172: Momenta IPO后再访曹旭东：就是想做没有尽头的AI

摘要

• 辅助驾驶的终局窗口或已关闭：曹旭东坚持去年十月的判断——竞争2026年结束，中国两到三家、全球三到四家，“可能改变格局的机会窗口……有可能在现在，也有可能在今年年底，关闭了”。 Momenta与华为在城区NOA市占合计已到90%且有较强定价权；第二梯队没有议价权、客户只有一两家，收入撑不起研发，受"先发优势+规模优势"挤压。
• 智驾摩尔定律每年十倍：2028年哪怕L2++乘用车的驾驶安全性"至少是一个人类水平"，产品从nice to have变must to have。 支撑这一节奏的是训练算力投入——GPU今年约2亿美金、明年4亿、28年6亿；毛利从2023年不到20%升到2025年超70%，亏损从近11亿收窄到3亿出头，计划27年打平、28年盈利。
• 对FSD入华"非常期待"：类比特斯拉入华加速电动车出清，FSD会"带着整个行业一起卷安全、卷品质、卷体验"，但对"中国两三家、全球三四家"的终局没有实质性影响；若年底入华，Momenta年底的R7对上V14"各有千秋，旗鼓相当"。
• Robo业务五年排序：Robo One第一、Robo Truck第二、Robo Taxi第三。 Truck指大宗物流（拉煤拉矿、跑三五十公里的郊区荒路），需求更强、竞争更少；Robotaxi只做"AI司机"赚分成，Capex由平台伙伴持有，不与滴滴、高德竞争。车队从25年底三十多台，推演到26年几百台、27年几万台、28年十几万台。
• 2027年入场机器人，赌2030年家庭机器人拐点：本体成本要做到1-2万美金（最理想1万），端侧算力可能在28年由自动驾驶探路解决；world model范式下自动驾驶的infra、人才、经验复用度80%以上，机器人研发需"至少百亿美金，有可能几百亿美金"，用智驾毛利养而非烧融资。 转折信号：硅谷的Generalist用无本体数据预训练+本体数据后训练，把成功率从50%提到90%。
• 十年不变的数据驱动信念来自一次量纲测算：无人驾驶要比人安全十倍（十亿公里一次重大事故），统计置信需约百次事件、即一千亿公里数据，自有车队不可能采到——所以必须量产，“一个飞轮两条腿"由此推出。 方法论底色来自孙剑：“一流的工作很多时候不是想出来，是做出来的”，“真正超一流的人就是聪明人下苦功夫”。
• 谈及大模型行情的插曲颇有投资含金量：曹旭东一月在硅谷的第一判断是Anthropic"可能是那个时间点最便宜的人工智能公司”——L2 coding agent只是百亿美金市场，变成L4后仅coding就是万亿美金，“L4的通用agent……是一个十万亿美金的市场”。

精读

1. 窗口可能已经关闭：中国两三家，全球三四家

• 曹旭东重申去年十月的判断并给出定义：所谓竞争"结束"，是指"可能改变这个格局的机会窗口……有可能在现在，也有可能在今年年底，关闭了"。范围是第三方供应商，不含车企自研，也不含特斯拉。
• 逻辑只用两条：“先发优势特别明显，规模优势也特别明显，你用先发优势和规模优势卡一卡，就可以得到刚才的结论了。”

2. 90%市占与第二梯队的压力

• 现状：第一梯队（Momenta+华为）在城区NOA的市占率加在一起已到90%，且"我们两家是有比较强的定价权，价格比第二梯队明显高"。
• 机制：智驾摩尔定律每年十倍且靠头部快速增长的收入与毛利去投研发——“实际上不是靠融资”；第二梯队没有议价权、只能拿到一两家客户，开发交付投入又大，“真正投入到核心技术研发的钱是非常非常有限的”，因此受到先发优势和规模优势限制。

3. 集中度还会加强：OEM定点的五年逻辑

• 曹旭东认为高市占不仅可持续，“其实我觉得会加强”：OEM定点一个供应商，车型要量产和OTA五年，首先考虑"这个供应商能不能活五年"，其次是"这五年的技术跟第一梯队的差距在缩小还是在拉大"。
• 更深一层是商业模式迁移：从one-off license升级成订阅模式后，“要的已经不是只靠OEM的品牌了”，而是供应商品牌加产品体验，消费者才愿意付费。

