118. 对李想的第二次3小时访谈：CEO大模型、MoE、梁文锋、VLA、能量、记忆、对抗人性、亲密关系、人类的智慧

摘要

• 李想把AI的商业分水岭定在“能否成为生产工具”：不是给建议，而是替代专业工作并产生可付费的结果。 他把产品分为信息工具、辅助工具、生产工具；前两者不改变员工最重要的八小时与KPI，后者必须有action、能“知行合一”。身边仅Cursor和OpenAI Deep Research初步过线，因为程序员、商分和战略人员愿意自费。
• 未来五年不会出现包办一切的通用Agent，更可能出现供专业Agent生长的Agent OS。 司机、医生、律师、程序员所需的数据、CoT、工具、对齐责任完全不同，真正的产品必须胜过对应职业并承担收入、财产乃至生命安全后果；李想因此只押注“司机大模型”，内部则让客服、销售、研发各自在统一Agent OS上训练自己的Agent。
• DeepSeek改变了理想的资本开支和研发路径：开源语言能力让VLA计划提前约九个月，并大概节省几亿元成本。 理想没有因此停止基座模型，反而把训练卡采购提高到原计划约3倍：办公和理想同学使用约300B模型，自动驾驶VL基座为32B，再针对三维视觉、交通语料和VL联合数据自行训练。作为回馈，理想迅速决定开源自研汽车操作系统，这被李想定义为“纯粹是感谢DeepSeek”，而非公司战略。
• 理想的VLA路线已经具体到模型规模、训练闭环和算力天花板，关键兑现节点是L3能力产品而非概念发布。 32B云端VL基座蒸馏为3.2B、8专家MoE，加入action后约4B；后训练只保留2—3步CoT，并预测未来4—8秒，再用人类接管和世界模型生成数据做强化。李想判断现有算力大致只支撑L3，能力最快于访谈当年三季度、最晚四季度出现，但法规仍是变量；L4可能要求32B模型直接跑在端侧。
• 世界模型把自动驾驶的验证经济性从每万公里17万—18万元降到约4000元，并将成为训练、考试和L4运营系统。 它能精确复现车辆、交通参与者与特殊道路共同构成的corner case，而不是依赖实车“碰运气”重现；强化目标也可量化为舒适性G值、交通合规、无碰撞及从A点抵达B点。“正因为行业遇到了问题”，李想把当前阶段称作“黎明前的黑暗”。
• 理想把自己重新定义为“全球领先的人工智能终端企业”，但要求用L4和组织效率证明估值。 李想给AGI终端设定四项条件：360度感知、认知决策、action、反思反馈；公司可能从SUV扩向家庭轿车、MMPV和其他终端，却仍以规模约束扩张。检验标准不是叙事，而是能否率先做出L4，以及用10万人以内、甚至5万人做到1000亿美元收入；做不到，就“应该给我们一个车企的估值”。
• 技术路线背后是一套反人性的组织方法：能力要经历研究、研发、表达、业务，业务要经历分析、目标、策略、复盘。 李想将DeepSeek视为“极简地用了人类最佳实践”，也承认组织最常犯的错是跳过研究、只改策略；他正把3—7人组成的团队设计成MoE式“更强大的大脑和更强大的心脏”。更长远的判断是，AI会超过人的能力，但智能不等于智慧——“智慧就是我们和万物的关系”，人类若要继续领导文明，必须用AI释放时间与能量，而不是让工作日更长。

精读

1. 人类是小模型，AI应该承担信息复杂度

• 李想拒绝把人的上下文窗口简单换算成token：人类生理上不擅长处理复杂信息，大脑又需要消耗能量，因此方法论和工具的本质都是“人类要做熵减，而不要去做熵增”。

• 他的类比是，人读书、学习知识近似预训练，把知识转成业务近似推理，再通过推理调用工具；但人更像受过专业训练的小模型，而不是覆盖所有知识的巨大基座。

• AI则可处理从15T增长到约30T的数据规模，最新的Llama 4也被他作为例子提及；但进入专业领域仍需要更高质量的数据和更专业的CoT。双方最合理的关系不是替代叙事，而是“各自做各自擅长的事情”。

2. 中国模型在130天里拉近了与美国的距离

• 回看两次访谈间的130天，李想认为最大的进步不在自己，而在中国：DeepSeek、千问让基座、reasoning和多模态能力与美国“基本拉近了，或者基本在一个水平线上”。

• 他尤其强调中国团队的训练和推理效率，以及深层工程改造带来的信心；Manus和Genspark在Agent上的突破，也让他相信中国可以继续把AI产品做得更好。

• 但语言模型只是世界的一部分。要让汽车或机器人横跨数字世界与物理世界运行，还需要视觉、行动、操作系统、工具和对齐，这也是理想继续做VLA的理由。

• 张小珺追问李想本人是否变聪明，得到的答案却是“没有那么大的变化”：AI进步很快，但他和身边人的工作时间没有减少，成果也未发生实质改善，这个悖论成为整场访谈的起点。

