李想：AI可以改變實體世界｜36氪專訪

文 | 李勤 李安琪 

編輯 | 李勤

3月2日，特斯拉在投資者活動日，釋出“秘密宏圖”第三篇章。同一天，理想汽車也舉辦了規模空前的溝通會。馬斯克鼓呼“我們是地球的投資人”，為智能電動車行業勾勒可持續能源經濟的宏大終章。

理想汽車CEO李想務實一些，長達2個多小時的交流，李想循循善誘，分享了為什麼創辦理想汽車，做增程的出發點，如何布局純電和超充網絡，怎麼做經營管理、搭建供應鍊以及進入智能電動車時代。

實際上，馬斯克在過往17年，用三篇秘密宏圖，為智能電動車行業開拓了車、出行和能源三大商業圖景。目前，國内的造車公司都還掙紮在造好車、賣好車階段。而體格相對健壯的理想，已經開始初步展望未來的智能出行。

關于技術，李想直言，公司的自動駕駛技術路徑和特斯拉的FSD沒有差別。而關乎能源，李想着墨不多，提及更多的是“能源安全”，以及在此背景下，公司的實踐性思考。

圖源：理想汽車

李想依然犀利敢言。“消費者沒有任何義務，當我買一輛電動車以後，整個的體驗、行使半徑，效率是比燃油車下降的。”談及如何推動燃油車走向新能源車，李想亮明了這個決策出發點。

基于此，理想汽車到2023年依然會堅持增程和純電兩套技術方案。而圍繞純電布局，李想也有明确的計劃：800V高壓+480V高功率充電樁，實作燃油車的補能效果。

這套方案理想汽車早已對外宣講，但這次李想也給出了詳細的決策模型。首先，800V高壓平台和碳化矽功率晶片，配合更好的風阻系數和整體效率的優化，能讓續航大幅提升，進而節約成本。

“相比今天傳統的400V主流電動車，在相同尺寸、相同驅動形式下，大概可以一輛車降低3到4萬塊元零部件成本。“李想說，“大家都認為800V碳化矽是一個更貴的價格，其實不是。” 

而李想對充電樁的定位是，這是和電動車一體的産品，必須要建。他算了一筆賬，一個超過640千伏安的充電站大概需要100萬元投資，建1000個站就是100億元，按5年攤銷，每年20億，對于年收入1000億元的公司并不構成壓力。

而大功率充電，也會縮短充電時長至10-20分鐘，這會讓充電樁從過往的每天2-3單，提升到5-6單，實作盈虧平衡，“如果能做到一天10單，盈利會超過加油站。”

持續投入需要健康的财務模型。“20個點是一個企業能夠長期健康發展的最低毛利率。”李想說，“毛利率越高企業經營難度越大，毛利率越低越容易，負毛利率相當于送錢，是最容易的。”

理想汽車除了發力電動布局，也在加深智能技術投入和應用，包括不依賴高精度地圖，年底落地城市NOA。李想的判斷是，到2024年，是否配備高速NoA開始影響中高端車的消費決策，這也掀開了智能電動車的時代帷幕。

行業劇烈變革，競争顯著加劇。今年開始，特斯拉連續在全球發起了4輪降價，降幅高達4萬元，國内的比亞迪等老牌車企也快跟進了萬元級的降價。頭部企業之間的價格戰，讓行業狼煙四起。

李想承認，這是行業巨大壓力的表現，“一個行業，很少有兩家頭部公司都能打價格戰”。

雖然特斯拉降價至30萬元以下，給理想汽車讓開了些許空間，但李想很清楚，“這是我們幸運的地方，但不會一直幸運下去，還得做好各種準備。”

以下是理想汽車CEO李想的分享和交流内容，經過摘編：

車賣得越好，電池可能越貴

因為智能電動車是少有的一個行業，既涉及到能源又涉及到前沿的資訊技術，是以這是我們看到的一個重要機會。

從使用者的角度而言，能源的需求其實是三個層面。第一個層面是能源擷取的便利性，我們也經常看到在論壇裡、在微網誌、在抖音裡不同的電動車使用者會對他們的電動車給出完全兩極的評價，就是有充電樁的會說電動車真香、用了以後再也回不去，很多沒有充電樁的使用者、包括沒有電動車的使用者還經常跑長途的，表達出後悔為什麼買一輛電動車。

