【长期主义】第304期智能说：理想要与特斯拉掰手腕，理想智驾研发团队访谈，对话何小鹏，M03目标月销过万

2024 年 8 月 30 日， 2024 成都国际车展开幕，理想正式公布端到端 +VLM 自动驾驶技术架构最新进展与未来规划。发布会后，理想智驾研发副总裁郎咸朋、智驾高级算法专家詹锟接受媒体采访，介绍理想智驾技术创新与突破、组织架构与业务迭代、安全保障、数据防护等内容。郎咸朋指出，理想将智驾作为公司级战略，研发、迭代、推广得到充分重视，通过技术迭代，推动销量增长，实现技术与市场良性互动。

2024年8月27日，小鹏汽车在北京举办小鹏10周年发布会，正式发布新车型智能纯电轿跑小鹏MONA M03，披露小鹏AI体系，发布自研芯片小鹏图灵，宣布未来10年将成为面向全球的AI汽车公司。发布会后，小鹏创始人、董事长、CEO何小鹏，小鹏自动驾驶负责人李力耘，小鹏MONA M03产品经理杨光，接受媒体采访，回应多个热点话题，包括MONA M03定价策略、交付计划、智驶技术路线、未来产品规划等。

本期长期主义，选择理想要与特斯拉掰手腕、24问对话理想智驾、41问对话何小鹏，华尔街见闻、车东西发布，六合商业研选精校，分享给大家，Enjoy！

正文：

全文19,302字

预计阅读39分钟

理想要与特斯拉掰手腕

时间：2024年9月4日

来源：华尔街见闻

字数：2,251

问：什么才是真正端到端？

詹锟： 端到端是一种研发范式，从最开始输入端到最后输出端，中间没有其他过程，用一个模型完整实现。现在理想汽车是一体化OneModel端到端，通过直接传感器输入，模型推理完毕后，直接给到轨迹规划用来控车，这就是一体化端到端。

市面上还有一种端到端，是在中间分两个模型，模型中间以一个信号做桥接，我们认为这不是真正端到端，如果中间加了人为信息消化过程，可能效率不是高，或能力上限受到约束。

郎咸朋： 真正做端到端要看两个能力，有没有足够多数据与充足算力，否则我觉得很难做出真正端到端，它是AI训练。

问：现在很多品牌提出自己是引领者，理想汽车也在说已经跻身智驾第一梯队，怎样评价自家端到端技术水平？

郎咸朋： 普通消费者不关注技术，而是体验，我们不与谁比。

以前我们为做城市NOA，考虑过用高精地图，后续体验因素决定转做无图，那时无图还是感知、规划、分模块方案，里面有大量人工规则与实车测试。

不说预算投入，时间上就非常困难，如果想将1年四季各种情况都跑一遍，没有1~2年时间不可能实现。我们迭代到端到端+VLM技术架构，这AI方案是自己长出来的。

之前辅助驾驶是系统辅助人开，主体是人，到现在端到端+VLM阶段后，我们认为是变成车自己在开。

训练出完整模型后，模型自己有能力开好车，我监督这个车哪里不行或者有提示需要接管，主体一定是车，人作为监督的辅助角色。

问：端到端研发周期大概多久？

郎咸朋： 理想认真做端到端+VLM，是从2023年开始，我们在研发阶段是一个非常小而精的团队，做无图时已经在预研端到端，现在做端到端，实际已经预研下一代技术。当判断条件已经成熟与初步验证成功，会转到量产阶段。

问：端到端最早是特斯拉提出来，我们是不是受到特斯拉启发？我们怎么确定流程一定能跑通？

詹锟： 端到端不是特斯拉第一个提出来，2016年英伟达就有一个模型提到这个技术，效果一般只解决特别简单场景，以当时算力与模型规模，大家认为这条路行不通。到2023年，特斯拉在新Transformer架构上，增加超大算力做出来后，在往更有成长方向上推进。

问：理想目前感受自己与特斯拉智驾差距有多大？

郎咸朋： 2023年时大概差半年，2024年可能还会再小一点。

技术架构上，我们跟特斯拉没有太大差别，甚至更领先一点，我们有VLM，特斯拉只有端到端。

在中国训练算力与训练数据上，至少从现在看，我们是领先特斯拉，特斯拉在中国还需要部署算力。

我们用上世界模型，可以生成、模拟场景，这是几千万个场景测试，是实现智驾快速迭代最重要、最必要的保证。这种方式进行模型迭代，比原来整车或者路试方式要可靠得多，1年四季各种场景全都可以涵盖。

詹锟： 世界模型可以根据当前环境预测未来，能够推理出未来场景。

比如，球滚到路中间，端到端只会刹车，世界模型会想是不是还会有小孩冲出来，它对世界有更宏观综合判断。VLM在我们系统上就是起到这个效果，我们现在模型规模还很小，能力有限。

问：前不久，有人提出500亿做不好智驾的观点，理想对此有什么看法？

郎咸朋： 关于500亿，需要判断是一次性投资，还是长期投资，就像今天提到的我们每年都会有10亿美元投资在智驾研发中，如果连续10年，是超过500亿。

端到端+VLM技术架构是一个分水岭，从这一代开始，才是真正用AI方式做。

之前我们还是在用传统方式做智驾，所有产品最终效果，都是有设计在里面，没有设计到的场景可能无法实现。不仅无法实现纯粹数据驱动，人工工作量也大。

一体化端到端模型，在模型结构、模型训练方式上有难度，最大好处是，我们给出数据训练模型，模型输出结果，这样自然而然的AI训练过程。

从我们自己端到端模型看，只需要告诉它，要做与老司机一样的驾驶体验，输入所有理想车主中老司机驾驶数据，它就给你结果。我们数据筛选非常严格，在当时80万车主中，只有3%才是真正的老司机数据。

有了这个前提后，接下来做研发的核心竞争，看是否有更多更好数据和与之配套的算力训练模型。

算力与数据的获取，需要看花多少钱、投入多少资源做。这其中有些东西是用钱买不到的，比如训练数据、训练里程，各家车企有自己资源，相互之间不会互通共享。

另一个需要投资的是算力，我们现在5.39亿EFLOPS算力，到2024年底预计提升至8亿EFLOPS，这是1年20亿人民币开支。

未来进入L4阶段，每年数据与算力呈指数级增长，意味着每年至少需要10亿美元。5年之后，它需要持续迭代，这样量级下，一家企业盈利与利润不能支撑投入，是很困难的。

现在不需要关注投入多少亿做自动驾驶，而是从本质上出发，是否有充分算力与数据支持，再看需要投入多少钱。

问：过去几年，智驾技术经历几次大迭代，类似巨变还会发生吗？

郎咸朋： 端到端+VLM双系统，是模拟人类思考认知的架构，我们做AI，最终希望可以实现拟人或者类人。目前AI框架非常合理，很多企业开始尝试跟进。

双系统理论，不仅可以用在自动驾驶，也是未来AI甚至智能机器人的范式。自动驾驶可以说是轮式智能机器人，只是工作范围是道路。

我觉得是有一定的长期行为力，技术发展无穷无尽，我们会保持对先进技术敏捷感知，如果有新的技术，我们也会追踪。

问：端到端量产交付后，能给销量带来多大增量？

郎咸朋： 无图NOA全量推送后，近2个月，我们试驾翻了一倍。30万以上车型AD Max占比达到70%，原先AD Pro会多一些，L9 AD Max甚至占比90%以上。

