——理想新一代的具身智能旗舰SUV L9 Livis。L9 Livis配备了理想自研的马赫M100芯片，还有“全球首个完全体全线控底盘”，以及800V主动式悬架系统。前者提供了目前量产的智能电动车当中最强的算力，算力达到了惊人的2560 TOPS。后两者在五十万元左右的档位上，提供了百万甚至数百万元的豪车上才能享受的驾乘体验。

我是第一批这个清闲的用户 而且他们很聪明 送了很多科技公司的老板 老板们喜欢 经常就会给员工买这个 对 大家都挺满意的 我先得摁一下 Insta360 WaveLink 然后我们录制的时候 它会自动做跟踪 它能跟我声音来追踪的 对 行 那我们开始吧 好 距离咱们上次聊已经有两百多天了 时间过得特别快 然后这段时间你怎么样 我觉得两百多天 其实最重要的还是学 AI 我觉得就是 因为 AI 这东西你不能听别人讲 你得自己真正去用 对 然后因为这个 因为它的范围太广了 而且每一个人 不同人用途还是不一样的 所以一方面我自己在用 然后另外一方面 我也像一个“病毒”一样 然后在让同事们 然后去装去用 去传染他们 对 去传染他们

《罗永浩的十字路口》第二十七期，我们和李想聊聊他的全新旗舰SUV，聊聊他逐渐成型的AI+具身智能公司，也聊聊他事业上的终极理想。这座椅熟悉啊，跟我家里的一样。他这个椅子确实做得不错。

他说我又不拿 AI 做什么事 结果第二天 上午没结束 他当天的那额度就用光了 就充值去了 对 但是后来的话他用起来就完全不一样了 所以就有点像当时 iPhone 一样 很多人拒绝 iPhone 但是你只要拿着 iPhone 在他的手里 让他用一下以后 其实就不一样了 是 所以我就开始在公司里 给我能装的所有人去装 还有我们在科技产行业天天聊 AI 聊得这么热乎 然后公众的反应是 觉得好像是科技圈的人在自嗨 这个让我想起来 我当年刚玩 PC 的时候 就 486 那个时代 开始买的 PC 那个时候其实什么都不好用 你记得那时候要处理个汉字 在 DOS 还装一个硬件的汉卡

我是第一批这个清闲的用户，而且他们很聪明，送了很多科技公司的老板。老板们喜欢，经常就会给员工买这个。对，大家都挺满意的。我先得摁一下Insta360 WaveLink，然后我们录制的时候，它会自动做跟踪，它能跟我声音来追踪的。对，行，那我们开始吧。

还有这个 OpenClaw 其实是 agent 但 agent 有一个 其实挺重要的一点 就是 agent 非常需要 一个完整的工作生产环境 就是它必须得有 你真实的任务和生产环境 你才能获得良好的反馈 才能获得 这一个整个的工作链条的一个结果 普通的用户玩着玩着 其实就会很没意思了 因为它没有一个生产的反馈 就是比如说我看我们的同事 大家有了做得好的 比如一天能消耗上亿 token 的 他干什么呢 他在把他的业务进行重构 他把原来这些 不舒服的业务流程什么的 他都拿 agent 自己来 拿 coding 自己来重构了 我说那你每天多花三五个小时 你不累吗 然后他真实的状况说 他感觉比较像玩经营游戏 因为自己能闭环了

好，距离咱们上次聊已经有两百多天了，时间过得特别快。然后这段时间你怎么样？我觉得两百多天，其实最重要的还是学AI。我觉得就是，因为AI这东西你不能听别人讲，你得自己真正去用。对，然后因为这个，因为它的范围太广了，而且每一个人不同人用途还是不一样的，所以一方面我自己在用，然后另外一方面，我也像一个“病毒”一样，然后在让同事们去装去用，去传染他们。对，去传染他们。

也感觉到它 除了问问题和搜索这些以外 还有巨大的那些能量 这个东西什么时候能感知到 我觉得不太容易 为什么呢 因为 我觉得这一波 AI 的一个最大的变化 其实它既是生产力 又是劳动力 所以其实生产力和劳动力 它最大的表现其实就是提升效率 就是比如 coding 提升效率了 大家就去 然后你看今天谁的那个订阅 已经到了四百多亿美金了 对吧 它没有什么太多情绪价值 所以我觉得这个其实 这个阶段还是生产力为主 它非常依赖 就它这个技术的本身 然后是生产力加劳动力 它本身其实 就必须特别依赖于生产环境 所以有生产环境的 大家干得可带劲了 但是你一个个体 怎么构建生产环境 包括很多人说 有了 AI 以后 会出现个人公司 对 我开始也这么信的

而且也能观察，看看大家用起来以后，在这个社区里边，每个人大概使用的状况是什么样子的。所以我觉得就是过去的两百多天，我觉得很重要的一点其实是对AI然后持续地认知和学习的一个过程。你们内部听说也做了很多培训和分享？非常多，而且本身装这个，从装Claude Code到装OpenClaw，都是从我来做起的。

自己去复制一个 但是要重新写 然后直到调教到能用为止 发现效率确实挺恐怖的 是 所以它在效率方面其实是无敌的 是 而且能就是调教到可用为止 也就一个人做了一个多礼拜 是 反正这个效率是挺恐怖的 所以我对将来 一个人的公司我也不乐观 但是三五个人 十几个人做一个大型公司还挺乐观的 对 我再讲讲为什么一个人公司不乐观 因为在我们公司 然后大家 token 是可以放开去用的 因为我认为 至少到今年年底 其实 token 的消耗 都相当于是一个认知的一个过程 所以我会看 然后公司内部的 token 消耗量 然后前二十的这些同事们 我就会跟他们来具体聊 你们真实在干什么东西 然后这个大概什么样的一个 一个理解 那我发现 就是排在前面的 token 消耗的这些人

这个过程里有没有感觉那些越资深的越不爱学新东西？当然了，有这个问题，对吧？因为最严重的，你像我身边的朋友，然后跟我关系最好的，原来汽车之家的CTO，然后这个樊铮，他是绝对的技术达人，所有东西都要最新的，但我给他讲Claude Code讲了很多遍他都不用，所以我想了一个办法，就去他家给他在电脑上直接装。

就是你给了他 AI 以后 他不用的 我发现还是大家都是喜欢去用的 只是过去的时候没让他迈这一步 因为迈这一步挺难的 你们是花了很多精力 push 他们去用这个吗 就是必须给减一装上 装上 Claude Code 和 OpenClaw 我们也做了类似的事 但是反正好像就是 粗略的感受是 越资深的越不太愿意学 我觉得今天我没有办法定义 我觉得还是先是个认知过程 就是 避免过早地把认知定下来 那我觉得第二个其实 也跟一些舆论上讲的其实不一样 比如说一些专业的工作被替代 我说这是我 真正使用以后觉得最胡扯的事情 为啥呢 就一个普通人做出来的代码 那可用性 差到极致 更不要说往大规模去部署了 那基本上对他们来说就是个灾难 对 这个我也看到你之前网上提过 就大概意思是说 专业人士用它能放大 从原来比普通人强个十倍

所以我就给他装了Claude Code，然后他说买二十美金的就可以了，我说你肯定不够。他说我又不拿AI做什么事，结果第二天上午没结束，他当天的那额度就用光了，就充值去了。对，但是后来的话他用起来就完全不一样了。

三个比较严重的一个问题 那这个三个问题其实就是那些 token 消耗量最大的提出来的 就第一个 其实今天所有的 AI 的工具 都是满足个人的 然后在工作协同上 其实是非常差的 那怎么来实现工作协同 包括跟现在的这些软件 然后进行协同 然后包括跨部门的 因为也是一个生产链条 这一个链条你光一个局部高 其他地方不行 就跟供应链是一样的 你最后东西 产生的价值还是非常有限的 只有局部的价值 没有整体的价值 我觉得这是大家第一个挑战 第二个挑战其实是数据的 然后获取 对吧 因为也没有必要再用传统的 SAS 或者 IT 的方式去读取数据 最好的方式直接进数据库读 因为数据库可以想象成是个四维的数据 但是正常我们 人类看的 IT 是个二维的数据 但是 AI 读四维数据是没有任何问题的

所以就有点像当时iPhone一样，很多人拒绝iPhone，但是你只要拿着iPhone在他的手里，让他用一下以后，其实就不一样了。是，所以我就开始在公司里给我能装的所有人去装。还有我们在科技产业天天聊AI，聊得这么热乎，然后公众的反应是觉得好像是科技圈的人在自嗨。

然后他们去研究的时候 他们直接把 Cowork 直接复制了（指实现同等功能） 这是非常离谱的 为什么 因为他们在看 Anthropic 工作的时候发现 这家公司 不做传统的 PRD 文档这些东西的 它会直接去做可验证的 demo 所以他们说那 如果是这样的话 我为什么不直接把这三个需求 做成一个可验证的 demo 所以他们就直接 复制了一个完整的 Cowork 出来 没有用任何的这个开发人员 并且跟着我们的 HR 然后把刚才讲的工作的联通 做了 demo 的验证 又跟着我们的数仓的团队 把整个数据怎么打通 哪些用云端模型 哪些用一些本地模型 然后来做 包括一个人在上面工作怎么衡量 然后都做了个 demo 那你这个全程是不让工程师介入的吗

这个让我想起来，我当年刚玩PC的时候，就是486那个时代，开始买的PC。那个时候其实什么都不好用，你记得那时候要处理个汉字，在DOS还装一个硬件的汉卡，你记得吧？所以那个时代，其实PC已经很强大了，能做的事情也狂多，但是大家总是觉得这个东西不好用。

它什么压力测试什么这些 还是要工程师来把握 但这个不是常见做法吗 是 我们连硬件都这么做了 就是我们连硬件 都是在一个 agent 虚拟环境里边 跑通了 然后再去开发的 不只是软件了 但是我刚才讲的一个很大的问题是说 那我不可能让一个产品经理 把这方面的战略研究做了 我也不可能找任何一个业务负责人 所以我还是说其实专业的人 在今天仍然有巨大的价值 只是不是原来标准化的 只是跟你做一些文档的价值了 我的一个观点就说其实专业的人 只要他能用好 AI 其实价值可能是一个新的高度 并不是说 我找一些人把原来这个替代了 替代原来东西其实没什么难度 但是今天的专业的人有了 AI 以后 他会进入到另外一个高度上去 这个高度如果不是专业的人 其实是替代不了的 是 这个我也同意 但是以前比如说一个战略调研的一个 主管可能带着十个人工作 现在他可能只要有一个人就差不多了 这个事你们那也会发生吧 我们人一直不多