3. Chatbot正在制造一种新的熵增

• 李想对当前Chatbot的批评是，它必须输出next token和一个确定结果；用户又普遍先打开联网搜索，但RAG索引到的信息源可能已经失真，于是模型“很认真地推理”，过程和结论仍从根上出了问题。

• DeepSeek刚发布时，人们把它的推理过程转成图片发到小红书；几个月后没人再发，因为内容开始“千篇一律”。在李想看来，这说明推理过程本身并不自动形成持续价值。

• 更现实的约束来自组织：AI即使给出股票、职业或工作建议，员工每天仍优先完成公司设定的KPI、OKR。建议只是在脑中空转，没有进入工作主流程，也没有改变八小时的产出。

4. 付费意愿划出了三类AI工具的边界

• 李想把AI产品分成三级：信息工具提供参考，辅助工具改善现有体验，生产工具则真正替代专业劳动。车载语音、导航、音乐和辅助驾驶属于第二级，因为人仍不能离开。

• 他的商业化判断很直接：“一个信息工具往往你并不愿意付钱，一个辅助工具你认为是一个产品应该带的。”只有生产工具会让用户单独付费，因为它改变了工作结果。

• 理想内部被员工自费验证的两个初级生产工具是Cursor和OpenAI Deep Research：前者进入程序员的编码流程，后者进入商分和战略团队的研究流程。“人工智能变成生产工具，才是真正人工智能爆发的时刻。”

5. Action和工具调用比更长的答案更重要

• 生产工具必须“有action，不能只是知，必须行”。无论O2、O3还是DeepSeek R1多聪明，只做策略推演仍未完成工作；控制电脑、软件、车辆或机器人，才能真正产生价值。

• 李想用挖坑解释模型与工具并不冲突：“你比我聪明十倍，你拿勺挖一个坑，我拿铲子去挖一个坑，我再笨，效率都比你高。”工具带来更高确定性、更少能量和token消耗，更强的大脑反而能设计更强的工具。

• 他肯定Manus向生产工具迈出的产品步幅：借助虚拟机和工具，分析特斯拉时直接进入SEC、投资者关系网站及头部分析师报告，而非只做RAG索引。挑战是通用覆盖面太宽，也解释了为何分工没那么精细的创业公司反而先组合出产品。

6. 三个变量只有围绕规模才值得调整

• 面对一家三万多人的公司，李想不会因单项技术更新立刻改组织。他把规模置于中心，外层放用户需求、技术产品和组织能力三个动态变量，只有用户变化与技术变化真正结合，组织才必须跟上。

• 这套诊断也抑制追热点式改组：“今天出这个东西调整一下，明天出个东西调整一下”会制造混乱。过去130天，技术变量主要由中国AI推动，国际环境也发生变化，但理想组织本身不会瞬间变成更智能的组织。

7. DeepSeek V3展示了能力建设的四步法

• 李想把DeepSeek V3视为人类最佳实践的极简样本：这个671B的MoE模型把多个专家组合起来，而构建专家能力的第一步不是研发，是研究。

• 完整路径是“研究—研发—能力表达—业务价值”。研究先解决认知与路线，研发把认知变成可用能力，产品再把能力展示清楚，最后必须进入真实业务作战。

• 理想在端到端、VLM、VLA、芯片和操作系统上都沿用这条路径；李想以论文被李飞飞等研究者引用为证据，说明研究不是装饰，而是后续研发效率的前提。

• 能力表达也不是营销包装。理想在车内展示端到端如何选择轨迹、attention关注什么、VLM如何理解ETC、红绿灯和复杂道路，是为了让用户与组织看见模型能力如何工作。

8. DeepSeek R1把业务闭环压缩进推理链

• 李想从R1的思维链中读出另一套最佳实践：先做索引分析，再从用户给出的方向中确定目标，随后输出策略并推演执行，最后反思结果与目标的差距。

• 映射到业务，就是用户与市场分析、确定目标、形成并执行策略、复盘。若结果差距来自业务策略，就继续分析和调整；若来自能力差距，就回到研究与研发，而不是硬推业务。

• 他同时保留关键限制：R1给出了“行的策略”，但没有控制机器或电脑完成action，因此还不是完整的知行合一，只是一个非常好的“脑系统”。

9. 组织最爱跳过研究，也最爱只改策略

• 能力建设中，人最容易一上来就研发，既不研究，也不展示能力，更不进入市场实战；业务遇到问题时，又最容易直接改策略，不复盘、不分析用户，也不重新共同确定目标。

• 李想承认严格遵循最佳实践“是反人性的”，随心所欲才满足人性。卓越个人和卓越组织因此必须持续对抗懒惰、捷径和个人独断，而不是把方法论写完便算拥有能力。

10. 梁文锋的优势被概括为自律与高成功率研究

• 李想只在2024年9月、OpenAI o1发布前几天与梁文锋聊过一次。他留下的第一印象是极强自律：能够坚守相信的原则，与懒惰、走捷径的人性做对抗。

• 第二个判断是，梁文锋会在全球范围研究最佳实践和方法论，并把个人的高成功率路径组织化：“做任何事情先搞研究，先搞分析，然后再做，成功率就很高。”

