张小珺：很多人认知你，觉得你是一个非常实用主义的人。大家在追求做电车的时候，你还在做增程，为什么你今天对人工智能技术这么激进？——李想有理想吗？
李想：我觉得不是有理想、没理想的问题。
是……（停顿3秒）……我第一次创业，泡泡网做的并不成功，起了个大早赶了个晚集。我后来真正明白一点，就是中国古人讲“天时、地利、人和”，非常之重要，而且这三个有清晰顺序。
排第一的是“天时”。商业社会什么是“天时”？“天时”就是技术，是我们对技术有效使用。
作为创业者，如果我做一辆燃油车，还做了10挡变速箱，我仍然卖不到奔驰、宝马任何一个品牌在中国1/10的销量。但我如果做增程车，并赋予了非常好的软件体验和部分的人工智能体验，我就可以在很短时间追上奔驰、宝马、奥迪的销量，甚至在可见的未来一两年，超越他们。这是重要技术变革点。
人类跟我们相关最重要的技术变革：一是能源，二是信息。
“天时、地利、人和”。第一重要是技术。第二重要是“地利”，在哪创业。你如果不在中国和美国，想做人工智能，太难了。因为你不是主流语种，你没有足够庞大的市场，你没有足够多的人才和这方面的投入，包括人才是否经历了上一个时代能力的积淀。第三才是“人和”，要面对什么样的用户，构建什么样的组织。
技术第一重要。进入汽车行业，很多人说，巨头们都那么厉害，几十年没有真正大厂出现，为什么觉得你有戏？——还是我说的，我比汽车厂商更知道怎么做大型软件，比互联网公司更了解汽车，因为做了10年汽车之家。
进入这行后，我们发现真的跟想的方向一致。拿汽车行业举例，这是我相信的东西：
时代演进方向：BT——IT——DT——AI。
奔驰虽然发明了汽车，但真正汽车行业进入老百姓家是福特开始。福特跟其他作坊型汽车厂一个根本差异在于，建立了流水线和生产线。它用了几分之一的价钱，就可以让普通美国老百姓拥有福特T型车。这时，它干了一件事，是把生产一辆车流程化了。我们内部把流程的简称叫BT，是流程。这是第一阶段。后来丰田又把流程发挥更加极致。美国到70年代还成立了流程协会，流程协会也诞生了后边大量软件公司。
到第二个阶段什么？是IT出现，就是软件，而且是以控制为目的的软件出现。我们在建常州第一个工厂时，还没有精力自己写这个工厂软件，我们当时就选择是SAP还是Oracle的工厂软件？当时我就问顾问公司：SAP和Oracle有什么不同？他讲，SAP呢，比较反人性，比较死，什么都不能改，但好处是，所有人不要指望从这边任何一个流程绕过去；Oracle有比较好灵活定制的能力。
我一个做互联网公司出身的，肯定觉得Oracle好。当时又问了一句：如果从汽车行业最佳实践看，是什么样的？他说，至少在中国大部分用Oracle的，最后也都切回SAP。
哦，我当时就明白了——这些软件能力和我们互联网公司构建的软件能力不一样，最主要目的是控制。包含银行上IT系统，包括制造体系、销售体系上软件系统，都是为了控制。之前流程靠人来盯着，靠纸来记。今天跑在软件里。所以，汽车上万个零部件可以标准化生产出来，甚至汽车跑在路上的质量比手机还要好，是BT和IT发挥了巨大作用。
到第三阶段非常有意思。这个时代描述最好的是，从IT时代进入到DT时代，DT指Data Technology（数据技术）。
我们做互联网公司，我做汽车之家，所有网站服务用户的软件是自己写的，所有面向客户的软件是自己写的，包括所有数据分析、流量分析的软件都是自己写的。这是中国成规模的互联网公司必须要有的能力，因为你每个月要服务上亿访问者。我们当时写这些系统后，会发现跟IT有很大不同。
所有数据必须满足三个条件：
● 第一，它必须是面向一个客户提供闭环服务。传统公司喜欢叫“端到端”，互联网公司叫“闭环”。包括他从进入一个店，到把这个车买走，这是一个“端到端”。
● 第二，我要获得原子级数据，而不是控制点的数据。它能反映出所有的起因、过程和结果，反映任何一个客户在这里发生业务的全貌。