所以就变成要么就技术圈的，要么就极客圈的用得很嗨，然后老百姓听到讨论得很热闹，跟着买一个又发现哪哪都难用。我现在觉得AI就是这么一个阶段。对，我觉得现阶段能看到AI有两个分支，还挺明显的两个分支。

非科技专业的播客 所以想给大众讲一讲 因为老百姓一说具身智能 首先就知道机器人 然后你先给我们这个 节目的普通观众解释一下这个 广义的具身智能应该理解到什么程度 因为大家以前说具身智能 理解就是机器人 我觉得就物理世界里所有的机器 给了它模型和大脑和眼睛以后 然后它来工作 就是能智能地动起来 用 AI 来做操作的这些硬件 都可以叫具身智能 对 或者我们看《变形金刚》里边 就车的形态 它也是一个机器人 人的形态也是个机器人 还有飞机的形态也是个机器人 我觉得就是所有的机器 未来真正给它 然后赋予了眼睛 然后大脑 和心脏 分别其实是传感器 然后模型和处理器 我觉得它就是个具身智能 大家老觉得做车的又聊机器人 好像不务正业 但是你这个《变形金刚》这个角度很好 《变形金刚》就是又是汽车 又是机器人 但是我们人类真要去做这些东西的话 肯定是做两个成本远低于 拿一个去做变形的 因为我觉得最后还是要看效率嘛

我觉得一个分支其实就是大家由于有了AI以后，把它当成一个更加泛化的一个搜索工具，就获取信息。对，那这个其实豆包做得非常好。对，普通的C端消费者其实最容易使用的，我们今天讲的无论是Claude Code Codex，还有这个OpenClaw，其实是agent，但agent有一个其实挺重要的一点，就是agent非常需要一个完整的工作生产环境。

就是一个农夫 美国的一个高科技农夫 坐在自己的屋里 拿着一台电脑 拿个鼠标 然后能种 我不知道上百亩还是上千亩 反正很恐怖的面积的土地 做耕种 然后包括将来收割 全部是自动化 拿鼠标在屋里戳戳点点 但是他跟记者说 最讨厌的就是上料 就是你要播种 那个车放在那 他在屋里可以用鼠标操控 但是往里边上种子什么这些 还是要人弄 这件事是 无解的或者是长期无解的吗 还是 我觉得这是商业机会 这是个最大的商业机会 今天大家在搞人形机器人的时候 其实是找不到商业模式的 什么人形机器人去做分拣 分拣有摄像头就直接 流水线就直接分拣 干嘛需要人分拣 对吧 包括刚才我讲的这个 然后咖啡不需要人来做 然后包括在工厂里边 很多人说去拧螺丝 我说拧螺丝都已经是自动化的东西了 但是工厂里需要 我们工厂里边 一个工厂我们一万多人 有三千多人

就是它必须得有你真实的任务和生产环境，你才能获得良好的反馈，才能获得这一个整个的工作链条的一个结果。普通的用户玩着玩着，其实就会很没意思了，因为它没有一个生产的反馈。就是比如说我看我们的同事，大家有了做得好的，比如一天能消耗上亿token的，他干什么呢？他在把他的业务进行重构，他把原来这些不舒服的业务流程什么的，他都拿agent自己来，拿coding自己来重构了。

做出来的难度要高得多 就比如说你在流水线上 它那些固定的东西 不管它是人型还是非人型 那些固定的东西用机器 相对容易实现 或者说至少前边已经跑出来了 但是人去上料下料这些东西 我们理解起来是简单 而且用工的话 这个人工也不是很贵的 因为它是 比较啰嗦和低技术含量的工作 但是真要用人形机器人做 或者用类似的机器人做 可能想着简单 实际上非常复杂 不是这个原因吗 我觉得可能真的大部分的 机器人创业者 并没有在真实的商业环境和 和这个工厂环境里 我只要在工厂环境里转一圈就知道 到处都是可以替代的 它既然是生产力加劳动力 那请问生产力和劳动力最多的 和最容易被替代的是什么 那你为什么非得要去替代制造呢 因为制造需要的是精度 不是毫米 是微米级的精度 你今天的这些软臂 根本做不了微米级精度 但是搬运 上料不需要 它不需要那么强的精度 而且一个工厂里 单一工种的用量又是最大的 我觉得这个其实 还是得有非常丰富的这种

我说那你每天多花三五个小时，你不累吗？然后他真实的状况说，他感觉比较像玩经营游戏，因为自己能闭环了。有点像玩《我的世界》，玩这个《模拟城市》，但普通的个人他是没有这种环境给反馈的。

我觉得第二个也可能 真的是我说的那样 就说做这东西看着可能不够酷 因为它就是个 长着手臂的 AGV 只是它比今天在物流领域的 要有更好的 移动的泛化能力 有更好的 取拿的泛化能力 以及跟环境和人沟通的泛化能力 这个技术要求要上一个等级 但是从外形上看着又不够酷 好像亚马逊做那个 是人形还是轮足的 我也忘了 就亚马逊做那个 它那个物流的配送 和仓库里边存取那些 那很成熟了 对 那个是不是也是因为 也是自研的吧我记得 有的是自研的 我看国内的像 他们也都会用第三方提供的嘛 你是车企里现在 第一个宣布就是要 彻底地转型做 AI 和具身智能的 这个决定是 怎么说呢 是一个怎么样的一个思考过程 也不是第一个呀 某种只是大家描述不同 我们就是不绕了 其实具身智能就是具身智能 它就很清晰的定义

再加上agent去做那种智能代理操作那些，其实现在也受到旧世界的那些软件权限那个壁垒，所以导致小白用户想尝试用它去操作几个，发现也打不通，而且本来尝试做打通的又都被封杀了。是，对，所以其实小白用户这一会的感受确实不明显。

那肯定 PC 和手机是最大 它中间也会有 Pad 也会有手表 会有很多这个 所以你觉得 汽车和人形是最大的两块 肯定是最大的 因为这两个基本上都是五万亿美金的 就是成型以后 都是五万亿美金的规模嘛 那汽车的话 如果再简单讲 我觉得今天大家已经能明白了 因为今天大家 买的百分之 比如北京车展 90% 以上的车都带辅助驾驶了 那我就可以把这东西讲明白了 就是整个自动驾驶有三个阶段 今天在第二个阶段 就第一个阶段就基本上存在 从 2017 年 2018 年 到 2022 年 2023 年 就是辅助驾驶 那辅助驾驶成型的时候 几个关键的技术 第一个就相当于眼睛 它用的是 CNN 的 2D

然后我们这个播客里边AI可能聊得有点多，我们包括找那个文艺界人士来也会聊AI，因为AI也可以做文艺创作嘛。是，结果聊多了以后，我们观众的反馈是说，你们就是自己圈里嗨得了，不要老提AI，我们也没兴趣。

L3 定义就是自动驾驶 但是人要坐在车里 因为它的聪明程度和泛化能力 还是不够处理那些各种未知的 但在道路上 然后安全性是没有问题的 那这个技术发生了变化 就是眼睛变成了拿 Transformer 做的 Transformer 出来以后 拿 Transformer 做的 2D 视觉 我们叫 2D ViT 然后第二个 主要的模型 因为芯片的算力还不够 所以本质上大家 放了一个预训练的 有人叫 VLA 叫世界模型 但主要的训练 是靠模仿学习 就靠后训练的模仿学习 就是喂车的这些数据 看到了什么图像 就做了一个什么样的一个结果 并不是真正理解世界 纯粹是模仿 第三个 控制就变成了直接一个端到端了 就是视觉就直接到

他们没兴趣的原因就是他们觉得现在也干不了啥，所以我一直也在想这个问题，这个什么时候能让小白用户也感觉到它，除了问问题和搜索这些以外，还有巨大的那些能量，这个东西什么时候能感知到？我觉得不太容易。

第一个它得变成 3D ViT 就像人看这个三维的世界是一样的 第二个其实最难的一点 也是整个具身领域最大的挑战 就是具身必须像 当时 GPT-3.5 一样 有一个稳定的预训练模型 就是一个面向物理世界的 预训练的一个模型 有了这个模型以后 你后边讲的所有的 RL 数据生成 然后其实才能成立 那我觉得这个其实是一个 一个关键 后边的所有的后训练 哪怕我喂的是 人类的数据 但它最后也是个理解学习 而不是个模仿学习 明白 我觉得第三个是 所有的控制系统要比人还要更快 因为只要快就安全 只要快 人类其实 无论是理性的还是感性的 都能感觉到安全 人才能相信机器 其实人的反应能力很一般 你看我们跟猫比就 劣势非常明显 是的 然后这块的话 基本上我认为大概得有一个

为什么呢？因为我觉得这一波AI的一个最大的变化，其实它既是生产力，又是劳动力，所以其实生产力和劳动力，它最大的表现其实就是提升效率。就是比如coding提升效率了，大家就去，然后你看今天谁的那个订阅已经到了四百多亿美金了，对吧，它没有什么太多情绪价值。

主流的还是五六百 那个七八百 TOPS 你还是说单芯片的吧 就是 Thor-U Thor-U 就是个单芯片主流的 就市面上主流的是那个 Thor-U 你这个最新的这个 L9 Livis 呢 2560 我是两颗芯片 每个 1280 然后加起来 2560 TOPS 算力 所以这个要 单芯片实现上万 TOPS 还要多久 我觉得 2028 年 2029 年吧 2028 年 2029 年 2028 年到 2029 年 双芯片

所以我觉得这个其实，这个阶段还是生产力为主，它非常依赖它这个技术的本身，然后是生产力加劳动力，它本身其实就必须特别依赖于生产环境，所以有生产环境的，大家干得可带劲了。

只要有条件 因为咱们国家是 实现了老百姓买得起车 也就一两代人嘛 那那些发达国家 再加上那种环保的宣传 他们可能爷爷那辈就开始都有私人汽车了 他们还会在 无人驾驶方便到离谱 然后安全到离谱之后 还对这个有那么大的欲望吗 你看我们身边喜欢车的人 都是喜欢驾驶的 将来如果都不驾驶了 除了少数发烧友 我认为还会继续买 你觉得老百姓还会大量买车吗 我觉得就是租房和买房的差别 甚至比那个 因为这里边一个最大的一个问题 就是道路是有限的 没有办法增加更多的供给 因为在你最需要车的时候 供给仍然供不上 因为它并不是由 车的供给决定的 是由道路的供给来决定的 就有点像是 你看工程师们前赴后继地 殚精竭虑地去开发 AI 开发了半天最后发现大部分工程师没用了 有点像是 最懂 AI 的人做出了更强大的 AI 然后把自己的大部分同行淘汰了 就汽车有没有可能出现类似的逻辑呢 我觉得最大的概率就