• 关于年轻人研究，李想的解释是，成熟研究者往往已经有自己的框架，可能反而成为障碍；他还转述梁文锋提到，中国教辅材料包含完整的解题过程和反馈，是很好的强化训练体系。理想后来把这一思路映射到交通规则、舒适度和驾驶接管。

• 李想称当时梁文锋估计与OpenAI还有约一年差距，但从o1前夕到R1发布只用了三四个月。对于OpenAI，他仍承认其研究、研发、产品和传播都很强，吉卜力风格生图及“一周超过4亿访问用户”是综合能力的例子，领先多久则“很不好说”。

11. DeepSeek选择训练能力，而非吞下全部流量

• 面对春节期间的高流量，李想推测DeepSeek没有全力承接DAU，是因为卡有限：若全部用于推理，便无法继续训练和提高能力。保留一定用户query有价值，但过量流量未必同样有意义。

• 他不认为自己本应做出DeepSeek：“我只能做最好的自己。”梁文锋从浙大人工智能、量化模型和工程能力一路延伸至大模型；理想的延长线则是产品、汽车和物理世界终端。

• DeepSeek开源给理想带来的直接收益，是把原计划当年9月才能完成的语言能力提前约九个月，并大概节省几亿元成本。李想把它称为“站在巨人的肩膀上”，而不是放弃自己的模型能力。

12. 理想用开源语言层加速了自有VLA

• 春节期间，李想先与谢炎讨论：理想到9月自研出的语言模型未必强过DeepSeek V3加R1，既然开源程度“基本接近Linux，比安卓开放得多”，就应该直接用作VLA的L部分。

• 他最初担心模型负责人陈伟难以接受，结果陈伟比管理层更坚决，认为应以DeepSeek为基础加速VLA和端到端多模态；研究、编译和芯片团队则同步优化训练与推理效率。

• 组织随后按三种业务形成不同需求：内部办公需要language加Agent OS；车机、手机上的理想同学需要实时语音和视觉组成端到端VL；自动驾驶与工厂机器人需要VLA。因此需要不同团队为三类业务做适配的模型。

• 理想仍必须自行训练，因为汽车需要3D vision、高清2D vision、交通与家庭语料，以及VL联合数据；OpenAI和DeepSeek没有理想的车辆数据、场景和业务目标。开源L只是VLA的一部分，不是完整答案。

13. 基座投入和产品推广走向了相反方向

• 理想把当年训练卡采购提高到原计划约3倍：给理想同学使用的模型预计约300B、即3000亿参数，自动驾驶的VL部分使用32B版本，真正工作中也会使用300B模型，具体规模会按需求区分。

• 对理想同学App，李想反而要求暂不买量、不营销，先练能力和理解需求。车机端兼具信息和辅助工具属性，手机端当时仍主要是信息工具；电脑端和网页端属于未来扩展。理想先把这些版本做好，服务需要连接的120多万用户。

14. VLA是从昆虫、哺乳动物到人类司机的连续进化

• 李想把智能驾驶当前阶段称为“黎明前的黑暗”：行业问题集中暴露，恰好意味着下一代能力将到来；理想做增程、5C充电和操作系统，也都源于解决行业无法解决的问题。

• 规则算法加机器学习感知像昆虫智能：模型只有几百万参数，还依赖高精地图和大量限制，最终接近“有轨交通”，只能在既定规则中完成任务。

• 端到端像哺乳动物学习动作：它模仿人类开车，看到三维图像、感知自身速度并输出轨迹，泛化显著提高，却不真正理解物理世界；遇到未见过的复杂场景，往往只能停下。

• VLA才接近人类司机：同时读取3D世界、高清2D细节和导航软件，用language及CoT理解语义，再以action执行并沟通。理想因此不把它叫抽象大模型，而叫“司机大模型”。

15. VLA预训练从32B的VL基座开始

• 第一步是在云端训练32B的VL基座。视觉语料分为3D物理世界和高清2D图像；后者的识别距离相较常见开源VLM提高约3—5倍，解决远距离细节不足。

• 语言部分不是通用网页语料的简单延伸，而是交通和驾驶相关语料；更难的是VL联合数据，例如把导航地图、驾驶员对地图的判断及车辆记录的动作共同做成训练语料。

• 32B基座随后蒸馏为3.2B端侧模型，并采用8个专家组成的MoE；若直接运行完整3.2B模型，双Orin X或Thor-U上的token输出率和帧率无法满足实时驾驶。