4. 变量只剩一个名额；特斯拉做不了供应商

• host问芯片厂商垂直整合做方案会不会打破格局，曹旭东承认"会是一个变量"——所以才说中国两三家，“非常确定的一个是我们，一个是华为”，第三个名额未定。
• 特斯拉被直接排除：“特斯拉不会做供应商……大家不可能买特斯拉嘛，谁会买特斯拉？“车企自己造车又想卖智驾，在规模效应上"反而是个桎梏”。

5. 从好玩的玩具到must have：2028年到人类水平

• 对host"智驾仍非购车核心要素"的质疑，曹旭东的回答是时间错位：“这可能是两年前的facts”——两年前是"好玩的玩具”，现在"刚刚进入了好用的门槛"；照每年十倍推，到2028年哪怕L2++乘用车，驾驶安全性至少是一个人类水平，“从nice to have变成must to have”。
• host引尼尔森调研反驳：购车决策中智驾仍排在价格、外形、空间之后。曹旭东坦然接住：“智驾要超过价格和外形其实还挺难的……能排到第四就已经很厉害了”——几年前它还在前十的倒数位置。

6. 一号位工程：董事长开始亲自谈体验

• 来自客户端最直观的信号是抓智驾体验的人的级别抬升：从智驾负责人到智能化负责人、研发负责人，“再变成公司的总裁或者董事长”，智驾体验成了一号位工程——“他会直接跟我去谈智驾体验应该是什么样子的”。

7. R7对R6：施工场景的"惊艳"

• 体验能否拉开差距？曹旭东用自家两代模型作比：施工场景R6"能处理，也挺安全，但给人的感觉就是有点肉"，像新手司机；R7"有可能只是扫到了一点就开始避让或变道，避让时机非常早、过程非常丝滑"，与它车博弈也"安心和丝滑"。
• 他自己的试驾体感：“如果你没注意，你都没反应到前面是施工场景……它发生了避让动作，你产生一个问号，再去看才知道——它可能比人注意得还早。”

8. 智驾像电池：只有好跟更好

• 被问头部玩家会否像大模型厂商那样各有特色，曹旭东给出本期最重要的行业定性：“智驾可能跟电池很像，只有好跟更好……不是萝卜青菜各有所爱。“风格化可以配置，但"好跟更好的部分占了80%到90%"，差异化部分可能占10%到20%。
• 推论直接指向格局：“好跟更好的行业就是先发优势和规模效应特别强，最终玩家不会特别多”——如同电池之于宁德时代；反倒是"萝卜青菜各有所爱"的行业（服装、汽车品牌本身）才会百花齐放。

9. 四五年前的市场预言错了：毛利从20%到70%

• host复盘旧共识：当年很多人认为智能车时代车的品牌会像手机一样集中、第三方供应商会打价格战互相挤压毛利——而Momenta毛利从2023年不到20%涨到2025年超过70%。曹旭东：“这个观点当时我就觉得很奇怪……不符合这个行业特性。”
• 他的反例是人性：“车天然有服装或住宅的属性——没有人喜欢天天穿校服”，所以车的品牌不会收敛到两三家，收敛的是供应商。

10. 非常期待FSD入华：年底旗鼓相当

• FSD入华"对方向性判断或终局判断没有实质性影响，但可能会加速这个进程”——正如特斯拉入华加速了电动车里差品牌的出清，“带着整个行业大家一起去卷安全、卷品质、卷体验”。态度上他重复了两遍"非常期待”。
• host追问硬碰硬：理论上FSD不该比你们差吗？曹旭东承认现在美国试的是V13、“V14在中国一定会有质的变化”，但仍咬住结论：若年底入华，对上年底的R7"各有千秋，旗鼓相当"。

