87. 对李想的3小时访谈（播客版）：宅男、AI、家庭、游戏和天梯

摘要

• 李想把理想的终局定义为“连接物理世界和数字世界”的人工智能企业，AI对公司“意味着未来的全部”。 他称这不是ChatGPT发布后的跟风：2022年9月雁栖湖战略会已确定AI与自动驾驶方向，ChatGPT只是促使他在2023年初把“隐藏的战略”变成“开放的阳谋”；汽车仍要造，是理想的硬件支柱、收入来源和真实物理世界的AI应用。
• 真正的汽车胜负手不是电动化，而是L4，理想为此给自己设下三年摘掉方向盘的目标。 李想判断端到端加VLM最多解决L3、做到500至1000公里一次接管，通用L4必须依靠融合视觉、语言和行动的VLA；进入决赛还需要500万辆以上车辆在路上、自己的VLA基座模型、顶尖人才、足够算力与资金。
• 基座模型在李想的框架里等于“人工智能时代的操作系统加编程语言”，也是电动车企业之间真正的分水岭。 理想要求语言基座先从十名开外进入第五、再进中国前三，空间智能则保持中国第一；2025年自动驾驶团队的题目是把MPI提高到500公里、约为当时的10倍，而模型规模要从当前的千亿级继续向5000亿推进，“能力不够，什么都是白搭”。
• 理想同学的近期入口是100多万车主家庭、约300万至500万人，长期形态则从辅助工具、Agent演进为“硅基家人”。 第一阶段由人决策并担责，第二阶段可独立接孩子、做周报等连续任务，第三阶段无需指令便能组织家庭并延续个人记忆；李想称Agent才是普通人可用的“iPhone 4时刻”，中国具备充分能力的Agent可能在三年内实现。
• 李想认为OpenAI的领先不只来自模型，而是标准、研究、研发、产品化、商业化和入口的合力。 他援引当时数据称ChatGPT约占全球AI聊天产品80%份额、月访问量36亿，最近的Gemini约2亿至3亿，并把Microsoft和Apple的入口地位类比为Google拿下AOL首页；他的直白判断是：“大家尊重事实有多么难。”
• MEGA失利暴露了市场判断、纯电基础设施和千亿规模组织三重缺口，而不只是造型争议。 车长5.3米把需求收窄到月销约4000辆的50万元以上MPV市场，月销1000辆已是25%份额、即便吃到50%也只有2000辆；与此同时，充电NPS从三十多分修到接近90分，但最强产品干部被调去“修路”，导致MEGA评审阵容从VP降为总监和高级经理。
• 组织层面最值得投资者留意的不是李想的产品天赋，而是他能否把个人上限变成可复制能力。 他承认“我就是理想产品的天花板”，也因此是瓶颈；通过重建产品线、让能与他争论一两个月的“大将军”回归，以及对3000多名校招生实行工厂和门店轮训，试图把组织从依赖创始人升级为“AI教授、AI教练、计算基础设施”协同的体系。

精读

1. AI不是汽车的附加功能，而是理想“未来的全部”

• 面对“AI对于理想意味着什么”，李想的回答没有留余地：“意味着未来的全部。”所谓智能化下半场也不是传统软件智能，而是真正的人工智能，是造车继续向下演进的必经之路。
• 他把汽车定义为“物理世界人工智能最大的应用”，因此坚持理想应是一家AI企业；“理想汽车”只是对外沟通名称，Logo从未加上“汽车”二字。
• 更完整的愿景是“连接物理世界和数字世界”，汽车则是硬件支柱、收入来源和真实场景。张小珺持续追问这是否只是更大的故事，李想以每年100亿元研发投入、基座模型、自动驾驶、智能商业和智能工业团队作答。

2. ChatGPT没有创造战略，只把暗线变成“开放的阳谋”

• 李想称，AI与自动驾驶的关键地位在2022年9月雁栖湖年度战略会就已确定；2023年初公开“2030年成为全球领先人工智能企业”，不是ChatGPT诞生两个月后的临时跟风。
• OpenAI的确起了重大作用：它让一个全新的AI时代变得可见，因此理想不必再隐藏长期设想，可以公开讲目标、吸引足够多的人才。
• 这条线又可追溯到理想创业之初。汽车之家虽在线上成功，却没能改变制造、仓储、库存、物流和体验的物理链路，“除在线上多花了一份钱，并没有对物理世界产生任何有效改造”，成为第三次创业必须补上的遗憾。

3. 第三次创业必须选一片森林，而不能再守一棵树

• 汽车之家率先做Web、Windows Mobile、iOS和Android产品，抓住了移动互联网窗口；但李想认为汽车网站竞争在2009年就已结束，后续数年虽轻松，却把团队能量困在垂直领域。
• 他的复盘是：“可能为了一棵树，错过了一个森林。”所以第三次创业无论多难，都要进入足够大的森林，并争取成为森林里最大的企业。
• 张小珺仍不相信他创办车企第一天就想清了AI终局。李想承认当时更多是“一种感觉”，但理想ONE只做一个车型，本就被他视为人的数据与软件集成，而非传统汽车项目。

4. 自动驾驶起步晚，首先是资本约束而非认知缺席

• 李想强调连续创业者的优势是理解企业节奏：零到一时先解决产品和生存，一到十、有收入后再建设平台。理想早期融资能力最差、融到的钱最少，只能先把产品做成。
• 产品获得市场认可后，理想于2020年和2021年分别在美国、香港IPO，才从2020年起系统投入AD Max、AD Pro、座舱SS、整车域控制器XCU等平台，并逐步成为关键控制器的一级供应商。
• 疫情期间，自动驾驶供应商收到邮件两周才回复，且认定理想做不出来。这个被“欺负”的经历促使理想从域控制器开始，把自动驾驶研发抓到自己手中。

