117: 印奇的AI创业14年：所有不能闭环的辉煌都是暂时的
摘要
印奇把千里科技定义为第二次创业，而非一次资本运作：以吉利的整车与产业链场景为支点，继续旷视未完成的“AI in physical—软硬结合—机器人”路线，并建立数据循环。 短期先做智驾与智舱一体化的“AI+车”，机器人仍是终局，但他判断产业链整合出成熟产品还需约五年；在中国商业环境里，长期目标必须配一套“三年内可闭环”的打法。
旷视从香港转向A股、上市流程拖得很长且不能继续融资，让印奇把核心理念从“技术信仰、价值务实”调整为“价值务实、技术信仰”。 他反复强调闭环：“business model is the best model”，“不能闭环的辉煌都是阶段性的。”放弃原上市路径不是放弃闭环，而是被迫追求一个更大、更长的闭环。
千里的智驾竞争不是概念竞赛，而是围绕数据、软硬纵向协同和头部客户阵营建立规模壁垒。 印奇计划深度服务约3—4家车企集团、每类客户至多1—2家，以吉利形成第一套数据循环，再向外输出；他判断Tier 1最终最多留下4家、更可能只有3家，千里的近期目标首先是“继续留在牌桌”。
在技术路线上，印奇选择接近特斯拉的数据驱动、模型驱动路径，但认为行业把VLA“绝对超卖”了。 从有图到无图是本质跨越，从无图开始关键是提升模型化比例，补齐大感知、大规划控制、数据系统和软硬协同；VLM的通识识别“可能是必须的”，VLA是趋势，却不是未来一两年智驾的核心症结，“食材可能不够新鲜，最后加了很多佐料”并不能替代基本功。
千里试图以开放供应链区别于华为式纵向闭环：算法、整体方案、域控设计与部分核心芯片能力必须掌握，传感器制造和周边硬件则不应成为战略重心。 印奇认为产业早期垂直整合更高效，中期专业分工与开放体系更优，末期又可能重新整合；千里的赌注是用吉利作基本盘，联合芯片、激光雷达等环节的最优伙伴，并建立供应商品牌心智。
印奇把这一轮大模型浪潮视为2015年前后开启的深度学习大周期的“决赛环节”，但认为纯搜索式Chatbot难覆盖模型研发和推理成本，下一阶段必须从信息服务走向闭环服务。 Agent可分工作、创作、生活、情感四类，他认为工作赛道更可能被Office、飞书等既有软件体系吸收，创作仍有创业公司做爆款的机会，生活类体量最大但依赖操作系统与硬件，前三类可能在未来18—24个月陆续出现引爆点。
“超级模型+超级应用”不是二选一：任何真正的Super App都要同时在性能与成本上参与最强竞争，仅调用开源权重或做浅层微调很难形成壁垒。 印奇仍判断本质性技术变革会诞生新巨头，但创业公司必须集中资源于一个场景，掌握模型的深度训练、修改和个性化能力，并拥有直达C端的软件或硬件出口；他的常识判断是：“只要变革足够本质，就一定会有新公司赢。”
精读
1. 四百人干部大会先把“资本变化”变成第二次创业
印奇出任千里科技董事长后的第一天便召集约400名干部。他要让原力帆团队看到一个真实的人，而非公告中的名字，也让组织对新董事长形成准确预期。
他传递的第二层信息更直接：资本层面的变化不代表企业已真正启动，“我会把它作为我的第二次创业”，这既是对组织的预期管理，也是决心的表达。
对经历破产重组、又与吉利磨合三年的原力帆而言，人的状态比资本结构更关键。印奇希望用当面出现表达决心，也承认千里对他仍是一套新的组织和产业体系。
2. 从旷视到千里，变的是平台而非AI终局
印奇概括不变的三点：AI是自己的lifelong事业；AI必须寻找场景、载体并走向软硬结合；终局始终是机器人。“从起点、终点和路径上，本质是没有变的。”
形式上的变化，是他走出原旷视体系，同时又必须把旷视积累的力量和资源整合进千里；更重要的增量，则是吉利提供了过去AI公司一直缺少的产业场景和硬件载体。
他不把这理解为另起炉灶：旷视过去在补载体、供应链和客户场景的短板，千里则试图让AI团队与产业方优势互补。外界看到的变化，在他内心“比大家从外部看到的要少”。