但是你一个个体怎么构建生产环境，包括很多人说，有了AI以后会出现个人公司。对，我开始也这么信的，但做了一段时间我发现不成立。就是所有的，你是觉得长期也不成立吗？挺难的。

那不是配套服务没做好吗 是逻辑的底层问题吗 是配套服务没做好吧 因为如果上配套服务的话 然后成本 然后跟养个司机没区别 我不知道 我是纯好奇这个问题 就是我是喜欢车的 但是随着年纪变大 我这些越来越淡了 但我不确定就是大部分人是怎么考虑的 我觉得还是很多事没有办法 单纯从效率上 单纯从效率上来形容 你们造车的时候 终极目标都是奔自动驾驶 L4 去的 但是你们行业里没有人担心过 比如说真的实现了以后 买车量会暴跌 或者说 我是个相反的观点 我认为其实会有更多人来买车 是那些 比如说本来对驾驶机器有恐惧心理 或者说 平常不愿意雇个司机 觉得雇个司机 然后自己隐私 什么就会比较麻烦的 我觉得会有更多人其实 然后来买车 因为我们挣钱不就是为了 过更舒服的生活 过更好的生活嘛 是 我其实没有答案 我只是有时候会想这个角度

所有的在B站上，还有在什么小红书上给大家做分享的，最开始都是说以后就出现一个个人公司、个体公司、一个一个人的公司，AI怎么怎么样，然后他本身都是说我自己来验证这一个人公司，但验证了一段时间以后发现，他每天更新的内容就是OpenClaw又更新了，又解决了什么bug问题，然后什么。

你可能就车毁人亡 然后你要保自己安全 就只能把他撞了 是这种情况 其实真的人类驾驶员也会碰到的 只不过人类未必有时间去想 因为他那一瞬间的举动 其实你自己要没经历过 你也不知道你会怎么举动 但是汽车是被人设计出来的 自动驾驶是被设计出来的 所以它设计的时候 我觉着你唯一能做的其实 包括监管部门对你要求是 你要遵守法规 法规是什么样的 就是你不能超越法规 你是这个意思 就比如说自动驾驶 将来如果可以商业化 可以上路随便开了 这个时候法规会把这个限定 然后车企只需要遵循它就可以了 对 比如我举个例子 会出现违章并线的车对吧 然后你也躲不开了 那你遵循法规的其实就是这个 让速不让道 你只能这么来做 而且我觉得从监管部门而言 它不会让你自行做这方面判断的 你必须严格遵守法规 而且我觉得 我们今天的这种执法 其实也越来越人性化了 是 我觉得只有 我觉得大家都遵守法律的前提下 才是最安全的一个体系

那他们自己实际的生产环境并没有建立起来，因为建立一个稳定的生产环境太难了。是，但你对那种三五个、十来个人做一个大公司这件事乐观吗？我觉得还是看整个生产环境的构建。

就没有必然的规律 对 就是我觉得这是没必要 我觉得没必要预测这些东西 明白 但是有一件事情 就是你得是第一波去做的 我觉得这是挺重要的 因为这几家公司 都是第一波做的 因为您应该知道 晚了其实还是挺麻烦的事 当然 特别要命 是的 对 所以你把自己定义成是一个 AI 和智能 具身智能公司以后 车在未来你的长期规划里 是一个重要的有机的构成部分 而不是全部 是这个意思吧 我就是 我是这么来想的 就是我觉着我们的用户 我就问一个 比如往后看十年一个场景 就是买 L4 自动驾驶车的人 和在家里 买家政机器的人 是不是同一拨人 我说 对 90% 是同一拨人 我觉得也是

因为AI是附诸于一个真实的生产环境，它并没有空造出来任何东西。我们自己内部做的很多实验，其中包括一个成熟的大型的软件，比如说有七十万行代码的，我们用Claude去尝试自己去复制一个，但是要重新写，然后直到调教到能用为止，发现效率确实挺恐怖的。

其实除去这个 我对科技 99% 都是乐观的 然后你们现在是 已经规划的是车和机器人 然后再往后的还没有规划对吧 跟具身智能相关的 对 因为我刚才讲的 其实当上半场结束了以后 其实下半场才具备真正的 我就是讲通用人形机器人 才具备了第一个阶段 因为今天的机器人 它要操作那么复杂 其实它非常依赖于精度 所以今天的 2D ViT 2D 其实不够用的 必须得变成 3D ViT 但今天的机器人公司 往往没有能力去研发芯片 因为它没有一个稳定的产业规模和现金流 来让它去支撑它去研发芯片 那如果你不研发芯片 你没有办法改变 整个的视频编码器 并改变整个计算结构 你是做不出 3D ViT 的 有了 3D ViT

是，所以它在效率方面其实是无敌的，而且能就是调教到可用为止，也就一个人做了一个多礼拜。是，反正这个效率是挺恐怖的。

我觉得机器人需要一个这样的一个基础 更强的 3D 感知 预训练模型 自身比车难得多的控制 再加上一个 它们可能起步就得是个 万 TOPS 算力 如果要做到这个的话 也基本上我就说 就基本上奔着 2030 年去了 当然我讲的这是个 通用的人形机器人 那我认为其实 如果我们内部的话 再讲人形机器人的话 我们也分了三个阶段 拿什么来分呢 拿人类的年龄来分 就是我们认为第一个阶段要达到 六岁的 人类的 基础的 物理世界的这种泛化能力 但它有特长 比如说六岁的孩子 有的就已经是马戏团高手了 有的是数学高手了 它专业的 但是它基础的物理世界的运行能力 要是六岁的 我觉得第二个阶段 就基本上要到十二岁 第三个阶段十八岁 就基本上接近 AGI 了

所以我对将来一个人的公司我也不乐观，但是三五个人、十几个人做一个大型公司还挺乐观的。对，我再讲讲为什么一个人公司不乐观。

现阶段就有民用的吗 我觉得我们第一个其实做的是 我们不分这个场景 然后我们做的其实一个是 刚才讲的一个其实是个轮式的 这是真正要产品化的 要做得足够的便宜 能够进入到我们的工厂 进入到我们的所有的商业环境中去 你那个轮式是纯轮子还是 是轮足 也能按轮子 就纯轮式 纯轮式的 然后其实就相当于一个 AGV 加了一个机器人 然后另外一方面 我们人形也在认真地去做 因为还是说这里边有很多东西 其实去攻克 明白 但你们的好处是 前边这个阶段就有可能实现价值 因为我们自己有真实的需求 而且就像我们自己做的 AI 很多的其实都会被我们的供应商买走 因为我们有上千个供应商 就我们这个都如果做好了以后 我们供应商都说 也都是说 你只要这东西实现了 然后我们同样也需要这样的东西 你就可以我们也来采购相同的东西 所以供应商也会买你的东西 是的 这还挺牛的 这比较顺嘛 因为大家对纯做人形机器人这些公司

因为在我们公司，然后大家token是可以放开去用的，因为我认为至少到今年年底，其实token的消耗都相当于是一个认知的一个过程，所以我会看，然后公司内部的token消耗量，然后前二十的这些同事们，我就会跟他们来具体聊，你们真实在干什么东西，然后这个大概什么样的一个理解。

那在工厂里我们也能看到这些需求 不是那个生产线 而是其实生产线连接的 所有的运输和搬运 一个车那么多的物料 这个其实是真正机器人该去干的 而不是在那拧螺丝 是 你前边几次 一谈 AI 和具身智能 大家觉得 这个做汽车的老板 汽车做得刚有些起色 看起来比较厉害 结果又不务正业了 这是不懂科技的人的那种观感嘛 然后最近几次讲的时候 还是有很多具体的东西 能辅助去说明这个理念的正确和合理性 我觉得可能比较好的一点其实是说 就是我们面向具身的一个完整的系统 其实搭建起来了 然后我们有自己 做重构感知能力的 这样的一个技术的技术能力 我们有自己的模型的能力 而且我们能做预训练 而且我们能做预训练 包含为什么很多的 我们的人出去创业 很容易融到资 或者很多人挖我们的人 因为这 RL 生成数据仿真 这些我们真干过 不是只是做 demo

那我发现，就是排在前面的token消耗的这些人，没有白给的。对，然后非常有意思，那他有几个特点。第一个特点，他并不是我们常规想象的公司里那些原来的标准下最顶级的员工。

但现在是你阶段性地 做出了很多东西 这个给了他们信心 这是主要原因吗 你们内部理解是这样吗 我觉得芯片这些东西其实大家 相当于就是 因为今天 AI 很难讲什么体验对吧 你可以看看就是说 就是因为你今天讲一个 agent 或者你讲 甚至你讲一个具身怎么样的话 它需要大量的上下文 所以你今天很难靠一个发布会 把东西讲明白 比如 OpenAI 前一阵还开发布会 你看 OpenAI 今年已经不开发布会了 产品就直接发 但是它们很多时候想把 AI 讲明白了 只能靠播客 因为播客大家在聊的时候 其实有足够的上下文 这个无论是 Anthropic OpenAI 包括这谁 这个黄仁勋 就大量利用播客 其实来把 AI 讲明白

是，比如他表达能力过去不强，他获取不了什么资源，但他脑子极强，所以只要有token，然后有这个什么，然后有业务环境，他就可以去改造一切。对，这会有想法是最可贵的。是的。

普遍的 反正我自己的一个感觉 因为大家肯定会看我的决心嘛 对吧 就是你是装着讲故事 还是真的相信这个事情嘛 包含你做预算的时候怎么分配 比如说同样 然后这个利润没有前几年那么好了 我们钱研发还要投 这研发你怎么分配 对吧 然后你在最难的时候 你停不停 AI 的东西 大家会看你的 所有的判断和举动的嘛 我就是从这些角度 对 所以我自己认为其实我们做 AI 不是冒险 我觉得不做才是冒险 所以在内部这个是 没有什么太大阻力的 就是我觉得一定有一拨人是不信的 就是你多么努力去讲 多么努力去做 其实我觉得一定会有 百分之二三十人 就是不信的 这个你没有办法避免 但最后反正执行出来了是结果嘛 对吧 对 你觉得你们和小鹏 是在中国比较车企和机器人 就早早就动手开始做的 然后马斯克做的跟你们两家做的