圖源：理想汽車

第二點，是使用者能源擷取的成本，但能源擷取成本其實有兩個方面，一個是我買的這個産品是不是更貴，是以這裡邊是電池價格的組成。

另外一個其實是使用成本，電動車的使用成本是非常的低，我覺得這也是過去這麼多年，尤其在當下經濟背景下，會有越來越多的消費者選擇電動車，因為每年能省的錢就能多買一個iPhone，就能多買一個新的iPad，這個其實節省對于整個經濟增速放慢以後是非常關鍵的，是以這是第二個使用者的需求。

第三個使用者的需求是什麼呢？就是使用者的需求是舒适、環保零污染。使用者認為環保是什麼？其實比如我們在夏天自己開了一個車去接孩子放學，如果我開着空調，到處都是味道，這就是污染，而我開個電動車開着空調就會很好。

另外一方面在政府，有三個方面需求：

第一方面是核心技術的自主可控；第二點是能源供給的安全，其實無論是我們的石油的産量、碳酸锂的産量，都是和我們自己的實際的出貨量和使用量是不一樣的，我們生産全世界超過60%的燃料電池、但是我們的碳酸锂儲能不到10%，我們用了全世界20%以上石油，但我們石油的儲備大概是2%不到3%；第三個，碳達峰和碳中和，也造就了中國無論是整個電動車行業、全産業鍊，包含電機、電控、然後包括第三代半導體，也包括後面的電池、新的電池技術，以及像光伏這樣的全産業鍊。

那回到一個車企而言，那我們覺得跟2016年在做理想ONE立項的時候判斷是一樣的，我們面臨所有的挑戰就兩個，第一個挑戰是充電難的問題，我指的充電難是替代燃油車的标準來開展充電，因為我們消費者沒有任何義務，當我買一輛電動車以後，使用者整個的體驗、行使半徑，效率是比燃油車下降的。

那我覺得第二個挑戰就是電池成本高，因為電池是有核心貴金屬的大宗商品組成，是以它就會呈現一個什麼樣的現象？就是電動車賣的越好，比如說去年下半年開始更強的爆發性增長，是以就會變的越來越貴；今年一二月份，幾乎每一家企業定的全年目标兩個月過去普遍僅完成了4%-5%。這時候，碳酸锂的價格就明顯的下降了，從55萬一噸現在降價39萬一噸。

我們判斷，整體的成本肯定不會再降到原來的4-5萬元一噸，但20到30萬一噸是個長期穩定的價格。這樣的話電池成本還是沒有辦法大幅的下降，甚至今天的電池成本比2018年的時候還要貴得多。

充電樁生意：每天10個訂單，盈利超過加油站

我們從最開始的時候分析，有三條路徑是可以解決這個問題的，第一條路徑，也是我做蔚來汽車董事的時候做的換電。其實換電是一個非常好的方式，因為第一換電的體驗可以無限的接近于加油的一個體驗。第二，換電可以讓消費者買一輛電動車的成本甚至比一輛燃油車還低。

當然，換電也會出現建換電站要準備更多的電池、包含要承擔電池漲價、降價大幅波動的風險。我們當時的錢并不多，是以我們在想能不能把它直接放在産品端，而不依賴于服務端，是以我們就做了增程電動車。

另外第三條路徑充電樁。今天的絕大部分充電樁都是不賺錢的，因為充電樁這個生意很容易計算，就是一天大概做到6單到7單就是有6到7次充電，基本上就收支平衡，如果做到10單基本上一根充電樁的盈利狀況會好于加油站的盈利狀況。

但是，如今普遍2到3單基本上是賠錢，那大家普遍做的方式就是這個充電樁明明隻能用5年，但是我把它分攤到10年的成本上去，用這樣的方式來把虧損減少。

使用者充電需要大量的等待時間成本，是以就造成一天就普遍2到3單的情況。如果能夠把充電縮短在20分鐘之内，使用者就不會離車，如果縮短到10分鐘，那使用者體驗就基本上跟燃油車是一緻了。