3. 上市冻结与AI再加速，把旷视推到选择临界点
2023年底，旷视仍卡在漫长的A股上市流程中，且上市期间不能进行新融资；资金链高度紧张之际，外部大模型浪潮又要求更多算力、人才和资金，两股力量形成直接冲突。
程曼祺列出的三条路是：抓住大模型创业窗口、继续推动旷视上市，或进入千里。印奇排除了抛开原团队重做一摊事，也排除了只能短期纾困、却无助于公司长期发展的资本路径。
他曾为等待上市设定过多个deadline，最晚大致推到2024年年中；若没有千里方案，备选是撤回上市、重新融资。重要决策应“try everything”，尽量收集信息，但最终仍取决于现金、团队抗压和决策者的压力阈值。
4. 千里成为答案，靠的是“hope”而不是“fear”
千里方案最初由舒副董事长提出。印奇第一反应是创意很好，却因仍想走完旷视原有资本路径而没有立即投入；到2024年第一季度，他才认为它可能既是“唯一的选择”，也是“最好的选择”。
他的自我解释是：“做选择不是因为fear，而是因为hope。”促成决定的不是害怕上市失败，而是数月沟通后，相信千里可能成为把AI推到下一高度的更好平台。
原力帆经过重组，历史包袱已被处理许多，基础业务相对清晰；真正决定性的则是对吉利的判断——其管理层是否真把AI视为汽车的未来，并愿意长期投入，而不是把智能化当作一个配置要素。
印奇从吉利长期研究科技前沿、持续押注技术路线的历史中看到“技术信仰”。在他看来，一次选择不足以代表价值观，能在一条路线坚持二十年，才说明企业相信它代表未来。
5. AI in physical既是价值选择，也是商业差异化
印奇认为大模型正在打破digital与physical的边界，未来几乎所有AI应用都需要完整的超级模型能力；缺少这一能力，to B容易退化为解决方案，to C也很难形成纯粹的killer app。
他偏向AI in physical首先源于价值观：当年在AR与VR之间更倾向AR，是因为不希望技术让人脱离自然状态。高度沉浸的VR也许体验极好，“但这不是我想象人类更好的生活状态”；机器人则可以在物理空间工作并成为伙伴。
第二层判断是，纯虚拟数据不足以培育他所想象的AGI，物理世界的数据、交互与进化条件不可缺席，而这些数据今天仍极度匮乏。第三层则是竞争：数字世界已有强大巨头，物理AI更新，旷视团队的软硬结合基因也更有差异化。
机器人仍是“初心，也是终局”，但印奇判断主要要素即使从当下开始基本齐备，产业链整合为成熟产品仍可能需要约五年；因此现阶段选择车这一明确载体，并坚持长期目标与三年内可闭环的打法并存。
6. DeepSeek证明科研爆发力，却没有自动证明商业闭环
印奇首先拒绝把DeepSeek视为普通创业公司：它首先是一个大厂，至少是一个规模排名靠前的公司，不能只把它视为研究院或科研机构，因为组织性质最终会决定商业打法。
他认可DeepSeek用相对非商业的开源方式发布惊艳成果，并获得全民破圈，“这是一个非常好的例子”；但科研成果、开源影响力与商业可持续性是两件事，这一步本身并不代表闭环已经形成。
对照旷视，他说团队当年确实做成了“东半球最好的研究院”，拿过许多全球第一，也为DeepSeek、OpenAI等机构输送了骨干。差别在于今天AI的爆发力和公众关注度都更高，研究成绩更容易直接破圈。
这段经验让他坚持区分商业公司与科研机构：资源投入最终要由客户价值锚定，否则再耀眼的研究影响力，也可能只是阶段性势能。
7. “天才少年”模式能造人才，商业价值才能留住人才
旷视早期围绕数学竞赛、信息学奥赛和数理基础优秀的本科生建立培养体系，两三年后，这批人在本科毕业时就能变得非常强。印奇认为DeepSeek今天的人才结构与之相似。
他的理由是AI变化太快，旧领域的深博士经验未必最稀缺；行业更需要“最聪明的人”，兼具算法、编程、实验和调参能力。唐文斌的信息学竞赛背景为旷视提供了入口，而更早的搜狗也使用过类似模式。
