不靠海 ，不沿边 ，郑州靠什么造出一座汽车城？
已往几年 ，理想孝敬了中国汽车行业被模仿最多的一套产品要领论。如今 ，理想又要去探索未来了。6月17日 ，理想办了一场Livis Day的AI与具身智能宣布会。这次没有行业熟悉的冰箱、彩电和大沙发。取而代之的是VLA、Agent、世界模型、3D ViT、自研的马赫芯片。这些内容更像应该泛起在OpenAI、Google或者英伟达的开发者大会上 ，许多人看完Livis Day后的第一反应是：理想怎么突然开始讲一些听不懂的工具了。关于一家年销量正在攻击第二个百万辆规模的车企来说 ，这些内容看上去甚至有些"不务正业"。但理想讨论的已经不可是汽车�；蛘咚� ，汽车已经不再是故事的全部。要知道 ，当下海内汽车市场大盘收缩 ，1-5月的销量同比下滑近两成 ，玩家们纷纷保销量、保交付的情况下 ，理想如此激进的行径 ，反而是想破内卷 ，逃出价格战的裹挟�；厮堇纯� ，已往几年里 ，中国汽车行业险些所有企业都在变得越来越像理想。理想险些孝敬了行业最乐成的一套产品要领论。从增程抵家庭SUV ，从六座到冰箱彩电大沙发 ，越来越多的新车开始长成理想的样子。一经被视作另类的选择 ，如今已经成为主流。这是理想最乐成的地方 ，也是理想必须寻找下一个谜底的原因 ，因为所有产品立异都有一个宿命：一旦被验证乐成 ，就会被复制 ，赖以乐成的护城河就开始被消解。十年前 ，马斯克已经经历过一次类似的历程。当越来越多车企开始学习特斯拉如何造电动车的时候 ，马斯克把注意力转向了自动驾驶；当越来越多公司开始追赶自动驾驶的时候 ，特斯拉又开始研究机械人；现在天 ，特斯拉自动驾驶卖力人Ashok Elluswamy在CVPR上谈论的已经不再是汽车 ，而是一个统一的机械人基础模型。Ashok说 ，自动驾驶、Optimus机械人和智能体 ，实质上是同一个基础模型在差别身体上的投影。重要的是那个能够理解世界、进行推理并接纳行动的统一模型。如果把这场演讲与几天前理想的Livis Day放在一起看会发明 ，当整个行业都在学习理想的时候 ，理想开始学习特斯拉了。首先是大脑 ，宣布会后的媒体相同会上 ，基座模型卖力人詹锟被问到 ，为什么理想如此强调语言模型能力 ，他向华尔街见闻揭示了理想的真正目标。"我们认为越往L3、L4走 ，解决的问题越来越接近90%、95%、98%之后的问题——那些你历来没见过的问题 ，需要模型具备像人类一样思考的能力。"已往十年 ，自动驾驶行业最主流的逻辑是规�；� ，让模型见更多的数据 ，走更多的路 ，笼罩更多的Corner Case ，实质上是一种经验主义 ，但理想正在讨论另一件事。如果汽车遇到一个从未见过的场景怎么办 ，如果训练集里没有谜底怎么办？为了说明这一点 ，詹锟举了一个例子。"好比泛起一头鸵鸟和一头大象时 ，应该怎么处理？如果是鸵鸟 ，碰一下没事；如果碰到大象 ，碰一下可能就会翻车。"关于人类来说 ，这是知识。关于机械来说 ，却纷歧定。因为知识背后并不是影象而是理解。于是理想开始把注意力从感知转向思考。詹锟体现 ，"人和动物最大的区别 ，是人以语言作为符号进行高条理的思考。这些能力来自于语言 ，而不是来自于视觉。"这其实已经不是古板智驾公司的表述方法。已往行业讨论自动驾驶 ，关注的是摄像头、激光雷达和算力。而理想开始讨论语言、推理和思维链 ，实际上是在重新界说智能。因为在理想看来 ，未来汽车最重要的能力可能已经不是"看见"。理想对Agent的界说也指向同一偏向。许多人把Agent理解成一个更智慧的车机助手。但从理想的表述来看 ，它显然不可是一个聊天机械人。詹锟谈到Agent时提到几个要害词：影象、计划、推理、执行。这些能力看似属于Agent ，实际上也属于自动驾驶 ，甚至属于未来所有机械人。因为无论是帮用户计划一天行程 ，照旧帮用户计划一段驾驶路线 ，实质上都是同一种能力。理解意图、拆解任务、执行任务。MindGPT、Agent、VLA、世界模型 ，看起来是几条独立业务线。实际上指向同一个目标 ，一个能够理解世界并接纳行动的统一智能体。詹锟说 ，"我们把物理机械人分成三个要害任务。