11. 自研是内部供应商；研发军备：GPU投入2→4→6亿美金

• 对车企自研的长期压力，他的姿态是同台竞技：“你就把它当成内部的供应商，我们是外部的供应商……最终整个市场会持续consolidation。“商业策略上车企保留内部供应商"make sense”，但技术和主流性在第三方。
• 军备账本：Momenta累计自动驾驶研发投入"十几亿美金，不到二十亿美金"做到今天的份额；未来几年研发投入"可能持续翻番”，增量不在人员而在训练用数据中心——今年约2亿美金、明年4亿、2028年6亿，以此支撑"每年十倍"。

12. 我们不是成本项，是盈利项

• 车市价格战挤压毛利会否传导到供应商？曹旭东反转了叙事：智驾"不是免费送的，是加钱选装的，而这个选装率非常高……我们帮着客户卖更多的产品、卖更好的价格、获得更高的毛利，就是customer success"。
• 至于服务的品牌多了增益会否磨平——他把问题推回车企的本分：车企核心能力是"知道我的用户是谁"，从品牌定义产品、从产品倒推技术再整合；“这个东西自己做和用最好的供应商没有本质区别，就像自己造电池和用宁德的没有本质区别”。

13. 垂直整合是杠杆；比亚迪赢在汉

• host拿特斯拉、比亚迪的垂直整合反驳，曹旭东"对也不对"：比亚迪垂直整合了十年、直到2020年左右推出汉才起量——“垂直整合有点像用杠杆去发展，刚好赶上中国新能源大发展的时机，赌对了”。但杠杆不是本质，“最本质的还是它在那个时间点做出来了像汉这么好的一个产品”。

14. 品牌=信任=持续over deliver；IPO为的不是钱

• 顺着聊出一段品牌论：“中国的车企很多，它是有产品，没有品牌。“品牌是心智、是信任，“从一代又一代产品持续的over deliver"建立——over deliver的是"你想要但有时候又说不出来的东西”。他点名"华为是有一些品牌效应的，虽然它不是个车型”。
• 对Momenta自身：“这次上市很重要的战略目标不是融资，是品牌和信任（branding and trust）"，既面向消费者也面向投资人。自评毫不含糊：“知名度一般，美誉度尚可”——想营造的形象对应十年愿景：安全安心。

15. 盈利时间表：27年打平、28年盈利

• 亏损从2023年近11亿收窄到2025年3亿刚过；今年"还是战略亏损、再收窄一点点”，明年打平、后年盈利。也可以选择更激进地亏更久，但既然上市了，“亏损不断放大的话，可能会损害投资人利益”。
• 节奏的前提是研发投入按上述GPU曲线增长即"还不错了”，且"我们有信心让我们做到每年十倍的提升"——盈利收窄是在这个第一战略目标下兼顾的结果。

16. 机器人的账本：百亿美金研发，用毛利养

• 机器人是从自动驾驶"自然的延展"，但资金纪律明确：“更希望用自动驾驶带来的毛利润去投研发，而不是持续的烧钱，或不断从二级市场融钱。”
• 体量判断毫不含糊：“机器人需要的研发投入至少是百亿美金，有可能是几百亿美金”——因为"机器人应用场景里面的明珠可能是家庭机器人，场景最复杂，商业价值也最大"。2025年毛利17亿多够吗？“我相信毛利润的持续增长肯定能够支持我们把机器人做出来。”

17. 改变主意的两个条件：2030拐点与world model跑通

• 2024年受访时说暂不做机器人，如今转向的第一个判断：2030年家庭机器人进入拐点、开始规模化商业化。第二个是技术范式：world model让物理世界海量数据"真正被用起来"——在自动驾驶里，可能是middle-train学驾驶常识、post-train学好行为对齐；机器人相应的研发范式非常相似，“背后的data infra、training infra高度可以复用”，且"我们预研一代量产一代"，去年已验证work。
• 硅谷的佐证：上半年交流发现做得很好的机器人公司都在往这个方向转，代表是Generalist——大规模无本体数据做pre-training、本体数据做post-training，“把成功率从50%提升到90%"，在机器人领域"带来了很大的震动”，还带火了数据产业：十万小时是入门级，一千万小时是海量。