这类人才在乎薪酬，也在乎同类聚集的圈子、及时反馈和工作的impact。旷视低谷期仍保有底子；只要平台重新具备商业前景、技术前沿性和资源，人才就会回流，“人才是随着商业价值走向的”。
因而印奇把原来的“技术信仰、价值务实”改为“价值务实、技术信仰”。唐文斌的总结更尖锐：“business model is the best model。”
8. 放弃原上市闭环，只会把闭环拉得更长
程曼祺追问终止上市是否意味着放弃人生原则，印奇的回答是：“其实是不想变成更大的闭环，但不得不变成一个更大的闭环。”他原本也希望先完成一个确定性闭环，让公司进入一段压力较小的经营状态。
上一轮AI公司的共同模型，是多轮融资与早期商业结果不成比例，投资者相信跨过临界点后会出现爆发式商业结果。印奇仍同意这个大逻辑，但投入期越长、资源越重，最后一次变现所承担的风险和竞争就越激烈。
“越长的闭环，这个链路越长，它越容易连不回来。”23岁创业时，他没有预见这条路会如此漫长；彼时的“革命乐观主义”是相信一群聪明人、一个清晰愿景就足以把事情做成。
他如今认为AI难在三件事同时存在：底层技术、产品化、商业化均不确定；行业迭代速度极快；全球最聪明、最有钱的一群人同时竞争。单靠宏大使命驱动商业组织，是他对早期初心的一项修正。
9. 字节式先闭环再进攻，也可能比纯AI公司更接近AGI
面对字节跳动先完成一个闭环、再完成下一个闭环的路径，印奇承认“有可能”反而成功。公司走过十年后，创始人、核心高管、人才密度和基本假设会沉淀为难以改变的组织基因。
一个组织若把上一代业务做到极致，说明它高度适配上一代范式；新旧任务关联度高，它就可能延续优势，关联度低则转型很难。所谓“一代版本一代神”，真正的不确定性在于一个版本究竟持续多久。
如果AI 1.0、2.0、3.0只是同一大周期中的小版本，同一家公司可能一路积累并赢得巨大成果；如果其中某次变化本质上已是另一件事，就更可能由另一批人完成。
10. 千里的第一阶段不是再造一家普通车企，而是做“车BU”
印奇接手的是一个“相对干净、底子比较薄”的平台，前100天集中处理“定战略、搭班子、带队伍”。总战略被明确为“AI+车”，再拆成终端与科技两只轮子。
终端轮子被形容为“两个轮子、四个轮子和两条腿”：摩托车要新能源化、智能化；四轮车寻找不同于普通乘用车中间档位的车型；两条腿最终指向机器人，但当前不作为对外主焦点。
他判断“中国不再缺一家普通的车企了”，若只进入已经高度拥挤的新能源乘用车档位，新增玩家意义有限。对主流乘用车，千里更想作为车BU，以成本、性能和标准化交付赋能整车厂。
科技轮子现阶段聚焦智驾与智舱。旷视提供智驾积累，吉利体系提供包括Flyme在内的座舱资源，未来两年的核心任务是把两者整合成可对外输出的完整体验。
11. 开放供应链是千里对垂直整合的差异化下注
千里的两个战略关键词是“开放”和“国际化”：吉利是最重要的起点与支点，但方案不会只服务吉利；国际客户则借力吉利已有的海外积累。
印奇所说的开放不是简单引入外部股东。程曼祺以华为引望和长安入股反问，他回应：关键在解决方案和供应链是否开放——是从芯片到系统全部自有，还是在每一环选择产业链中最优的合作伙伴。
他不认为开放与垂直整合有绝对优劣：产业早期供应链未成熟，垂直整合更可控；中期快速扩张时，专业分工和风险分散更有效；末期产品高度同质化，又可能为压缩成本重新整合，“分久必合，合久必分”。
千里必须自有算法、整体方案和域控设计，并在核心芯片矩阵中保留部分自主能力；域控制造、主流CMOS等并非战略支点。摄像头、主芯片、核心模型以及可能延伸到云端超算的数据体系，才决定主体成本与效果。
12. 千里要用独立治理和供应商品牌消除“吉利附属”疑虑
对其他车企可能把千里视为吉利内部体系的担忧，印奇给出的第一层答案是治理：千里拥有更独立、第三方的治理结构，聚集的也应是整个AI行业的人才和资源，而非单一车企团队。