16. 后训练把知识模型变成约4B的驾驶模型

• 李想把预训练比作先学习世界和交通知识，把后训练比作去驾校。此时加入action，以模仿学习把视觉、理解和动作连成端到端，模型由3.2B扩展到接近4B。

• 安全延时决定其CoT只能保留2—3步，不能复制长链reasoning；交通和机器人场景没有时间等待模型进行冗长自我辩论。

• Action输出后，模型还通过diffusion预测未来4—8秒的环境和轨迹。理想把这项预测视为司机本身的能力，而不是另立一个“世界模型”。

17. 强化学习先对齐社会，再争取超过人类

• 第一层强化是RLHF：用驾驶员接管、不接管、习惯和安全判断，让模型遵守交通规则，也融入中国道路上的正常驾驶方式，避免成为妨碍其他车辆的新手。

• 第二层是基于世界模型生成数据的纯RL，不再逐步给人类反馈，只要求从A点抵达B点，并以三类结果约束：G值代表舒适性、是否违反交通规则、是否发生碰撞。

• 李想的递进关系很明确：预训练像学知识，后训练像驾校，RLHF像进入真实社会并与人类对齐，纯RL则通过世界模型生成的数据，让它开得比人类更好。

18. 司机Agent把VLA变成用户真正雇佣的产品

• 人类不需要学习机器指令：“你跟一个正常驾驶员怎么说，就跟司机Agent怎么说。”短指令由车端VLA直接处理，复杂长指令先交给云端32B VL理解，再下发给端侧执行。

• 北极星指标不是单一接管率，而是对人的三项判断：专业能力是否足够强，职业性是否保证安全舒适，记忆与沟通是否建立信任，最终达到“我说上半句，他就知道下半句”。

• 李想把超级对齐类比为职业性：赛车手可能能力强，却不适合每天载人；职业司机必须既开得好，又遵守规则、照顾乘员感受，并在长期记忆中理解雇主。

• 定价也应参照被替代劳动。如果人类司机每月1万元，用户可能愿意用2000—3000元使用一个AI司机；未来还可能把保险、自动充电或一定里程的电费打包，前提是总成本确实更低。

19. 交通是专业VLA最早落地的试验场

• 交通世界“复杂但具备确定性”：车只能沿道路行驶，规则和目标清楚，控制主要是前后、左右及轻微旋转的两到三个自由度；人形机器人一开始就是40多个自由度，难度完全不同。

• 汽车也天然适合模仿和强化：传感器记录人看到的世界，车辆记录人的action，接管就是未对齐反馈；舒适、合规、碰撞和A到B都能量化。

• 张小珺把这概括为“造司机”。李想认可，并强调L2、L2+仍是辅助工具，只有真正承担司机工作才是生产工具；是否比专业司机更好，是比“能否展示几个功能”严格得多的标准。

20. 五年内的通用Agent更准确地说是Agent OS

• 李想给出明确判断：“五年之内没有通用Agent，会有一个Agent OS。”司机、医生、律师和程序员依赖完全不同的vision、language、action、专业数据、CoT与责任体系，不可能由一个泛化模型直接包办。

• Agent OS负责提供工具、虚拟机和专业Agent开发的基础，专业人员再把自己的数据、语料、流程和思维链放进去，形成能接管高频工作的Agent。

• 理想对外最有资格做的是司机Agent，教育应由猿辅导、好未来等专业团队完成。对内则需要客服、编程、销售电话、验证实验等多种Agent，并允许一个专业人员带领多个Agent工作。

• 智能商业、基座模型和操作系统团队应共同搭好内部Agent OS，但客服Agent必须由客服部门开发，销售Agent由销售部门开发。“不会有一个团队帮大家做好”，平台只能让专业团队更容易做好。

21. 端到端没有被抛弃，它成为了VLA的Action层

• 张小珺追问端到端上线一年是否就被换架构，李想的回答是连续演进：端到端训练出的执行能力正是VLA的A，只是现在增加更强的3D/高清2D vision及language。

• 直接跳到VLA“没有可能”，因为“没有办法直接摘第十个包子”。规则算法做不好，就不知道怎样做端到端；端到端未做到极致，也不知道如何训练VLA。

• 他把迷信一步到位称为“练葵花宝典”。DeepSeek的效率同样来自长期集群、链路和基础设施优化，而非突然发现捷径；理想自2021年开始智驾自研、2023年研究端到端，前序积累不可删除。

22. 编译、芯片和操作系统决定模型能否上车

• Orin原本不直接支持理想所需的语言模型，理想的编译团队因此改写底层，以INT4运行VLM；李想将其类比为DeepSeek用FP8优化训练，都是用工程能力穿透硬件限制。