18. 2030年拐点怎么推演：端侧算力、物理大脑、一万美金本体

• 推演从硬件开始：端侧算力"应该不是什么门槛，只要有自动驾驶在前面探路"，2028年"能解决，而且解决的很好"。架构上"物理大脑一定要放到端侧"——云端延迟及其不稳定性不可接受；语言大脑可云可端，好体验则端侧也要有一个小的。隐私因此"还好"：物理大脑数据天然不上云。
• 另一条腿是本体：可靠性、精度、成本和供应链到2030年"能做到还不错"，规模化的门槛是本体成本做到一万到两万美金，最理想一万美金——对应他后来对大姑报的"十万块钱左右"售价。

19. 为什么等到2027年：三个缸两个盖子

• 不在25、26年入场的原因是能力溢出的次序：2028年是自动驾驶的关键年，要先让数据飞轮升级成"L4的飞轮、Robo的飞轮"转顺，“研发能力的溢出、组织能力的溢出已经有了，这时候再去做机器人更加的顺水推舟。但如果能力还没有溢出硬去做，就会出现三个缸两个盖子，怎么盖都盖不住，会很痛苦。”

20. 与可能是宇树的公司同岁不同路：从大脑出发，设计但不造本体

• 与一家可能是宇树的公司同为2016年成立、今年也要上市作对照：它"更多的可能从身体的角度去做"，Momenta"从我们想做的场景出发，从大脑出发，再去做本体"。本体会自己设计但不自己造——“中国整个供应链、生态非常完备，不需要我们去造”。
• 平台派（Google、英伟达要做robotics的安卓）还是软硬一体全栈？他不按流派站队，回到判断准则：“这件事情对行业有没有adding value？已经有人做得很好，我们就没必要做；对做成很重要但没人做，我们就自己去做”——答案开放，“到时候就知道了”。

21. 与具身新贵比：复用80%以上，加一头现金牛

• 对那些2024、25年成立、短期融资巨大的具身公司，他点出门槛：这事"不光需要物理大脑，还需要语言大脑"，研发投入就是前述的百亿美金级。Momenta的两条优势：“training infra、data infra、人才积累、world model成功经验，复用度可能80%甚至以上”，加上"一个cash cow的业务"——而且他判断autonomous driving"未来几年是一个爆发式的增长"。
• 相对短板问得出、答得虚：“可能要考虑的因素会多一些。“资源怎么在三条线间分配？“这样的话题（内部）被讨论的很少……都是以创业公司的方式、一个一个最小闭环去验证”，不做top down的资源切分。

22. Robo排序：Robo One第一、Truck第二、Taxi第三

• 以"未来五年是不是好生意"排序：Robo One（同城配送，四米二金杯+小三轮）第一，Robo Truck第二，Robo Taxi第三。这里的truck不是干线物流——“干线物流是自动驾驶最后一块拼图，难度非常大，即使做也是最后做”——而是大宗商品物流：拉煤拉矿，倒短跑三五十公里、长的一两百，“跑的都是很郊区甚至很荒的路……路上有坑、有动物横穿，甚至有的场景狼在马路上溜达”。
• 选它们的理由是纯商业的：需求更强烈，“竞争相比Robotaxi会更少一些”。

23. Robotaxi只做AI司机：Capex归伙伴

• 面对小马、文远2025年毛利（约15%、30%）远低于自己的对照，他的答案是战略选择：“我们不是做一个平台去跟滴滴竞争、跟高德竞争、跟T3竞争，我们的定位就是一个AI司机，赚的就是AI司机分成的钱”——车队和Capex由第三方平台伙伴持有，逻辑仍是adding value：“能创造新增价值我就做，没办法创造我就不做……也能避免不必要的内卷。”
• 至于京东、美团、哈啰为何突然涌入Robotaxi：“跟Waymo取得了非常好的进展有关系，Waymo也拿到了特别大的融资、很好的估值。”

24. 一个world model支持所有应用

• 技术上真正让三条曲线成立的是基座：“我们在world model上验证了很重要的一件事情——用一个world model可以支持所有autonomous driving的application，量产、Robo One、Robo Truck、Robo Taxi都能work。这个foundation model如果提升十倍，可能在每一个application上都能提升十倍。”
• 他自己点破这在大模型语境下的平淡：“放到大语言模型大家觉得这不就很正常吗？这个模型能做数学题、能做coding。“新验证的增量在Robo One和Robo Truck场景——Robotaxi与乘用车"按照我们的技术路线来说完全一样”，truck场景则"还是有差别的”。

