--- author: 罗永浩的十字路口 date: '2026-05-15' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=Zsu1mBMet9k speaker: 罗永浩的十字路口 tags: - embodied-ai - ai-agent - autonomous-driving - semiconductor-design - productivity-innovation title: 李想对话罗永浩：AI 与具身智能驱动的未来理想 summary: 理想汽车创始人李想分享了过去两百天对 AI 的深度认知，探讨了 AI Agent 在生产环境中的闭环价值，并提出自动驾驶是具身智能上半场、人形机器人是下半场的产业逻辑。对话深入介绍了理想自研马赫 M100 芯片、全线控底盘等硬核技术，展望了通过 AI 让普通人享受顶级生活服务的未来愿景。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: - 李想 - 罗永浩 companies_orgs: - 理想汽车 - OpenAI - Anthropic - Tesla - 飞书 products_models: - 理想 L9 Levis - 马赫 M100 芯片 - Cursor - OpenClaude - GPT-4 media_books: - 星际穿越 status: evergreen --- ### 学习 AI 与公司内部的认知革命 **[开场旁白]**: 今天请到的嘉宾是**理想汽车**的创始人**李想**。我们《十字路口》开播的第一期嘉宾就是他。时隔两百多天，他完成了汽车公司转型走向 **AI** 和**具身智能**公司的阶段性工作，并带来了全新的智能产品：理想新一代的旗舰 SUV —— **理想 L9 Levis**。它配备了理想自研的**马赫 M100 芯片**，还有全球首个完全体**全线控底盘**以及**八百伏主动式悬架系统**。前者提供了目前量产智能电动车中最强的算力，达到了惊人的 2560 TOPS；后者在五十万元左右的档位上，提供了百万甚至数百万元豪车上才能享受的驾乘体验。 **罗永浩**: 距离咱们上次聊已经有两百多天了，时间过得特别快。这段时间你怎么样？ **李想**: 我觉得这两百多天最主要的还是学 AI。我觉得 AI 这东西你不能听别人讲，你得自己真正去用。因为它的范围太广了，不同人用出来的效果是不一样的。所以一方面我自己在用，另一方面我也像一个病毒一样，让同事们去装、去用，再去“传染”他们。我也能观察大家用起来以后，在社区里每个人的使用状况是什么样的。过去这两百多天，对我来说是关于 AI 的持续认知和学习的过程。 **罗永浩**: 听说你们内部也做了很多培训和分享？ **李想**: 非常多。而且装 **Cursor** 到装 **OpenClaude**，都是由我发起的。 **罗永浩**: 在这个过程里，有没有感觉那些越资深的员工越不爱学新东西？ **李想**: 当然有这个问题。最严重的就是我身边的朋友，比如原来汽车之家的 CTO，他是绝对的技术达人，所有东西都要最新的。但我给他讲 Cursor 讲了很多遍他都不用。最后我想了个办法，去他家直接在电脑上给他装好。他最开始说买 20 美金额度就可以了，结果第二天上午没结束，他当天的额度就用光了，赶紧去充值。他用起来以后感觉完全不一样了，就像当年很多人拒绝 **iPhone** 一样，只要让他用一下，其实就不一样了。所以我开始在公司里，给我能装的所有人都去装。 ### AI Agent 的生产环境依赖与效率提升 **罗永浩**: 我们科技行业天天聊得热火朝天，但公众的反应觉得好像是科技圈在自嗨。这让我想起我当年刚玩 PC 的 486 时代，那时候汉字处理还得装硬件汉卡，大家总觉得不好用，只有极客在玩。我现在觉得 AI 也处于这么一个阶段。 **李想**: 我觉得现阶段 AI 有两个分支还挺明显的。一个分支是大家把 AI 当成更加泛化的搜索工具获取信息，这方面**豆包**做得非常好，普通 C 端消费者最容易使用。我们今天讲的无论是 **Claude** 还是 Cursor，其实是 **AI Agent**。 **李想**: Agent 有一个挺重要的一点，就是它非常需要一个完整的工作生产环境。必须有真实的环境，你才能获得良好的反馈和整个工作链条的结果。