• 双Orin X与Thor-U都能运行与其他平台同等规模的VLA，还依赖板卡、芯片、操作系统和实时计算能力。李想的结论是，规模小时可绕过基本功，规模大后“基本功和能力永远是无法逾越的”。

23. VLA将“停下来”升级为理解、沟通和绕行

• 复杂修路是最典型的corner case：规则算法可能撞上，端到端可能停车犹豫，VLA则能理解复杂场景并处理可行路径。即使首次不会，李想称可用生成数据训练，三天之内处理相关场景。

• 长期模糊的公交车道展示了沟通差异：端到端被临时拨回中间车道后可能再次驶入；司机Agent却能理解“接下来一直在中间行驶，直到下一个导航节点”的持续约束。

• 错过导航时，端到端容易失去目标；VLA可以在小区或开放空间先漫游处理，再与重规划路线汇合。李想没有所谓aha moment，因为动物突然学会动作令人惊讶，“一个人做好东西”反而显得正常。

24. 世界模型同时承担考场、数据工厂和运营系统

• 理想定义的交通世界模型是通过重建加生成构造的完整物理世界，包含道路、固定物体和全部交通参与者；VLA像司机，既能在真实世界驾驶，也能进入仿真世界考试。

• 它有三个阶段：先作为模型考试系统，再生成训练数据，最终成为L4无人车的运营系统。传统IT软件无法管理大量没有司机的车辆，世界模型必须承担实时运营。

• 这与部分机器人论文把“预测未来几秒”称为世界模型不同。理想把4—8秒diffusion预测放进司机能力，把可运行、可交互的交通环境本身称为世界，刻意让AI产品概念与人类理解对齐。

25. 仿真把每万公里验证成本压到约4000元

• 过去靠人类司机跑一万公里，连车和各种费用的成本约17万—18万元；世界模型上线后降至4000多元，主要剩算力费用，解决问题的效率反而更高。

• 实车难以同时重现某辆自车、多个参与者、相同速度位置及特殊道路，往往只能模糊验证；世界模型可以“百分之百还原一模一样的真实场景”，精确检验修复后的模型。

• 黑盒因此并不等于不可测试。模型可以在仿真城市中反复接受A到B、舒适性、合规性和安全性考试，失败场景再进入生成数据与训练闭环。

26. 超级对齐把强能力约束成职业司机

• 理想在做到1000万公里以后开始建设超级对齐团队，规模超过100人。典型问题不是不会开，而是拥堵时频繁加塞、效率虽高却让乘员不安，学到了不该学习的驾驶行为。

• 李想区分能力与价值观：是否碰撞更多是模型能力，是否加塞、是否符合人类习俗与乘坐感受则是对齐。“能力越强，责任越大”，就像能力强的人更需要职业性约束。

• 招聘卓越员工的三个维度也被移植到Agent：专业能力、综合职业性，以及理解别人并建立信任的能力。模型负责第一项，超级对齐负责第二项，Agent的记忆与交互负责第三项。

27. 算力决定L3、L4的能力上限

• 李想认为VLA能够解决全自动驾驶，但未必是效率最高的终极架构；它仍基于Transformer，当前能力最强，却需要很高算力，未来“大概率”会出现更高效架构。

• 双Orin X或一颗Thor-U拥有约64GB显存，理论上或可装下约30B模型，但无法达到驾驶要求的帧率；所以当前端侧只能运行3.2B、加入action后约4B的版本，能力存在上限。

• 他的推演是：若未来32B模型可直接跑在端侧，L4可能实现；云端VLA届时也可能扩到320B。现有一代算力“基本上就是L3的水平”。

• 时间判断保留了条件：访谈当年最快三季度、最晚四季度可看到真正具备L3能力的产品，但法规及后续问题仍可能影响商业交付。

28. 规则算法仍是模型时代的高效工具

• VLM处理两三个ETC入口尚可，面对十几个入口却因位置判断能力差而混乱。团队连续三四个月增加语料仍未解决，李想最终要求用规则算法表达最多约15个入口。

• 这个程序不到一周便完成，ETC表现随即稳定。李想借此反驳“模型解决一切”：确定性规则能以更低算力、更少token和更高准确率完成任务，就应该保留。

• 他的类比是人类会背乘法口诀；它本质上也是规则算法，却显著节省脑力。大脑和工具从不矛盾，真正落地时必须同时优化能力、确定性和能耗。

29. 战略推理从规模倒推用户、产品与组织

• 李想把2027年前后三年的规模目标当作CEO大模型的长链推理起点：规模对应时间，再逐一推演用户需求、技术变化、产品形态和组织能力，最后必须转成action，“有想法和能落地还是最大的鸿沟”。

