深度访谈摘要与核心判断分析：李想谈AI

受访者：李想 (理想汽车创始人、董事长兼 CEO)

访谈嘉宾：小俊 (主持人)

第一部分：访谈核心摘要 (交互式)

软件工程与AI的深度融合

AI作为生产力工具 (AI as a Production Tool)

核心标准： AI要成为生产工具，必须具备 Action (行动)能力，实现“知行合一”，而不仅是提供信息。用户愿意为之付费是重要衡量标准。
编程工具案例： 编程辅助工具 Cursor 被工程师认为是初级的生产工具，员工自愿付费使用，显著提升了开发效率。

构建VLA模型的工程实践 (Engineering VLA Models)

三阶段训练法：

预训练 (Pre-training): 训练一个 32B 参数的云端VL（视觉-语言）基座模型，融合3D/2D视觉数据、交通专用语言数据和VL联合数据。
模型蒸馏 (Distillation): 将云端大模型蒸馏成一个 3.2B 参数、包含8个专家的 MOE 架构的端侧模型，以满足车载芯片的实时性要求。
后训练与强化 (Post-training & RL):
- 模仿学习： 类似驾校学车，让模型学会Action，此时模型规模扩展至约 4B。
- 强化学习 (RLHF): 通过人类反馈（如接管数据）进行安全和习惯对齐，使其驾驶行为“像一个职业司机”，而非“赛车手”。为此专门成立了百人规模的“超级对齐”团队。

底层软件工程的挑战与实践

硬件适配与编译优化： 由于NVIDIA Orin芯片原生不支持语言模型，理想的编译器团队自主编写底层软件，实现了用 INT4 的方式运行VLM，这与DeepSeek做 FP8 优化的工程思路异曲同工。
系统架构： 设计了“中央大脑 + 分脑”的分布式计算架构，以平衡集中计算和实时传输效率，而非单一的中央计算。
世界模型与仿真测试： 构建了高度仿真的交通世界模型用于“考试”和生成强化学习数据，将每 1万公里 的验证成本从 18万 元降低到 4000 元，大幅提升了算法迭代和验证的效率。

新范式：Agent OS

理念： 通用Agent的更优形态是 Agent OS。这是一个平台，让不同领域的专业人员可以在上面开发自己专用的Agent。
内部实践： 计划由基础模型、操作系统和智能商业三个团队联合打造内部的Agent OS，赋能客服、销售、研发等团队开发自己的专业Agent，例如“电话专家Agent”或“编程Agent”。

组织与效率变革

小团队高效率： 理想的端到端智驾团队仅 200 人，与特斯拉规模相仿，而业界采用规则算法的团队规模则高达 2000-6000 人。这体现了AI原生开发模式对组织效率的颠覆。
研究驱动： AI时代，研究=能力。认知可以直接转化为模型能力，因此强调研究的重要性，并大胆启用年轻人和校招生进行前沿探索，避免被过往经验束缚。

（注：访谈中的“Minus”、“Deepmind”在特定语境下可能指代“Minos”或“DeepSeek”，已根据上下文进行修正和解读。）

智能驾驶的技术演进与VLA架构

智能驾驶的三个阶段类比：

规则算法时代： 像“昆虫智能”，依赖固定规则和高精地图，泛化能力差。
端到端+VLM时代： 像“哺乳动物智能”，通过模仿学习人类行为，但对物理世界理解不深。
VLA (Vision-Language-Action) 时代： 像“人类智能”，能真正理解物理世界和语言指令，并作出行动，是“司机大模型”。

VLA的核心优势： 解决了端到端模型无法处理的复杂Corner Case（如复杂修路）和与人的自然语言交互问题。它不仅能看懂物理世界，还能看懂导航地图等软件界面。

L3/L4展望： 当前车载算力是瓶颈，基本是L3水平。实现L4需要端侧能运行更大规模的模型（如 32B 级别）。预计今年三、四季度能看到L3能力的产品。

理想的战略定位：人工智能终端公司

公司新定位： 成为全球领先的“人工智能终端企业”。

战略思考： 对比PC时代（微软vs苹果）和移动互联网时代（谷歌vs苹果），李想认为在涉及生命和财产安全的物理世界，软硬件一体的“终端企业”模式将比“平台企业”模式更具优势。

AGI终端的四大特征：

360度物理世界感知能力
认知决策能力
Action执行能力（控制机器或软件）
反思反馈能力

未来布局： 在汽车这个最大的AI终端之外，未来可能会在家庭、工作等场景中，探索符合以上四个特征的新型AGI终端产品。

组织、能量与成长

能量场理论： 一个高效的组织核心在于构建“能量场”。3-7人 的小团队能形成最稳固的支撑结构，共同组成“更强的大脑”（集体思考）和“更强的心脏”（相互支撑）。

亲密关系的重要性： 能量的来源是关注人，尤其是亲密关系（家庭、核心同事）。核心在于建立“我需要你，甚至超过你需要我”的心态，这会激发主动性和正向连接。

成长驱动力： 个人和组织的终极驱动力是“掌控自己的命运，挑战成长的极限”。通过不断学习和成长来增强能力，最终实现用户价值和商业价值。

智慧与智能： 人工智能解决的是“智能”问题，而人类需要发展“智慧”。智慧是处理与自己、与他人、与万物之间“关系”的能力。AI的发展，要求人类更加关注智慧的提升。

第二部分：深度剖析 —— 李想对人工智能的核心判断

通过本次深度访谈，我们可以清晰地勾勒出李想对人工智能的系统性思考。他的判断并非源于纯粹的技术理想主义，而是植根于产品经理的思维、企业家的战略远见和对物理世界工程实践的深刻理解。其核心思想呈现出高度的实用主义、对垂直整合的信念以及人机协同的终极愿景。