问：理想汽车对高阶智驾，有没有收费计划？有什么好的商业模式？

郎咸朋： 标配与免费，都是理想从第一天开始进入智驾就制定的策略，有监督的自动驾驶对所有AD Max车主都是不收费，它还能为自动驾驶提供更多车辆训练里程。交付量比较好、企业经营稳健，也有足够资源投入智驾研发。

24 问对话理想智驾：城市NOA使用比例高于高速，瞄准行业第一

时间：2024年9月3日

来源：车东西

字数：9,429

2024成都车展媒体日上，理想汽车智驾研发副总裁郎咸朋博士、智驾高级算法专家詹锟，就理想汽车在智驾领域的技术创新与战略布局进行深入探讨。

访谈中，理想汽车主要介绍智驾技术创新与突破、组织架构与业务迭代、安全保障、数据防护等四方面内容。

郎咸朋博士表示，理想汽车在智驾领域突破，离不开高效组织架构与技术革新。

理想学习借鉴华为组织架构，如IPD流程等，结合自身特点进行内化处理。这种组织效率提升，为理想汽车智驾技术发展奠定坚实基础。

郎咸朋博士介绍道，在智驾技术研发过程中，验证测试至关重要。

理想通过运用AI技术，尤其是重建与生成技术，大幅提升测试效率与效果。

相较传统人力测试，AI技术在保证速度同时，实现更高测试质量。

郎咸朋指出，理想汽车目前将智驾作为公司级战略，研发、迭代、推广均得到充分重视，也正是这一战略布局，使得理想汽车在智驾领域不断取得新成果。

郎咸朋认为，技术发展与销售规模可以并行不悖。理想汽车通过技术迭代，推动销量增长，实现技术与市场良性互动。

技术方面，詹锟详细介绍理想汽车端到端+VLM系统如何提升智驾能力，这一系统如何协助处理复杂路况，端到端+VLM系统为实现更高水平自动驾驶提供有力支持。

访谈实录：

Q1 ： 按照我们理解，理想智驾从一开始落后，到进展与体验靠前，有些做法非常关键，比如从研发RD（Research and Development）转入产品开发PD（Product Development），与快速试错，在转PD过程的验证工作，如何兼顾速度与质量？对传统粉丝诟病的新势力验证不充分就上市的说辞，我们如何应对这种质疑？

郎咸朋： 后进生逆袭到第一梯队很正常。第一点，我们组织效率非常高效，我们是向华为学习组织架构，比如我们内部有IPD流程等。这是我们学习一些先进经验，结合理想汽车企业特点进行内化处理的结果。

验证测试方面，我们通过技术提升，做到更好测试与发布效果，同时减少时间与人力。测试效果比原来人力测试更好，这是AI技术带来的结果。

我们用重建、生成技术，取代人工测试，重建技术很快能够重建几百公里场景，包括各种天气路况下场景，这些场景通过人类驾驶未必能够获取。

詹锟： 目前在整个智驾团队，我们PD、RD、交付三者同步进行，我们是交付一代、研发一代、预研一代，这是我们为什么能一直紧跟目前智驾最新技术方案原因，我们有比较好阶梯式研发流程。

我们做无图NOA研发时，端到端已经开始预研。不是等无图NOA做完，再慢慢切换到端到端架构研发中，我们前面就有储备，这是我们为什么会速度比较快的原因。

如果大家觉得牺牲效率，是没有找到提效方法，我们逐渐已经找到通过自动化测试、世界模型高效验证模型的方法，我们才能兼顾速度与质量。

Q2 ： 现阶段理想智驾研发架构中，分为算法研发与量产研发，分别对应不同小组，小组对应的是端到端不同模块。随着未来算法迭代与成本优化，未来组织架构是否会进行调整？朝哪些方向做调整？这个过程遇到哪些难题？

郎咸朋： 整体战略规划与业务战略里，我们对业务组织有清晰布局。组织根据业务变化，业务目标与迭代根据战略调整，这就是我们业务领导力模型BLM流程，我们原来叫理想汽车战略分析法LSA流程。

大家可能对外感知到的是产品、组织迭代，实际上背后影射的是我们战略与业务迭代与变化。

我们组织变化，要追溯到2023年或者更早。我们把智驾作为公司战略后，业务与组织开始发生迭代与变化。

2023年秋季雁栖湖战略会，我们首次明确提出PD与RD都非常重要，在那之前PD、RD已经有了，只是在战略会上，进一步明确将智驾与RD都作为公司级战略展开，业务发生变化。接下来组织会不会发生变化，要看跟业务是否有关联。

Q3 ： 目前所有车企能够量产车型都是L2级辅助驾驶，理想端到端+VLM怎么保证智驾安全？

郎咸朋： 流程上来讲，内部主要研发流程，分为产品交付研发流程、智能AI的研发流程，两个流程相互配合。

端到端+VLM这套技术系统在一个月测试过程中，开启城市NOA功能，始终是通过拨两次方向盘杆，实现从A点到B点智驾，模型迭代能力在不断提升。

模型迭代的时候，整个功能跟原来完全一样，这个功能之前做的测试仍然有效。对于这个能力表现，我们用生成与重建方式做模型泛化测试与检验，比实车在全中国驾驶测试好得多。

这是我们在AI时代到来之后，对于产品研发的深度思考，从而带来研发变化。

安全另外一层含义是：怎么能在产品交付之前，做更多、更有效测试。如果用实车做测试，一方面是成本，另一方面是测试效果可能达不到交付有监督自动驾驶的程度，特别是当模型迭代比较迅速的时候。

我们现在用diffusion Transformer技术，再加上3DGS技术，能够把曾经遇到过错题，以及遇到过的场景，举一反三形成模拟题，实现不断测试模型能力，不断优化各个城市表现。

我们在每个维度上都有非常严格打分，比如安全、法律法规等维度。如果不安全、不合规，模型不能交付给用户。

现在千人团内测阶段，还没有到量产阶段，在安全、合规方面要求会更加严格，确保我们产品是一个安全可靠的产品。

詹锟： 我从技术角度说，我们有安全兜底模块，甚至有些东西，我们会保证它有绝对下限。

以前写了很多规则应对不同场景，现在只需写下限规则，上限全靠端的端、VLM捕捉，甚至有些防御性驾驶，VLM都可以提前告诉系统，比如丁字路口、坑洼小路等，这些都在一定程度上提升系统安全性。