一是具身交互 ，二是移动 ，三是操作。"随后他增补道："车里面包括了Language语言智能 ，这直接迁移到机械人的概率是很是大的——交互、思考、长程计划。"理想已经把汽车放进具身智能的坐标系里重新审视。已往行业认为：汽车是交通工具 ，机械人是机械人 ，Agent是Agent。而在理想和特斯拉越来越接近的世界观里 ，它们正在逐渐融合。在这个框架里 ，汽车、Agent和机械人共享同一个大脑 ，划分卖力移动、交互和操作。理想要做的 ，是同时具备这三种能力的统一系统�Ｗ房碙ivis Day上宣布的每一项技术 ，都在给这个统一智能体补拼图——语言智能、交互智能、行动智能、物理世界的理解能力。如果嗣魅詹锟谈的是大脑 ，那么谢炎谈的则是神经系统。也有许多人把芯片的问题理解成本钱问题。但谢炎对此重复提到一个词：全栈。"从L2往L3走的时候有许多问题 ，今天没有供应商可以解决。要解决未知问题、想抵达更高标准时 ，领先企业一定会选择一起做。"在谢炎看来 ，未来的竞争已经不再是简单采购零部件 ，而是系统能力竞争。模型需要与芯片协同、芯片需要与系统协同、系统需要与车辆协同 ，最终形成一个完整闭环。这其实也是特斯拉已往几年一直在做的事情。Dojo、自研芯片、FSD、Optimus看似疏散 ，背后却是同一种逻辑。把要害能力掌握在自己手里。因为当行业进入无人区时 ，供应链已经无法提供现成谜底。谢炎厥后的一句话点出了理想这次转型的基础原因 ，"车的内卷就是因为同质化。要挣脱同质化 ，就是要做别人欠好做或做不到的事。"某种意义上说 ，理想今天越来越像特斯拉。它们争夺的已经不是下一代汽车 ，而是下一代智能终端 ，理想要把汽车公司 ，酿成一家真正的AI公司。以下是与理想汽车CTO谢炎、理想汽车基座模型卖力人詹锟的对话实录：问：理想汽趁魅这几年经过许多次智能化的体系调解 ，最终把芯片、基座模型和智能辅助驾驶整合成统一的（团队） ，您作为CTO视角来看 ，理想的"三位一体"和特斯拉的FSD、HW、xAI相比 ，差别化的护城河在哪？是组织效率 ，照旧技术路径的差别？谢炎：跟特斯拉相比 ，各人出发点是一样的。如果想围绕AI做出强竞争力有两方面。一是需要快速迭代。今天的AI生长很快。从芯片领域来说 ，英伟达也迭代很快 ，不可是自己迭代快 ，还不绝收购公司增补自己的技术 ，说明这个行业竞争很是猛烈。迭代快是我们进行组织整合的一个目标 ，几个团队更紧密地相助 ，迭代速度会上去。第二是 ，需要笔直整合。理想汽车推崇构建笔直整合的竞争力。在这个时代 ，如果没有自己的芯片 ，只做自己的模型 ，那么如果遇到需要芯片和模型联合设计 ，才华把问题解决得更好的情况下 ，我们就失去了这样的时机 ，特别是一些大的立异。我个人看法是 ，当技术生长到平台期时 ，这时分工会很细。好比PC生长到2010年 ，操作系统归操作系统、应用归应用、芯片归芯片、制造归制造。可是如果技术处于高速生长期 ，斜率很是高时 ，你会发明许多公司又回过头来做整合 ，因为需要在技术界限上把分工突破 ，重新做整合。好比英伟达之前只做芯片 ，现在英伟达连封装和机架都开始收购公司来做。所以英伟达要解决更进一步的问题时 ，需要上下游一起来做 ，如果分成多家公司来做 ，其实效率是很是低的 ，甚至是不可能的。英伟达做Vera Rubin（AI超等芯片平台）时 ，可以看到不可是多种处理器 ，并且机架、散热技术、互联技术都是英伟达来做。虽然英伟达是做盘算的公司 ，但现在全拓展开了。我认为技术快速生长的时代 ，这是有志于领先的公司肯定要走的一条路。虽然这个投入肯定不小 ，许多公司不具备这种能力。在我们团队 ，我的配景是做过操作系统、架构、应用层等AI各个偏向 ，所以我们的整合效率相对更高一些。除此之外 ，组织规模小一点也是优势。如果需要高密度、高整合度 ，组织规模不可太大 ，如果组织规模太大 ，就会导致许多部分墙。这是为什么我在公司强调要包管比较小的组织规模的原因 ，就是想让各人相助得更紧密些。问：数据是这个时代最名贵的资产。随着理想车队规模的跃升 ，从理想内部来看 ，数据的边际效应是不是泛起了衰减？