然后我觉得这是，所以我就说我的一个建议是所有公司不要裁人。因为在AI时代的人才和你上个时代的标准大概率是不一样的。

是那个时候 大家才陆陆续续开始创业的嘛 这次那个 L9 的 Livis 虽然还没开正式发布会 但是前边有一个车展还是什么已经 就是流出很多信息了对吧 对 北京车展我发布了外形 和一些关键的底盘技术 这代车跟前边有哪些本质的 和比较大的差别 我觉得三个东西吧 我觉得第一个最显著的变化是整个的 车辆的控制系统 就是控制执行系统 全线控那个 全线控的底盘 还有主动悬架 我觉得这个是个非常重要的因为 这两个方面嘛 我觉得第一个方面是 中国过去的时候在底盘技术上 相比这个欧洲企业其实还是有差距的 那我觉得这是我们过去几年 认真去补的一个差距 而且还实现了 借助整个电动化的优势 像 800V 这样的 其实我觉得是一个 这一次真正实现了超越 比较硬核的一个补课 对 然后我觉得另外一方面 其实由于你自己做了整个的控制系统 完整的控制系统

因为你上来就裁人，很容易按照上个时代的标准，然后把最好的人裁掉了。但现在很多，就是重度用AI的企业裁人，不就是因为有的人不愿意学，或者是下意识的或有意的，就拒绝学新知识才裁掉的吗？

然后那就是显著的基本上 比人快了接近一倍了 其实很多时候这就是救命的嘛 是的 而且人最明显的时候 如果一个机器人 然后尤其是一个涉及安全机器人 它的响应速度更快 那人会本能地 无论是理性还是感情都会觉得更安全 对 当然 我觉得这是第一个 这个理论上还能更快吧将来 我觉得你只有做了 你才有机会及时去优化 明白 因为我经常开玩笑说 如果最后过去系统都那么慢的话 比较像一个半脑瘫的状况 在控制一辆车 现阶段已经量产的 可以做到 200 毫秒 它要整个系统地优化 就是从感知 最后一直到 最后执行到位 200 多毫秒 所以你这个 Livis 上市的时候 就能到 200 多毫秒 是的 然后我觉得这是第一个 然后第二个其实是算力

至少我们公司裁了不少这样的，我还没有发现，就是你给了他AI以后，他不用的，我发现还是大家都是喜欢去用的，只是过去的时候没让他迈这一步，因为迈这一步挺难的。

我们做的是动态数据流 因为这我不可能其实再放一个 再放一组芯片 一起来跑 那这个方案的选择 当时没有赌的成分吗 没有赌的 我们做了一百四十万（字）的 一个资料 来验证这件事情 可行性 然后也跟一些最顶级的处理器的专家 包括像 Jim Keller 这样的 我们跟他聊完以后 然后他也认为这是一条 以后主流的 对于 AI 而言 主流的一个技术的架构 还有你们做这个芯片的过程 还有你们做这个芯片的过程 整体上是顺利的吗 因为我听过太多 关于做芯片的公司的 那些地狱故事了 我觉得整体还是比较顺利的 因为我们前面准备工作 做了大概一年时间 就是这个芯片详细的定义 可行性 就我们自己的一个准备报告 我就说做了一百四十万字 是一个字一个字写上去的 不是 copy 过来的

你们是花了很多精力push他们去用这个吗？就是必须给减一装上，装上Claude Code和OpenClaw。我们也做了类似的事，但是反正好像就是粗略的感受是越资深的越不太愿意学。

技术的新的增程器 5C 的电池 然后 1600 多公里的这样的一个续航 这是第三个 所以第三个主要是优化的部分 对 对 前两个是比较硬核的 也算一个进化的部分 就我们把 当然 纯电动车的这些能力 直接给下放给了 直接下放给了增程了 对 昨天他们跟我说那个 续航和那个增程都是巨大的提升 是 续航基本上快翻了接近一倍 充电速度也快 纯电续航跟便宜点的车比已经 虽然你是增程的 但已经赶上纯电的很多车型了 是的 对 这个给得挺狠的 是 所以这个 全球首个完全体线控这个底盘 这个概念能不能再给展开讲几句 就是从用户可感知的这些方面 还有就是现在 很多车企今年都开始讲全线控了 你们是第一个量产的吗 是的 第一个量产的 然后我觉得全线控的

我觉得今天我没有办法定义，我觉得还是先是个认知过程，就是避免过早地把认知定下来。

而且四个轮子可以独立控制 原来你一脚刹车是四个轮子一起控制了 然后你现在可以独立控制 它的好处什么呢 就它现在安全冗余 就是我四个轮子 只要有一个轮子还能工作 车都能刹得住 包括出现什么状况呢 比如说 原来在路上的时候这边没有水 这边有水 一进去车就转圈了 但是有了这套东西以后 它就可以正常的 这边轻带刹车 然后那边就是过 车稳稳地过 这些可以算法自己控制吗 对 一侧是冰 然后一侧是正常的路面 然后都是可以 非常好地来 冰上特别实用 特别好地控制 还有包括它的安全冗余更好 比如转向 甚至转向不能用了 四个轮子单纯靠刹车 机械的刹车就可以正常掉头 所以非常的安全 然后那个整个的响应时间 你看我们原来的话 机械的这个制动 大概是六七十毫秒 我们变成了线控的电子制动是 13 毫秒 就省了接近 50 毫秒

那我觉得第二个其实也跟一些舆论上讲的其实不一样，比如说一些专业的工作被替代，我说这是我真正使用以后觉得最胡扯的事情。

所以它是更安全的 所以应对各种情况也没有问题 是 就原来你刹车一坏就全坏了 今天的话 你要把四个刹车全坏了 然后你的车才刹不住 你过去的时候 其实 你这个悬架 要去吸收 庞大车身的动能 所以大车就得舒适 所以舒适你就得增加它的晃动 如果它不增加晃动 它就会变成跳动 但今天其实我有了一个 相当于我有一个电机式的那个悬架 它其实是可以把这个能量 直接对抗和吸收掉 那这就完全不一样 所以大车就不用像原来说 只要大车就想要舒适 就像个船 对吧 那我觉得这就发生了 一个很大的变化了 我看了你们那个视频 感受还是很强烈的 就是那个绕桩那个 正常车一定是这样的 然后你那个几乎是纹丝不动的 甚至我觉得比法拉利跑车的侧倾还要小 是吧 对 然后我还有一个感受就是 跟车机上的理想同学对话的时候 我比较高兴的是 因为 Siri 什么的

为啥呢？就一个普通人做出来的代码，那可用性差到极致，更不要说往大规模去部署了，那基本上对他们来说就是个灾难。

你们还有良好的那个 那个前边那个叫什么来着 U 什么 HUD HUD 在这种情况下 我完全可以用嘴跟它聊一些 比较深入的问题 使得这一小时不被浪费 比如我去往办公室的路上 我跟它聊一些 然后到了办公室 打开电脑打开手机 里边也有你们的 App 我们对话记录也都在那 所以我就可以在那延续做 这个未完的工作 那这些为什么没给接呢 我就特希望接别家的 你接了的话 可能有成本问题 但是我就觉得比如说你 我买了你车 几十万的车 免费你给一个月 你肯定给得起 然后我这一个月充分体验到它的好处 我后边就会高高兴兴地自己去续订 所以你们成本上也是完全可控的 你的需求 L9 Livis 就能满足了 现在好像也没有 L9 Livis 接了什么了 里边接了吗

对，这个我也看到你之前网上提过，就大概意思是说专业人士用它能放大，从原来比普通人强个十倍、一百倍，现在可能变成千倍万倍。

就是今天这个记忆 是一个 是一个糟糕的定义 因为它 做了一些 Markdown 文件 其实它不是真正的记忆 明白 反而它其实变成了一种熵增 一种非常糟糕的熵增就是 任何的时候都把这东西读到你的 上下文里去 效率全浪费在这上面了 所以我重新来看 就说 我觉得到今天为止 一个 C 端的用户 其实不要去拿什么记忆这东西来定义 就直接看他的需求 我能很清楚地看到 如果回到我们车上的话 我认为 一个用户 会有 五种需求 第一个需求是 我有一些泛化的任务你要帮我完成 这是 agent 去做的 就跟 OpenClaw 是一样的 我觉得第二个是 这其实就标准的 今天大家看到的 agent 一个方式

我说原来是两三倍，现在其实十倍一百倍。对，然后我就举一个最简单的一个例子，就很清楚，比如说大家都能用Seedance，那我们的公司的专业的人员拿Seedance做出来的，那真的非常得好。

存个日历之类的 是的 然后第五个其实叫个性化 就个性化就比较像 OpenClaw 那个 SOUL 就是你这个人的一些地方 但不需要写一堆的东西 关键东西个性化就行了 我觉得这是用户的五个需求 就我们如何搭建一套 系统级的 agent 架构 把这五个需求来满足了 就是前两个 你想调什么模型调什么模型 你想用那个字节模型用字节模型 你想用这个 Kimi 用 Kimi 你用我们的也可以 只是我们的 然后便宜点 免费的 那我觉得这是五个不同需求 我觉得第一个 其实 agent 大家都了解 我觉得第二个 其实就应该用做好 chatbot 我觉得第三个 其实我们会发现 其实知识图谱是个非常稳定非常可靠的 因为它能解决效率和确定性 然后我觉得第四个

那你会发现今天还有一个有效的过滤器，就是你身边很多的朋友拿Seedance做出来很垃圾的东西发给你，你原来没那么讨厌这个人，你现在开始讨厌这个人了。

可以理解成 它这部分的功能是类似套壳实现的 不 就跟 OpenClaw 和 Claude Code 一样 你可以调任何的模型 然后这个是 在你们这个上市的时候 就已经加上去了 是的 然后我可以在你这个软件里边 手动设置问答的时候 是用千问还是豆包还是谁 这可以手动设置 对 因为我们的什么 我们的你的这个 chatbot 和 agent 会用一套大模型 所以你可以选 然后用任何一家 也可以选择用我们的 我们自己做的也不错 我们基本上会上之前 我们也会去做一次打榜 可能会比大家想象的 我们做得要好得 好很多 如果你们自己做的 可以是 当然没问题 但我现在用我现在家里的车 我如果问一些深度的问题 他就直接告诉我