无论是数据还是算法，都是在把安全性往上提升。不是大家说的那样，用端到端安全就差了，这是针对设计不完善的一种想法。

AEB/AES是在最极端情况下，最兜底的一种保证绝对安全的方式。这就是用算法、冗余一起来解决安全问题。

Q4 ： 现在从生成到输出，对于传感器，包括数据，需要有一些质量监测，这个过程中如果出现恶意攻击，甚至说出现各种故障，这种情况，理想汽车怎么解决数据安全的问题？

詹锟： 面对数据被污染或者传感器遭受恶意攻击，以及对神经网络进行对抗性破坏，我们已经将这种情况涵盖到整个网络训练过程中。

模型训练，不是针对单一传感器，比如一个传感器损坏，我们能够通过BEV解决。即使在雨天，某个传感器脏污的很厉害，我们依然能稳健驾驶，同时能给用户对应提醒，会告诉你找个安全地方停车，不会让系统直接失效。

有雷达Radar、激光雷达LiDAR等多个传感器，各个传感器在不同环境下能冗余互补，单一攻击很难起效，这就是为什么很难有单一的攻击策略，能让智驾系统失效，在技术上做了很多防护。

Q5 ： 理想汽车怎么衡量技术发展与销售规模平衡问题？

郎咸朋：理想L系列外观比较相似，外界说是套娃，这让我们有最大优势。传感器布局与传感器型号完全一致，理想L系列数据可以完全复用，这是我们比其他企业想的更长远，大家觉得我们套娃，实际上对自动驾驶研发非常有好处。

我认为技术发展与销售规模平衡不矛盾，最近2个月，我们AD Max车型销量，每个月保持10%以上提升，30万元以上车型AD Max销量占比达到70%，部分车型部分地域AD Max占比达到90%以上，这就是我们最近几个月技术发展带来的变化。

如果技术没有影响销售，可能是技术落地没有做好，没有真正解决用户需求。 之前行业普遍做轻图与有图方案时，也在做一些功能，一定没有端到端使用效果好。我觉得还是到了端到端，大家对产品的效果有了更好体验之后，用户就会买单。

Q6 ： 智驾技术升级，是否能带来销量提升？

郎咸朋： 销售有几个非常重要的漏斗。

第一是品牌，只有用户认可品牌后，才会比较智驾、电池、续航等。

如果一开始品牌就不在老百姓选择范围内，可能做什么，都跟销量没有关系。

Q7 ： 现在端到端在不同城市表现不一样，我们会针对不同城市做不同模型？还是说会在一个模型上不断调优？

詹锟： 首先，模型在不同城市有不同表现，不代表我们要对不同城市发不同模型，让模型获得不一样错题。而是在世界模型评测体系下，能够精准知道这个模型在不同城市是什么表现，便于我们对其做有针对性分析。

比如过去Case里，杭州与广州偏弱，对应补足杭州、广州一些特定场景，加入训练数据，放到模型中，让模型有全面提升，模型迭代过程不是盲目的。

如果我们不知道产品在不同城市表现，我们会盲目寻找全国各地数据，最后实车体验时，用户发现杭州还是不行。

这样的结果，是迭代效率非常低，训练数据量增加没有效果，这就是大家都在说的大模型需要高质量数据。有精准的评测，才能提高质量，而不是盲目增加数据量。

不同城市、不同模型的效果，是我们非常好的一个特点，能知道很细节的评测维度，不同模型我们有很多维度。

不同城市，还能知道它更细分情况，让我们更有针对性。比如是不是广州高架桥特别复杂，是不是杭州可变车道特别复杂，导致端到端表现不如其他城市，我们是通过这种方式迭代我们智驾。

最终，我们肯定最后会把在全国都非常均衡的智驾，推送给用户。

Q8 ： One Model模型怎么优化？只能靠优质数据？系统本身是否会有调整？

詹锟： 我们现在用数据大幅训练模型。

微博上有人总结我们三个版号的含义。

第一个版号是数据，1表示100万量级clips；2表示200万clips。

第二个版号是模型结构，优化不只是依靠数据，模型结构也很重要，里面有各种细分类型，比如Cross Attention、Self Attention，我们在这方面会做各种各样设计与实验，第二个版号有各种变化。

训练策略也会发生变化，模型训练一遍就结束，还是训练一遍以后把重点那点挑出来，再重新训练一遍？还是先训练一部分，再做精选数据训练。

这些都是在大模型训练过程中，我们逐渐积累的经验，肯定不是仅用数据来迭代。

Q9 ： 大家都在探索自动驾驶，没有共识方案，理想端到端+VLM进入市场同时，还会不会有其他探索？关于智驾短期目标，或者最终目标是怎么样？

詹锟： 第一个事实是，大家都在研发、尝试阶段，我们之所以敢把目前版本推送给用户，是我们觉得可以类比CNN深度学习网络时期，当时一个竞赛，CNN性能优化10%左右，性能与安全体验得到大幅提升。

第二个事实是，这个过程当中，不同数据、不同模型结构、不同训练方法，对模型迭代都有帮助。

这是各家都在做的一个关键，解决数据与训练算力基础问题之后，我相信我们，包括特斯拉都能成功炼丹。炼丹第一步就是得有原材料，当原材料得到解决，炼丹比例调整好，这个丹的作用才大。

理想端到端+VLM综合MPI（平均接管里程）

类似以前炼火药，按照一硝二磺三木炭比例来，火药威力大，如果1:1:1做出来，是呲花，这就是各家在迭代过程当中的一些技术诀窍。

我们与用户共同成长，我们需要知道每一套模型实际表现如何，我们内部有自己测试，如果表现不好，就会内部消化，这种模型不让用户使用，每当模型有迭代、有提升时，我们都会拿给用户进行测试、验证，这是我们研发过程当中一些迭代。

关于下一代方案，上周智元发布会，智元展示G1~G5的具身智能过程。我们内部也有自动驾驶整个研发过程的阶段，我认为现阶段，无论是对理想汽车，还是对特斯拉，都是在向双系统方向发展。

端到端肯定是非常好的阶段，我们认为已经达到L3。我们想进一步向L4发展，就是需要端到端+VLM双系统，我们认为这是面向L4的终局方案。再往后，L4不是终局，我们还有L5，像智元发布的G5一样，我们肯定还会有一体化、超大规模的统一模型，像GPT~4o模型。

未来，肯定要把两个模型合在一起，实现手脑完全结合的大模型方案，这是我们之后要尝试，要探索的东西。

Q10 ： 目前，理想AD Max由两颗OrinX来支撑现在测试的能力开发，端到端方案对车端算力要求是什么样？是更高，还是更低？未来随着上车端到端会不会变得更加强大？这究竟是什么样的关系？

詹锟： 各家在使用算法的时候，都会跟自己硬件匹配，无论是用地平线方案，还是Orin方案。双OrinX，可以完美适配我们双系统方案，如果要给出一个固定上限，不是很好直接预测或配置。