• 理想去年收入约1450亿元，访谈当年预计有1000多亿元收入。如果继续走向3000亿、5000亿甚至更高，只依赖家庭SUV可能触及品类上限。

• 年销量从约50万辆迈向100万辆以上，用户群规模将接近BBA，需要覆盖过去未触达的人群并改变沟通方式；面向全球时，家庭定位仍可保留，但不能只等于SUV。

• 产品推论是进入家庭轿车和更丰富的MMPV产品，而不是运动轿车；同时继续控制SKU，避免用无序车型数量换规模。这是需求与规模推导出的扩张，不是看到新技术便扩张。

30. 理想选择成为AGI时代的终端公司

• 李想给2030年的身份回答是“全球领先的人工智能终端企业”。相较模糊的人工智能公司，这次增加“终端”，意味着选择软硬件与服务结合，而非只做模型平台。

• AGI终端必须满足四项条件：360度感知物理世界、完成认知决策、执行action、对结果反思反馈。汽车正从智能终端变成人工智能终端，也可能成为人工智能时代营业收入最高的终端，做到千亿美元收入。

• 理想未来不一定只做车，但不会再做上一时代的普通终端；任何新品都必须符合四项条件，并覆盖用户生活或工作中的主要场景。

31. 组织能力按百亿、千亿和更大规模分阶段学习

• 理想ONE阶段学习丰田工作法、GM研发流程和Google OKR，完成第一款车研发交付，累计销售20多万辆、创造超过100亿美元收入。

• 从百亿迈向千亿时，公司重点学习华为的IPD、财务、流程和人力资源三支柱，配合L系列平台化研发与更大销售组织，快速做到超过1000亿元收入。

• 走向3000亿元以上时，苹果重新变得可理解。李想坦言公司规模较小时看不懂苹果；规模到了千亿，才逐渐看见它如何从Mac扩到iPod、iPhone和服务生态，以及大规模组织能力为何需要长期建设。

32. AGI终端的软件、硬件和服务都要重做

• 软件侧需要三层：理解物理与数字世界的模型、高性能实时操作系统、以及Agent调用的确定性工具。传统安卓式后台排队和AUTOSAR式链式结构，都未必适合NPU、MCU并行运行的实时AI终端。

• 硬件侧首先是本体和线控系统，其次是集中与分布式计算的组合，而不是迷信单一中央大脑；这有助于减少线数、提高传输效率。

• NPU被李想比作心脏：同样10Hz，终端若只能运行3B，对手却能运行30B，就是10倍性能差距。云端可堆卡，端侧受功耗、空间和实时性约束，更需要芯片与编译自主能力。

• 服务侧要解决两件事：怎样运营在物理世界运行的大量Agent，以及人怎样同时带领多个Agent。世界模型、Agent OS和连接机制不是附属软件，而是AGI服务本身。

33. 工厂更应该变成机器人，而不是简单塞进人形机器人

• 李想对制造业AI的设想是“拿AGI来生产AGI的终端”：工厂整体像“宇宙大帝”一样成为机器人，通过感知、决策和自动反馈简化全部流程。

• 他不赞成只把人形机器人放进原有人类工位：工厂人工成本占比没有外界想象得那么高，简单替代未必经济；长期而言就业仍有必要。更大的机会是提升整个生产系统效率。

• 穿戴终端仍未成熟。眼镜虽可能具备360度感知，但光波导或集中显示、电池、独立计算和通信都未达到长期使用标准；研究可以先行，产品节奏不能凭想象确定。

• 家庭机器人也未收敛：可能是人形机器人拿人类锅铲，也可能是统一感知与大脑加改造后的智能锅具。理想不会提前宣布路线，而会等待研究和行业能力决定哪条路径成立。

34. 扩张是否合法，只取决于规模与能力回报

• 李想认为小公司应尽可能收敛，规模大时则必须扩张；Google若只有搜索、微软若没有Office和云、苹果若只做Mac，都可能成为另一家企业。

• 理想已有一千多亿元收入并走向两千亿元，做操作系统、芯片和模型在他看来已到合理时点。苹果2001年推出iPod时，收入只有几十亿美元，却已拥有电脑、操作系统和软件生态。

• 自研操作系统四年投入约10亿元，李想估计累计节省50亿—60亿元，还增强国产芯片支持和开发效率。“它既能增强能力，又能降低成本”，因此不是摊子铺大，而是规模经济。

35. AI估值必须由L4与人效兑现

• 李想不希望市场在能力未显现前给理想AI溢价，“反而心里慌”。第一个检验是能否率先实现L4，让用户上下班不再守着方向盘，而是坐在桌前工作、吃东西。

• 第二个检验是组织生产率：目前接近100万人规模的组织创造7000多亿元收入；理想若能用10万人以内、甚至5万人做到1000亿美元收入，才证明AI战略真正产生价值。