電動車沒你想象那麼貴，2030年還會做增程

要想做到充電體驗和燃油車一緻，其實有這兩個核心，第一個核心是必須用高壓平台做到這樣的充電速度，第二個好處就是，當我們使用碳化矽、配合高壓平台以後，再配合比較好的風阻系數，電池成本可以大幅的下降，就是效率可以顯著的提升。

比如說目前銷售最好的一款中大型SUV大概是有100度電，做到600公裡，但其實我們用800伏的高壓平台，配合更好的風阻系數以及碳化矽和整體效率的優化，我們大概用80度電就可以做到同樣的續航裡程，而車輛也會更輕，因為車更輕了以後就可以減少鋁的使用，成本下降大概在3到4萬塊錢。這背後也跟我們自己來做碳化矽的模、三合一的電機都是相關的。

當把這一些東西做好以後，相比今天傳統的400V主流電動車，在相同尺寸、相同驅動形式下，大概可以一輛車降低3到4萬塊元零部件成本，是以大家到時候可以看得到我們推出800V高壓平台電動車，因為4C還有一定的選擇性，大概可以做到跟增程相同的價格，這可能跟大家想象的不一樣，因為今天大家都認為800V碳化矽是一個更貴的價格，其實不是，它可以節省非常多的成本。

是以我覺得這是我們自己的兩個核心路線，無論是我們做的增程電動，還是做的高壓純電，其實核心目的第一個解決充電的問題，當我們使用4C電池的時候可以做到10分鐘充電400公裡，當我們使用2C電池的時候可以做到20分鐘充電400公裡，這是裡面的核心。

我們認為如果我們要推出電動車，充電樁對我們而言它是産品，不是服務，充電樁是産品本身。如果我們提供4C，但是沒有4C的完善充電網絡，那其實就相當于我們買了一部4G手機，但還僅有2G網絡，是以我們認為它屬于産品本身的事情，大家完全不用擔心我們鋪設充電樁的速度和決心。

超充站沒有大家想象的成本那麼高，比建一個工廠便宜多了。我可以算一筆賬，如果一個高速的超充站，能拉到的大概是640千伏安到800千伏安的電量，由于普遍會做3+1的站，會是1個480千瓦，配合3個250千瓦。因為我們如果都放480千瓦也沒有用，整個超充站隻能達到峰值800千伏安這樣的水準。那如果到2025年，我們建立3000個超充站，總共花費會是100億。按5年攤銷，分攤到每年是20億元，對于年收入千億規模的企業而言，成本根本沒有大家想象的那麼高。

往後看的2030年，我們仍然會堅持增程和純電兩條路線同時往前走，然後把增程效率做得更高。另外一方面在整個高壓純電上做得更好，根據使用者自己的選擇提供兩種需求。

車不是賣得越便宜越好

這個行業壓力最大的一點就是頭部兩個企業都能打價格戰。這在手機和各個行業裡是根本看不到的。而且我覺得大家容易忽略一個問題，就是我們診斷各種各樣企業的問題，我們發現消費者還是有一些非常基礎的常識認知的。我舉一個例子，作為一個中國品牌，如果我們把一輛中型的B級SUV賣到30萬以上，百分之百就沒有量了。這就是一些很重要的常識。

我們如果看調完價格以後的特斯拉和比亞迪，它們一直把自己的價位放在合理的空間，也不是過分便宜，而是放在符合使用者認知的合理範圍。很多人說，理想為什麼不把價格降到30萬以内？同樣的問題，消費者不接受一款還不錯品牌的中大型SUV，賣到20多萬。

在汽車之家的時候我們就觀察到使用者心理認知的狀态，他如果買一輛中大型的SUV，又是一個還不錯的品牌，不能賣到20多萬。因為大家一定認為你的車是有問題的，你可能大機率會偷工減料，這是使用者的一個認知。還會出現另外一個認知，就是使用者和使用者之間的認知，就是你花那麼多錢，然後買了一個那麼大的車，你一定很窮。你一定經濟出了問題。這些是很常識的認知，是以很多時候車不是賣得越便宜越好，車也不是賣得越貴越好。你可以在每個級别裡，很清楚地畫出來一個曲線。