5. 李想把自己的成长机制理解成一套AI训练流程

• 初中没有电脑时，他把零花钱用于电脑杂志和书籍，还通过Telnet获取信息；真正拥有电脑后，一个月便超过那位曾说他“没有资格聊电脑”的同学，因为此前三年的阅读已完成准备。
• 他把自己的方法归纳为“学习、验证、成长”：先广泛读和聊，再设目标解决问题，最后复盘形成能力。用AI语言说，分别近似预训练、后训练与强化学习。
• 这也是他对大模型感到自然、对规则算法和知识图谱长期感到别扭的原因。他相信互联网完成信息平权，而AI将推动“知识、认知和能力的平权”，但对“技术平权”仍保持保留。

6. OpenAI的领先来自五层能力与两个超级入口

• 李想评价OpenAI“了不起的程度超过了当年Google之于互联网”，判断公司不能只看模型，而要同时看行业标准定义、研究、技术研发、产品化与商业化。
• 商业入口是常被忽略的一层：Google拿下AOL首页、百度收购hao123，都曾把搜索变成排他性入口；在李想看来，OpenAI拿下Microsoft和Apple同样关键。
• 他援引当时数据称，ChatGPT约占全球AI聊天产品80%份额、月访问量36亿，最近的Gemini约2亿至3亿。面对外界仍不承认其领先，他的反问是：“大家尊重事实有多么难。”

7. Agent才是AI产品真正的“iPhone 4时刻”

• 如果让他当OpenAI CEO，李想先否认自己会比Sam Altman做得更好；他沿用OpenAI分级，把L1称为聊天机器人，L2称为面向专业用户的推理者，ChatGPT Pro卖到200美元正说明其并非普通大众产品。
• 到L3 Agent，系统才能独立、持续、连续完成任务，不再依靠密集提示词。李想把这一刻称为“真正的iPhone 4时刻”，因为普通人终于可以直接使用。
• 他判断美国可能更早，中国具备充分能力的Agent应能在三年内实现；尚未解决的问题不是方向，而是各头部公司必须重新思考的交互与产品形态。

8. 基座模型是人工智能时代的操作系统加编程语言

• 李想反对用单一硬件定义企业：Apple不是只卖Mac，华为不只是运营商设备公司，小米也从手机进入IoT、生态和汽车；硬件是支柱业务和起点，不是能力边界。
• 智能手机淘汰大量触屏机厂商，关键不是供应链能否造硬件，而是谁拥有操作系统、应用商店、云服务和大型软件能力。AI时代对应的分水岭，就是能否自研基座模型。
• 他的定义是：“基座模型是人工智能时代的操作系统加编程语言。”由此构建出的超级产品会位于所有设备和服务之上，成为新一代入口。

9. 理想同学先从百万家庭走向所有终端

• 理想已有100多万车主家庭；按家庭计算，李想希望先服务约300万至500万人，让同一AI在车、手机、电脑乃至未来眼镜上保持一致体验。
• 需求并非凭空设计：孩子会与理想同学讨论作业、画画、生成连环画，离开车后还会拿着手机喊“理想同学”。手机版App首先承接的就是这类已发生的行为。
• 长期看，掌握基座模型的AI必须能自主使用所有设备与服务；但短期打法并非立刻争全市场，而是利用百万家庭形成比一般创业公司更好的冷启动。

10. 助手战争仍在抢船票，排位目标必须逐级推进

• 张小珺认为个人助手已高度同质化，李想不同意：真正的大规模To C节点要等Agent出现，现在所有公司都还在尝试拿到AGI L3与自动驾驶L4的船票。
• 理想承认自己在语言模型和产品上是跟随者，因此目标要可爬升：“从十名开外怎么先进入到第五，从第五怎么进入到第三。”相对而言，空间智能则要求维持中国第一。
• 对隐私问题，李想给出强判断：“不会。”他的解释是预训练主要来自公开数据，个性化记忆会转成Token，而非Bit或传统文字、声音记录；这是他的技术判断，张小珺随后也以“那你也没有隐私了”追问终极记忆形态。

11. 语言智能与空间智能最终会合为VLA

• 理想内部把Mind GPT代表的语言模型称为语言智能，把自动驾驶称为行为智能；借用李飞飞的说法，后者也可称为空间智能。今天两条线分开，但李想认为它们必然连接。
• 只有语言和认知，人可能聪明却无法行动；只有行为和空间能力，又像单一工种。完整的人把视觉、语言和行动结合，因此理想把终局模型称为VLA，即Vision、Language、Action。
• 李想判断，空间智能实现L4与语言智能实现Agent的时间可能接近，届时两套模型“大概率会变成一个模型”。L4也必须有能理解物理世界的智能体能力。
• 资源配置因此不再局限于车企横向比较：语言基座必须进入中国前三，空间研究必须做到中国第一，团队需要什么训练算力，公司就按这个目标投资。

12. 自动驾驶数据要为语言模型补上三维世界

• 当前VLM即使喂入数十亿张图片，基础仍主要是二维图像。它能认出公交车道、潮汐车道、交警及其动作，却未必知道对象在真实三维空间中的精确位置。
• 原因在于端到端与VLM使用不同基座，两者能互动，却不能通过端到端确定对象的具体位置。仅靠图片或diffusion生成，也无法还原真实物理世界。
• 理想已尝试把三维向量Token放入语言模型预训练，使Mind GPT一类模型获得空间能力；李想称后续论文会展示相关工作，但未来模型是否继续叫Mind GPT并不确定。