对吧，就虽然大家也会了，但是大部分人如果不是专业的，都是民科水平的。对，所以我说这个其实跟大家想象不一样。

然后车辆的控制 是知识图谱来解决 那听着我还真特别期待 而且我认为其实 今天的很多的 agent 架构 可能都得这么去改 因为你所有东西都用一个 agent 架构 其实效率太低了 我的很多 我自己比较满意的想法 都是在做某个事情的时候发生的 不是说你坐在那 静静地在那想问题 比如说我洗澡的时候 上厕所的时候 开车的时候就这类的 你其实手头在做着一些事 然后就会想到一些 就希望把它记录下来 甚至想的不是要记的事 是要问的问题 那我也希望当场就问 所以我在家里 我会在卫生间淋浴的地方 放一个防水的蓝牙的一个麦克风 加一个什么 就那么个小玩意 我摁住它 我在浴室外边放的手机 它就会连那个手机 我把问题给送过去 然后它就会处理 然后我洗完澡出来就可以看 马桶上因为拿着手机就特别方便 就这个开车对我是个痛点 开车的时候我也不想碰手机

最后我们就AI的时候就说AI可以看到各种好处，但是我觉得AI现在其实就是在工作上，不是讲个人怎么去玩，我觉得在工作上还是能看到三个比较严重的一个问题。

对 今天我觉得 AI 有一个很大的一个特点 就是说当你选择了泛化 其实你就放弃了确定性 因为这两个其实是 某种程度是冲突的 就是我仍然能保证 我知识图谱是很稳定的 那其它的我真的得运行一段时间 其实才知道怎么把 得做比较大的或明确的隔离吧 是 所以我刚才讲就是 就是 这个 agent 做 agent 的 chatbot 做 chatbot 但它俩都调模型 是 然后这块我就稳定做知识图谱 然后后边 然后信息 存包括调 我就做 RAG 就行了 然后最后其实我就做一个简单的 一个参数记忆 避免这个东西混在一起 然后我看到这次的 L9 Livis 还用了

那这个三个问题其实就是那些token消耗量最大的提出来的。第一个，其实今天所有的AI的工具，都是满足个人的，然后在工作协同上其实是非常差的。

带来了一个很大的一个好处是什么呢 就是我们开始知道 我们想要的需求了 我觉得这是第一个 就你不用 你拍脑袋根本不可能知道 是什么样的对吧 然后我就知道需求了 第二个呢 其实我们确实 看到了 GPU 架构放在端侧的 一个瓶颈 因为大家也可以看到 其实 Thor 相对于 Orin 然后三年后的一个产品其实提升 两三年以后的产品提升并不明显 但我们看到的整个这个 技术架构的一个瓶颈 其实需要突破了 我觉得这是第二点 所以我们也 就是我们是研究出来更好的架构了 如果再做个 GPU 我们就不做了 如果做一个 GPU 或者做一个这个 ASIC 芯片 传统 ASIC 芯片我们就不做了 就很难干过现有的 就如果做跟地平线一样的

那怎么来实现工作协同，包括跟现在的这些软件，然后进行协同，然后包括跨部门的，因为也是一个生产链条，这一个链条你光一个局部高，其他地方不行，就跟供应链是一样的。

智能电动车这块 只有两个东西 一个是电池 所以电池厂商 因为壁垒决定了你的利润 然后获得的最多利润 我觉得另外一方面 从芯片的角度而言 其实就是高通 和英伟达 然后又赚了芯片的这样的一个利润 所以我们就 但芯片利润还比较少 电池是主流 但我们看后边的话 包括车走向自动驾驶 具身智能 人形机器人 包含我们未来 需要大量的推理的一个芯片 所以我们在看 如果下半场是人形机器人（口误）的话 对于我们公司 未来十年具身智能化 壁垒到底是什么 这就很重要了 因为我们再去建电池的壁垒 其实已经很难了 我们能研发出来非常好的电池 但是它的上下游 都已经非常稳定了 镍钴锰这些矿这些资源 其实都已经被头部企业其实控制住了 那如果我们再往下 看下半场的时候 壁垒到底在哪里边 我们就看到其实 我们甚至认为模型可能 是竞争 但不一定是壁垒

你最后东西产生的价值还是非常有限的，只有局部的价值，没有整体的价值，我觉得这是大家第一个挑战。

2022 年就是可能 就我印象 2022 年可能就是 几个亿和十几亿的利润 2023 年利润比较好 然后就到了百亿的 然后利润了 但 2022 年的时候利润没那么 没那么好 但是我们怎么说服自己来做的呢 我们的一个判断是 苹果也不是在很大规模的时候才做的芯片 是很早其实就做了芯片 对 要不然就是一直受制于人嘛 也拉不开核心差距 说到这个又有一些特别沉重的就是 现在竞争这么卷 然后大家还要不断地做 巨额的科研投入 所以你们就 去做这类决策和实际执行的时候 怎么平衡这些东西 就大家都卷的 利润不就越来越薄了吗 但同时科研投入 如果我们不投这些东西 一年能多 10 亿美金的利润 是啊 我觉着 就是因为今天这东西你投了 但还没有看到结果 我觉得可能需要几年

第二个挑战其实是数据的，然后获取，对吧，因为也没有必要再用传统的SAS或者IT的方式去读取数据，最好的方式直接进数据库读。

坚持这些东西的时候也很惨啊 那当然 甚至股票都快跌没了 是 而且还得天天听 阴阳怪气的那些 是的 但是 那就是你想舒服的选择 就是舒服的选择 你想一些 这个难而正确 就做一些难而正确的选择 我觉得 就是 这对我而言是最后一把了 对呀 这赚个几十亿利润对我而言 每年不是个问题 然后能不能其实变成像苹果这样的企业 至少我得搏一把吧 明白 现阶段这个芯片用上以后 就 L9 Livis 是第一个用的吗 是 它从消费者可感知的角度 有哪些东西 就因为用了 所以大家可以感知到的好处 因为有一些实实在在的好处 是相对隐性的 他有的有时候他也不觉得 然后没了他可能才知道 但也有一些是一用上 消费者就能感知的 所以你用了自研芯片以后 这方面有吗

因为数据库可以想象成是个四维的数据，但是正常我们人类看的IT是个二维的数据，但是AI读四维数据是没有任何问题的，带着时间轴，任何维度的。

然后到今天 智驾还是第一梯队的 那我觉得这是智能化带来的一个 最大的一个好处 就是你极强的算力 会让你一个车的成长性和生命力 是完全不同的 但是这个卖的时候 并不容易直接表达 但是我们已经 经过了四年的历史的积累 就今天所有的 L9 的用户 你哪怕 2022 年买的 四年过去了 你的车没有任何过时的 所有新功能你全有 然后运行得也非常的流畅 我觉得这个其实是 另外一层投资的一个意义 就智能化另外一层投资的意义 特别是到高端型号的时候 大家也不在乎那点 所以把这个算力做得有点冗余 对后边持续地升级软件 是有巨大好处 是的 我觉得我们自研芯片以后 其实能带来的另外一个好处 就第一个 其实我们对于模型 这种控制能力其实更强 就是比如说 我后边的芯片 可能性能又翻了三倍 但是今天其实大模型有个好处 就是我可以做蒸馏

那这个到底怎么去读，数仓应该怎么管理，就变成一个很大的一个挑战了。

什么冰箱 彩电 大沙发这些 都给得足足的 这些也被证明是非常成功的 但这些因为不构成真正的护城河 所以我在想未来的长期发展力 除了硬核技术这件事以外 还有没有可能构建其他的护城河 因为我问这个的是 你看哈 很多就是车的横向评测显示 沃尔沃到现在也是最安全的车之一 但它不一定永远是第一名 安全 甚至可能很多时候 它不是第一名 但永远是第一梯队的 就是安全性 但是从消费者的品牌认知和感受上 一提安全就沃尔沃 这个实际上在中国新能源车崛起之前 在欧美 包括在中国以前 大家就是 如果我一个人很在意安全的话 原则上就首先考虑沃尔沃 这个已经通过 你叫它 难听点叫洗脑 好听一点就是市场定位 反正它已经实现了这个东西 那你们除了硬科技的护城河 这个是大家都要拼的 别的方面的护城河考虑过吗 比如说如何让消费者的认知 我之前觉得你们 一直做家庭用车 奶爸车这个特别好 但是你历史不够长

我觉得第三个，这些人又提到一个说，那我的工作价值怎么被衡量，我在新的这个方式下，虽然今天我能学到很多东西，反馈很好，对吧。

这样的这个定位啊 其实对自己是一个 就多少有点就是 我要为家庭牺牲啊 什么这样子的 所以我们从 i6 开始 从 i 系列开始 做了一个尝试 就是我们从家庭升级到家 因为你一个人其实也需要家 包括我们的车的设计 那个感觉 其实也是往一个家 而不是一个家庭的概念去设计 就你一个人 然后就是也可以 就我对 i6 的一个 非常清楚的一个定义方式 叫什么呢 叫高级的松弛感 然后就你坐在里边 觉得哪都舒服 很对的 但是这个空间是属于你的 就真的是 你坐进去就感觉 然后你跟着融在一起 属于你的 所以我说这是我们的一个定位 到了具身智能 我就把这个延续 其实就是给车和家赋予生命 我觉得这是我们 然后长期要延续下去坚持的

那基于这个，基于这个我就发现其实还有一个有意思的一个事情，就是很多人说什么搞研究的呀，比如搞这个战略研究的，搞商分的这些人其实就不需要了。

很开心的 然后你自己一个人的时候也可以 非常好的性能 那家人的时候 又可以极致的舒适 我觉得要靠更好的产品力 和技术能力 给它赋予更多更有趣的 但我们还是坚持做家 对 我也是特别认同这个 但是有的时候也确实挺有意思 像 MEGA 是之前谁跟我说的 30% 多是单身汉买的 单身用户买的 这个还挺神奇的 对 但是单身汉 他在车里待的时间很长 他把车当成了自己另外一个家 和空间来使用 对 我觉得这块做得好不好 你们肯定有数据能监测到 如果他到了家 在停车场里再待一会进去 这其实是很说明问题的 我自己是有时候会有那个感觉 就是车很舒服了 我到了家里停车场 当然上去我也舒服 但是就觉得在车里 自己待一会也挺好的 所以 L9 Livis 前排