20%毛利率是底線

為什麼毛利率那麼重要？還是跟汽車行業有關，因為你要想成為一個留在牌桌上的汽車企業，基本上你要有幾千億的收入，你要想成為世界頭部的企業，基本上一定是上萬億收入的。請問這樣的收入規模怎麼來經營？這就變得很關鍵了，不能永遠靠融資，小的時候幾十億收入、幾百億收入可以靠融資，再大怎麼靠融資？

而且我們看曆年汽車行業發展曆史可以看得清楚，當車最難賣的時候，比如遇到經濟危機，車最難賣，融資也根本融不到的時候，就會出現哪怕像通用和克萊斯勒這樣大的企業，在2008年經濟危機的時候，汽車銷量大概掉了40%，這兩家企業都破産了。

除了收入以外，就是杠杆用的過多，包括後面就把德爾福這樣的企業都拆出來了，自己承擔所有的杠杆，是以銷量下滑40%幾乎全由自己承擔。

什麼是毛利率？毛利率就是銷售價格-銷售成本，銷售成本包括車的BOM成本，包括車的制造成本，車對應的分攤，還有車的運輸費用，車的軟體費用，還有稅費，都是車的銷售成本。店面裡人員的支出叫銷售費用，這是毛利率以外的部分，我們毛利率留的部分就是應對銷售費用的，是以毛利率等于銷售收入-銷售成本。是以銷售收入減去銷售成本之後，剩下的都是公司可以投資的錢，是提升自己能力的部分。

回到車的角度而言，作為智能電動車企業，我們認為一個健康的門檻是20個點，我們研發投入基本上在10個點以上，銷售管理費用做得非常好也要7到8個點，同時還要承擔一定的風險，還有資本的投入，比如建工廠。我們認為20個點是比較健康的，目前來看特斯拉是超過20個點的，我們也是穩定的超過20個點，比亞迪也是超過20個點。比亞迪的銷售網絡并不是直營的，如果把經銷商費用一起算進來，比亞迪車的毛利率也是超過20個點的，我們認為這是比較健康的，否則怎麼投研發。

不能說資本市場好的時候投研發，資本市場不好就收縮研發，汽車不是這樣的，汽車做任何計劃都應該是五年以上的周期，是以毛利率是這裡面的關鍵點。當然，毛利率越高企業經營難度越大，毛利率越低越容易，負毛利率相當于送錢，是最容易的。

圖源：理想汽車

我們看到的是，20個點是一個企業能夠長期健康發展的最低毛利率，大家可以看到特斯拉在過去那麼多年一直賠錢，但從Model S、Model X，甚至從Roadster開始，毛利率一直穩定在20%以上。我可以花很多錢，但始終堅持毛利率在20%以上。特斯拉隻有一年是降到十八點幾，應該是2018年，Model 3難産的一年。盡管特斯拉今年已經大規模降價，但是在年報會議上他講，我今年仍然保持20個點以上的毛利率，因為隻有這樣企業才能健康的發展，當企業做任何長期投資的時候，才可以不慫，才可以堅定的往下投。

目前理想的研發包括産品研發、平台研發、系統研發。平台成本如何繼續下降，更深一層究竟是用别人的系統，還是自己開發作業系統？還有晶片，如果自己做推理晶片，可以做到像特斯拉一樣的成本，因為算法、訓練平台、晶片都掌握在自己的手裡。

我們在2月份所有支撐店面的從業人員已經做到了接近7輛車的人均銷售能力。如果把管理人員去掉，那麼人均超過10輛車，大概是新勢力同行的大概三倍以上，這樣我們就有機會讓我們員工做三個人的活掙兩個人的錢，是以我們的人現在是最難挖的。包括剛才講的充電網絡，我們在整個結構裡面看的是戰略的必要性，并不是走哪兒算哪兒，是必須要建，必須要建到什麼樣的程度。

供應鍊：需要24個月的前瞻

限制我們爬坡速度最關鍵的還是三電，我們把車所有零部件分成四個部分。

第一是傳統的後視鏡、保險杠，汽車行業本來一年就有2000多萬乘用車的産能，給電動車、給燃油車沒有差別，這不需要我們去做，給供應商就可以了；

第二類是新的電子類、晶片類的，比如我們的域控制器，中國過去有非常好的代工體系，而且中國采購全世界大概40%的晶片，這個體系的制造效率很高，給我們一款車生産20萬套、30萬套域控制器沒有任何問題，像富士康這樣的企業都可以給你做到，解決起來也不複雜；