普通用户玩着玩着会觉得没意思，因为没有生产反馈。我看我们的同事，做得好的，一天能消耗上亿 **Token**。他在干什么？他在把业务进行重构。他把原来不舒服的业务流程，拿 Agent 和 Coding 自己重构了。我问他每天多花三五个小时累不累，他说感觉像在玩经营类游戏，比如《我的世界》或《模拟城市》，因为是一个闭环。但普通的个人是没有这种生产环境给反馈的。 **罗永浩**: 再加上 Agent 的智能代理操作也受到旧世界软件权限壁垒的限制。所以小白用户这会儿的感受确实不明显。 **李想**: 我觉得这一波 AI 最大的变化是它既有生产力又是劳动力。它的最大表现就是提升效率。比如 Coding 效率提升了，订阅量就非常大，它不需要太多情绪价值。这个阶段 AI 非常依赖于生产环境。很多人说有了 AI 会出现**个人公司**，我最开始也信，但实践后发现不成立。因为建立一个稳定的生产环境太难了。 **罗永浩**: 但你对三五个、十来个人做一个大公司这件事乐观吗？ **李想**: 我觉得还是看生产环境的构建，因为 AI 是附属于真实的生产环境。 **罗永浩**: 我们内部也做过实验，一个 70 万行代码的大型软件，一个人用 Claude 复制并调教到可用，也就用了一个多礼拜。这个效率确实挺恐怖的。所以三五个人做大型公司我还是挺乐观的。 **李想**: 我讲讲为什么不乐观“一个人的公司”。在公司里我们 Token 是放开用的，我认为到今年年底，Token 的消耗都相当于认知过程。我会看消耗前 20 的同事在干什么，我发现排在前面的没有白给的。他们有一个特点：并不是原来标准下最顶级的员工，比如过去表达能力不强、获取不到资源，但脑子极强。只要有 Token 和业务环境，他就能改造一切。这会儿“有想法”是最可贵的。 **李想**: 我的一个建议是公司不要轻易裁人。AI 时代的人才标准和上个时代大概率是不一样的。如果你上来按旧标准裁人，很容易把以后最好的人才裁掉了。 **罗永浩**: 但现在很多重度用 AI 的企业裁员，是因为有的人不愿意学。 **李想**: 我还没发现给了 AI 还不愿意用的，只是过去没让他迈出这一步。 ### 专业人士在 AI 时代的价值放大 **李想**: 我觉得第二个认知误区是“专业工作会被替代”。这其实是胡扯。一个普通人做出来的代码，可用性差到极致，更不要说大规模部署了。 **罗永浩**: 你之前提过，专业人士用 AI 能把优势放大，从原来的 2-3 倍变成十倍百倍。 **李想**: 是的。举个例子，大家都能用文生图，专业人员做出来的真的非常好。而很多朋友拿文生图做出很垃圾的东西发给你，你原来没那么讨厌他，现在开始讨厌他了。大部分人如果不是专业人士，做出来的就是民科水平。 **李想**: 在工作协同上，AI 目前面临三个严重问题：第一，现在的 AI 工具多是满足个人的，工作协同非常差，局部高效无法产生整体价值；第二是数据的获取，没有必要再用传统 IT 方式读数据，AI 读四维数据库（带时间轴）没问题，这对比数仓管理是巨大挑战；第三是工作价值如何衡量。 **李想**: 我把这三个问题给了战略团队。一个小组负责人带着几个校招生去研究，结果非常惊讶，他们直接复制了 **Anthropic** 的工作流。他们发现顶尖公司不做传统的 PRD 文档，而是直接做可验证的 **Demo**。他们没用任何开发人员，直接做出了闭环 Demo。验证完后，再交给工程师去做大规模部署的专业开发。 **罗永浩**: 所以专业的人只要能用好 AI，价值会达到新高度。 **李想**: 现在的企业发展有两种可能性：一种是行业规模遇到天花板，需要降本来解决问题；另一种是像我们看汽车和机器人，我们希望这三万人能不能创造一万亿的收入，通过 AI 实现 5 到 10 倍的增效，而不是单纯降本。 ### 具身智能的广义理解与商业机会 **罗永浩**: 给大众讲讲，广义的“具身智能”应该理解到什么程度？大家以前觉得就是机器人。 **李想**: 物理世界里所有的机器，给它赋予了模型、大脑和眼睛，让它能智能地动起来、操作硬件，都可以叫具身智能。就像《变形金刚》，车形态是机器人，人形态也是机器人。 **罗永浩**: 很多人觉得造车的聊机器人是不务正业，但《变形金刚》这个角度很好。 **李想**: 还要看效率。比如拿人形机器人做咖啡，其实咖啡机本身就能自动做咖啡，那是某种具身机器。