那我就把我们一起来看到这三个问题，我就把这三个问题给到我们的战略团队，让他去搞这个研究，就是我们怎么解决这三个问题。

必须得对他无限的好 对对对 这个角度很好 容易共鸣 所以配置彻底拉满 零重力座椅 头枕音响 就全都给他拉满了 然后那个大屏幕 加宽的那个 真的特别过瘾 我在那看的时候 他还能演示那个 车跟着震动 那个叫什么 4D 影院（ 5D 座舱）那种 是 就跟着震动的 也是因为你那个底盘 现在特猛 所以可以实现那种效果 对 完全追随那个动态效果的 就可惜就这类片源很少 以前只在那个电影院 装修豪华的电影院里 少量的有 没有彻底普及开 如果普及开就牛 x 了 最多出现在迪士尼和环球影城 对 那个要普及开了就好了 你觉得 AI 和具身智能给汽车带来的

然后我们去看一看全世界最顶级的公司，比如Claude，比如这个Anthropic，比如OpenAI，它到底是怎么来做的。

就是你从 A 点到 B 点 虽然你坐在车上 只是手搭在那 几乎不做操控了 对 甚至手都不需要搭着 只要求你坐在那里 手搭上这个是有政策限制的吧 L3 就不要 L3 可以没有 对 L3 不需要搭着 我觉得这个应该是一个 我觉得应该是个显著性的 就是我觉得 L3 有点像什么 L3 就有点像电梯出现了 就是楼房里的电梯出现了 楼梯和电梯的区别 对 楼梯和电梯的区别了 这 L3 现在看 什么时候能完全成熟 咱们先不说 L4 我觉着 2027 2028 年吧

到最后结果非常惊讶，幸好我们没有做出大家常规的讲这些判断，就是我们其实就是一个战略的一个小组的负责人，带着几个校招生，然后他们去研究的时候，他们直接把Cowork直接复制了（指实现同等功能）。

你认为两三年也就能成功 对 因为这一波技术栈 就能实现 L3 了 就现有的技术栈是可以实现 L3 的 只是你的算力和模型规模要够大 我觉得 如果大家对自动驾驶那么难受的话 大家对机器人可就更难受了 不是 机器人现在还是觉得有点遥远 但自动驾驶这件事 因为已经吵吵十几二十年了 但对于大部分的老百姓而言 机器人那期望值可拉得非常高了 那是因为他们宣传得太成功了 对 因为无论是马拉松还是春晚 就大家把期望值拉得非常高 对 格斗什么的 所以其实这期望值拉得太高 对于商业化而言 其实也是个很大的挑战 对对对 但是那个阶段的公司 融资是第一位的 所以他也得把这些使劲渲染 所以都是各有各的难 你想也正常 2015 年 2016 年的时候 大家觉得 Waymo 就已经成

这是非常离谱的，为什么？因为他们在看Anthropic工作的时候发现，这家公司不做传统的PRD文档这些东西的，它会直接去做可验证的demo。

我知道 GB10 的 Spark 对对对 我觉得我们 因为我们认为能做出 比那个更好的东西来 明白 因为你这个芯片架构 你更有信心 而且再往后的家里的机器人 或者家里的一些设备 可以直接调用这个算力了 就不需要每个再单独放算力了 至少第一批极客用户 是肯定会买单的 对 因为家里只要有万兆网 其实就可以了 我觉得这是我们看到的一个可能性 一个机会 因为今天的话 我们看到的一些 其实无论是用户使用的环境 还是他真实的算力 其实还是远远不够的 对 还有一些重度的 就是比较彻底的那些 你也不敢上传到云端 对 所以我们说 我们说下一代芯片有没有机会 比如说我是 4 颗 然后下一代的芯片 然后我们大概 跑一个 100 到 200B 的

所以他们说那如果是这样的话，我为什么不直接把这三个需求做成一个可验证的demo，所以他们就直接复制了一个完整的Cowork出来，没有用任何的这个开发人员。

有机器人的这个业务 所以当我们把机器人这种 正式的业务放到水面上来 其实很多同事就说 那这个肯定好 我也知道我们自己有 非常好的基础的 能力 芯片 模型 操作系统 那我就可以在 我们就可以自己来把一些 关键人才留住了 我觉得这对我们其实是非常必要的 但是你们机器人准备对外售卖的 或者是 就是正式到可用阶段的那个 有时间表吗 我希望能在两年之内 把我刚才讲的 然后这种功能机器人 像搬运之类的那些 我觉得就是 每年得应该有个几万台吧 但它不会很贵 然后人形机器人 我觉着还是 看具体技术的这样的一个发展 你说家用的 我先不定义是不是家用 就是说人的形状 这种复杂结构的 对 我觉得我们还是得 先把本体和控制做好 明白 本体和控制现在还是 还是非常难的 对 这块确实有一个

并且跟着我们的HR，然后把刚才讲的工作的联通做了demo的验证，又跟着我们的数仓的团队，把整个数据怎么打通，哪些用云端模型，哪些用一些本地模型，然后来做，包括一个人在上面工作怎么衡量，然后都做了个demo。

大三的 在我们的 无论基座模型团队 机器人团队 其实我们实习的人才 是非常多的 我觉得这个其实 我觉得是一个必要性的 从那里能找出苗子来 对 我觉得第二个核心的 包括这些发的一些论文 其实非常有必要的 包括我们跟一些学校 我们投很多钱 跟学校一起来 跟这些顶级的项目合作 本身他们也会跟我们来 提供一些必要的一个人才 那我觉得第三个 还有很重要一点 就是最后你要把 你要把你的整体的概念 跟他讲清楚 包括你为什么做芯片 你芯片未来有什么样的潜力 你的模型其实有什么突出点 就是如果他能看到 其实模型很重要 模型是竞争力 但是我需要有一个有壁垒的企业 就他有自己的这个判断力 这三个都有了以后 还有一个必要性 就是你工资得给到位 这没办法 就别人给的工资 你得给 对 现在就这么贵

那你这个全程是不让工程师介入的吗？工程师没介入，然后是验证完了以后，后边工程师去做专业的开发，因为你还要做大规模的全员的部署嘛。

他认为小厂其实很难 创业公司很难 大厂可能 现在又不是入场的机会 时机 去了也是做螺丝钉 他说早晚小厂 中厂 大厂 都要来做机器人 那他有他自己的判断 而且他也甚至是 甚至大部分是 机器人创业公司头部公司的 这些人才 会做出这样的一个判断来 然后第二个就是说 你的理念其实要讲清楚 我觉得第三个 还是要闻一闻味道 然后 然后一方面 其实他是否能跟我们融合在一起 你现在 AI 和机器人的 整个团队规模有多大 就是专门做 AI 和机器人的这块 我挺难这么分了 因为很多都交叉了 我觉得可以把公司这么来分哈 就是说 因为我们是一个做 ToC 产品的 所以本质上 我们的关于 AI 其实有两种人

所以我就说其实那如果我们按照正常的想法来说，这个商分的人不需要了，战略研究的人不需要了，这些像我这样的人，自己拿个agent，然后就能把这些事做了。

那你一年平均要亲自面的 有多少人 得有几百人吧 一年要面几百个 对 得一年面几百个 平均到每天是不止一个的 每天得有 平均下来得有两到三个吧 那得到六七百人了 是 我很多时候节假日也在面 你现在喜欢面试吗 喜欢啊 一开始创业就喜欢吗 喜欢 因为它是个特别高效率的学习过程 特别重要的一件事 特别高效率的学习过程 有一些创业的 CEO 因为社恐的问题 这块面试不足 其实是特别吃亏的一件事 我其实也有这方面的问题 我要下很大的决心和心理准备 才能去面试 这是纯臭毛病 就是社恐带来的臭毛病 非常不好 你一直没有这个问题 对吧 哪怕我犯困的时候 一面试的时候就很精神 就精神了 很精神 你们用 现在还是用飞书集成了 所有的 AI 应用入口

其实我做不到这种程度，那我们可能又把最顶级的人才其实给送走了。

那现在代码量根本不是问题的情况下 你们又不缺工程师 就这类的 按自己的需求完整地重新定制 其实工作量也是完全可控的 这些没有开始做吗 就我觉得我们对于这方面的理解 肯定还不如飞书 我觉得飞书做的很多东西 其实还是挺好的 包括文档啊 多维表格啊 面试啊 包括这些东西连接 就是如果我没有机会做个更好的 我觉得我们就用它 而且成本效率其实是更 成本和效率其实是更高 更好的 但是我们在做一件事情 我们其实是把 Cowork 自己其实在内部重新做了一个 自己定制的 按自己需求来 对 我们希望其实所有的员工 能够工作在这个 能够工作在一个稳定的 agent 上 这个 agent 去接各种的子 agent 包括跟飞书连在一起 跟飞书的这些 用员工的账号连在一起 然后去连数据 包括一些必要的软件

但这个现在不是很多企业在这么做吗？我们现在也是产品经理主导一个东西的时候， 以前立项会很谨慎，因为你怕那些工时都浪费到无意义的事情上。

就是无论你写多少代码 其实这世界竞争没变 就过去的时候 我经常开玩笑说 过去的时候是 20% 的人顶级 80% 的人普通 但有了 AI 以后 加了杠杆以后 可能会变成 2% 的人顶级 98% 的人普通 所以竞争没变 就是你可以每天 然后人类多做十倍的 App 但是能装到用户手机上的 App 一个都没多 所以我这本质上竞争没变 如果竞争没变的话 我们是不是应该 仍然是把更多的精力放在创造用户价值流 而不是自己 怎么去做一套自嗨的系统 因为那个竞争同样激烈 所有人还在那竞争 所以呢 如果有这种专业 ToB 企业 能把这事做好 我们就交给飞书去做就行了 我们自己是把用户价值

现在是给产品经理充分放权，他有什么想法他就直接去验证，然后他拿出来一个能操作的东西，这个代码都自己弄的。

一个根本的一个变化 但是我觉得 如果 SaaS 公司想明白一件事情 就大部分企业 其实以这种方式去构建数据仓 和管理数据能力 这可比做软件难度还要大 所以我觉得 SaaS 公司有机会 变成 AI 时代最顶级的数仓 然后服务团队 他们也有自己的转型的机会 现在已经被公众知道的 这一类的传统的 SaaS 巨头 有往这明显转型 且取得了一些成绩的吗 我自己没研究过这块 我觉得应该没那么快 还是会有一个 还是有个过程 也可能更多的 SaaS 的公司也会转型 直接变成 Palantir 那种方式 还有今年你们年初 做了一个挺激进的组织调整 也被媒体报道过 就是说以全球最先进的 AI 公司的组织架构来设计 然后还对应的人体结构去做这个拆分