吉利与千里等合作方成立的合资主体是“千里智驾”；吉利发布的“千里浩瀚”会用于其全系产品，但未来对外输出仍以千里为主体。名称把“千里”放在前面，也是共同建立供应商心智的选择。
印奇以手机产业类比：使用高通芯片、索尼sensor会为手机品牌加分，汽车智能化供应链却尚未形成同等成熟的品牌分工。千里希望成为能够提供品质保证、而非削弱整车品牌的核心供应商。
当前纠结有两层：除华为外，智能化供应商能否长期稳定交付仍未被充分证明；如果AI核心能力由外部提供，车企自身差异化又在哪里。千里与吉利的深度合作，也是对这两道题的共同试验。
13. 三到四家深度客户，比铺开交付更接近数据飞轮
千里不会追求大量客户，而是选择性服务头部车企。印奇预计长期深度结合约3—4个车企集团，同类型客户至多1—2家，以避免客户组合中的直接冲突。
这一选择首先来自汽车产业的大客属性：头部化仍会发生，而真正服务好一家整车厂所需的工程、量产和运营投入极深，客户数量过多反而降低交付质量。
更关键的是数据。没有与整车厂深度绑定，就没有商业基本盘，也无法建立终端数据回传、训练、验证、再部署的循环；对智驾和大模型座舱而言，这套循环是技术持续领先的支点。
印奇区分了两种组织：交付型供应商的核心能力是完成项目，数据驱动型组织则围绕持续循环建设模型和系统。若客户不愿开放数据，前者很难长期保持技术领先。
14. 智驾的真实产品指标是“托付感”，不是接管次数
对“车位到车位”功能，印奇先追问停车场缴费等服务是否真正打通；如果基础服务尚未闭环，概念上的车位到车位就需要拆成更细的产品颗粒度。
他认为今天的智驾对泛人群仍谈不上可信赖。接管次数不是充分指标：不同用户的风险阈值不同，更应观察接管意愿、乘坐舒适度以及系统是否给人稳定的安全感。
特斯拉的优势在他看来是驾驶更“类人”：车辆在复杂路况下的判断、灵敏度越接近人的直觉，普通用户越不会怀疑系统已经失控。程曼祺以FSD入华后的离谱表现，并追问其是否只使用互联网类型的中国数据；印奇没有确认这一前提，而用“让一个印度人直接看视频学中文”比喻跨文化数据适配的难度。
但他仍认可特斯拉的内功：端到端与模型化比例更高、白盒规控占比更低，像“脑子聪明，而不是背题背得多”。华为则用白盒与黑盒结合做深度优化，两条路线各有优势；千里明确选择更接近特斯拉的路线。
15. 从有图到无图是跨代变化，VLA暂时只是后续概念
印奇批评车企对概念“绝对超卖”：“可能做的是1.0，讲的是2.0和3.0。”从有图到无图是一次本质技术跨越；无图之后，无论端到端还是VLA，总体上都属于模型化过程。
智驾面对车型、计算平台和区域的交叉组合，理想的基础模型应能跨平台迁移，像人一样在不同场景不犯基本错误。国内许多方案则在基础模型不够扎实时叠加大量规则和定制。
他的比喻是：“食材可能不够新鲜，最后加了很多佐料，烹饪出一个端到端系统。”规则可以改善局部体验，却会削弱普适性，也使长期技术迭代越来越困难。
真正应补的是模型基本功，以及后端数据系统、云端迭代和跨平台能力。VLM提供通识多模态识别，“可能是必须的”；VLA是趋势，却不是当前智驾的核心症结。
16. 汽车动作空间有限，VLA并不是智驾的必要定义
印奇把VLA拆为Vision、Language、Action：视觉负责输入，Language代表逻辑判断，Action负责输出。这套多输入、多任务、多执行器的框架更自然地适配有手、有腿的机器人。
驾驶则对可靠性和时延要求极高，动作空间相对有限，主要是方向盘、油门和刹车。从宽泛定义看，任何端到端驾驶模型都能被称为VLA，因此名称本身并不带来技术突破。
他认为当前真正缺的是两块基础模型：更可靠、反应更快的大感知模型，以及降低规则占比的大规划控制模型；同时还要纵向优化硬件、软件架构和时延。
未来一两年的主旋律不是全量追逐VLA，而是把感知、规划控制、数据与硬件协同做到可规模化的成本和可靠性，再判断更统一的模型结构是否值得采用。