• 若两项都做不到，“你就应该给我们一个车企的估值”。这也是访谈中最明确的估值纪律：技术、终端身份和宏大叙事必须落到销量、收入、劳动效率和可收费服务。

36. 理想会因需求、技术或组织任一断裂时消失

• 李想给出三种死亡原因：没有把握用户需求、没有掌握最好的产品技术、组织能力发生巨大问题。三者必须相互诊断，单独看任何一项都会失真。

• 他承认公司看得远，但自称当下仍“脚踏实地”，因为编程时代比较功能，AI时代比较能力以及能力如何变成业务；跳过能力直取结果，仍是“练葵花宝典”。

• 战略会和现实工作始终有反对意见，甚至有人在项目被停后私下继续验证。若结果证明成立，李想会重新认同；他不把一致等同于没人争论。

37. 有能量的争论才会形成组织智能

• 李想区分争论与内耗的标准不是声音大小，而是连接是否仍有能量：能量存在时，争执、讨论和吵架构成“一个更完善的大脑”；连接消失后，同样动作就变成内耗。

• 汽车之家最困难时，他、秦致、樊铮形成三人支撑：三个人对外一致，对内通过争论补全判断，一旦决定，又成为相互补资源和心力的强大心脏。

• 理想汽车也沿用同一机制，从李想、沈亚楠、马东辉、李铁，到谢炎、邹良军等人逐步加入；重点不是CEO一个人随心所欲，而是让多人判断强于单脑、执行时又没人独自倒下。

• 他经验上认为3—7人最稳：两个人太少，超过七人又难形成紧密连接。这个数字不是量化研究，而是长期直觉，也像MoE——多个小专家形成脑力和心力支撑，再连接更大的组织。

38. “在意用户”和“在意身边的人”是能量连接的前提

• 李想把连接归结为“两个在意”：共同在意客户与用户，这是价值观共识；同时在意身边共同扛责任的人，“先对人再做事儿”，而非抽象地只讲对事不对人。

• 他会主动把核心负责人拉到一起，再通过一次次真实事件训练协作。只有共同经历资源短缺、判断争执和结果责任，三到七人的结构才会从组织图变成真正的支撑。

• 这也是他最近最大的个人成长：把自己过去受益的合伙模式提炼出来，帮助更多团队形成“更强大的大脑、更强大的心脏和更强的能量”。

39. AI组织可以兼容制造业，而不是消灭制造业管理

• 李想认为高维管理能兼容低维流程：数字化可以容纳工厂、销售和IPD，AI组织同样可以让不同业务采用不同方式；工厂、操作系统、整车和智驾不必共享一套组织模板。

• 理想真正做端到端的团队约200人，模型团队约100多人；竞争对手的规则算法团队可能有2000—6000人。模型、研究和数据外围另有人员，但核心小团队体现了新架构的人效差异。

• 智驾和模型团队约60%—70%来自校招，很少依赖所谓行业大拿。李想把这部分实践与梁文锋的启发相连：研究需要年轻人突破既有框架，场景、数据、持续资金和公司是否真信AI，比头衔更能吸引人才。

• 他澄清自己并非80%—90%时间只看AI：一天工作时间约60%用于组织和人，包括面试与培训；其余工作大致一半用于汽车业务、一半用于AI。作为CEO，他相信“AI不是科学，AI是工程”，并靠结构性问题帮助团队澄清架构。

40. 十年记忆被重写成能力增长，而不是苦难史

• 李想最鲜明的幸福画面是2018年理想ONE首次发布、2019年上海车展正式展示并公布价格时获得最大人流，以及2022年L9成为后来至少五家企业模仿的产品。

• L9高峰后紧接全网黑公关、倒闭传言和单季接近20亿元亏损；但他选择记住这场危机暴露了能力缺口，并推动2023年收入接近三倍增长、达到约1200亿元。

• 他的记忆策略是“尽可能只保留那些有价值的、美好的片段”，把坏事解决后迅速忘掉；按时间计算创业当然苦更多，但“没必要苦哈哈的”，苦甜只是同一枚硬币的两面。

41. 成长不是改掉自己，而是增加新的能力

• 李想说自己今天约90%的状态和高中时代相似：遇到问题便解决，尤其解决别人不愿解决的用户问题，并寻找合伙人弥补个人能力；变化的是问题、用户和组织规模。

• 他把2008年差点被赶出公司的经历视为智慧起点，因为那时开始认真处理与自己的关系。汽车之家曾因轻视资本受挫，做理想时便补上FA、律所、股权、投票权和现金治理，这不是改变产品本能，而是新增资本能力。

• 对自己，他主张接受全部优点，也接受不足，因为不足往往是优势的另一面：擅长高维决策的人可能不擅长精细运营，懒惰的人可能成为优秀产品经理，强运营者却未必擅长跨维判断。