大家都在講缺晶片，但從來沒有缺過高通的晶片和高通的計算平台，沒有缺過英偉達的晶片和英偉達的計算平台，也沒有缺過地平線的晶片和地平線的計算平台，缺的都是傳統的小功能晶片，因為這方面中國還是非常成熟的，中國是全世界最強的電子代工廠。

第三類問題比較麻煩，就是跟三電相關的。比如說我們開發L系列，一台車要用三台電機，兩個驅動電機，一個發電機。如果一年賣30萬輛，向任何一個電機廠下單90萬台，他們都沒有辦法接，因為90萬台意味着他要蓋10個廠房，而如果生産出來我們不要了，那這些所有東西都是他們承擔的。

有一個非常有意思的現象，這些供應商在面對新勢力的時候，我們給他們報的單量和他們計算的單量都是不一樣的，他們會有一套分析系統，分析我們實際能夠賣多少，他們才願意生産那麼多。當車企過去隻賣1萬台，但告訴供應商後面需要生産3萬台時，他們是不會相信的。去年年底所有供應商都認為我們今年大概能做15萬輛，直到我們證明了這個量之後，才給我們調到了25萬輛。而且在這個情況背後，像三電，包括增程器，都是我們自己來生産，否則我們的供應商根本跟不上。是以我們在綿陽建了自己的增程器廠，我們L系列的前五合一電機就是在常州旁邊自己生産的。

我們會為800伏自己生産碳化矽子產品，也包括會做自己的碳化矽電機。這都是我們的供應能力。

除此之外還有工廠，我們除了在常州有工廠以外，我們還會在北京建立工廠生産純電動車的産品。

供應能力需要有24個月的前瞻，否則來不及。包括拿土地、建廠房、招募人、試生産，基本上要24個月時間才來得及。跟供應商合作也是一樣的，如果找一個歐洲廠商，一年隻給我們做3到4萬套空氣懸架，我們跟他聊來聊去聊一年時間，可能最多也就能供應6萬套。但我們一年需要幾十萬套，這時候我們就會跟中國的供應商一起，讨論怎麼來建産線、廠房，確定二、三級零部件是到位的。供應鍊方面需要做的很到位，我們過去一年也做的不好，但有些方面我們的提前布局還是給我們帶來了非常大的幫助。

自制率不超過30%，否則背負高杠杆

供應鍊還有一個問題，就是自制率也不能做得太高。全世界所有企業都經曆過，比如說像豐田把愛信、豐田紡織拆出來和别人共用，也比如通用把德爾福拆出來。

我們知道，現在很多零部件廠商都是拆出來的。因為如果自己做全自制，就意味着當銷量下滑40%的時候，你要背負40%裡的全部杠杆、全部成本。這時候就特别怕遇到經濟危機這種大問題

是以，我們内部認為，30%的自制率是比較健康的，可以跟供應商一起合作，哪怕我們自研以後也可以是交給供應商來生産，而不是自己來生産。

AI改變實體世界

在理想汽車，我們是有四支人工智能的算法團隊，分别在解決四個領域的問題，包含：1. 去年建立的智能座艙團隊，做多模态算法；2. 智能駕駛；3. 智能工廠；4. 零售端智能。

“智能工廠”為什麼要做人工智能，原因是我們在産線上，每天一個的生産工序裡會有幾百個檢驗人員，都可以通過人工智能算法取代；同時，還能幫助我們用算法來解決品質問題，從一個量化角度來看，每輛車在品質成本的分攤上，大概是同樣售價的奔馳、寶馬、奧迪的約50%。

圖源：理想汽車

是以，如果用錢衡量品質狀況，同樣價格的産品，我們的品質是顯著的BBA這些豪華汽車品牌的。

另外，這套算法還能幫助我們對于各種事故的分解，如果大家問問身邊開理想ONE的朋友，會得到一個重要的回報——我們的保險是所有同行裡價格最低的，甚至比燃油車還要低，這是不同于一般電動車的，因為一般電動車的保險價格是比燃油車更貴的。