17. 具身VLA仍处于“toy级别”，大脑与小脑尚未接通
对具身智能，印奇认为VLA大方向“会是”，但现在还没有走通scaling law。实采数据与仿真数据两条路线能否支撑持续扩展，都存在大量未解决问题。
程曼祺用“去机场”举例：系统必须先决定交通方式、机场、航班和时间，再落到迈左脚还是右脚。印奇认为这个问题触及核心——从宏观计划、中观表示到微观动作，整个思维空间尚无清晰定义。
今天许多机器人展示是在人工定义的动作空间里完成showcase，“还是toy级别的一些实验和初步结果”。当大脑、小脑各自的表示都不明确时，很难贯通高维推理与底层action。
因而车仍是最明确、最好的机器人载体：“出行服务最好的机器人”尚未完全解决；如果连特斯拉都没把这件事做完，直接推演更多机器人的商业爆发仍为时过早。
18. 技术路线没有魔法，胜负更多落在执行和商业模式
印奇把技术品位理解为长期积累形成的手感：做技术的人会直觉判断什么更终极、更优雅，但这种判断是连续值，也可通过论文、专家交流和行业实践提升到足以支持商业决策的“手艺”层面。
他提醒不要神化技术路线。当前范式的信息高度透明，国内公司更多是在学习和follow；关键选择可能是三五年前站Waymo路线还是特斯拉路线，而非某家公司掌握了外界不知道的magic。
路线之后还需要四项能力：强工程化团队、资源与资金整合、正确的技术一号位，以及对商业模式“什么能行、什么一定不行”的基本判断。大部分差异由执行速度和完成度拉开。
智驾商业模式必须允许软件持续迭代。印奇更认同订阅、license或一次性购买等to B to C模式：终端用户付费，整车厂与供应商分润，供应商才有动力持续OTA；若AI只被当作免费成本项，长期不可持续。
19. 五年低谷是闭环最后一段的高压训练
印奇用“合缝”形容闭环：一块板越接近最终压合，压强越大。从80%、90%、95%到99%，难度并非线性递增，最后部分往往承载最大的信息量和成长速度。
因此他不把2019—2024年只视为“沉寂”。旷视早期融资、扩张很快，但AI产业积累还不够，更接近实体产业，需要这五年“蹲苗”，“把这个土压一压”，让团队变得扎实。
上市流程又把训练推到极端：A股申报期间不能额外融资，现金流非常紧，团队却仍要研发新技术、留住核心人才并应对资本市场。他承认多个节点都“濒临压爆”，只是最终没有被压垮。
20. AI尚未产生与投入匹配的绝对利润
印奇用一个粗暴检验反问行业：如果AI真如宣传般强大，至少应把GDP提升10%；但截至访谈时，他不确定全球是否有纯AI应用创造过1亿美元级利润，并断言没有AI主导应用创造10亿美元级利润。
他强调收入不等于价值：五块钱成本的东西两块钱卖，收入可以很大；利润更能检验客户是否愿意为净价值付费，“利润长期看是跟价值最绑定的”。
互联网可以靠低边际扩张成本和网络效应形成事实垄断，随后变现；AI当前仍以高强度研发驱动，尚未出现类似集中格局，因此不能简单复制亚马逊长期亏损后收割的叙事。
他听到过的较好样本是Midjourney累计利润可能约1亿美元或略高：投入相对可控、产品简单，又抓住阶段性势能。但图片、视频生成强依赖底层语言模型，一旦基础能力阶跃，应用模型和用户忠诚度都可能迅速失去壁垒。
21. ROI不是削弱技术信仰，而是给技术信仰续命
五年间最本质的变化，是团队开始用ROI框住每个商业和研发项目：大致需要多少投入、潜在回报多大、多久可能进入稳定态。周期可以长，但不能完全没有价值锚点。
印奇回忆上市聆讯时遇到两类委员：一类问中国AI为什么没有去造“SpaceX式火箭”，另一类追问财务报表为何亏损如此严重。他认为两边都对——既要求仰望星空，也要求脚踏实地。
他的可持续科研模型是先养活自己，再把赚到的钱按较高比例投入长期研究；第一个闭环创造的价值，成为第二个更大闭环的燃料，而不是持续依赖外部资本为信仰买单。