然后我们就等于以前是拿着设计稿，还有什么快速可视化的动画，还有一些PRD那些来讨论，现在是直接做一个能用的东西。

那你怎么骗它说 我跟它聊得最多的时候 我说你作为一个最顶尖的 agent 你现在帮我做全行业的分析 然后你来再给我讲 然后到底应该怎么做 因为我们当时都发现一个 很大的一个问题 就什么呢 就是做软件和做 agent 团队的这帮人 老想自己去做点模型 做不了的话 就拿一个开源的瞎改一改 然后再用点 LoRA 这种方式 就特别像什么呢 就特别像那些动物 这个手脚上非得长个小脑 我说这是个低级动物的做法 对吧 然后做模型的也是 做模型的老想去做 agent 那因为他也想直接去落地 那就像一个大脑 小的时候我们看忍者神龟 那个 Krang 长的那个小手脚那种感觉 所以我就问他们 其实这个 Anthropic 非常清楚的 就是做模型的和做 agent 团队

只不过他最终还是要给工程师去实现，是因为还有很多技术上的细节不太会，比如说这个能在本地跑起来了，但上线以后如果有海量用户的话，它什么压力测试什么这些，还是要工程师来把握。

所以我说你们也去分析一下 看看你们得到答案 是不是跟我一样的 最后大家答案都一样 那认知就一致了嘛 这就省了你的说服工作 没有 其实更痛苦的是他们 就我做了模型 然后这个 agent 团队一直不用 然后自动驾驶团队 一直说我就用现在就行了 你新的预训练模型我不用 对吧 总之乱七八糟的 我觉得那肯定是因为 你原来的团队按照功能设计的 但新的团队其实就像造一个人 其实它按照人体的结构来设计的 我觉得基本上我看的顶级的公司 都是这么做的 包括字节也是这么做的 这个调整过程没有太多阻力吗 我们周五然后大家讨论完的 然后我说 ASAP（尽可能最快） 吧 周六周日不行 所以就周一上午十点 就跟大家公布了 大部分团队听不懂 但是这几个 就是基座模型团队 软件本体团队 他们都听懂了 但其他团队听不懂 那我说今天 你也没有办法跟所有人都讲明白

但这个不是常见做法吗？是，我们连硬件都这么做了，就是我们连硬件都是在一个agent虚拟环境里边跑通了，然后再去开发的，不只是软件了。

其实是一个照妖镜 是一个放大镜 你过去能藏的东西 其实今天藏不了了 你对公司的不满也会放大 然后其实你自己能力的不行 也会被放大 我比较舍不得的是那些 在旧时代其实能力很突出 很优秀的 但他就公司已经等不了了 但是他对适应新的 学新的东西还是没有那么 内驱力没有跟上 还是处于一种推一步走一步那种状态 那种时候还挺难处理的 因为你原来的贡献很大 还有一些感情 就这些有时候还挺难办的 是 都一样 都一样 我的方法是鼓励他们出去创业 这也是个办法 对 而且鼓励这样的人 组个团出去创业去 但是我刚才说的那些 是学新东西动力不足的人 这帮家伙出去创业能做出啥呢 他在你这不足 他出去也不代表不足 这是当时余凯教我的方式 你没发现 地平线一堆人出来创业 我们也是一很多人出来创业 就当大家动力不足的时候 你真让他出去创业 他是有动力的 他每天都不睡觉了

但是我刚才讲的一个很大的问题是说，那我不可能让一个产品经理把这方面的战略研究做了，我也不可能找任何一个业务负责人。

然后就是这个 TCO 就是他得以这样的一个判断 就跟判断一个人其实很相似了 相反 如果他过去功能的角度 他就没法做这些判断 相反 特别年轻的 他就拥抱一个新的方式 就是包括如果我们评智驾的这个也是一样的 就是一个人类司机的一些关键标准 应该是怎么来定义的 然后紧接着我们 再拿这个指标来做 而且它也是一个过程 而甚至他们在定义这些指标的时候 都是跟 agent 对话 来构建一个指标评价体系的 那你让一些过去靠功能定义这些人 来做这东西 他就绕不过这个弯 其实原来的知识 对那些反倒成了负资产了 对 因为说白了就是你评估的是能力 不是评估的功能 过去我们做的所有的产品 都是在评估功能 但是 AI 评估的是能力 成本也是能力 性能也是能力 所以没有原来思维定式的反倒更好 我们会发现一帮校招生做得特别好 然后说到那个媒体现在 经常会聊到的超级个体这个事

所以我还是说其实专业的人在今天仍然有巨大的价值，只是不是原来标准化的，只是跟你做一些文档的价值了。

比如他去抢资源啊 然后去见人说人话 见鬼说鬼话 他们就很吃亏 很多技术高手这样 而且由于长期遭遇负反馈 他们说话能力就越来越差 不爱说话 对 但是他跟机器对话没有任何问题 那所以这些人 我们就去观察他们做了哪些东西 然后特别相似 就他们几乎每个人 做的那么大 token 消耗量 根本不是你随便玩一玩的 他们基本上都把 自己所在领域的业务重构了 整个业务重构的 而且把 AI 所有的问题 比如他的业务有些东西需要泛化 有些需要确定性的 他们自己怎么来解决确定性的问题 他们都找到了方法 但是 所以我说我们最重要的是 后边我们的组织如何去升级 应该是围绕这帮人来设计的 因为他们其实是 灵魂嘛 是开创者 是真正 AI 时代的 真正的验证者 开创者

我的一个观点就是说，其实专业的人只要他能用好AI，其实价值可能是一个新的高度，并不是说我找一些人把原来这个替代了，替代原来东西其实没什么难度。

这些所有的安全性怎么来保证 然后这些个体 他就特别需要一个特别强的 一个数仓团队 是 AI 时代的数据仓库团队 然后来帮他们解决这些问题 那第三个其实说白了就是说 其实他第三个问题 问得非常有意思 就某种程度而言 其实如果你是个成规模的企业 有足够的生产环境 你为什么不把这些人 就是认为他其实就在你的体内来创业 你只要给他价值评估到位了 其实他在你这环境里创业 比他出去 零创造一个环境 去创业要好得多 就如果真的出现个体 其实应该是这样的 或者说我认为可能不是一定是个体 可能两三个人更好 他没那么孤独 有的人其实就是来做原型的 有的人其实就高效率去实现的 有的人去讲故事了 我觉得可能以后是个非常好的三人组合 但是这三人组合既可以长在别的平台上 别的生态里 也可以你自己企业变成一个生态 让它长在你这里 那你现在这样的人多吗 当然不多了 好像还走了不少 走了不少 走的还不是这些人 这些人没有走的

但是今天的专业的人有了AI以后，他会进入到另外一个高度上去，这个高度如果不是专业的人，其实是替代不了的。

而且大部分我们也都投了 我觉得这是一个方向 但是走人太多也有问题 那我觉得第二个其实说 很多人当时的时候 最大原因说如果理想汽车自己做机器人 我就不出去了 所以我觉得另外一方面 就我们把机器人的业务 正式浮到水面上来 让这些人其实 就可以在我们公司内部去做机器人 去创业 去做他想做的事情 之前你像具身智能机器人这块 你部署的时候 在公司内部还是很小的保密部门吗 是啊 是的 所以其实有一些这方面的人才 也不知道公司有这个计划 是 而且过去的时候 公司内部也是不太希望 很多人往这转岗 就希望先把自动驾驶做成了 别自动驾驶还没做成 就都想着跑过来做机器人呢 还有这方面的考虑 我看出去的好几个都是 也是做具身智能的创业 全是 全是是吧 对 因为我车展期间 刚跟我们的所有出去创业的人一起吃个饭嘛 就都是 都是去做机器人了 就跟我说 无非是做的机器狗

是，这个我也同意，但是以前比如说一个战略调研的一个主管可能带着十个人工作，现在他可能只要有一个人就差不多了。

他有自己的判断力的 我觉得这三个其实缺一不可 因为很多你们也投了和支持 所以大家也在讨论 媒体也在说 好像一个可预见的将来 有一个所谓“理想系” 理想联盟 对 理想系的这么一个团队会出现 你也有这方面的 你认同这种说法吗 我觉着 就我自己做一个最大的一个感觉 就是出去做自动驾驶的一个公司 如果投了那几个关键的 不也挺好的吗 这我很纳闷的 有些老板做了那么大 为什么手底下人出去创业 他就当仇人一样 是 这有什么好处呢 你也留不住人家 你拿他当仇人 不更留不住 出去以后 你何必呢 对吧 如果能协同就协同 协同不了的话 至少互相客客气气 我也挺不理解 对 我们同事 我们同事在一起聊的时候 比如说做机器狗的 然后就想 跟我们的车 来做联动

这个事你们那也会发生吧？我们人一直不多，本来也不多，本来就不多。明白。

然后小厂 创业公司也会做 中厂也会做 大厂也会做 然后我们其实 对自己的一个 非常重要的一个要求 其实我们希望 能够为整个机器人行业 提供基础设施 那个现在新能源车企 很多开始出海 并且 有一些也成绩非常好 你们这块已经开始动手了吗 开始动手了 然后以我们 L9 然后还有去年的 i 系列这个产品 新一代的产品 我们在设计的时候 就已经把海外的 所有的结构 兼容性都做好了 并且我们过去的时候 出海有一个挑战 就是因为 我们是个智能车 所以我们上的软件生态 你用的话肯定知道 我们做得非常的细致 所以我们出去以后 如果每一个国家 我再去匹配 当地的地图 这些软件生态 其实是个非常复杂的工程 因为整个智能化是我们的一个基础

所以你们还没有出现因为AI的大规模应用，导致某些岗位就开始裁掉这种现象？

我觉得就是 亚洲和欧洲 其实就是我们的 两个最主要的战场 各个国家会陆陆续续全都进入的 欧洲也已经开始了 开始了 然后非洲可能 我们更多的是 是我们的 有人把我们的二手车卖到非洲 因为你们没有太低端的车型 对 因为我起价基本上就 3.5 万美金起了 这块是启动有多久了 我们准备了大概有一年的时间 然后因为它的管理方式 跟国内不太一样 因为国内我们在使用的 其实是直营的方式 但在海外的话 你直营很难 有当地的各种的保护 所以我们 进入任何一个国家 基本上我们就相当于自己是 总代理 再在当地招募经销商 这个方式 是比较容易开展工作 也不是为了容易 只是为了 必须得适配 长期的话不能自营吗 很难哈 他们有他们的体系 跟咱们不一样 对 包括他的利益链条