判断一：实用主义至上 —— AI必须成为“生产工具”

价值三级论： 他将AI应用划分为信息工具、辅助工具和生产工具。他明确指出，只有当AI进化为能真正替代人类执行专业工作、创造可衡量价值的“生产工具”时，AI时代才算真正爆发。这是他评判所有AI产品价值的黄金标准。
行动（Action）是关键： 他反复强调“知行合一”。AI如果仅仅停留在给出建议和策略（知），而不能在数字或物理世界中执行任务（行），就无法摆脱信息工具的范畴。他对Minus等Agent产品的关注，正是源于它们对“Action”的探索。
警惕“熵增”： 他敏锐地观察到，当前很多AI应用正在制造大量的、充斥着幻觉的无效信息，反而增加了人们的认知负荷，是在做“熵增”。他追求的是利用AI做“熵减”，即简化流程、提升效率、解决实际问题。

判断二：垂直整合与专业化 —— “Agent OS”而非“通用Agent”

专业Agent > 通用Agent： 他不认为一个单一的通用大模型能解决所有专业问题。无论是驾驶、医疗还是法律，都需要针对性的数据、模型和思维链（CoT）。因此，未来将是众多“专业Agent”的时代。
平台化构想： Agent OS是他提出的解决方案。这是一个底层的操作系统，提供通用的模型、工具调用、虚拟机等能力，让各个领域的专家可以在这个平台上，低门槛地构建和训练属于自己的专业Agent。这是一种“授人以渔”的思路。
理想的定位： 理想汽车将专注于打造最顶级的“司机Agent”，而其他领域的Agent（如教育、医疗），则应该由该领域的专业公司来构建。公司内部也会基于Agent OS，赋能各部门（如销售、客服）开发自己的工作Agent。

判断三：人机协同的新范式 —— “人类智慧”与“AI智能”的分工

智能与智慧的二分法： 他将AI的能力定义为“智能”（Intelligence），擅长处理海量、复杂的信息和数据。而人类的核心优势在于“智慧”（Wisdom），即处理与自己、与他人、与万物之间“关系”的能力，以及体验幸福、产生能量等高级情感活动。
人类的未来角色： 在AI能力超越人类的未来，人类不应与AI在“智能”层面竞争，而应将重复性和计算密集型工作交给AI，从而解放自己，有更多时间去提升智慧、体验生活、处理复杂的人际关系和进行创造性活动。
对AI安全的乐观： 他认为当前基于Transformer的架构，因其不具备自主意识和自我进化能力，本质上是安全的。其行为可以通过“对齐”（Alignment），特别是RLHF（人类反馈强化学习）来约束，使其符合人类的价值观和安全准则。风险在于未来可能出现的新架构。

判断四：工程为王 —— 从底层构建全栈能力

拒绝“跳跃式”发展： 他坚信能力的构建必须循序渐进。从规则算法到端到端，再到VLA，每一步都是必要的技术积累。他认为，没有扎实的底层工程能力，直接追求最顶尖的应用是不现实的，如同“练葵花宝典”。
全栈自研的必要性： 理想之所以能在智能驾驶等领域取得突破，得益于在操作系统、芯片编译、仿真平台（世界模型）等底层软件工程上的长期投入。例如，自研编译器使Orin芯片能运行VLM模型，自建世界模型将测试成本降低了超过40倍。
工程思维的核心： 他认为自己对工程的理解力是核心优势之一。工程问题可以通过结构化的提问、对物理规律的理解和对效率的极致追求来解决。这种思维让他能有效引导技术团队，即使他本人不是技术专家。

判断五：终极形态的预判 —— AI将以“终端”形态赢得物理世界

终端 > 平台（在物理世界）： 李想预判，在涉及安全、可靠性和复杂交互的物理世界中，软硬件深度整合的“AI终端”将比纯粹的“AI平台”更有价值。他以苹果的成功作为例证，认为当AI进入物理世界（如汽车、机器人），责任主体的一致性至关重要。
AGI终端的定义： 他为下一代终端设定了清晰的四个标准：360度物理世界感知、认知决策、Action执行 和 反思反馈。汽车是第一个大规模的AGI终端，未来还可能出现其他形态。
战略选择的清晰化： 这个判断为理想汽车的未来十年指明了方向。公司不再仅仅是一家汽车制造商，而是以汽车为起点，致力于打造一系列符合AGI时代特征的、软硬件服务一体化的终端产品公司。

总结而言，李想对人工智能的判断是高度务实且极具野心的。他摒弃了关于AGI的空泛讨论，将焦点牢牢锁定在“创造价值”这一商业本质上。他认为AI的落地需要深厚的工程积累和垂直领域的专业化，同时又将人机关系提升到了“智能”与“智慧”协同共生的哲学高度。最终，他为理想汽车选择了一条类似苹果的“终端”之路，这是一条更艰难但可能在物理世界中更具统治力的道路。这一系列判断共同构成了一个清晰、自洽且可执行的战略蓝图。