13. AI产品将从增强能力、独立助手走向硅基家人

• 第一阶段是“增强我的能力”：MidJourney出图后仍要用Photoshop修改，AI文章仍需人整理，L3自动驾驶也必须有人监督。能力不够、责任归人，所以AI只是提高效率。
• 第二阶段是“成为我的助手”：用户交付任务，AI独立完成并对结果负责。L4车辆可以自己去学校识别并接孩子，再送去学游泳或乐高；办公Agent则可生成周报并发给下属。
• 第三阶段是“硅基家人”：用户不再下指令，AI成为家庭成员和组织者，理解本人、孩子与朋友，主动管理家庭；人的肉体消失后，记忆仍可延续，后代与它交谈近似与本人交谈。
• 张小珺追问这种形态是否意味着没有隐私。李想的回答是，届时它不只是能力集合，还必须汇集人类优质智慧；在真正达到家人阶段前，他也不主张“强拗”一个家人式名字。

14. AI卖的是概率性的能力，而不是确定性的功能

• 传统硬件和软件提供的是功能：在特定场景完成特定目的，不能实现就是质量问题或Bug；竞争围绕功能、体验与品牌展开。
• AI则提供能力，核心是概率。李想用刘翔作比：“我跟他跑一万次，我可能也有一两次能赢”，但刘翔获胜概率远高；要求AI每次百分之百成功，是拿功能标准误解能力。
• 产品价值来自用户需求与技术能力的交集，交集越大，价值越高；若只盯产品形态而不了解模型能力，资源浪费与内耗都会增加。
• 这也改变测试方式：车辆是否有油门刹车是功能，开得好、快、安全则是能力，必须通过世界模型和真人体验团“考试”，不能再按旧软件逐项验收。

15. 不做研究，只做AI产品就是“石上雕花”

• 功能时代可以通过购买、体验供应商方案和当“小白鼠”获得认知；李想从iPhone 1、雪佛兰Volt等早期产品里，确实学到了软件入口和增程缺陷。
• 能力时代却不能只在外部观察。企业必须先做研究，再做技术研发，最后才产品化；研究还包括模型与人类记忆的关系，而不只是工程指标。
• 他认同杨植麟“模型即产品”的观点：搜索、对话等应用都是模型能力沿途“下的蛋”。OpenAI也会进入搜索等细分领域，因为能力一旦具备，就能延伸到所有可解决的问题。

16. 天时地利人和里，技术必须排在第一

• 李想从泡泡网“起了个大早，赶了个晚集”得到的教训，是天时地利人和存在明确顺序：商业社会的天时就是技术，以及企业能否有效使用技术。
• 一个后来者即使造出十档变速箱燃油车，也可能卖不到奔驰、宝马单一品牌在中国销量的十分之一；增程叠加软件和部分AI体验，却让理想短期追上BBA，并可能一两年内超过。
• 地利是创业地点：AI若不在中国或美国，语言、市场、人才和上代产业积累都可能不足；人和——用户、组织与合作关系——反而排在技术和市场之后。

17. 汽车工业从BT、IT走向DT，控制转为闭环认知

• 李想把福特流水线、后来丰田进一步优化的流程称为BT。它把造车从作坊变成可复制流程，让普通家庭以几分之一价格拥有汽车。
• IT阶段的核心是控制。建常州首个工厂时，他原本偏爱灵活的Oracle，却听顾问说中国车企使用后多会切回“反人性、什么都不能改”的SAP，由此明白工业软件的价值正是让人无法绕过流程。
• DT即Data Technology，不只把流程搬进软件，而要获得面向客户的端到端闭环、原子级起因过程结果、跨业务数据，以及收入与成本等财务信息。
• 财务进入同一闭环，才能避免每个专业只看“一亩三分地”；企业看到的也不再是控制点，而是一个客户和一项业务的完整全貌。

18. DT把专家脑中的经验变成可复制的最佳实践

• 理想早期招来丰田质量、现代成本、通用制造等老专家，却发现他们很难把know-how写出来：模型在脑中，只有遇到问题才能诊断。
• 完整数据系统解决了这个瓶颈。一次业务若以高成功率、低成本完成，就是可沉淀的最佳实践；问题如何被解决，也能变成组织资产，而非留在个人经验里。
• 常州第二座完整工厂从启动生产到产能爬满约15天，传统车企背景员工称原公司通常要6至12个月。李想把差距归因于最佳实践的系统化复制。
• 直营店同样受益：员工集中培训、软件系统直接部署，选址无误的新店通常3至6个月可做到月销超过100辆，甚至比寻找加盟商更快。

19. 用户行为数据比访谈更接近业务真因

• 李想在汽车之家不依赖与用户聊天，而看完整访问轨迹：用户为何来、为何离开、不同渠道进入后怎么行动，离开的那一点往往就是真因。
• 帖子每10张图片翻一页会让用户疲惫，改为一页50张后停留显著延长；文字链接若还要进入二级页，仅约20%的人继续，直达内容则可能接近100%的人继续看。
• 同一套数据既驱动获客、留存和收入，也能评估给经销商带来多少收入与利润。涨价时客户会抱怨，但企业可以用数据评估一家店带来的收入和利润。

20. 企业独有的后训练数据成为理想的模型筹码

• 通用基座进入专业领域常显得无能，因为专业最佳实践不会公开在互联网上；只有头部企业知道如何采集，且必须先把业务本身做到足够好。
• 自动驾驶训练从驾驶片段中挑选头部3%，同时要求不违规、安全与通行效率高。权重出现问题时不能打补丁，只能重新调整数据并训练，这正是后训练Scaling Law对理想有利之处。