而理想ONE作為一個30多萬的車，第二年續險時商業險的部分是3300塊錢人民币，如果加上交強險等等整體就是4300。所有保險公司給出來的标準價格，都是這麼低，這一價格甚至跟很多10萬塊錢左右的新能源汽車的保險是差不多的，這背後的就是得益于我們整套算法體系。

回到我們為什麼要做這樣一條體系，其實是跟我之前做汽車之家有關。之前做汽車之家時，基本上所有産品都成功了，但唯一一個失敗的，且失敗的一塌糊塗的就是汽車電商。

而且，不僅我們在汽車電商方面失敗了，包括易車、淘寶和京東，以及當時好多汽車電商創業公司同行和二手車電商也全失敗了。這也不隻是國内的品牌，還包括過去幾年在美國一直做到了五六百億美金市值的Carvana二手電商，今天又掉到了十幾億、二十億美金，以及我們去學習美國的True CAR也都沒有成功。

我們反思為什麼會出現這樣的問題時，有一個很重要的思考，汽車電商整個業務鍊條中90%，甚至95%是發生線上下的，在整個線下的倉儲、庫存、物流、傳遞的體驗環節，我們當時沒有做任何的改造，整個成本甚至比傳統的汽車經銷商還要高，我們隻是線上上多花了5000到15000塊錢的CPS成本，剩下的什麼都沒改造。也就是說，在整個的拿錢衡量效率和商業的鍊條裡面，我們除了多花了一部分錢之外，剩下什麼價值都沒創造。

而同樣的問題在過去大家認為很火的新零售方面，比如社群團購方面以及打車軟體等，也都是相同的問題。無論是美國的Uber還是中國的滴滴，今天的市值都遠遠不及它當時融資的市值，其核心問題是過去的時候是軟體1.0，沒有辦法解決線下實體世界的問題。

我們定義的軟體1.0是什麼呢？就是人類自己來制定規則，人類自己來程式設計，然後編完程程式給人類自己使用，無論是我們的使用網際網路、還使用的APP、或者其他終端，都是一個相同的原理，主要核心就是運作在一個數字世界，但是實體世界發生的一切我們改變不了。

我們可以在美國非常快的拿Uber打一輛車，但是這輛車從A到B點中間發生的一切，我們叫TCO的成本沒有任何的下降，甚至比出租還高，因為空使率更高，是以這些平台公司就會出現一個問題，當它要想獲得高速的一個增長和份額時它就會虧損，如果它想賺錢，唯一的方法就是剝削司機，比如美國收30%、中國收到25%，而出之前的租公司隻收20%，是以他們現在比出租公司向司機收了更多的錢。

零售電商則不一樣，電子商務當把這種昂貴的商場賣貨挪到一個庫房就能賣貨，整體的成本下降35%到40%，隻是整個的行業的35%到40%被三個分割了，首先就是消費者拿走了一部分，讓零售價格更便宜了；其次是平台方拿走一部分，造就了像阿裡、亞馬遜這樣萬億美金級别的企業，第三個就是這些品牌——用新零售方式做電商的品牌。

是以，當時我們就在思考一個問題——什麼可以改變實體世界？有什麼辦法能改變實體世界？我們發現，隻有AI。

AI是可以改變實體世界的，因為AI的核心其實是學習，不是程式設計，不是邏輯，而是依賴于其對人類的模仿和學習。

目前，理想有四支人工智能的算法團隊，分别智能座艙、智能駕駛、智能工廠、零售端智能四個領域的挑戰。

理想把AI分成了兩大類别，一種是行為學習，就是小腦為主、大腦為輔。用大腦來思考和訓練自己，但是訓練成功以後小腦就能處理任務，就像開車或者生産線檢測等，很多時候不需要進行大腦完整的思考，就快速及時的反應。

另一個類别，是認知學習，大腦為主、小腦為輔。最近比較流行的ChatGPT、包括“理想同學”和蔚來的“NOMI”等。當給出一個複雜指令，它要回到雲端去處理，然後經過訓練後有相對确定性的執行，而如果放在車端的，就要通過GPU或者BPU給出結果。

自動駕駛也經曆了行為學習、認知學習兩個階段。第一個階段由于傳感器、算力并不強。比如理想最早用Mobileye 2 TOPS算力的晶片，前視200萬像素的攝像頭。這些硬體不足以支撐做三維感覺，識别一張張的二維圖檔，甚至“二維測距”，一張圖檔越寬就距離越近，圖檔越窄距離就越遠。為解決測距，加一顆毫米波雷達。