真正需要人形机器人的是“上料”环节，给机器加牛奶、加料，这反而目前机器人干不了。 **罗永浩**: 我见过美国高科技农场，收割全自动化，但农夫最讨厌的就是往播种车里上种子，这事儿还要人弄。这是长期无解的吗？ **李想**: 我觉得这是巨大的商业机会。现在大家搞人形机器人找不到商业模式，比如去拧螺丝，那已经是工厂自动化的东西了，不需要人。我们工厂一万多人，有三千多人是在做“上料”和搬运零部件到 **AGV** 上。 **李想**: 无论是工业、商业还是家庭场景，这种“运输和取拿”的结合，我认为是具身机器人从 0 到 1 的第一个重要战场。本质上是把仓库机器人的移动能力和机械臂的取拿能力结合起来，具有更好的泛化能力。 **罗永浩**: 是不是因为这块虽然理解起来简单，但做起来其实比固定工位复杂得多？ **李想**: 很多机器人创业者不在真实的工厂环境里。制造需要的是微米级精度，现在的软臂做不到。但上料不需要那么高精度，而且单一工种用量巨大。也许是因为做这东西看着不够酷，只是长了手臂的 AGV，所以大家更愿意演示耍杂技。 ### 自动驾驶：具身智能的上半场 **罗永浩**: 理想是国内车企里比较早宣布彻底转型 AI 和具身智能公司的。 **李想**: 特斯拉肯定是第一个。我们做了芯片和模型后，看世界的视角就很清晰了。我用一句话讲明白：**自动驾驶是具身智能的上半场，人形机器人是具身智能的下半场**。 **罗永浩**: 自动驾驶现在的进展到什么阶段了？ **李想**: 自动驾驶分三个阶段。第一阶段是 2017 年到 2023 年的**辅助驾驶**，用的是 CNN 2D 视觉和规则算法。第二阶段是目前正在走向 **L3** 的阶段，眼睛变成了 Transformer 做的 2D 视觉（ViT），控制变成了端到端，通过模仿学习实现。在未来一两年，目前的 2000 TOPS 算力能支撑起 L3。 **李想**: 第三阶段是 2027、2028 年后的 **L4 无人驾驶**。这时候车就是真正的机器人了。技术上需要 3D ViT，像人一样看世界。最难的一点是需要一个稳定的、面向物理世界的预训练模型，像 **GPT-3.5** 一样。后训练不再是模仿学习，而是理解学习。算力需求会接近 10000 TOPS。 **罗永浩**: 10000 TOPS 算力单芯片实现还要多久？ **李想**: 我觉得得 2028、2029 年吧。到时候汽车市场会向手机市场收敛，国内可能就剩下五家。 **罗永浩**: 无人驾驶实现了，私家车会卖得少吗？ **李想**: 我认为反而会多。这就像租房和买房。道路是有限的，供给由道路决定。车不仅仅是 A 点到 B 点的工具，如果你看重隐私、舒适和随叫随到，你还是会买车。过去只有超级富豪能雇司机、请保姆，我们要做的就是通过科技进步，让几亿人也能享受到这种顶级的生活服务。 ### 理想自研马赫芯片与全线控底盘 **罗永浩**: 这次 L9 Levis 用了自研的马赫 M100 芯片，你们是 2022 年才开始做的，不算特别早。 **李想**: 做芯片不能拍脑袋。我们当时已经用了四款芯片了，从 **Mobileye** 到**地平线**再到 **NVIDIA**。我们知道了真实的需求。第二，我们看到了传统架构在端侧的瓶颈。如果只做跟别人一样的，我们就不做了。第三，我们意识到只有电池和芯片能形成真正的壁垒。模型可能是竞争力，但不一定是壁垒。最后的壁垒是**推理芯片**。为了做好芯片，模型、操作系统和感知必须都要自己做。 **罗永浩**: 动态数据流架构是你们全球唯一的方案吗？ **李想**: 在车企里是的。我们做了一百四十万字的资料来验证可行性。动态数据流在搬运数据方面的效率更高，而 AI 最重要的其实是数据搬运。 **罗永浩**: 消费者能感知到什么好处？ **李想**: 第一是所有帧率会变快，打游戏、操作交互更流畅。第二是模型规模可以做得更大，车会变得更聪明。极强的算力冗余让车具有更强的成长性，你 2022 年买的 L9，四年后功能仍然是第一梯队的。 **罗永浩**: 聊聊那个“全球首个完全体全线控底盘”。 **李想**: 过去转向是机械的，手感比例是固定的。线控就像游戏一样，可以随意调节转向比，泊车时方向盘可以不动，跑山路时可以像赛车一样微动。最核心的是**线控机械制动**。过去是通过油管液压制动，现在是机械卡钳。四个轮子可以独立控制。它的好处是安全冗余极高，一个轮子工作也能刹住。 **李想**: 传统机械制动响应大概 60-70 毫秒，我们线控电子制动是 13 毫秒。