我们可以知道，随着算力增加，整个能力是一个非常线性增加，包括特斯拉也证明12.5版本比12.3提升5倍，完美符合大模型Scaling Law。

对我们来说，到Thor（英伟达最新一代高性能自动驾驶芯片）阶段，我们肯定会有更大规模数据量训练的端到端大模型，效果会进一步提升。我们可以看到它的趋势，我们会基于芯片对它进行相关算法的定制化调整；模型规模越来越大，最后产出的端到端效果，会越来越好。

可以看到特斯拉现在正在宣传2026年要做AI 5芯片，大概有3,000~4,000TOPS水平，这个阶段是他在做Robotaxi的一个想法，我们也在持续关注高算力的车端芯片性能。

郎咸朋： Thor芯片上车后，算力比现在OrinX又大很多，我们会在Thor更多发展我们系统化VLM模型能力。

端到端模型，我们认为比较吃算力，它使用算力上限比VLM少很多，它有一定上限，要1,000万clips，训练这样一个模型，所需要参数量非常大。

向L4发展过程中，整个系统，需要让它具备更好应对未知场景能力，未知场景能力的提升，需要提升的是系统2，就是VLM模型能力，我们现在22 亿的产出量，将来可能再去扩大。

Q11 ： 端到端方案，对算力要求下限最低到多少？

郎咸朋： 我们认为没有下限。

Q12 ： 理想汽车端到端+VLM两个系统怎么配合？未来发展是什么样？

詹锟： VLM在车上类似GPT，各个系统模块都会找它问问题，车机会问它，有个高架桥是不是要在桥下走？如果不是，VLM可以跟车机进行交互，输出轨迹进行切换。

端到端问它，当前这个路口走到左转人行道上，能不能沿左转走，还是违背路径，沿着其他方向走，这种复杂路况，VLM都需要做判断。

各个模块会问VLM，VLM也会自己判断情况，比如遇到比较复杂路况，施工坑洼等，VLM会主动给端到端系统发信号，端到端收到减速信号，或者是一个注意安全的信号，会把文字信息会变成embedding，就是把它变成一个特征向量编码，放到端到端模型，最后端到端模型对应采取减速策略或者避让策略，输出轨迹。

还有一些情况，比如我们告诉端到端这个地方是公交车道不能走，端到端在输出轨迹时，就不会向公交车道方向去。通过各种语言文本信号配合，让端到端能听懂VLM相关建议值。

VLM相当于教练，旁边有个这样司机告诉你，这里要注意车辆减速，车辆预判驾驶，具体怎么踩刹车，这个会让端到端判断，VLM会给出相关建议，甚至踩刹车程度的建议也会给。

Q13 ： One Model端到端，如何实现？相比其他分段式端到端区别？

詹锟： 我们是传感器的输入做编码，交给统一的Transformer decoder网络做输出。它的输出分几个维度，一是感知信息的输出，感知信息可以用来做显示，跟驾驶员做交互。另一个是辅助监督，让模型收敛得更快。

另一个更重要的是直接输出轨迹，我们这个轨迹交给一个控制模块，控制模块会做安全校验，最后转成油门开度、方向盘转角，最后输出出来。

整个模型架构非常简单，不是特别复杂的架构，而是非常简洁清晰的架构。我们更多是通过数据，通过配比，通过训练策略，调整One Model端到端效果。

郎咸朋： 相比其他分段式、分模块最大优点，是模型在进行推理时，所有信息是一手信息。如果是分段式，上游是感知，下游是规划，最终车开的好不好，还是要看规划，规划来的信息不是一手的，感知如果出问题，规划拿到的信息可能就是有瑕疵，或者有错误。模型就算训练的再好，输入不好，规划还是会存在问题，这是最大区别。

One Model有没有它的问题？有，它的训练难度非常大。来的是原生数据，出来的是轨迹线，这样一听就感觉不太好训练。

第二是数据，理想有非常好的训练数据，我们有非常多视频训练片段，我们有22亿公里训练数据，2024年底将达到30亿公里，30亿公里不会都用来训练。

我们会挑选老司机数据，开的好的，什么是开的好？

我们有几个维度，比如平时驾驶习惯，是不是总是急加速、急减速，包括总是开出AEB来，这种数据我们肯定不要。

我们给每个司机都打分，现在理想90万车主，大概有3%司机，可以被我们评价成老司机。22亿公里，我们能拿来训练，是优中选优的数据，其他企业不知道有没有这些数据可以选，甚至有没有这些数据，这种情况下要训练，分段式或者模块化是更好选择。

詹锟： 分段式与One Model区别，我补充比较形象的例子。

分段式，重点是中间要传出一个信息，给下游规划这个模型，它传出的信息一定是有损的，我要对中间信息做设计。

比如车的3D位置，朝向、偏向转角在哪里，我要给它一个结构化信息描述，这样的描述一定是有损的，这是加了人类先验信息。

比如它是一个渣土车，渣土车在掉渣与没掉渣，对于驾驶会有明显不同。分段式里面，很有可能把这些信息丢掉，只有完全One Model，才能把隐晦的信息彻底理解，才让车驾驶的更像老司机。

分段式是Two Model，会导致中间信号有损，有损信号与无损信号比，规划不能给出很好决策。

Q14 ： 理想给这么多用户评分，未来还会有很多用户，即使不是理想车主，都会想在理想的智驾领域得到老司机认证。这些数据，不会在以后开源，作为公开的东西进行评测？

郎咸朋： 我们把这些建议先记下来，我们目前没想过这些问题，数据都是用于我们内部研发，如果以后有需要，我们再做。

Q15 ： 用户驾驶行为好，理想汽车打了很高评分，如果是高分用户，希望通过理想能够把信息传播给更多消费者。

郎咸朋： 我们会考虑。我们考虑到一些竞争因素，这个相当于高质量数据筛选的规则。是我们核心机密，如果一旦公开数据，其他人可能也会学会。

Q16 ： 现在行业中有共识，智驾分能用、好用、爱用三个阶段，目前理想汽车智驾做到哪个阶段，我们大概需要多长时间，可以做到爱用，哪1年可以达到这个目标？

郎咸朋： 能用、好用、爱用，这是用户决定。

我们千人团车主，以及购买AD Max车主比例显著提升，我认为这已经进入到能用阶段。

我认为端到端内测推送后，就是一个好用状态。我上下班智驾比例达到95%以上。

好用与爱用，是培养大众对智驾理念认同的过程。我们现在千人团、万人团，包括一些发烧友车主，他们依然处于早期大众阶段。

当步入晚期大众，也就是50%消费者在没有智驾时，会不习惯、甚至不会开，等进入到这个阶段就是真正爱用阶段，或者说是必须要用。

理想汽车研发迭代速度非常快，我们最早2024年底，最晚2025年上半年，就会将这套有监督的自动驾驶量产交付，那时一定会让大家非常爱用。

Q17 ： 现在理想用户智驾比例达到多少？

郎咸朋： 我们智驾分为城市与高速，在无图NOA全量推送后，城市NOA日活比例已经高于高速NOA日活比例。这说明我们产品提升，我们每天自己开车，也是在城市道路居多。

