半年142万辆背后，祥瑞跑出一种怎样的高质量增长新范式？
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