25. 三关打完，Momenta是什么公司

• 量产、Robo、robotics三件事都做成后的定义，他没有精心准备的答案：“Momenta就是AI嘛……都是朝着物理AI的方向在做，本质上它是一个AI公司。“规模多大"不太好说”。
• 更愿意讲的是初心：2016年创业时团队不是最豪华的（他30岁，同事24到29岁，赛道上有两三百家公司），驱动不是"成为number one”，而是"做了很多年感知智能，想做认知智能，自动驾驶是很好的切入点，又有特别大的客户价值和社会价值”。三条曲线"有点像你打游戏，第一关打完了觉得很好玩，那就进入第二关”。

26. 大姑的眼睛发光了：家庭机器人的需求时刻

• 关卡的选择既要设计（“就像课程学习，先上小学再上初中”，每一步为下一步积累），也有被打动的时刻。他讲了完整的大姑故事：2023年回老家讲自动驾驶，大姑评价"非常棒"；讲到机器人，“我这个大姑眼睛就开始发光”——能不能带小孩上幼儿园？帮忙买菜？打扫房间？2025年再回去，大姑第一个问题就是"你们这个机器人做出来没有？"
• 他估计报价十万块钱左右，大姑说"不算贵……那些事情都能干的话，十万块钱挺值的"。他的震撼在于记忆的留存：“一般聊特别前沿的技术，好多人聊一聊就不会真的记住”——这就是老龄化、少子化下家庭机器人"给老年人和小孩带来的巨大价值"。做机器人不能当供应商的原因也在此：“什么叫家庭机器人、用什么本体什么形态创造价值，行业里没有共识、没有现成的产品，需要自己端到端去定义。”

27. 起点：统计物理、铁路摄像机与兜兜转转的MSRA

• AI兴趣的源头在2006年大二：力学系出身，修统计物理"特别开心"，顺着延展到统计学再到统计学习——“从数据里学习知识、甚至提炼出智慧，当时就觉得这件事情很神奇”。学习方式从来不是上课：“从问题出发，我需要什么就学什么，实现出来效果不好就回头再看，迭代到解决为止。”
• 第一份实习不是名门AI lab，是一家给铁路做图像处理的国企研究院：高速摄像机拍火车底部，识别零部件松动、石头击伤。投微软亚洲研究院被拒（非科班、无AI履历），经索尼研究院、雅虎研究院"兜兜转转"才在2010年进入MSRA——“坦率来说我不是那么喜欢读书的人……对发论文也不那么感兴趣，我更喜欢解决实际问题”，因一个"跟前人不完全一样的全新方法"被孙剑给了工作机会，没读PhD。

28. 孙剑的遗产：一流的工作是做出来的

• 本期最有分量的方法论自白：加入孙剑组之前他自认是逻辑和理论思考型，“觉得好的工作像爱因斯坦发现相对论”。孙剑"非常非常重视实验，尤其跟你的预期非常不一致的现象"，改变了他的认识：“一流的工作很多时候不是想出来，是做出来的”——因为世界上聪明人太多，顶层原则和框架大家都知道，“很可能只有你知道别人不知道的东西"藏在异常现象里。
• 落到识人：“聪明人一旦讲出来，逻辑上都非常自洽，但并不代表自洽逻辑跟一手数据完全匹配……有时候聪明人不那么喜欢（扎实地）去看这些数据。真正超一流的人就是聪明人下苦功夫。“这条标准在大模型时代"更加重要”：迭代周期更长，“底层假设不对的时候，损失更大，卡壳时间更长，千万不要想当然”。