Q18 ： 仿真训练与车主自己驾驶的比例，分别是多少？

詹锟： 我们评分体系非常严格，不是所有车主数据都会拿来训练，我们会有非常严格分数，分数会卡在3%~5%水平，随着后面数据采集越多，对质量要求不会降低，这是我们训练的体系。

22亿数据里面，只有高质量数据、有价值数据会拿出来用。仿真，我们会把无论是自动驾驶，还是人开的不好的场景，我们会拿进来用，这个比例随着用户使用程度越来越高，我们会越来越收紧。

相当于大的仿真考试题库一样，我们会持续验证是不是每个版本都可以，是一个积累的过程，不是说我单独选择一个值。

目前我们有1千万公里的仿真测试集，这是实车测试不可能在短期内实现。

郎咸朋： 我们每个模型的发版至少进行1千万公里测试，不仅节省做路试时间，效果也有显著提升。

错题集一定是有代表性的场景，比如有安全类问题、效率类问题等。今天我们在发布会上重点讲了系统1与系统2模型，后面我们会给大家介绍更多训练模型相关的信息。

现在我们做到每2~3天迭代一次模型，最关键技术是AI评价体系，也就是测试系统。测试系统需要很多人、很多车进行路试，消耗大量人力、物力。

我们觉得这依然不够，第一模型迭代速度过慢，第二场景受到限制，我们不可能将同样场景开过两次，不可能在夏天模拟冬天场景，我们做了AI评价体系，上千万公里错题集对应是上百万case。

错题集之外，我们还有模拟题，将以前错题在不同场景下，生成用来评测是否依然能够开的比较好，要达到我们80分及格线。

我们在云端有非常强大模型，收集到有问题用户数据之后，模型能够帮助我们进行分类，直接放入错题库，这样效率是非常高的。

如果我们想要训练模型、迭代模型，这样非常厉害的评价系统是必须的，就像考试要有人批卷子，有人告诉你哪里对、哪里错。

Q19 ： 路试与仿真训练比例是多少？

郎咸朋： 现在路试数据没有用完，是22亿公里。

我们到100亿公里量级时，可能路试数据就不多了，那时我们下一阶段会用很多仿真数据。

大家可以看到生成模拟器的生成场景，不仔细看，无法辨别是真实还是模拟。我们做出有监督自动驾驶后，这套模型迭代会比现在快很多，能够直接生成训练数据，这样我们在训练下一阶段L4自动驾驶时，我们会用到仿真数据。

Q20 ： 你认为理想在中国智驾体系中，排在什么位置？

郎咸朋：我们一定希望达到第一位置。我们深刻理解做AI，除了要建立各种平台体系外，最关键是最终大家竞争是算力与数据。

特斯拉从不避讳讲自己技术，就是他相信其他人无法超越他的算力与数据。

我们也是一样，人才互相流动非常正常，模型与算法对大家都不是秘密，最终大家比拼的是没有算力与数据训练算法，更直接一些就是资金，也就是能不能有足够销量获取更多利润，养自动驾驶算力与数据。很多人说理想卷销量，实际上销量背后，是我们对于自动驾驶深刻思考。

Q21 ： 理想怎么看待车企做Robotaxi？

郎咸朋： 我认为Robotaxi是一个产品或商业形式，不是技术。技术发展到一定程度后，可能会催生很多商业形态，Robotaxi，Robobus等。

第二，消费者需求，是不是已经到大家更愿意用Robotaxi阶段，或者用自己车来做Robotaxi。

还有一些相关国家法规，国家法规激励新能源车，才能让我们走到现在，这与国家法规对这些产品形态支持有关。

Q22 ： 你觉得智驾未来商业前景是怎么样？

郎咸朋： 我认为对于智能车，智驾与自动驾驶是不可分割的一部分。

如果收费，就会涉及到不缴费的智能车体验不好。我们智驾功能免费，当技术与能力到了一定程度后，会催生出一些新商业场景与模式。

大家现在会有很多畅想，如果实现自动驾驶，会有各种各样场景、产品，现在端到端+VLM是一个分水岭，之前无论是有图、还是无图，都是用非AI方式做智驾，我们做详细产品需求、规划、拆解、验证。

对于端到端，与其说我来测试它，不如说我来体验它，体验一下它今天学到什么样能力。

举个例子，今天发布会上视频中有，一辆车突然向左方避让，实际上前方没有车，而是后面来一辆自行车，他会让自行车先过，再回来，这样规则几乎是不可能有产品经理设计出来，我们模型可以实现。

大家要用不同思路与眼光，审视接下来AI时代自动驾驶，一定会超越所有人预期，我们提到1个月内迭代12代，会有些人觉得我们测试不充分，2个月，3个月，甚至1年之后，就不会再这样想，自动驾驶会大规模落地。

Q23 ： 刚才提到的自行车场景是否类似自动驾驶？

郎咸朋： 有这种感觉，还是最初阶段，到1,000万clips时，肯定能够涌现出很多东西。

Q24 ： 大家频繁把世界模型引入到自动驾驶，但大家理解都不一样，想了解理想对模型定义是什么？与系统1、系统2是怎么配合？世界模型上限是像人类认知世界，难度很高，在自动驾驶领域怎么定义？

詹锟： 大家对世界模型说法、理解、概念，都有很大差异，就与端到端一样。

世界模型，最早来自诺贝尔图灵奖获得者杨立昆，他提出模型意思是，在这个模型中能够想象未来会发生什么，即我对物理世界有个虚拟的抽象，根据现象可以知道未来会做什么事。

对我们来说，是想把世界模型用在自动驾驶，我们世界模型主要是用来做一个完整的验证系统。这就是对未来的抽象，我们把所有路上遇到的场景，与未来可能会发生的交互，甚至各种危险情况，都模拟在一个模型里。

这个模型，会对我当前所有行为做出下一刻的预判，这样的预判，可以帮助我们验证这个模型是不是对的。

我们想把模型用在我们整个自动驾驶校验系统上，这也是我们做这个世界模型的初衷。对我们来说，我们想把世界模型在云端验证系统上用的更高效，系统1、系统2是在做验证、做校验。

系统1与系统2，是一个超级大的模型，它的校验是最重要一个环节。衡量标准是，看你校验是不是准，是不是快。

郎咸朋： 世界模型对系统1与系统2，最大作用是提供一个训练与测试场地。原来是这个场地放在真实世界里，我们把世界弄到模型。在世界模型里，我们测试、错题、真题，都在这个世界模型中进行训练。