我们是怎么界说价值数据的？詹锟：现在各人关于自动驾驶来说 ，数据的理解逐渐收敛了。第一 ，数据的量要足够大 ，数据量足够大的实质是希望收集到更多的Corner Case。Normal Case现在供应商都已经可以收罗了 ，但收罗Corner Case很是难 ，必须要足够大的车队才行�；� ，但不是说把所有数据都传回来 ，这没意义。现在各人有许多要领在车端做出很好的neural trigger（神经网络触发器） ，来判断这个场景是难场景照旧简单场景 ，然后把这些要害数据传回来。这也是现在特斯拉很强的重要原因之一。对我们来说 ，我们现在规模已经很大了 ，主要来源于我们很早就做了很好的基建统一。从理想ONE开始就可以回传数据了。从L系列开始是全栈所有数据回传。现在到了Livis具身智能更强了 ，现在回传的数据可以理解为抵达了L4自动驾驶的公司收罗车队的数据质量 ，360°点云和摄像头数据做了精准的对齐 ，这些数据给了我们长尾收敛、思考问题的时机。第二点 ，指行为质量高。因为现在各人逐渐收敛到端到端的范式 ，无论做VLA、世界模型照旧Vision-Action都可以 ，可是你一定得知道Action的行为 ，这时候行为质量就很是重要 ，行为的洁净水平、一致性很重要。这关于使用众包车队的公司来说很有挑战。因为每个人的开车习惯纷歧样 ，怎么在这么多的众包用户中找到一致性 ，是我们努力做的事 ，并且也看到了许多时机点。这相比于收罗车队来说 ，难度就在这里。收罗车队的众包行为没那么好控制 ，但我通过算法可以迅速把好的行为留下来 ，坏的行为去掉。好比你每次过红绿灯时 ，是不是稳定的加速度；遇到丁字路口时 ，能否稳定减速；每次超车时是否合理变道 ，这些都需要清晰的判断。正因为我们有很大的车队 ，可以筛选出许多高质量的用户行为和用户数据。我们用后面的要领来筛选 ，就简单许多。因为他在提倡行为时 ，我不确定他的行为好欠好。但他开完以后 ，通过看他的后车距离、变道幅度和角度 ，就知道是否合理。所以我通事后面完整的数据来看 ，就可以知道他的每一个行为是不是合理。这关于我们来说很是重要 ，也是我们现在投入最大力度做的事。现在你问数据规模上去以后的边际效应有没有衰减？首先 ，只要模型上去了 ，只要我们能力往100分去够 ，一定是个"对数曲线" ，一定是慢慢衰减 ，不可能线性增长 ，哪个公司做AI都不是这样的。可是我们的数据质量 ，能随着车队规模的增大而增长 ，其实也在对抗这个对数 ，我们有更多的时机收罗到我们想要的数据。虽然确实越往后面 ，数据收敛的作用就没那么快了 ，但我们也希望通过规模 ，把它的速度加起来。问：要抵达特斯拉FSD V14的效果 ，我们还需要做哪些事情？谢炎：其实我们的整体能力 ，内部评分比之前高许多 ，这个模型现在的上限很是高。真正难的问题是我们要扩大模型的感知与认知能力的上限。你看这个版本的模型在很短时间内 ，已经抵达了量产水平。许多公司都是先发芯片 ，再花一段时间适配上车。我们不但提供了高阶的智驾、都会NOA ，并且比上一版本能力强许多 ，在很是窄的3米路况上也可以通行。詹锟：业界都说要追上FSD的水平 ，但纷歧定能追上。我认为追上FSD有两个层面。第一是基础体验 ，具体是三方面：宁静感、效率、舒适度是否能抵达FSD的同等水平。相信各人如果开过FSD ，它的宁静感很是足 ，效率很好 ，舒适度很好 ，这是它的基本功。我纷歧定跑很难的路 ，但这些基本功可以抵达这个水平。第二是能力 ，这一点也很难追。FSD有哪些能力是别人没有的？好比特斯拉会礼让特殊车辆 ，有极窄通行时的感知精准度 ，它会识别交警指挥 ，这些能力很是强。如果我们能做到这两项 ，就能追上FSD。在基础体验上 ，这需要很是好的评价体系。我们希望从自己的测试团队和产品团队开始 ，跟用户和媒体一起想 ，怎么去评价我们的模型——它的宁静感、舒适和效率怎么平衡。这里有许多要领 ，再加上我们芯片性能还没完全释放 ，我们可以效率更高、反应更快。第二个关于能力 ，这里有架构升级的时机。为什么别人没有、只有特斯拉有？这里有我们的一