21. 李想学AI靠研究会、亲自使用和高密度对话

• 他每周参加约四至五次AI会议：隔天一次的小组会，加上周三公司级会议。内容主要是最新论文的内部研究分析，以及不同团队哪怕很小的最佳实践。
• 李想承认自己直接读论文能力很差，因此依靠研究团队讲解；第二条学习路径是亲自使用模型和产品，获得不能由转述替代的感受。
• 第三条路径是访谈与播客。独白会把Why、What、How混在一起，听众难以接收；提问者先结构化意图和意义，对话反而能提高复杂新知识的传播效率。

22. 三年摘掉方向盘是多条件目标，不是单一技术预测

• 李想自己约80%的驾驶使用辅助系统，剩余20%主要因为“赶时间”。他的目标是再给三年，推出真正摘掉方向盘的L4产品。
• 这个时间表同时依赖技术、产品定义、环境政策和消费者信任，不是模型完成便自动兑现。因此他反复说“给我三年”，保留了条件性。
• 自动驾驶团队通过BLM给自己出的2025年目标，是把MPI提高到500公里，较当时大约提升10倍；这是阶段性目标，而非L4终点。

23. 一个月的端到端训练速度超过三年规则迭代

• 今年年初，李想要求团队赴美国不同城市体验FSD V12；回来后的要求很硬：“要么你做这个，要么我们就不要再做自动驾驶了。”继续规则算法，在他看来与供应商方案没有本质差别。
• 理想为端到端准备约200人团队和对应资源，一个月便训练出第一版敢上车的模型。李想的感受是，这一个月的进步速度超过过去三年。
• 张颖试车时发现车辆处理旁车避让行人的动作“跟人很相似”，响应也快了数倍，因为端到端不再经过四个串联步骤。李想借此把“能力增长”与旧式功能补丁清楚地区分开来。

24. 纯视觉负责驾驶，激光雷达仍是家庭安全带

• 理想取消角毫米波雷达、让端到端以纯视觉工作，但继续保留前向毫米波雷达和激光雷达。李想强调，这不是因为模型路线不纯，而是额外安全冗余。
• 中国夜间道路可能出现尾灯损坏的大货车、停在主路的车辆和不规范施工；当时摄像头在无光环境只能看到100米出头，激光雷达可看到约200米，足以支持130公里时速AEB。
• 理想还研发AES及两段式避让，希望消除90%以上、最终消除全部重大伤亡事故；剐蹭可能仍在，但家庭用户的生命安全必须优先。
• 李想甚至判断，如果马斯克在中国深夜高速充分驾驶，也会保留一颗前向激光雷达：特斯拉同样重视安全，只是要放在具体环境里看。

25. 端到端只够L3，L4必须拥有VLA的认知泛化

• 李想判断端到端加VLM可以实现L3，做到约500至1000公里一次接管，让人在车内轻松许多；但泛化能力仍远不足以承担无人监督的L4。
• 规则系统每解决一个Corner Case，可能又生成三个，因为补丁只适配特定场景。王兴、陆奇等“外脑”未必直接给答案，却不断推动团队追问“人是怎么工作的”。
• 他用妻子学驾驶举例：从宝马X6换到更小的高尔夫GTI仍会剐蹭，真正改善来自宝马一天初级驾驶课——只训练“眼睛看哪里”和“如何一脚踩到底刹车”两项能力。
• 有些对手确实把Corner Case修得更好，因为会投入五倍、十倍的人力逐路口改规则甚至改地图；李想认为这条路规模再大，也无法替代能力学习。

26. Robotaxi未必消灭私家车，L4可能让空间更值得拥有

• 理想的使命仍是“创造移动的家，创造幸福的家”：前者终局是L4，后者终局是硅基家人，但不等于公司必须把Robotaxi当唯一商业模式。
• 李想用住房反驳“无人出租车会消灭买车”：租房往往比买房便宜，甚至存款利息就够租房，人仍愿意买房，因为需要稳定、安全、舒适和高质量陪伴。
• L4可能降低家庭用车成本，让更多人愿意拥有一个可供家人朋友共享的移动空间。Robotaxi与私家L4谁成为主流，他认为要在未来五至十年重新观察。

27. Tesla与Waymo路线终会收敛，卖车企业先享受能力红利

• 李想认为限定区域、规则算法也能做L4，但通用L4最终会走向VLA，或者比VLA更好的同类架构；Tesla、Waymo及所有认真通往L4的公司不会拒绝有效技术，正如行业最终都采用Transformer。
• 他把Tesla V13更大进步与xAI成立后的语言模型认知联系起来，包括多模态、RAG、MoE等方法；Google把三维空间Token放入Transformer预训练的论文，也显示路线正在靠近。
• 端侧推理成本和算力仍是限制，但一旦路径跑通、终端算力提高，能力就能下放。李想对路线收敛的判断是：“都是全世界最聪明的一帮人。”
• 商业上，卖车公司无需等到L4才变现：若理想MPI从50公里升到500公里，而对手只有200公里，体验差异会直接转化成销量和现金流；他也承认Waymo在旧金山的打车占比正在提高。

28. 人形机器人“百分之百会做”，但必须排在L4之后

• 被问理想是否做人形机器人，李想给出的概率是“百分之百”，但节奏绝不是现在。连L4汽车都解决不了，就没有基础解决更复杂的机器人。
• 汽车是无接触机器人，道路、提示、交通参与者和规则高度标准化，已经是最简单的具身场景；接触以后会更复杂、更难。
• 制造还是合作取决于供给：别人做得好就合作，做不到理想需要的程度才自己做。手机、电脑和浏览器已经成熟，理想同学可直接进入Chrome、Safari等终端，没有必要重复造硬件。