41 问对话何小鹏：M03目标月销过万，是否上增程留悬念

时间：2024年8月28日

来源：车东西

字数：7,623

小鹏10周年发布会结束后，小鹏董事长、CEO何小鹏，接受车东西等媒体采访时，回应大量热点话题。

何小鹏面对媒体采访时，对于行业关心的很多问题进行快速回应。

小鹏MONA M03 11.98万~15.58万的售价区间公布的时候，几乎超出所有人预期，现场一片欢呼，同时也有人在问，这样的价格真的赚钱吗？

何小鹏认为所有定价都有利润，其次要考虑在当前环境下客户想法，这个定价更多是考虑要回馈车主。造车不但要把车做好，还要确保用户买得起。

这一价格收获良好市场反馈，上市52分钟后，大定已经达到1万台以上。

目前小鹏汽车已经为这款车做好全面准备，除了Max版本春节后交付，其他版本都在9月交付。

张国仁询问杨光有关MONA M03交付目标时，杨光回复M03目标是月销过万辆，甚至更高。

何小鹏并没有在采访中说太多，仅表示芯片在设计上就考虑全球，能力都符合规定，在端到端大模型方面都可以发挥非常好作用。

何小鹏表示小鹏自研图灵芯片后，也会使用英伟达芯片，一起来构建小鹏体系。

小鹏汽车为何把未来10年定位AI汽车公司？何小鹏表示，小鹏需要把AI规划落实到整个公司具体细节中，放在与汽车产品规划同样重要序列。今天只是开始，后面还要做大量工作。

在当下增程系统销量火热情况下，何小鹏留了彩蛋，称在1024科技日上，带来关于动力系统思考分享，可能会与业内预想不太一样。

何小鹏整场采访都保持比较高情绪，很显然MONA M03的成绩，让他非常满意。交流下来，可以发现何小鹏对小鹏汽车、智驾技术路线，甚至行业发展前景都做了很深思考。这些也都将会在小鹏汽车下一个10年中，发挥作用。

何小鹏、李力耘、杨光三位高管采访实录，1小时回应40多个问题。

访谈实录：

Q1 ： MONA M03上市价格，是否会给成本与盈利带来压力？

何小鹏： 第一，小鹏汽车所有定价策略，最终都要实现合理利润，这是一切基础。

第二，当前市场环境中，用户诉求至关重要。制定价格时，我们优先考虑的是如何回馈广大车主。

通过大量技术创新，我们已经成功实现成本控制。我们在整车能量管理上做了大量功课，可以用更少电池实现更长续航，达成更低成本。

要把一台车，做到产品力优秀，购车成本可负担，绝对是要正毛利。

小鹏MONA M03的价格，是我们根据市场整体的情况，综合用户角度考虑、平衡后，定下的价格。

Q2 ： 为什么小鹏MONA M03 580超长续航Max版，与小鹏MONA M03 620超长续航版、小鹏MONA M03 515长续航版定价，差别这么大，三个配置定价是如何考虑？

何小鹏： 这几款车型研发、成本差别很大，之所以说15万级别车型做不到，就是要做到高阶智驾，能力要求很高。

Q3 ： 小鹏MONA M03三款车型，前期订单看，小鹏MONA M03 580超长续航Max版占比多少？你们预期哪款车型卖的好一点？

杨光： 小鹏MONA M03与小鹏MONA M03 Max版，是完全不同两群客户，买小鹏MONA M03客户更注重性价比，有基本智能功能就可以，大概占到50%~60%；购买小鹏MONA M03 Max客户，特别关注科技智能，大概占40%多。

Q4 ： MONA M03交付节奏如何？

何小鹏： Max版本，2025年春节后交付；其他版本，2024年9月份交付。

Q5 ： 鉴于小鹏MONA M03给力的价格，小鹏汽车在后续交付与产能层面，是否会有很大压力？这次会不会准备得更充分？

何小鹏： 小鹏MONA M03交付，是小鹏汽车目前为止，准备最充分的一次。小鹏G6上市时，我们最主要问题是产能瓶颈带来挑战。

小鹏MONA M03这次上市，我们不仅进行产能优化，还为长期行稳致远发展做好准备。在我看来，长期稳定发展，比一时爆炸产生的峰值更重要。

杨光： 无论是产品研发、上市发布、舆论维护，包括后续产、销、服等，这些都已经做好充分准备。我们目标是月销售过万，甚至更高。后续产品，也在紧锣密鼓研发中，做好充分准备。

Q6 ： MONA M03保交付的举措，做了哪些？

何小鹏： 保交付做的事情很多，比如供应链方面，所有合作伙伴的量与质量都要OK。

第二，设计质量、研发质量、制造质量、整体服务质量等，都为交付提供交付保障。

整个体系上下游，包括渠道、交付，还有在不同地方的资质，这些工作做的都很细，这一系列事情，都能够更好确保小鹏MONA M03交付。

我们一共设计3类SKU，包括小鹏MONA M03 515长续航版、MONA M03 620超长续航版、MONA M03 580超长续航Max版，前面2类SKU差别主要续航，一个是620公里，一个是515公里，其他都一样，所有这些设计都是为更容易交付。

用户下订后，差异大的是颜色与续航，生产制造非常简单，这些都是为了保交付做的事情。

Q7 ： 现在小鹏MONA M03价格，已经下探到10万出头，小鹏怎么看待这个价格区间内用户需求，以及小鹏MONA M03有哪些独特优势？

杨光： 以前轿车，在这个价格段，基本上都是比较老成网约车，还有是代步A级车与A0级SUV。

小鹏MONA M03，首先价格到了这个级别车型最佳体验区，这个车不仅有轿跑风格，与以前车区隔开，还有掀背造型，实现强适用性与使用场景兼顾。

10~15万价格区间内，与全类型车都做竞争，争取在年轻95后用户中，建立起差异化购车选择。

Q8 ： 小鹏总在发布会上，提到下一个10年会有新的开始，这次选择推出小鹏MONA M03车型，是看到年轻人的消费需求。

请问为什么会第一时间满足年轻人用车需求？这个价位、设计，跟以前P系列车型有多大区别？小鹏汽车以后市场战略有什么样调整？

何小鹏： MONA是小鹏品牌一个系列，它主力全部都在20万以内。

这个系列偏年轻，我一直觉得智能手机里，用数据的高频用户，往往是用语音的低频用户，也就是上网数据流量特别大的人打电话不是很多，打电话特别多的人上网不多，没有验证过。