這就是最開始，或者說迄今為止，跑的中國路面上99%的車都是這麼工作的，哪怕已經上了英偉達Orin計算平台。特斯拉在中國的AP和FSD都是以這樣的方式來工作。這是一個2.5D的工作方式，就是像蝙蝠，用雷達測量我離各種障礙物和目标物體之間的距離，以此來成為下一步的前提。

是以這些量産傳遞的車的判斷、決策跟AI沒有關系。算法都是規則制的，是人類寫的透明規則的算法。當遇到加塞進車道，我會怎麼處理，當離開車道我要怎麼處理，當距離我近了怎麼處理等等。這些東西都是靠大量的人在調試，依靠人類進行程式設計來實作的。

而智能駕駛體驗好不好，也依靠的是誰寫入更多的規則而不是AI算法。一個确定結論就是：規則之内可以解決，規則之外一律解決不了，出現事故是消費者自己的責任，因為它隻是個輔助駕駛。

在控制方面也完全屬于規則制的。是以當遇到一段堵車路段，如果跟的緊會暈車，因為刹車更急、起步更快。做得比較舒适的車，加速都會比較穩，但容易被加塞，各大車企都是不停的在調，去尋找這兩者之間的平衡點。

第四個部分是回報成長。由于收集了更多視訊資料，這背後是人力标定團隊，比如特斯拉的标定團隊在印度，中國品牌的标定團隊也都是外包的，大量标定團隊都在貴州。

這個階段，視訊需要人工标定，比如人識别出立着的是一根樁，有轱辘且有兩個轱辘的能被識别出來是車。當完成标定後，車不會直接撞上去。如果沒有标定，系統可能認為前面沒有物體，政策就會是繼續行駛導緻直接撞上去。

在這個階段，行業裡無論是做視覺的人工智能，還是做語音的人工智能，我們内部開玩笑的說法是——有多少人工，就有多少智能。

而自動駕駛行業的認知學習變化，是從特斯拉的FSD開始的。特斯拉前自動駕駛算法進階總監，被馬斯克從Open AI招過去，從他過去後，特斯拉的智能駕駛有了本質的變化。

FSD晶片效率很高，雖然隻有144的TOPS，但有效算力基本上是跟兩顆Orin是一樣的，有效算力是通用GPU大概3倍的水準。加之，特斯拉已經更新成了360度的攝像頭，變成三維視覺，用“大模型”的方式開始做BEV感覺。帶來的好處是，車開始以跟人相似的方式來觀察這個世界了。

雖然和人還是有一定的差别。目前攝像頭隻有200萬-800萬像素，而人眼基本上1.5億到2億的像素。人看到400-500米之外是沒什麼問題的，今天攝像頭大概看到100米左右基本上就是極限了，尤其是晚上。

有了三維感覺後，判斷決策就不一樣了。判斷決策上其實分成兩層：一層是白盒子的，程式設計制式，用于遵守交通規則、遵守法律。另一層是從三維感覺，到判斷決策，再到執行控制形成一體，我們叫“端到端”。可以清晰地看到人類是怎麼做的，人類看到什麼樣的東西，做了什麼樣的判斷，進行什麼樣的執行，這套過程就可以被記錄下來了。

這是一個本質的變化，我們把這稱之為“影子學習”。它是個學習的過程，而且需要終端GPU或是專用的BPU有閉環的能力。

從這裡開始，“回報成長”層面也不一樣。結構性資料回傳到超算平台進行訓練，而訓練是個黑盒子的過程。有的算法是白盒子，它屬于1.0或者1.5階段，完全黑盒子的算法，那才是2.0，這是一個本質的變化。

雲端進行訓練可以做自動化标注、分類、訓練，不再需要那麼多人了。目前特斯拉、Open AI算法團隊的人數非常之少，跟中國大部分的AI公司人數差别巨大。

且由于雲端訓練是一個黑盒子，是以訓練觀察的不是對和錯，而是觀察訓練品質的提升程度。隻有這種“端到端”訓練的樣本足夠多，整個駕駛體驗和安全性就會變得越來越好，它就像人類在各種各樣的場景下怎麼工作，去進行學習。