29. 理想真正押注的只有语言、空间和计算三件事

• 面对“理想同学、Mind GPT、智能驾驶、汽车是否太分散”，李想认为公司实际只做语言智能、空间智能和支撑两者的计算。
• CEO的职责也被压缩成三件事：确保给团队出的题正确，解题的人和组织正确，并提供与目标匹配而非拍脑袋的资源。
• 他不愿另开一家中国版xAI，因为精力和融资条件不如马斯克；分拆后又要为融资奔波，不如由理想汽车统一造血、支撑模型发展。
• 若被迫在理想同学和智能驾驶之间二选一，他的回答是：“我去捡别的，不会放弃这两个。”模型也不应急着变现，刚到千亿规模，就应继续向5000亿推进。

30. 世界模型、真人体验团和头部3%数据构成新验证体系

• 端到端没有让驾驶专家王佳佳失去价值，反而把他从规则编写者变成“教练”：定义什么是老司机、如何筛数据、如何验证安全、效率与舒适。
• 理想建立两套验证系统：一套是可重构和生成交通场景、细化到各城市的World Model；另一套是千人团、万人团真实用户体验，两者成绩再拟合。
• 训练数据选择头部3%，但不是简单选最快司机，而要同时满足不违规、安全和高通行效率。新问题出现时调的是数据权重，模型没有传统补丁可打。
• 李想把这种评估称为考试：AI展示的是能力，必须被放进环境中比较成绩，而非像旧软件一样逐项确认按钮是否工作。

31. 产品不该讨好人，而要解除价值尚未实现的障碍

• 张小珺问他最想讨好哪类用户，李想回答：“我不想讨好任何人。”产品要找的是本应属于用户、却因某个障碍没有实现的价值。
• 电动车有价值但充电困难，理想的答案是增程、5C和自建充电网络。小体验并不难，难的是团队是否真的经历过足够好的产品与服务。
• 他鼓励产品经理用奖金买好车、旅行时住好酒店，因为体验是做产品的“预训练”；同时要求人足够感性、敏锐，不能对歪斜、晃动和不适变得麻木。
• 最后还要有纪律和取舍。Google克制成一个搜索框，OpenAI克制成一个对话框，背后不是功能贫乏，而是“简单所以丰富；复杂就僵化了”。

32. 法拉利是品牌预训练，AI超跑保留了一半概率

• 李想买Ferrari不是因为它有AI，而是为了理解品牌升级、情绪价值与稀缺性。他长期体验BMW X7、Mercedes-Benz GLS和Tesla Model X，才有L9的家庭六座判断；品牌能力同样不能只靠文章获得。
• 张小珺反问“300万元买训练卡不好吗”，李想认为两者不冲突：功能体验、模型训练、品牌与情绪价值都可同时构成产品。
• 买车前他会断言理想同学永远不会上Ferrari，买后则承认存在可能。即使L4让大量汽车变成空间效率优先的“方盒子”，驾驶乐趣仍像高跟鞋一样有独立价值。
• 他的条件式预测是，到2030年理想有50%概率做一辆“非常有趣的超级跑车”，但它一定是AI汽车；Ferrari本身则应继续稀有、自由设计，成为更好的Ferrari，而非普通科技公司。

33. 苹果放弃造车，障碍是完美组织与旧隐私观

• 李想不认为汽车竞争会永久结束：传统车企之后有Tesla，新势力之后又有华为、小米，未来没有方向盘时，Apple仍可能重新进入。
• 他提到自己看到的苹果内部流出内容中，乔纳森曾说过苹果没有必要设计一辆带方向盘的车；但真正造车会迫使组织方式改变。汽车比手机复杂，而越成功、越完美的治理体系越难被说服自我改造。
• 当Apple约值2万亿美元、Tesla只有数千亿美元时，内部很容易质疑为什么要学习一个规模更小、估值还被认为偏高的公司；没有清晰愿景，组织惯性就会胜出。
• 李想还把Apple的AI延迟与隐私价值观联系起来：规则算法时代数据直接对应隐私，大模型把信息Token化后，他认为反而提供了新解法；一旦Apple看明白，追赶速度也可能远超预期。

34. 雷军的硬件禀赋成立，小米汽车唯一建议是“All in”

• 李想对雷军的评价很直接：不只车，电视、空调等硬件都做得很好，而且带着发烧友心态，能抓住家庭用户未必在意、却足以吸引另一群人的功能，例如SU7两秒多加速。
• 雷军在疫情期间曾长时间询问他对Tesla、比亚迪和华为的看法，最后只要一条造车建议。李想给出的唯一答案是：“小米车要想成功，你必须All in。”
• 两家公司并非只有竞争。MEGA遇到问题时，小米团队曾提供帮助，雷军也公开站台；李想对此多次表达感激。

35. MEGA首先错在把5.3米车身当成跨品类产品

• 理想原以为MEGA能像L9一样，从50万元以上轿车、SUV和MPV共同抢用户；上市后发现5.3米车长显著限制自驾、停车与日常便利，跨品类逻辑不成立。
• 真正购买且高度满意的，多是长期豪华MPV用户；其他轿车和SUV车主即使认可产品，也更愿意自己开尺寸方便的车型。李想明确说，核心不是简单的造型问题。
• 50万元以上MPV市场每月约4000辆，MEGA月销1000辆已经约占25%；即使做到50%份额，也只是每月2000辆。这是无法靠营销修复的市场规模误判。