我觉得两个方面吧，我觉得其实就是任何一个企业发展有两种可能性，一种可能性其实是它这个行业就规模可能遇到屋顶，这是行业的问题。

到 开始能凑合做一些 到做一些 人家淘汰的车型 给到我们合资企业做 再经历了 能做一些好的 再经历了新能源 把海外名牌都洗牌掉 这个整个过程 所以我看他那个 有时候感觉真挺有意思 因为他说话比较直嘛 他就提到 测了好几个中国车 他经常在节目里问的问题就是 先把中国车怎么怎么牛 一通讲 因为都是事实 他这些讲完了以后 他是给美国受众讲的 所以他就 结尾的时候 一直在问一个问题 他说我们美国车 是不是完蛋了 然后再开个玩笑说 还不至于 因为我们有关税保护 我每次听这个时候 觉得特别魔幻 就是咱们以前 因为车太差 全是靠关税保护 保护了那么多年 但是现在 因为中国车太强 去到美国 去到欧洲 他们主要聊的话题就是

那其实它需要通过降本来解决问题。我觉得还有一种可能性，比如说我们看到的话，汽车我们才做了一点点，后边还有机器人这种可能性。

跟着一起出去 也对应着它的 比如说日本企业 对应它的商社 带着保险 带着金融一起出去 而且那些保险金融去了当地 就是合资公司 就跟当地的金融公司合资 所以我说 这样的一个 这样的一个利益链条 你只去那国家赚钱 然后任何国家 其实最后都会来保护自己的 我觉得这个其实是一个 新的课题吧算是 我觉得也可能是 也可能从某种程度上而言 是中国从一个发展中国家 真正走向发达国家 可能必须要去解决的一个 补的课 所以其实 中国企业家过去做这些 不用考虑 如何跟一个 利益集团 利益联盟来共同赚钱这些事 是 但出去这个是必修课 对 包括出去以后 你当地的利益怎么解决 他们的就业 然后他们的整个的 社会环境 他也想分这一羹 并不是只是在那里卖个车 被你赚了钱

就我们还是希望其实这些人能不能乘以一个五到十倍的效率。就今天我拿三万人，然后做一千多亿的收入。

实际上做了一年多 准备了一年多 就实际开始 是多长时间 我觉得基本上从 理论上就从 去年年底正式开始的 刚开始 那可以下次聊的时候 聊这块 我觉得中国做得很多 好的公司可能 不一定非得是汽车行业 像美的什么的 海外做得非常之好了 又收购海外品牌 对 然后又在海外建厂 非常成熟 对 我觉得最大好处是说 第一 中国的这个创业者 然后这个企业 能吃苦 然后第二 又一直有学习能力 中国等老板们变懒蛋 我估计还需要一代两代人 现在还是 都是很拼的 我认为可能永远不会 在公司内部 最近一次下边的人说服了上边的人 比如说你的管理层说服了你 或者更下边的员工说服了管理层 以至于改了一个重要决策 这种事情最近一次发生是什么时候 是类似什么样的案例 这个有吗

我的看法是有没有机会

什么东西都想得非常的准 而且员工也会很痛苦 所以我觉得这是 可能真的是过去的一段时间 有了 AI 以后 我自己的做事方式 发生了一个很大的变化 就是很多事就是你出方案 最后咱们大家在方案里选 然后因为方案出来以后 而不是从零去设计一个方案 对 而且这个方案必须是可验证的 可看可验证的 我觉得这个其实是 一旦你真正习惯了使用 agent 以后 你的工作方式也会这么变 而且员工喜欢这样的工作方式 否则原来就变成老猜你了 所以他要说服领导也很简单 就一个事 可能领导还没做很详细的调研分析 他用 AI 做过了 拿着这个来跟领导交流 对 而且因为他如果用 AI 的话 包括有 AI 的能力 包括一些验证 包括硬件这些能力以后 其实

就他做这个方案 也不会是过去骗你的 因为过去的时候人怎么 就做一个好方案 再做几个陪衬的方案 就只推自己想要的方案 那今天有了 AI 以后 这个东西其实不成立了 没错 包括过去的时候 我们老说一个问题就说 公司只有一言堂 没有反向意见 其实今天 AI 出方案的时候 是带着反向意见的 就直接把博弈带出来了 有一些性格懦弱的 想跟上边提不同意见 心理负担也小了 是 因为他可以拿着 AI 分析的结果去谈 是 就好像自己 硬碰硬的那种就没了 对 所以带来真是无穷无尽的好处 我现在也是 很多时候 布置一个东西下去之后 他们结果还没出来 我自己再到 AI 这也问一下 因为有些领域我也不太熟

所以省得开会时候 他们说完了我还在那 现找东西就丢人嘛 然后在这弄完了也就 心里也七七八八了 到那有的时候是跟想法一样的 跟我调研的结果一样 有时候不一样 他也会解释为什么不一样 然后我不放心的话 我就回来再用 AI 做一次调研 所以它虽然现在做不到全能 但全知是已经做到了 算是半神吧 全知全能的 我们叫神嘛 它这个全知能做到 全能还做不到 所以就是个半神 对 所以就某种程度而言就是 当 AI 和 agent 这种体系跑下去以后 就从过去追求确定性 和改变了以后就是说 怎么追求大家能力成长了 因为它自然就 它泛化的时候 就你得放弃一些 对确定性的变态要求 是 而且我们即使 主观上性格比较强势 想被这样的东西说服 也相对容易

对 对 我觉得一方面 我们其实出好题挺重要的 就是给团队其实出好题 然后因为 可能我们看的东西会更多 把题出好 然后我觉得另外一方面 今天还有一个有意思的事情 就有时候团队也会告诉你 你出这题不对 这题应该这么出 我觉得这也是有了 AI 以后 非常有意思的一件事情 是 如果你觉得理想未来 可能出现一些大的危机的话 最有可能是哪些方面出问题 我觉得还是战略预判 战略预判 对 就是选择 选择和取和舍 我觉得这个是最关键的 因为其实这里边最重要的是你拿周期来看 就哪个周期调整性是最长的 其实哪个就是最重要的 这个错了 基本上回头也来不及了 对 所以你自己看的话 觉得将来可能出问题的话 就是长期战略预判 你看我们前一段时间 出的核心问题是组织和管理 为什么呢 其实我们最大的

最严重的一个问题其实是 从 2022 年到 2023 年 就是作为一个车企 我们一年收入 涨了三倍 那我就问一个问题 我们可不可以 我们有没有可能 一年能力涨三倍 所以我们可能力涨了百分之二三十 但是营业收入规模涨了三倍 那我们接下来几年就在补能力的差别 你可能是一个七八百亿的 或者五六百亿管理水平 但是你已经变成一个一千多亿的 一个身体了 那个其实是我们要 所以就组织和管理 但是它仍然能调过来 但如果你可能战略判断错了 就你连调整的机会都没有了 所有辛苦都白费了 是 就是 还是说那就是选择比努力重要 那这里边讲的其实就是战略嘛 其他的其实都不是太大问题 做了这么多年 其他其实都是可以 迭代和修正的 可以快速迭代的 或者说就是迭代速度要比那个快 它可能 比如说组织出现问题 要调两到三年 战略出现问题可能就输了

就跟 当年柯达什么的 也都是选择出了问题嘛 不是没有能力 那其他的出了问题就可能 六个月到十二个月就能修复 那你现在如果展望十年后 希望理想是一个什么样的公司 我希望我实现 我说那样一点 就是我们把过去的时候 富豪所拥有的这样的一种生活 其实借助人工智能技术 变成你家里的 保洁 家政 保姆 变成你的司机 变成你的助理 然后 在整个的具身领域里边 给你提供这样的一套生活的服务 从而也实现了我们一个 公司的一个愿景 能够成为全球 领先的 第一梯队的具身智能的企业 这是我希望的 一方面是用户的价值 另外是我们自己的位置 这也是 AI 为人类 可能带来的几个 最好的前景中的一个 就是让原来那些奢侈的 昂贵的服务和产品变成平权的 普世化 好 非常好

因为我最喜欢的 我最喜欢的电影其实是 《星际穿越》 然后 那个我看了得有二十遍吧 还要看的所有的这些分析 这样的 我觉得其实这部作品最有意思的一点 值得所有的 去来研究它 其实它是两条线同时发展的 一条主线 其实讲的科学 然后虫洞 然后重力 引力这所有的一切 然后包括 五维空间 因为在科幻片里算硬核了 但是呢 这个作品 还有一个牛x的线 就是它有一条暗线 其实是情感 而且 诺兰为了这条暗线 然后直接把剧本都改了 因为原来本来是个男孩 女主角是个男孩 但是最后一定变成一个爸爸和女儿 才是感情最好的一个表达 更打动人 包括在探险的过程中 急着回去是为了想见女儿 自己选择自杀 然后进入到虫洞里去 然后把自己拆掉 进入虫洞里边 又为了人类 我觉得他这个特别好

但是我觉得其实 我后来又想 这世界上所有的精彩故事 好像都是这样的 会有一条明线 把故事或者把产品 把技术讲清楚 还有一条暗线 其实是 是人的那个魅力在那里存在 所以我说 这又说明一件事情 就是 AI 很有价值 但可能人类的价值也永远存在 我希望是这样 但是逻辑上不知道 我对人类是乐观的 我对人类其实是个乐观的 也许最终解决这个问题的 不是我们人类想出来 是它（AI）想出来的 它比我们变聪明了 还没有毁灭我们之前给了一招 也许就管用了 对 就如果它碾压我们 它也不会灭我们了 对吧 不知道 所以你看辛顿不老讲那个宠物理论嘛 那个听着挺让人悲伤的 然后又觉得有可能是 为数不多的可行性之一 但是一说出来 我身边那些 认为 AI 没啥用的朋友都炸锅了

说你是不是疯了 吃错药了 现在在想这些没用的问题 我是觉得这可能很快了 还推荐嘉宾吗 你有想推荐的嘉宾吗 给我们 我想想有什么有意思的人 就如果机器人领域 我觉得最有意思的人 还真的是王兴兴 他是这里边最真实 最有意思的 就是你真的跟他聊的时候 真实得一塌糊涂 是吧 他这个人比较实是吧 特别实 太好了 行 那我们会努力做这个工作 好 感谢哈 每次来都合一个 好 来吧