● 第三，如果是面向一个用户，它是一个端到端或闭环，大概率会跨业务，甚至跨公司。比如支付环节到了腾讯或阿里。第三个重要点是，要把财务放进去。你获取用户的过程是成本，你变现的过程是收入。只有把财务放进去，才能避免每个专业只看自己一亩三分地。他有看全貌的能力，就有使用整体数据的能力。
所以，数据产生以后，带来三个特别好的结果：
● 第一个结果是，我们最开始做理想汽车，很多人跟我们推荐一些老专家。我们当时把专家招进来，我还是互联网思维说：你能不能把你知道的know-how写出来？发现他写不出来。
这个模型在他脑子里，但他写不出来，只有遇到问题帮你诊断才能解决问题。当时并不知道怎么使用老专家。
当我们有了DT以后，当我们写大型软件能获得完整数据，意味着什么？只要是高成功率、低成本地完成了一个业务，它就是个“最佳实践”，就是藏在老专家脑子里。哪怕我们遇到了问题，这个问题怎么被有效解决，也是“最佳实践”——所以，这些经验、知识，从老专家的脑子里变到我们系统里。这是一个巨大收益。
这给我们带来非常大一个好处。我们常州第二个厂房，产能不够的时候，生产L7、L8这两个产品。我们这个工厂，从开始生产到产能爬满，只用了15天。我们团队有来自传统汽车厂商的人，他们说如果在原来的企业，需要6到12个月。相当于我们可以把“最佳实践”有效复制。
这也是我们敢于开直营店的原因。开一家店很难，很多店从0开始要养很长时间。但我们店里人员是集中来北京或常州培训。我们只要一个店选址没问题，它从开始营业到最后达到一个月超过100辆，大概是3到6个月。会比正常一家新店启动速度快得多，甚至比你找加盟速度还要快。
这是第一大好处：把所有“最佳实践”沉淀在数据系统里。
● 第二，它产生什么好处呢？就跟我们原来做汽车之家一样，虽说我们了解用户，但了解用户并不是跟用户聊，而是认真去看用户的访问行为——他为什么走了？为什么来？他从不同渠道来了以后，是什么轨迹？他最后出现问题走的时候，那就是真因，我们怎么让他顺畅地浏览下去？
比如他看一个帖子页面，10张图片就翻一个页，翻着翻着没意思就走了，因为翻着太累。当我们把一个页面变成50张图一页，他就非常有耐心一直往下看。
我们用这种方式，一方面驱动我们怎么获取用户，让用户停留时间更长，让用户一直留存下来；另一方面驱动我们的收入，甚至包括收入怎么定价，都是拿数据决定。
所以汽车之家，我们涨价，虽然广告客户会抱怨，但也没什么可说的。因为我们完全能通过数据评估，他一个店，我们到底给他带来多少收入、多少利润。
另一点，很多时候是对人的训练。它比较像什么呢？像强化学习（RL，Reinforcement Learning），因为它是给每个使用者一个有效反馈机制。
看我们的销售团队，他们是一个月卖二三十辆车的王牌销售？还是卖十辆、卖几辆的？影响因素排在最靠前的，是他对信息、数据和工具的使用，而不是她是不是个美女，或者是内向还是外向。
● 第三是最重要的一点，数据里的“最佳实践”是人工智能后训练的全部。
很多基座模型在解决一些通用能力很好，但进入专业的时候发现，完全没有能力。这些数据不可能放在互联网公开，都是企业独有，而且是头部企业才懂得怎么去获得。
本身你得是卖智能车最好的企业，才能做自动驾驶的训练，否则你过去连传感器都没有，这些数据都没获得。
同样，用户这些驾驶数据，我们肯定也按模型看。驾驶效率最高的，和安全性最高的进行权重，这3%的人，他们的clips（数据样本）怎么放入模型里训练？就形成了端到端模型。
张小珺：听起来，预训练Scaling Law（规模效应）到达瓶颈，进入后训练Scaling Law，对你们是好事？
李想：是好事，到了物理世界对我们也是好事。
张小珺：你没有回答我刚才的问题，你觉得李想是个实用主义的人吗？李想有理想吗？
李想：（思考2秒…）实现硅基家人那一刻我真的相信，而且无比坚定，就连我都可以被它去延续。
这算不算有理想？
张小珺：所以，你信仰的是AGI的硅基家人，不是AGI？
李想：任何技术一定要赋予一个意义。增程是技术，但城市用电、长途发电，是它的意义。这是根本。