36. 充电NPS从三十多分升至近90分，失败变成纯电底座

• 理想最初以为只在高速建设超充即可，却忽略二线城市车主进入一线城市后也要补能，而且用户时间很宝贵，不愿与网约车一起排队一小时。
• 初期充电站数量、站位、App和车机交互都沿用增程思维，MEGA用户对充电的NPS只有三十多分；持续补城市站、优化软件并认证高质量第三方桩后，分数升至接近90。
• 李想观察到，北京不少拥有多辆车的MEGA用户去阿那亚、滑雪或周边旅行时，已不再开燃油车，因为手机、车机与沿途充电形成了安全感。
• 门店也从统计数量转为统计“货架数”：MEGA占用较大展位，销售又需纯电培训。理想随后扩货架、在有条件门店建设5C站，为后续纯电SUV补齐销售基础。

37. 千亿收入暴露运营道路缺失，也抽空了产品大将

• L9的“天花板”来自2019年开始的平台化建设和2020年后的坚定投资；理想用三年多做到年收入超过1000亿元，产品增长速度远超运营体系。
• 新加入的大公司员工询问流程时，内部指路仍像“前面第四棵树左转，遇到井盖右转”。李想意识到，公司需要真正修路，而不能让每个人背树和井盖。
• 范皓宇、刘杰、汤靖等最强产品人才被调去建设研发、销售和管理体系。结果是L9产品评审身边坐着VP，MEGA阶段却更多是总监和高级经理，且许多人没经历过上一轮成功。
• 李想不后悔补千亿运营能力，但承认代价真实存在：“MEGA并不是所有方面都是天花板，但L9是。”

38. 产品大将回归后，冲突成为质量的磨石

• 理想重新成立产品线，把刘杰、范皓宇、汤靖等人调回，让那些能与他争论一两个月的人重新主导产品。
• 一次争论是R7、R8应否合成同一车型的五座与六座版本。李想坚持一个车型，团队通过上下车、造型等验证证明体验会妥协，最终他接受拆成两个车型。
• 妥协不是因为层级或投票，而是证据显示“我们不能做凑合的产品”。李想用乔布斯“乱石放进机器，最后磨成漂亮圆石”的故事解释团队冲突；战略委员会每周六开会，可以拍桌子、爆粗口，“该怎么吵怎么吵”。

39. 纯电没有绝招，L4才是汽车决赛的胜负手

• 接下来的纯电战，李想不提供神秘招数：在对应价位，用户最在意的每项价值是否做到天花板，取决于技术、产品、价值传递和商业体系的综合作战。
• 电动化只是进入智能化决赛的门票。传统手机厂商三星凭硬件拿到智能机门票，苹果、谷歌则凭操作系统和大型软件能力入场；汽车行业也会允许不同能力来源的后来者参赛。
• 真正分胜负的是L4。今天的销量、现金流和模型投入，都是为了拿到未来无法用当下资源临时购买的决赛资格。

40. 五百万辆、VLA、人才和算力共同构成L4门票

• 李想给出的第一项硬条件是至少500万辆车在道路运行，由此获得足够多、足够复杂的真实数据。
• 第二项是自己掌握VLA基座模型，不能只采购功能；第三项则是足够资金招募顶尖人才并购买训练、推理算力。
• 这些条件还必须做到卓越，而非仅仅拥有。若全部实现，他相信能够做出一家像苹果一样的公司。
• 反过来，缺少L4，理想就不可能迈入万亿人民币级企业，因为后来者必须带来“买车不是为了开车”的革命性体验与相应商业模式。

41. 李想既是产品天花板，也是组织瓶颈

• 面对“你是不是理想产品天花板”，他的回答是：“我觉得我就是理想产品的天花板。”零到一阶段必须由他主导，因为他对三排座SUV的长期亲自驾驶体验超过绝大多数同行CEO。
• 他从不用固定司机代替自己体验，去机场也常自己开、让司机把车开回；X7、GLS、Model X等深度经验构成产品判断的“预训练”。
• 但到了当前阶段，个人天花板也就是公司瓶颈。任务变成建立训练和专业体系，让汤靖、辛扬等人长期驾驶竞品，最终让每个产品负责人拥有超过几年前理想团队的能力。

42. 好产品经理要跨域感知、拒绝凑合并遵守纪律

• 第一项能力是跨领域感知。理想增程架构的主要灵感不是Chevrolet Volt，而是Mac的Fusion Drive：让快速昂贵的SSD承载程序、容量大的HDD负责存储，成为增程思路的启发。
• Volt主要帮助团队识别技术问题，例如大电池与小电池必须连接；李想认为它本身“为了做而做”，没有想清用户价值，所以理想没有照搬。
• 第二项能力是敏感：L9下车蹭腿就是不对，不能用Benz、BMW也蹭来解释；MEGA悬架晃也不能因其他MPV会晃而放过。
• 第三项是专业纪律，从体验、定义、验证到发现问题后的修正都必须走完整体系。敏感只提供启发，不能成为拍脑袋的许可；产品体验本来就是主观，不必伪装成客观。

43. AI研发正在重排为教授、教练与计算三类角色

• 第一类是“AI教授”，负责预训练，把人类以各种形式表达的知识汇集起来；进入MoE后，更像拥有多个专业和学位的知识体系。
• 第二类是“AI教练”，通过后训练和强化学习把最佳实践变成能力。这类人必须理解BT、IT、DT、业务环境、数据收集与质量评价。
• 第三类负责为AI提供计算。过去的软件工程师、产品经理和业务专家，都要在三类新工种中寻找自己的位置。
• 李想判断自己做不了预训练，也不适合计算基础设施，更像AI教练；若做To C助手，教练还必须构建人类对话与记忆的DT数据。