按照同样假设，智能汽车应该是越年轻用户，越应该喜欢智能化，我不确定是不是。刚才有媒体老师提到，为什么价格相差这么大，智能成本是很高，硬件成本高，研发成本更高。

Q9 ： 发布会前看到小鹏与雷军同框，发布会时呈现很多米粉很熟悉的环节，其中转变过程大概什么样？

何小鹏： 小鹏汽车正积极求变，过去2年间，我们进行大量自我审视与调整，强化补足一些我们原来认为对、做得不够的事。雷军也给了我们很多建议，特别感谢雷军。

Q10 ： 如何看待MONA M03，是小米SU7青春版评论？

何小鹏： 我们没有这样考虑，它们是两个不同级别的车，我们期望把20万配置做到20万元价格以内，跟小米SU7不一样。

Q11 ： 小鹏MONA M03 Max版智驾功能，没有出现XNGP，这款车智驾体系与小鹏现有智驾系统是不是一个体系？端到端系统，会不会分散我们研发力量？

何小鹏： 我们只会做一个智驾体系。

Q12 ： 网传MONA有4款车型，MONA系列车型规划是如何？

何小鹏： 车型规划暂时不能透露，可以确定的是，MONA系列没有4款车型，没有那么多车。

Q13 ： 成本控制里，有没有与大众供应链协同优势，赋能体现在小鹏MONA M03里？

何小鹏： 肯定有，不同车差别很大，但都有，价值巨大。

小鹏MONA M03价格，是我们根据市场整体情况，综合用户角度考虑、平衡后，定下的价格。

Q14 ： 刚刚订车时，发现外饰、内饰颜色选配，都不要钱，这是基于什么考虑？智驾为什么没有Pro？

杨光： 颜色主要是考虑到我们目标受众。

雷军在做汽车时，也有思考这个问题，现在市面上只要是稀少的彩色，就加价。

我们目标人群，集中在年轻人，肯定要更多好看颜色，我们希望能简单触达用户，所有外饰、内饰颜色，都是标配，不加价。

李力耘： 在纯视觉与端到端大模型赋能下，我们希望以用户最能负担的价格，提供最智能、从门到门的智能辅助驾驶体验，用户用不高价格，也能享受高阶智驾体验。

Q15 ： 小鹏MONA，从独立品牌到产品序列，内部是怎么考虑？

何小鹏： MONA我们决定它是一个系列，就是一个系列，不会成为一个品牌。

传统汽车可能会设计多品牌，但AI汽车是一整个，现在汽车品牌的逻辑与以前不同，小鹏汽车希望创新，做到不一样。

Q16 ： 小鹏MONA品牌的出现，代表小鹏出现哪些变化？

何小鹏： MONA对于小鹏来说，意味着小鹏对商业化更重视，在营销能力、组织流程等方面，都发生巨大变化。

Q17 ： 你提到做企业要成功，不能有短板，你认为小鹏汽车现在还有哪些短板，以及怎么补齐？

何小鹏： 不是所有企业都需要有短板，很多企业只有长板就可以。

汽车是一个比较苦的行业，才这样。关于小鹏汽车，最近我们做了很多事情，例如设计领域，我们补了一整个大团队，还为这个团队在上海租了一栋楼。

第二，小鹏汽车过去考虑技术偏多，后来考虑用户体验，我觉得在商业上考虑不够，2024年，开始在商业化上发力。

第三，一个越来越大企业，纵向管理是挑战；做一个周期很长的企业，横向管理、横向专业、横向业务也很复杂。

现在，我们在横向业务上狂做事情，这不是全部。要想能够真正在下一个10年，做成一个伟大企业，还要不断锤炼组织能力，我们已经开始做很多框架调整，相比友商布局更早，看到的未来也不一样。

Q18 ： 小鹏汽车其他车型，会不会把激光雷达都去掉？以后有激光雷达车型，与没有激光雷达的车型差别在哪？

李力耘： 端到端大模型核心优势，在于降低对激光雷达单一依赖，转而强调信息整体性无损融合。

无论是有激光，还是没有激光的车型，我们都有两套硬件，一套软件同步更新迭代，无论城市、高速，还是门到门智能辅助驾驶，都能给用户提供最好体验。

随着技术不断进步，我觉得在追求L4级自动驾驶车型上，激光雷达仍扮演不可或缺角色，高精度探测能力为复杂场景下安全行驶提供重要保障。

日常城市驾驶场景中，主动传感器能增强安全性，但并非实现城市领航功能的必要条件。

何小鹏： 我们即将推出全新小鹏P7+车型，这款车型将采用无激光雷达或轻雷达设计策略。未来车型换代过程中，我们会逐步跟进这一理念。

Q19 ： 蔚来等车企在涉足手机，小鹏是否会考虑做手机周边？

何小鹏： 没有，我们只做汽车周边，手机周边有很多东西，汽车周边少很多，做精，不要做多。

Q20 ： 小鹏汽车品牌后续，会不会有增程类产品推出？

何小鹏： 我们下次打算在1024跟大家分享我们看法，我们看法跟现在市场上都不完全相同。

Q21 ： 小鹏汽车海外销量占比，已经超过10%，结合你说未来10年50%占比，今后实现路径是什么样？

何小鹏： 右舵车除了在新马泰，在英国等欧洲多个国家也都会推。

做全球化，非常困难，第一是长期主义，第二与当地共赢。我们希望走高质量发展路线，把智能化走出去，把能量管理、超充都做过去，在当地做不一样的。

2024年，小鹏汽车会进入接近30个国家，有相当部分是在欧洲，我们会一步一个脚印。

2024年，我们给内部提的目标，是海外市场要有50%占比。

刚同事给我一张纸条，让我非常开心，小鹏MONA M03销售势头非常迅猛，他认为在采访结束前会大大超预期，采访结束前大订会突破1万台。

Q22 ： 智驾硬件解决方案例如图灵芯片，会不会在合作伙伴车型上，比如大众车型上进行搭载？

何小鹏： 首先，图灵芯片满足小鹏汽车内部需求，就是巨大工作量，我们要先把内部做好，例如我们AI机器人用的是图灵芯片。

图灵芯片，要跑包括端到端自动驾驶等在内不同大模型，还有多个大模型要跑，要面临挑战很多，我们要先把自己干好。

Q23 ： 小鹏为什么会考虑做芯片？芯片制程是如何？PPT说一个顶三个，这个具体含义是什么？小鹏图灵芯片面向L4级别，打算什么时候量产或商用？高阶自动驾驶芯片，与英伟达芯片，是否构成竞争关系？

何小鹏： 第一，我认为将来立志在AI层面有所作为公司，可能都会有非通用芯片，也就是像小鹏图灵芯片这样专有AI芯片。

第二，我们不打算对外介绍制程，我们实际上更看中它的能力。

第三，关于一颗顶三颗，我们认为它在专有能力上，达到甚至超过我们现在使用3颗芯片的能力。

第四，我们期望小鹏汽车将来，英伟达与自有芯片都会使用，共同构建小鹏汽车整个体系。

Q24 ： 是不是意味着到了L4才会使用？

何小鹏： 它的意思是，芯片可以从L3一直用到L4，不是仅用于L4，L4考虑冗余至少要用2颗。

Q25 ： 请问小鹏汽车为未来自研产品芯片出海，做了哪些准备工作？

何小鹏： 芯片出海，设计一开始就考虑全球，第二是所有能力都符合各个国家规定。这两个方面，都是按照相关约束条件去做。

Q26 ： 小鹏的AI体系里，我们看到底座是有AI芯片，AI大模型，有AI机器人、飞行汽车、AI汽车，你个人认为机器人与飞行汽车这块占了多大比例，未来在投入方面会是什么样配比？