建立這套自動駕駛認知學習體系，需要車企在智能駕駛方面的比拼三樣東西：第一如何降低車端的計算平台和傳感器成本，盡可能做到每輛車标配。智能駕駛的成本是包括傳感器（雷達、攝像頭）+計算平台，特斯拉是1500美金，理想是4000美金；

第二比誰的“端到端”閉環資料多，隻拿到一部分資料是沒有用的，完整的端到端的訓練才可以，不同國家、不同的場景的訓練都是不一樣的，不能簡單挪過來就複用。這要求企業得賣出去足夠多的、裝滿傳感器和計算平台的車才能完成這部分；

第三完成成本更高、挑戰更大的大模型訓練。美國從去年開始限制中國訓練晶片的發展，以及限制英偉達向中國出售高帶寬的訓練晶片。今天無論是車端使用GPU，還是在雲端使用GPGPU，對于大模型而言都不是效能最好的方式，它隻有20%左右的效能，理論上另外80%的成本都是被浪費掉的。

是以像英偉達做自己的BPU以及D1的訓練晶片，整個體系建構起來以後，大概能做到英偉達A100 1/6的成本複制整個計算叢集，而且可擴充性變得更高。這也是下決心去做人工智能的企業必須去面對、解決和投入研發的部分。

此外，以後真正的競争會出現在最底層——AI的作業系統。因為AI的作業系統要求的是硬實時，規定的時間、地點必須去執行，在實體世界的運作不能延遲。

很多人說我們在人工智能方面比較小心翼翼，但是其實我們是長期在這方面做深入的感覺，确定這條路線可行以後，我們All-in來做。從特斯拉把大概的邏輯模型跑通以後，我們才開始正式投入。

很多企業在AI方面發展得很好或投入得很早，但并沒有展現在銷量上。關鍵在于要找到一個精準的使用者體驗的價值點，才會全面爆發。就像智能手機同時滿足三個條件：3G網絡、App Store上線、OTA技術之後，手機才真正從觸屏時代進入到了智能手機的時代。

2024年，進入智能電動車時代

回到智能電動車，什麼時候智能電動車才真正智能？終端不算智能，終端隻是延續了手機的功能，為什麼延續手機功能？因為安卓建構了一個非常好的生态，消費者不是為了用安卓，而是為了用安卓背後的生态，因為裡面有地圖的生态、娛樂影音的生态、大量應用軟體開發者的生态。

但是我覺得真正屬于智能電動車的變革時代要從真正2.0能跑動開始。我自己做一個預測，我認為這個時間點，尤其是對于中高端車，會出現在2024年。

真正的基于大模型，基于BEV技術實作的城市NOA。如今，理想汽車已經算做的比較好的了，整個輔助駕駛的使用率是超過13%。因為高速場景有限，雖然高速場景下我們的輔助駕駛使用率已經超過50%了，但是在市區裡沒有辦法使用。我覺得一個技術隻有使用者每天使用，裡程使用率穩定超過60%，這個技術就會變得讓使用者再也離不開了。

城市NOA什麼樣的結果呢？其實不需要它變成完全的自動駕駛，而是每天上下班堵車的時候它都可以幫助駕駛員提升解決體驗。一個是城市裡面60%以上甚至80%以上的車交給這個功能來開，而且安全性也沒問題，除非别人違章，哪怕出現肇事，大機率也都是小的刮蹭。這時候就會産生一個巨大的變化，正如消費者買了一幢20-30層的樓房一樣，有電梯沒電梯是根本差别。

我覺得今年的一個現象，使用Orin計算平台這些企業，基本上都會在今年四季度的時候傳遞最早用于測試的NOA，基于大模型的。因為它需要豐富的訓練，并不是單純把計算平台放上去就可以。

我個人認為到今年年底，大部分頭部企業能夠做到2011年年底特斯拉的水準，到2024年的時候，大家普遍能做到2022年底2023年初特斯拉在北美的水準。我覺得這以後，至少中高端車，如果不能提供城市NOA，會影響消費者購買決策了。

在這個時間點，首先從中高端車開始，徹底進入到智能自動車時代，基于軟體2.0的智能電動車的時代。否則永遠隻能賣非智能的電動車。