• “用成长替代改变”让人避免成为更差的别人和更糟的自己。成长本身产生能量，也让一个人可以通过合伙结构获得自己不具备的能力。

42. 人是用来发挥的，不是用来改变的

• 成为父亲后，李想最先确认每个孩子都完全不同：“人是用来发挥的，人不是用来改变的。”组织的作用，就是把不同特长、性格和不足组合成完整大脑，而非把所有人改成同一种模板。

• 第二个领悟是“我需要他们”超过“他们需要我”。孩子、爱人和共同承担责任的高管让他变得更好；大胆表达这种需要，会让对方感到被需要，也让关系从控制转为相互支撑。

• 第三个作用是孩子帮助父母看见自己。孩子没有掩饰、又无法选择，迫使父母理解不同类型的人，并学习如何处理无法逃避的关系。

• 这种认识带来更主动的行为：关注孩子的需求和擅长，问题尚未恶化便沟通。别人可以给自己能量，但“能量的主动权”仍在自己手里。

43. 三个人的家庭支撑让亲密关系产生新能量

• 李想与妻子过去的相互支撑有限，14岁的大女儿在访谈前后成为第三个支点：她形成较完整的三观，能够讨论人生规划、喜好、家庭问题和旅行，家庭出现了三个人相互支撑的结构。

• 他认为亲密关系首先源于需求，而不是独立姿态；若对身边人毫无需求，就容易无视、逃避、竞争或内斗。家庭和公司都应让成员相互提供脑力、心力与能量。

• 亲密关系也不宜泛化。直系亲属、少数多年朋友和工作中共同扛责任的人才属于核心圈；“能给我们带来伤害的只有亲密关系”，因为只有这些关系同时承载真正的价值与能量。

44. 工作创造社会价值，家庭创造亲情价值

• 李想把长期共事者也视作亲密关系，因为工作承载个人的社会价值：更好的产品和服务让更多用户受益，工作与企业由此创造社会价值。

• 家庭对应亲情价值，其终点是幸福，而幸福被定义为“高质量的陪伴”。工作和家庭不是互相牺牲：更好的工作支撑生活，更好的生活产生能量，再改善工作结果。

• 他的自我驱动力仍是“掌控自己的命运，挑战成长的极限”，从个人网站、汽车之家扩展到汽车和AI终端；他认为这也与AI不断提升能力、压缩知识和扩展行动的方向相通。

45. 智慧来自与万物建立关系，而非继续堆智力

• 李想给智慧下的定义是“我们和万物的关系”。没有在森林里生活过，人只把木头理解为筷子、纸和桌子；没有长期陪伴孩子，也无法真正理解亲密关系。

• 与万物建立关系首先需要时间。人类若把全部精力耗在复杂信息、重复劳动和内卷上，就失去了体验世界、理解他人和获得智慧的机会，这才是AI生产工具更深层的意义。

• 他给理想销售体系设下具体目标：邀约电话必须交给Agent，若访谈当年结束仍未实现，智能商业和销服工作便“不合格”。若这些工作交给Agent，可能节省20%—30%的时间，并减少大量能量消耗。

• 人类有限的算力应处理关系、智慧与熵减，AI则处理复杂数据、知识压缩和自动action。双方是合作关系；机器早已承担焊装、涂装和冲压，但这不意味着机器取代了人类的主导作用。

46. 当前Transformer没有意识，但更强架构仍是未解题

• 李想明确认为当前token与next-token架构没有自主意识，也不能自我进化；模型要根本改变输出，仍需人类重新训练，query和prompt能造成的变化相对有限。

• 因而他判断当前大模型对人类“挺安全”，信息、财产和人身风险仍可通过训练与对齐约束；若未来突破Transformer并出现自主进化架构，人类是否还能控制，他只给出“不知道”。

• AI解决的是智能，而非智慧；聪明的人可能一点都不智慧。李想预计五到十年内AI能力一定超过人，届时人的课题不是继续与机器比智力，而是发展处理自己、他人和万物关系的智慧。

47. 人类能否继续领导文明，取决于智慧能否被训练

• 李想把贸易冲突和地缘纷争视为智慧增长缓慢的证据：今天发生的事情在1930年也能找到对应。他因此追问，智慧能否像能力一样变成教育和训练，而不是只靠命运随机获得。

• 儿童先通过父母认识自己，青少年通过同学和老师，成年后通过社会；这个过程目前高度随机。他设想把“认识自己、理解关系、成为更好的自己”发展为可通过对话启发的教育模块。

• 面对“AI可能让渡人类认知主权”的预言，他承认这是人类出现以来最大的未解难题：如果AI解决了这个问题，可能统治人类；如果人类解决了，人类仍能带领文明。

• 他拒绝为了AI筛除所谓坏人性：“没有坏的，其实就没有好的。”优点与缺点、文化与性格都是生命特质，全部人性都值得保留；真正要提升的不是把人改造成纯净模型，而是理解和运用这些特质。