44. 创始人的稀缺能力是在最难时看透本质并作选择

• 一位顶级投资人告诉李想，成功创始人的外向、气场、学历和表达方式并无统一模板；真正共性是每逢最艰难、最关键的十字路口，总能看透本质并为团队作出最好的选择。
• 这种能力不是一次偶然，而会多次出现，并可由未来结果验证。李想也把“选择”视为CEO工作，而非在所有运营细节上勤奋。
• 他认为自己耐受力低既是优点也是缺点：感觉事情不对就会解决，不愿长期扛着；所谓发火常是有目的地放大问题严重性的杠杆，内心反而平静，而且频率每年约减少一半。

45. 2008年危机教会李想不再死扛，也先对自己好

• 他最困难的时刻不是2019年，而是2008年5月：融不到钱、公司现金流完全断掉，几个小股东试图把他和樊铮赶出公司，痛苦到想着想着落泪。
• 发起挑战的合伙人邵震曾把团队带到北京并搭建商业体系。和解时，对方最痛苦的指控是：“你一个人在死扛，你不告诉我们。”如果知道现金流问题，合伙人甚至愿意抵押房子支持公司。
• 李想由此学会先对自己好、接纳优缺点：“如果从来没有吃过糖，我怎么给别人甜头？”他随后买BMW X6、McLaren MP4-12C和更好的房子，也开始休假，家庭及团队关系随之改善。
• 在一次融资中，他在现金还能用约六个月时便向张颖说明风险，并融得约19亿元；随后更难的一轮见了150多名投资人，自己病到严重过敏，最终直接找张一鸣和王兴，两人都投资。2019年初，他也把现金压力告诉团队，大家一起砍成本。

46. 员工是CEO的第一客户，时间只分给人、产品和AI

• 李想的工作优先级首先是人：招聘、培训、组织制度，以及所有18级以上和部分17级候选人的面试；广州车展若与员工文化培训冲突，他会选择培训。
• 第二优先级是产品，包括产品评审、造型评审和产品能力体系；第三是AI，主要以学习会、专家交流和内部最佳实践分享为主。
• 典型一天是上午处理产品，中午前后处理招聘与培训，较晚时间安排AI；他通常10点左右到公司，也不出去见客户和用户。
• 重大决策全部放在周六上午的战略委员会，因为没有日常业务干扰，可以用足够长时间争论。李想认为决策会质量高，恰恰因为团队“天天在吵架”。

47. “万亿”不是个人欲望，而是资源配置工具

• 被问是否渴望万亿市值，李想回答：“我没什么欲望，成长就是我的欲望。”真正让他兴奋的是交付增程、L4、Agent等长期有意义的产品。
• 他把目标视为管理工具：只有先设定有向往感、有意义的目标，组织才会接受相应成本，配置举措、人才和资源，并在路径偏离时持续迭代。
• 万亿市值反映的是用户价值和行业地位，核心不是口号本身，而是目标能否迫使组织建立对应能力。
• 对理想而言，不能实现L4就不可能进入万亿人民币级俱乐部，因为只有“不需要开车”才能构成与现有产品完全不同的体验。

48. 三千多名校招生证明新管理要“在意、认可、支持”

• 理想直到2022年才正式规模化校招，此前认为汽车需要至少两款产品经验；有了两代产品和内部知识后，公司才有条件培养新人，校招团队已超过3000人。
• 新人除一至两周课堂培训，还要进入电机厂、整车工厂和门店，亲历工业、蓝领对产品的态度、家庭用户决策及交付服务，再回到课堂深化流程。
• 结果超出预期：不少13、14级校招生做出17、18级价值，内部AI技术展示中超过一半项目来自校招团队，理想同学也由校招团队创造。
• 李想总结的新管理方式是先真正在意并倾听，再认可他们自带的解决方案，最后提供必要资源。这个原则也适用于低增长时代的70后、80后和90后，而不只是00后。

49. 中国AI路径应先争国内排位，再等待VLA合流

• 面对地缘限制，李想不主张一步喊“全球第一”：先在中国做到空间智能第一、语言模型与服务前三，再把两者合成VLA，进入全面Agent和L4阶段。
• 这是一条成长路径，需要提前确定研究、组织和投资，不是从今天直达全球领先。美国可能更强，但他强调“只要中国企业不放弃，一切皆有可能”。
• 他以美国后来赢得对日本处理器竞争、中国智能车改变德国品牌垄断认知作类比；这些例子表达的是可能性，而不是保证。
• 若理想失败，原因会是研究、技术研发、产品、商业或自身造血能力之一出现缺失。李想会全力以赴，但也愿意为任何实现他所说人工智能第五阶段的中国企业鼓掌。

50. AI不应替代一线劳动，而要重新设计利益分配

• 李想称，越理解AI，越会谨慎决定它发挥什么价值；理想“从来不会去做替代工人”，也不希望替代一线销售。
• 更理想的机制是让生产工人效率和收入提高，让AI从大量线索中自动找到机会；销售仍负责人与人的接触，却能卖更多车、赚更多钱，在所在城市买房并让孩子上好学校。
• 因此AI的结构性问题不只是岗位数量，而是利益如何重新分配。企业需要让能力增长与现有员工收入形成正向关系。
• 组织也可能由战略意图生成。理想2024年推动BLM，即Business Leading Model：关键举措确定后，组织、激励和文化特质随之生成，而非先固定部门再寻找任务。