判断项目也不只看当期利润，而看稳定态ROI：有些收入短期不赚钱、成熟后可转为利润；另一些收入即使当下漂亮，却没有长期发展性，同样不是他要的闭环。
22. 研发与营销从四比一调到一比一，才真正落实客户导向
“当钱紧张的时候，你看每一分钱怎么花，思路就会不一样。”印奇开始逐项检查财务、流程和人效，发现融资宽松时形成了大量不必要的支出与组织浪费。
公司规模也暴露管理台阶：约100人是一种组织，400人是一道坎，1000—2000人又是一道坎。旷视卡在约2000人时，创始团队的经营与管理能力没有同步跟上。
过去许多业务的研发与营销费用达到3∶1甚至4∶1，近三年逐步调到约1∶1；颇为反直觉的是，比例接近平衡后，业务往往才开始走向盈利或健康经营。
机制比口号更重要。研发资源过度充裕时，上一代产品尚未卖出，下一代已经启动；只有让市场端成为价值链火车头，使研发预算由客户需求和销售结果牵引，“客户导向”才不再只是沟通和宣讲。
23. 管理没有新大陆，只有与阶段匹配的旧问题
印奇反对在管理上追逐新概念，因为“人这件事亘古不变”。供应链、研发、市场、激励和权责的基本矛盾反复出现，真正困难的是把已有原则匹配到公司的战略和发展阶段。
学华为不能只抄今天的华为：必须知道它在不同收入规模、竞争环境下使用过什么组织。创业公司若直接套用千亿规模企业的管理体系，方法本身正确，阶段却可能完全不匹配。
还原企业历史几乎是“mission impossible”：创业时无暇沉淀方法论，成熟后关键人物离开，回忆又被结果美化。管理者只能拿片段信息融合成自己的体系，但不应误以为创造了从未存在的新理论。
这与印奇的底层世界观一致：“世界是连续的。”所谓颠覆往往只是没有看到另一条演进轴；理解因果连续性，会让人更本分，把努力放在“因”上，而不过度苛求某个节点的结果。
24. 目标与绩效是人人都做、却极少做深的管理基本功
在印奇看来，管理最重要的两件事是目标管理和绩效管理，虽然几乎每家公司都有流程，“百分之九十九的公司都没有认真在做”。
目标管理的核心不是写出数字，而是在设定目标前深挖风险、竞品、资源和假设。许多事后看来明显的错误，当时并非不可避免，只是决策流程遗漏了已经存在的信息。
绩效管理对盈利业务相对简单，可以“创造价值、分享价值”；探索期却需要最强、最贵、最能创新的人，同时多数探索又可能失败，投入、反馈与最终价值难以一一对应。
因此组织既要学习管理方法，也要锻造能执行它的核心leader。没有经历过最艰难阶段、仍愿意留下来的人，仅有理论无法形成真正的战斗力。
25. 认知正确不等于能做到，“how”常比“what”更重要
程曼祺提到旷视早在2016—2017年便判断软硬结合，却因外部因素未充分兑现；印奇主动纠正：“它没有不可控，也还是能力问题。”
他认为很多团队都能到达相近的认知高度，真正稀缺的是执行力。传统企业反复讲客户中心，却仍学不会海底捞式服务，正说明知道原则与把原则落实到每个节点之间存在巨大距离。
互联网时代的上游流量、下游广告和中间产品范式相对固定，一个特别强的长板可能快速闭环；实体产业和AI则更依赖跨环节协同，因此“互联网时代大家觉得what很重要，大部分商业场合中how可能更重要”。
认知还会随业务规模变化：100万、1000万、1亿用户带来的问题完全不同。组织若卡在100万，就不会自动获得下一阶段认知；既需要认知推动业务，也需要业务规模反过来生成新认知。
26. 印奇不再迷恋“最聪明”，而是把价值和结果放在前面
最近五年，他的人才审美发生“本质变化”：聪明仍重要，尤其对研发组织，但聪明只能解决部分问题，不能替代执行、协作、韧性和客户价值。
他把过去追求认知领先视为一部分ego驱动——希望看到别人看不到的东西。经历挫折后，他更在意结果和价值：“最后还是结果重要，价值重要，就是创造价值重要。”