何小鹏：AI机器人是小鹏内部公司，我们投入很多资源，动力团队除了做汽车动力，还在做机器人动力，比如自动驾驶方面，我们不光做中国自动驾驶，还要做全球自动驾驶，还要做机器人的自动驾驶。

它实际上是用一套体系，在AI机器人领域，最主要的投入，还是在组织能力建设上，这是全公司最重要的事情。

Q27 ： 高算力平台上，做到高阶智驾不算厉害，在之前低算力平台上实现端到端才是能力的体现，小鹏汽车怎么看待这个观点？未来有没有规划在更小算力平台上加更多功能？

李力耘： 我们团队最近在美国非常非常深度体验特斯拉FSD v12.5，但可能是硬件配置稍微高一点的车型。

在我看来，我们首先应该专注把核心自研的技术做到像特斯拉一样越来越好开，用指数级体验来提升。

在能力上限进化的速度足够快后，一定可以回头来往稍微低一点的硬件上赋能。我相信这件事，有一个顺序，先突破足够的高度，呈现我们真正能力，再向下赋能。

何小鹏： 小鹏2022年推出G9，我们现在所有自动驾驶升级计划，在未来还有好几年升级规划，完全可以做到一样。

Q28 ： 之前提的智能汽车门槛是15万以上，小鹏汽车端到端技术方案有没有价格门槛？技术储备达到什么程度，才可以支持端到端模型达成？

何小鹏： 大概3年前说的，原来讲的是15万级别智驾车，谁都做不出来，把功能做出来，还要把价格做下去。我比较开心的是，我们把3年前做不到的事情，今天做到了。

李力耘： 端到端门槛不是价格门槛，端到端会让智能化迭代方式或行为模式、研发范式发生改变。

传统规则时代，设计一个算法、建立一个模型、一个团队做一些改动能够很快见效。但有点像头痛医头、脚痛医脚，也就是感知不行，就把感知模型做的更好；如果是规划不行，就针对场景设计一些算法。

在今天这样一个让用户全方位体验到高阶智驾能力、是全国都能开、越来越好开的时候，要求就已经不一样。

端到端会让整个链条变得更长，我们每年投入35亿AI费用，无论是从算力建设，还是更重要的是数据采集，都需要大量沉淀与时间。

何小鹏：我举个例子，以前自动驾驶Tier 1是写规则，它可以把一个规则放到不同车里，做些修改就可以用，也就是Tier 1下限比较高，上限比较低。

端到端体系，上限很高，如果做不好，下限也很低。

这样体系里，将来端到端一旦更成熟后，以小鹏汽车为例，2024年底~2025年，Tier1为自动驾驶给合作伙伴提供规则方法论越来越困难，就会倒逼越来越多厂商自研或者深度自研这个体系。

Q29 ： 行业有个共识，智驾会经历从能用、到好用、到爱用阶段。目前小鹏汽车已经达到了好用级别，请问什么时候能达到爱用阶段，或者说整个行业什么时候能达到这个阶段？

李力耘：如何从好用到爱用，很简单，就是端到端AI大模型。

跟大家分享一个数据，最新小鹏AI天玑5.2.0系统推出后，有几个核心指标，包括里程渗透率、行程渗透率、用户渗透率等几个数据，都可以明显看到端到端大模型赋能。

小鹏MONA M03软件丝滑程度提高20%以上，窄路、掉头、环岛等原来用规则处理艰涩地方，处理能力有很大提升，从用户调研数与我们拿到数据反馈上，都能明显看到这一点。

大家形成一个共识，智驾体验从能用、到好用、到爱用，是条必经之路。大家可以继续关注我们新版本，在端到端大模型赋能下，会向用户推出我们更好的门到门XNGP体验。

Q30 ： 该如何理解小鹏汽车财报中提到robotaxi业务不会重运营？

何小鹏： 我们主要把车做好，交给合作伙伴运营，比如滴滴、高德，或者其他合作伙伴。

Q31 ： 小鹏MONA系列，从开始发布，到现在持续保持很高热度，为了持续保持热度，有没有其他动作？小鹏营销上提升非常大，小鹏汽车做了哪些方面调整？

何小鹏： 这两个问题都是营销相关问题，实际上就是鸡跟蛋，比如说看小鹏MONA系列动作，感觉到小鹏汽车营销有变化，这就代表我们已经做了一部分调整，是正在路上，也变得越来越好。

第二，小鹏汽车对商业化更重视，包含营销能力。包括营销能力在内，进一步关于组织、流程、工具系列变化，都还会继续，越来越好。

Q32 ： 请问你创业以来，印象最深刻的几个瞬间，最高光的是哪几个瞬间？

何小鹏： 今天讲了很多瞬间。高光的瞬间，比如说最近印象最深刻的是小鹏G6光电测试，怎么都开不完，最后开完总算可以推车，第一次发现推车还是挺开心的事情。

2020年8月27日，小鹏汽车上市瞬间；2022年9月，小鹏G9发布瞬间，都让我印象很深刻。

Q33 ： 彭博社今天报道小鹏要在海外建厂新闻？

何小鹏： 不是在海外建厂，而是正在海外看合作伙伴，如果跟合作伙伴一起做会更好。

Q34 ： 除了何小鹏投资2亿美元，还有哪些最核心的决策，导致小鹏成为今天新势力造车胜利者？

何小鹏： 与大部分新造车企业或创业者差异在于，我是技术产品经理出身，或者说我是偏软件、偏互联网技术的产品经理出身。

我在思考小鹏汽车自动驾驶、智能座舱、AI等层面课题时，软件与AI权重一直比较高。

我认为，下一个10年，AI在购车决策中权重会接近50%；上一个10年，购车决策最重要是车的大小、动力、安全等一系列因素。

Q35 ： 为什么小鹏MONA M03的小P，不会像其他车型一样，召唤时候就跳出来，没有小P的形象出现在车上？

杨光： 我们有两种车机，一个是小鹏MONA青春版座舱，还有一个是天玑，这两个功能类似，各有不同特点，小P是天玑系统里一个标识。

Q36 ： 未来10年，小鹏汽车定位为什么叫AI汽车公司？

何小鹏：大部分汽车人或者互联网人，很认可AI在未来发展中重要性，也有一部分人觉得这是营销噱头。

我觉得需要我们从公司、团队管理、实际项目角度，把AI规划落实到具体细节，放在与汽车产品规划同样重要序列。今天只是一个开始，后面我们还要做大量的工作。

Q37 ： 如果说把创业10年做为一个历程，请问你觉得实现10年的目标了吗？你下一个10年目标又是什么？

何小鹏：上一个10年，把智能电动汽车做出来，卖了1万台或10万台，都是一个个目标不断分解。

下一个10年，我想把AI汽车做好。

未来我觉得城市里面的车，应该是无人驾驶，城市间的车应该是低空飞行，未来短距离交通工具与服务工具应该是机器人，这三个愿景要实现，甚至不止10年，也许下个10年能做得到。