29. 商汤岁月与Anthropic插曲：本质是价值创造

• 2015年经汤老师引入商汤，负责所有落地产品线研发，“月初吹牛说技术多好，月底就要交付”——从清华招实习生开发交付，“经常晚上干到三四点，有时候就睡公司”，是他"体力上最拼"的一段。这种all in是天性：大四毕设太投入得了干眼症——“天性会让你在某些方面超一流，非天性的可以学、能做到一流，但一流有时候就是天花板。”
• 对比两波AI创业的资本命运（CV四小龙的波折 vs. 智谱上市半年多市值破一万亿人民币），他归结为一个词：“本质上还是价值创造。“随后给出一段罕见的市场判断：一月去硅谷时已知Anthropic的AI在暴涨，“我当时的第一判断就是Anthropic可能是那个时间点最便宜的人工智能公司，你算算PS就知道”——把L2 coding agent变成L4，市场从百亿美金变万亿美金，“L4的通用agent不是万亿，是一个十万亿美金的市场”。

30. 数据驱动的起源：Google的失望与一千亿公里的测算

• 2016年选自动驾驶而非机器人（“那时候通用机器人的认知智能复杂度太难了”），也考虑过加入Google，但交流后失望：“几个人都没有从本质去思考这件事情做成的核心要素是什么”——一问就跳进具体算法模块的具体问题，“仅仅是看到问题解决问题，有可能永远到不了月亮”。他认定的核心要素"特别特别简单”：架构变成数据驱动，然后要有海量数据。
• 信念的两个来源：一是对生物智能的长期兴趣加上《On Intelligence》（他读中文版《人工智能未来》，孙剑读英文版，互荐后发现是同一本书）；二是做产品的体感——“我见过真正work的产品，达到人类水平的应用数据量都是海量”，当时的标尺是"百万级做一个demo，千万级做好的demo，一个亿做及格的产品，一个billion才是好的产品”。
• 压舱的是一次统计物理式量纲分析：人类约一亿公里一次重大事故，新技术要被接受至少比人安全十倍即十亿公里；验证十亿公里的安全性像验证硬币概率，“不可能只扔一次”，统计上要意义得约百次——需要一千亿公里数据，靠自有车队不可能采集到。往后推演"哪里可以获得这么多数据？通过量产啊”——一个飞轮两条腿就这么来的，十年没有大的变化。

31. 骗子年代：做出来才说，解释没用

• 共识的时差被他讲得很具体：2016年"数据驱动做感知都远远不到常识的程度”；2020年用deep learning做planning时，投融资同事在外面交流一圈带回的反馈是"哪家公司说可以用deep learning planning做规划和决策，这家公司肯定是骗子"。Momenta的应对是低调：“我们公司的文化就是这个东西我做出来了我才说。”
• 对外部质疑的态度更冷：“解释是没啥用的，尤其对外部投资人，解释一点用处都没有——你做到了大家才信你。“内部则靠筛选相信的人，且他否认这需要熬长周期的信仰：正反馈周期是设计出来的，“短的话一周到一个月，长的话三个月……如果三年五年才拿到正反馈，说明你的研发体系设计是有问题的”。

32. 摩尔定律的技术节奏：23端到端前夜、26 world model

• 每年一个台阶：2023年deep learning planning、2024年端到端、2025年强化学习、2026年world model——名字每年不一样，“背后底层的就是这个模型能够吃掉更多的数据、带来更好的效果，而且是可预测的更好的性能”。2024年提出智驾摩尔定律时是两年十倍，现在加速到每年十倍。
• 全无人这条腿的验证靠速度而非存量：外界看2025年底Robo车队只有三十多辆，“站在内部的视角，大家追求的不是今年规模是多少，追求的是进步的速度”——今年几百台、明年几万台、28年十几万台，“就靠技术，每年提升十倍”。

33. 两次低谷：over promise与血肉模糊的第一次交付

• 第一次是2018年底到2019年：公司"更像一个松散的研究院”，对投资人"严重的over promise"产品与商业化进展，“这都不需要我从内部发现，外部的人都能看得出来”。调整靠理念加人事——“先把产品做好，技术创新为产品价值服务”，然后树标杆、“谁上谁下，谁去谁留”。他不讳言代价：“当时整个公司动荡了半年……现在让我去解决可能一个月。“卡点在于当时"看到的都是千头万绪的问题”，分不清主次、分不清事的问题和人的问题——这种判断力"有点像大模型数据量足够大的时候，你突然就涌现了”。
• 第二次是2021到22年初：疫情叠加第一个量产项目，“车是新的、执行器是新的、传感器是新的、芯片是新的……每个新东西都会有问题”。当时研发交付体系很初级，定位一个问题要花几周，“像抗战时武器不够先进，靠敢死队拿着大刀去冲锋，真的是血肉模糊”；现在同样的问题"一秒钟、一分钟就知道病因在哪，很快自动化解决”。