张小珺：在自动驾驶上，你们做了两个相对激进的决策：第一是用只有一个模型的端到端，其他中国车企可能还在用两个模型；第二是你们是第一个取消角毫米波雷达的中国车企，走了以纯视觉为主的技术路线。这两个决策当时是怎么做的？是你拍的板吗？
李想：我经常跟团队说：我们相比特斯拉又不缺胳膊少腿，为什么它能做的你做不到？
我们为什么还保留前面的毫米波雷达，以及前面的激光雷达？毫米波雷达和激光雷达和做端到端关系不大，因为端到端是纯视觉的。包含我们的交互，大家再看到我们下个大版本更新，可以看到端到端、VLM（视觉语言模型）怎么工作。
很多人不太理解，你为什么要保留激光雷达？是不是因为你技术不好？不是。中国和美国不一样。如果你经常在中国夜路开车，你会看到，有尾灯坏了的大货车，甚至大货车直接停在主路，也有不那么标准的半夜道路施工。一个前面的激光雷达，是为了安全。
我们在使用端到端，包括通过Transformer做BEV架构，至少今天的摄像头在深夜没有光线下看到的距离只有100米出头，但是，激光雷达在任何没有光线的情况下可以看到200米，这就帮助我们实现130公里时速的AEB（自动紧急制动系统）。我们是面向家庭的车，每个人生命安全非常重要。这是我们继续保留激光雷达根本原因所在，后面的车型会持续保留——激光雷达相当于“安全带”，帮车主解决重大事故。
我相信如果马斯克在中国，在深夜，在不同高速开过车，他也会选择把前面一颗激光雷达保留下来。因为特斯拉对于安全同样重视，只是他要在这个环境看到。
激光雷达和视觉的配合，在安全上有两个作用：一方面，最容易出的事故是钻到大车底下，产生追尾。尤其光线不好，甚至没有光线的情况下，如果可以做到，能减少90%以上重大伤亡事故。
甚至我们研发AES（自动紧急避让），哪怕他超速，刹不住我怎么躲避？包括AES的两段式，就是第一次躲避以后遇到问题怎么做第二次躲避，都是为了让车辆变得足够安全。我们想办法消除90%以上，甚至最终目标是消除所有重大伤亡事故。刮蹭还会有，但重大伤亡事故我们尽可能解决掉。
另一方面，是对于其他交通参与者的安全。他可能踩的是滑板车，骑的是单板车，也可能喝醉了坐在路上，更好的传感器对安全有巨大帮助。
张小珺：刚才说到那两个你相对激进的决定，为什么其他中国车企没有马上这么做？
李想：可能跟我们有一些比较好的外脑有关，像王兴、陆奇博士，给我们带来很多启发。
比如，用规则算法，用解决corner case（极端情况）的方法能不能解决自动驾驶？解决不了。他不一定帮你解决，但他会给你一些视角。我说服郎博（理想汽车智能驾驶研发副总裁郎咸朋）很重要的一点：你们经常解决了一个corner case，又出现三个corner case，因为你是基于这个场景解决这个corner case，场景一变化，又出现新的corner case——你们一辈子都在解决corner case！解决不完！
一次战略会，陆奇博士给我们讲，你们应该思考一下人是怎么工作的。这对我们帮助很大。
我说服郎博，是拿我爱人举例。我爱人也是正常驾校学开车，拿到驾本。但她最开始开车经常刮蹭。我给她买了一辆宝马X6，她开起来刮蹭，觉得车是不是太大？因为X6接近5米长。我又给她换了4米2、4米3的高尔夫GTI，还是刮蹭。你坐在车里说，你不要刮蹭、不要刮蹭，还是会蹭。她会蹭别的车，进小区会蹭门。
怎么解决？当时，我想了一个特别有意思的方式，因为我家有X6、X5M，我就说，你应该去学一学宝马驾驶培训学校，学初级班就可以，一天时间。宝马驾驶学校的初级班是什么？很重要的是解决你的能力问题，并不是解决corner case。
一天下来只学两件事：你开车应该看哪里，教你怎么踩刹车。我老婆后面基本跟刮蹭告别了，开车开得非常之好。但她只学了一天，学的是能力。
端到端最后体现出来的是能力，而不是去解决功能、解决corner case。
张小珺：在你看来，端到端是自动驾驶的终极手段吗？
李想：端到端只能解决L3，肯定解决不了L4。（笑）
张小珺：L4需要VLA？
李想：对，L4必须使用VLA。
端到端+VLM可以解决L3，比如实现500公里到1000公里一次接管，让你在车上相对轻松。但它想L4，泛化能力是远远不够的。