价值不只是一项产品收入，也包括把公司经营好、构建有效组织、帮助行业进入下一阶段。以结果为导向意味着愿意承担繁琐工作，并为关键结果做短期牺牲。
同事形容他更“狠”、更杀伐决断，他基本接受这一观察。变化不是不爱惜人才，而是更敢在资源配置和节点上做决断；真正的“super级”人才则尽量转到新方向，而非随项目一起流失。
27. 节奏决定何时储备、何时饱和冲刺
印奇一直认为“节奏可能比方向更重要”：能看到大方向的人并不少，差别在于何时发起冲刺，以及冲刺时资源、团队与技术成熟度是否同时到位。
技术积累具有不可压缩的时间。有些领域不需要1000人做一年，却需要100人持续做三到五年，才能形成认知、人才梯队和基础研发；这要求前期前瞻布局，但控制ROI。
当技术接近商业化临界点，打法则必须切换为“饱和的资源”和单点狙击。先发者未必先到终点，后发者只有准确判断决战时点，才可能后发先至。
这与他曾说的“在没有生死存亡的前提下保持最慢的发展节奏”并不矛盾：前期慢是为了积累和保存资源，决战时快则是为了集中兑现。“聪明人用笨办法”，本质是长期做不可绕过的基本功。
28. 智驾已进入冲刺，胜负由三套体系共同决定
旷视在2017—2018年就关注智驾，但认为技术路线和商业模式均不成熟；到2021年，基于BEV的端到端大框架至少已经走通，特斯拉、蔚小理与华为等又推动行业走出早期探索、进入大规模量产期，旷视才决定加大投入。
印奇把“去年理想把端到端做出来”视为明显的“冲刺信号”。资本市场从来不是目的，只要长期投入不会对上市造成本质干扰，就应按产业节奏推进。
他预计在访谈所说的“明年”，Tier 1格局会明显收敛：最终最多4家、更可能3家。千里的近期胜利定义不是垄断，而是先成为剩下的少数玩家，“继续留在牌桌”。
判断胜负要看三套体系：终端回流驱动的大模型数据体系；从解决方案、算法模型到芯片的纵向协同；以及能给头部车企提供差异化价值的客户联盟。L3并非唯一决定项，成本、规模化和商业阵营同样关键。
29. 资源整合只是手段，组织韧性才是长期资产
印奇理解吉利的资本整合并非为交易而交易，而是服务于汽车重资产、多品牌和国际化战略；优质技术、品牌资产难以从零复制，开放合作可以加速获得，但“资源整合千万不能作为目的”。
技术背景创业者更习惯安静地做产品、不超额宣传，这也是印奇承认的局限。中国市场长期由用户、渠道和营销驱动，产品供给充分时，“谁掌握渠道”往往拥有更确定的商业机会；他敬佩车圈创始人学习雷军式表达，但本人只想把这项能力做到够用。
过去一两年，组织从“idea很多、事情做到七七八八”转向关键节点必须完成。有限算力平台上的吉利智驾量产、资本市场流程等“生死大战”，训练出比过去更强的指哪打哪能力。
印奇把韧性视为等价交换：若目标本来就是高峰，就必须付出对应的功和代价，“投入和产出能一比一，就已经是最好的情况”。压力要足够大才能锻炼执行力，但又不能把组织真正压爆。
30. AI的calling来自少年时期，创业则教会他寻找“真问题”
印奇在考大学前便把AI视为值得一生投入的事，当时的人工智能更接近机器人想象，也受《机器管家》等影视作品影响。进入清华自动化系、姚班，再到哥伦比亚大学研究3D视觉与传感器，均围绕物理世界的机器展开。
他原计划读博约三年再回国，因为创业是“一生的事情”，需要补足硬件能力；Face++出现、Facebook收购Face.com等行业变化加速了节奏，他才提前回来，与偏人才产品的唐文斌、偏工程的杨沐形成互补。
姚期智、孙剑等老师塑造的科研价值观有两条：研究要有真正的impact，不能灌水；更要先定义问题，而非只解决别人给出的课题。选择一个切口往往需要两三年、甚至三到五年理解领域脉络。
科研、商业和组织的共同点都是寻找“真问题”：科研找正确的坑，商业找客户真实痛点，组织找不work背后的人员或生产关系。一个判断若经不住连续三个“so what”，通常还没有触及根因。