34. 主线原则：烟囱多了会被五马分尸

• 交付体系的心法从复盘中沉淀为"复用主线、发展主线"——解决问题优先复用主线现有的东西，不行就在主线架构内创新，“而不是在主线之外再开一条支线”。一位华为资深高管的话让他印象极深：“徐总你千万不要有那么多的烟囱，有那么多烟囱的话你会被五马分尸的。”
• 配套三条"心诀"：主线剃刀（奥卡姆——聪明人喜欢"假设一些假设"，要用最简洁的方法解决最关键的问题）、主线合力（单独有效但融不进同一架构的方法是低优方向）、主线积累（时间上可积累、组织上能合力）。
• 落到数字：第一个客户是400多人干了一年多；现在累计量产车型有100款，全新品牌新车型的城区NOA全功能适配"约十个人、三个月"。工具化的例子是VVP（Vehicle Verification Platform），从写规则验证进化到大模型验证——2022年底GPT刚出就设了"GPT悬赏令"，如今出问题"直接问一个agent，爬完数据给你根因"。
• 能被追上吗？功能和配置的覆盖"靠时间靠更大量能追上来，真做一百款车就有对应积累"，但短周期高质量交付"需要整个交付体系是数据驱动的、全流程高度自动化"——门槛是"是不是真的相信数据驱动：遇到困难不是退回其他方法，而是创新性地改架构改体系让它work"。

35. 十年幸存的两条文化与决策的酝酿期

• 总结不豪华的团队为何跑完十年：一是以客户价值为中心；二是低成本短周期检验——方向判断"不是在这个层面自圆其说就够了，得（下探）好多层，主动去找可以检验它的data point"，即他从投资人那里学来的zoomality：能快速zoom in zoom out几层的能力，“向上四层、向下五层，zoomality等于九，这个人就很厉害”。这让公司"不会犯致命性的大错误，犯了错误能很快发现、很快调整"。
• 被问有没有后怕的决策，他说"很难有这样的事情发生"：重大决策从不是当年拍板——做机器人2020、21年就在讨论，“等到真的要干的时候，不是做还是不做的决策，而是选什么切入点、什么节奏、什么路线”。对"决策强势"的外部评价，他归为2019年的稚嫩期；现在"有一个想法就天天跟大家聊……真的干的时候，短的想法已经过去一年，长的过去三五年"。代价是慢，“所以你需要把重大决策想的靠前”。
• 工具观也一致：多个大模型当顾问都会聊一遍，但"在关键性问题上的水平，跟公司优秀的骨干高管比还有很大差距"——用途是"思考到晚上三四点、不好意思给大家打电话的时候"。因为"CEO最重要的不是效率，是认知和判断"，而判断失误多半源于"离一线太远，一手信息不全、有偏或者错误"。

36. 百年使命：做没有尽头的AI

• 百年愿景"Better AI Better Life"的由来是一道年限算术：当年判断无人驾驶"可能十年技术成熟、二十年商业生态成熟"，到2036年自己也才五十岁上下、团队四十多岁——“所以我们需要一个一百年的使命，够我们干一百年，do to last，基业长青”。感知智能不会是智能的全部，进入认知智能、再到机器人"更高级、更通用的认知智能"，是同一条路的下一段。
• 收尾的自我画像是刺猬式的：做不做一件事永远看两点——新增价值够不够大、是不是真的喜欢，再看有没有解决不了的致命阻力；“当我不是刻意追求比别人做更好的时候，随着时间推移，你可能就是越做越好”。“狐狸知道很多事情，刺猬知道一件大事——后面渐渐发现，这个道理确实挺有用。“头像用了很多年的路飞也是注脚：喜欢的是"One Piece, One Team”，IPO项目代号就叫OP。