加上感知的优化，整车从发现物体到执行到位只需 200 多毫秒，比人类（350-400 毫秒）快一倍。这在关键时刻是救命的。 ### 理想同学的大模型进化与用户记录需求 **罗永浩**: 我开车时很喜欢跟**理想同学**对话。接了大模型后，它操控车已经足够聪明了，但聊深度的东西明显不如手机里的豆包或 GPT。为什么不外接别家的模型？ **李想**: L9 Levis 交付时这套架构就搭好了。我认为用户在车上有五种需求：第一是泛化任务（Agent 解决）；第二是泛化信息获取（Chatbot 解决）；第三是精确控制（知识图谱解决）；第四是必要信息的记录；第五是个性化。 **李想**: 你以后可以自己挂载任何一家的模型，也可以用我们的默认模型。我们要解决的是效率问题。你问个上海天气，调 Agent 可能要几十秒、消耗几万 Token，其实知识图谱一秒钟就能搞定。 **罗永浩**: 我特别希望在开车想问题时，能当场问它一些深度调研的问题，然后回到办公室打开电脑，对话记录都在。 **李想**: 没错，我们要做的就是**记录**。你要的不是“记忆”，因为现在的 AI 记忆老是瞎整理，你要的是真实的记录。这套系统 5 月 15 号交付时就搭建起来了。 ### AI 时代的组织架构调整与人才观 **罗永浩**: 今年年初你们做了一个挺激进的组织调整，是按人体结构设计的？ **李想**: 是的。心脏负责算力数据（Infra），脑负责基础模型，手脚负责软件本体和工具链，身体负责硬件本体。我研究过 Anthropic 的结构，他们做模型和做 Agent 是完全分离的。手脚上不能长个小脑。以前我们做软件的想做模型，做模型的想直接落地，这就乱了。分完以后，大家就不打架了。 **罗永浩**: 这种调整阻力大吗？ **李想**: 我们周五讨论完，周一就公布了。因为核心团队都在用 Cursor，认知是一致的。 **罗永浩**: 你们怎么劝说 AI 顶尖人才去理想，而不是去专门的大模型公司？ **李想**: 第一，我们从大二、大三就开始招实习生，培养苗子；第二，我们发高质量论文，和高校顶级项目合作；第三，我们要讲清楚为什么做芯片、做机器人的潜力。当然，工资得给到位，这是没办法的。最重要的是，你是否真的把他们当成顶级人才在意。 **李想**: 我一年要亲自面试六七百人，平均每天两到三个。面试是一个最高效率的学习过程，哪怕我犯困，一面试就精神了。 **罗永浩**: 说到“超级个体”，你不担心手下冒出几个能人，很快就去创业了吗？ **李想**: 我本身就是创业者，我骨子里是鼓励创业的。目前我们出去创业的技术骨干，我百分之百鼓励，而且大部分我们也投了。如果理想自己也做机器人，很多人其实就不出去了。 **李想**: 我们希望为整个机器人行业提供基础设施。那些出去的人反过来也会给我们带来更广泛的认知。 ### 中国汽车出海的利益联盟课题 **罗永浩**: 理想出海进展如何？ **李想**: 开始动手了。我们在设计时就考虑了海外的结构兼容性。我们要等待 AI Agent 的能力，否则去每个国家适配地图和软件生态太沉重了。有了通用的 AI 能力，我们可以直接调用当地的互联网 API。 **李想**: 最大的挑战不是地缘政治，而是**利益分配**。日本、德国企业出海是带着利益联盟一起出去的，供应链、金融、保险跟着一起去，并在当地成立合资公司，解决就业。你不能只去人家国家赚钱，还得考虑人家的社会环境。这是中国从发展中国家走向发达国家的必修课。 ### 星际穿越与人类情感的暗线 **罗永浩**: 展望十年后，你希望理想是一个什么样的公司？ **李想**: 我希望我们能把过去富豪拥有的生活服务，通过 AI 变成每个人的生活助理、司机和家政，成为全球领先的具身智能企业。 **李想**: 我最喜欢的电影是《**星际穿越**》，看了不下二十遍。它有两条线：明线是硬核的科学、虫洞、五维空间；暗线是情感。诺兰为了这条暗线改了剧本，把主角的孩子改成女儿。 **李想**: 所有的精彩故事都有明线和暗线。AI 很有价值，但人类的价值在情感和魅力。我对人类是乐观的，如果 AI 最终碾压我们，它可能也就没必要毁灭我们了。 **罗永浩**: 还有想推荐的嘉宾吗？ **李想**: 具身智能领域，我觉得最有意思、最真实的是**王星星**（宇树科技创始人），他特别实，跟他聊非常有意思。 **罗永浩**: 好，我们会努力邀请。感谢李想。