31. 物理AGI、艺术与运气，都被放进同一套连续世界观
印奇认为，如果人脑只是由神经元和电信号构成、没有未知的高维或“magic”机制，它原则上就是可模拟的计算体系。未来AI系统因此可能模拟人脑的一些能力，但要成为能完成真实任务的伙伴，仍必须获得物理输入、输出与环境互动。
他承认虚拟沉浸会继续加速，机器人替人工作后，人也需要更多娱乐来kill time；但他相信生存、繁衍和对自然的依赖会促使人类自我校正，不会无限滑向纯虚拟世界。
艺术同样没有天然豁免权：已经成型的艺术语言都可能被结构化，继而变成手艺和工程，AI便能参与。人类一边失去“创造力不可复制”的优越感，一边继续“剥洋葱”，追问尚未被规则化的内核。
他也越来越少把人生归因于偶然运气：“上一次战场活下来是运气，上了一千次还活下来，就有更本质的东西。”选择习惯塑造长期运气；比顺逆更重要的是成长，以及“见世界、见众生、见自己”。
32. GPT把十年深度学习周期推入决赛
印奇把本轮AI视为约从2015年开始的深度学习大周期，如今进入“决赛环节”。此前视觉、语音等更像围绕大脑的局部战役，GPT则第一次触及更中枢、更普适的学习范式。
决赛信号包含两部分：模仿学习式的普适机制，以及可以海量scale up的扩展路径。学习范式与规模上限同时被解锁后，行业才真正进入集中冲刺。
新公司可以在2023年才成立，但他认为核心团队很难完全是新手；这是厚积薄发的行业，最终竞争者大概率经历过此前十年周期的技术、组织和产品考验。
现有巨头各有筹码：华为有芯片向上的软硬件体系和均衡营销，覆盖To G、To B、To C以及国内外市场；字节从应用往下生长，走向云、甚至可能的操作系统，人才密度很高，但商业变现网络在国内外也都比较欠缺；阿里覆盖芯片、云、模型且开源较强；腾讯则掌握微信与内容生态，拥有极大AI战略空间。
33. Agent要把信息服务升级为价值至少高十倍的闭环服务
第一阶段Super App主要有两种想象：新搜索式对话，以及Character.AI式陪伴。真正跑出的主要是ChatGPT；陪伴对情感、记忆和模型能力上限要求更高，早期基础模型尚未ready。
印奇给Super App两个标准：长期商业上限足够高，能支撑模型持续迭代；短期又出现强用户增长。泛搜索Chatbot受成熟搜索广告经济设定的baseline约束，相关收入很难覆盖模型研发和serving成本。
第二阶段Agent不应只提供信息，而要在工作、创作或生活中完成闭环任务，用户愿意为结果付费。他估计这种服务相较“聊天和获取信息”，价值链体量至少高一个数量级。
他把机会分为四类：工作类会与Office、飞书等既有软件深度结合；创作类兼具大厂优势与创业公司爆款机会；生活类体量最大，却依赖手机、操作系统和硬件入口；情感类更终极，也可能需要实体载体。工作、创作和生活类或在未来18—24个月陆续被引爆。
34. 超级应用必须反向掌握模型，新巨头才有机会穿过巨头缝隙
Agent需要o1范式之后的基模能力，早期产品大量依赖Anthropic Claude等一流模型。工作类套壳应用可以快速提供获得感，但模型耦合度高，又会遭遇现有办公软件入口，印奇不认为这是创业公司的稳固长期赛道。
开源权重解决了早期使用，却没有自动解决持续训练、个性化和核心场景适配；仅做微调也可能不够。真正的Super App必须同时优化性能与成本，若无法深度改造模型，就很难在最强对手都争夺的场景获胜。
因而“超级模型+超级应用”必须同时做：创业公司集中资源于工作、创作、生活等某一垂类，做出代际差异化，再通过软件或硬件出口直接触达C端。DeepSeek、Manus等产品的短期爆发至少说明，“巨头的封锁不是没有空隙的”。
印奇最终仍押注新公司：大模型所需的组织能力、产品形态和商业模式变化太大，旧巨头无法简单通吃。创业者必须专注且闭环，而他的常识判断是：“一个巨大的技术变革，只要足够本质，就一定会有新公司赢。”