51. 游戏把“公平天梯”写进了理想的制度

• 李想几十年持续玩游戏，现在每天仍玩一至两个小时《守望先锋》，偏爱协作难度高的组队游戏，不太喜欢单机和纯动作类作品。
• 理想的销售排行榜、运营激励、岗位、职级、职业和经济系统，都从游戏机制获得启发。游戏之所以吸引人，在他看来是因为“游戏是最公平的”。
• 社会本身也是天梯：升学、择业、企业排名和收入分配都允许上升与下降；消费者倾向购买天梯靠前的品牌，人才也倾向加入排名靠前的公司。
• 企业管理的责任不是取消天梯，而是使规则公平、透明、可上可下。大型游戏若分配和激励失衡，玩家会离开；公司同样如此。

52. 公司和家庭角色倒置，是许多关系问题的根源

• 李想把工作社会与私人生活分得很开：公司是公平天梯，家人与挚友则遵循“付出等于回报”，不能用同一套交换逻辑。
• 他观察到不少人“把公司当成家，又回到家里去提条件、搞天梯”，恰好把两套系统颠倒。
• 在公司，CEO的首要客户是员工；在家中，最重要的客户是相处时间最长的爱人，其次才是孩子。家庭给他的不是组织身份，而是能量与高质量陪伴。
• 六个孩子也让他看到不同性格如何以自己的方式成长。家庭训练的是接纳优点与不足、增加耐心，而不是把每个人塑造成同一答案。

53. 《阿猫阿狗》让李想看到世界由人与关系组成

• 对世界观影响最大的游戏不是主流大作，而是大宇的《阿猫阿狗》。它让李想第一次理解，世界不只由事情构成，还由人以及人与人之间的关系构成。
• 真正的关系能力仍来自现实中“一次次吃巨大亏”，其中最难处理的是与自己的关系；和自己理顺后，外部关系才容易处理。
• 对自己好也包括面对外界时保护自己：先减少他人的缺点对自己的伤害，再吸收其优点，而不是为了证明对方愚蠢，让对方的短板持续伤害自己。
• 他以投资人为例：认真听有价值的见解并实践，对业余、甚至“民科式”的汽车观点不争输赢。这样既获得资源和支持，也不让无意义争辩变成互害。

54. 亲密关系的核心不是给答案，而是被理解和支持

• 李想与爱人交流时会认真听她讲，不急着提供解决方案；他发现，只要对方充分表达，通常自己就有完整答案，真正需要的是关注、理解、认可和“不添乱”。
• 爱人也回应他的成长驱动力，会研究汽车公司财报、产品与竞争动态，并分享孩子成长。双方都持续学习，使关系形成相互支持而非单向牺牲。
• 他从“家和万事兴”中提炼的顺序是“父勤则母敬，母敬则子安”；重点是男性先对伴侣好，而不是只要求孩子或妻子承担家庭稳定。
• 关于多生孩子，他不认为与造车存在必然联系，只说看见不同生命成长并彼此陪伴，是“非常幸福的事”。

55. 主动做选择，比判断对错更能产生责任与成长

• 李想把《高效能人士的七个习惯》中的“主动积极”解释为主动选择并保持积极，而不是不明情况就冲上去帮忙。
• 高中退学时，他比较的是上大学与创业两条路径：前者可能读二本、毕业做电脑杂志编辑；后者当时已月入接近2万元，可能放大10倍，但失败后也可能因学历找不到工作。
• 如果只问“不上大学对不对”，父母和社会一定把它变成对错题；比较两条路径的收益与风险，则会让本人承担责任、遇到问题持续迭代，也更容易向家人讲清并获得支持。
• 对AI公司亦然：不能因某家公司不做预训练就否定其后训练，也不能因产品化弱就否定其RAG。做选择的人吸收可用能力，做对错题的人往往只证明自己正确。

56. 降低公开曝光，是环境选择而非对标签退缩

• 李想称自己“不叛逆”，只是持续主动选择；没上大学的标签不会让他难受，外界伤害即使发生，也能在很短时间内调整。
• 但他判断当前环境已不适合频繁以“没上过学的创始人”身份输出非黑即白的方法论：负面反馈大于正面，创业者受众也在减少，于是选择减少在微博上的出现。
• 他不愿通过反复讲苦难来安慰人，也不擅长轻巧段子；与其变成自己不喜欢的表达者，不如让团队去讲，自己“闭嘴”。
• 快问快答里，他说自己的MBTI“好像是INTJ”，最爱火锅，当下最喜欢成都；游戏偏爱高协作组队，孩子喜欢《原神》，自己不太喜欢《黑神话：悟空》一类动作游戏。

57. AI记忆可能是中国To C创业最值得下注的入口

• 李想认为当前助手仍像移动互联网的AOL、智能手机的Palm阶段，行业急着谈Agent和AGI，却连第一阶段的功能助手、成长帮助和高质量陪伴都没做深。
• 真正的陪伴应认真倾听、长期了解用户，甚至帮助形成日记、年度总结、自传或一本书；真正帮助成长，则应能持续深挖问题，而不是谈到黎曼猜想一半便断掉。
• 他判断中国To B很难，海外已有Snowflake等百亿美元规模的数据公司；To C反而有机会，最大挑战就是记忆，能构建长期记忆体系可能成为重要创业方向。
• 这类能力还能服务出海：AI直接调用各国API、生成音乐和所需服务，可能绕过逐国配置地图与内容应用的困难。李想最后把自己的三道题归纳为“构建什么能力、匹配什么组织、准备多少资金”。