李想：汽車是物理世界AI最大的應用，但L4門票要三樣東西
他把AI產品分三段：增強能力、成為助手、成為家人。今天連第一段都沒做好，所以真正的競爭還沒開始。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
基座模型是AI時代的操作系統
李想認為，今天幾百家電動車企業能存在，是因為中國有完善的供應鏈；但未來能去做基座模型的企業會非常少。他把基座模型定義為「人工智能時代的操作系統加編程語言」，是新一代入口，會在所有設備之上、所有服務之上。所以他對團隊的要求是：未來幾年必須保證大語言模型的基礎模型是行業前三，為此願意投資算力，去跟頭部企業PK。他把這看成一道分水嶺——不是所有企業都能做操作系統和大型雲服務。
— 李想AI產品分三段，今天連第一段都沒做好
李想用三種方式描述AI產品的演進：第一階段「增強我的能力」，AI是輔助，責任在人，比如拿MindGPT畫完畫還要用Photoshop改；第二階段「成為我的助手」，可以發連續任務並獨立承擔責任，比如讓L4的車自己去接孩子；第三階段「硅基家人」，不需要指示，主動管理家庭，甚至延續記憶。他認為今天可能連L3都還沒到，如果實現L3更像黑莓階段——方向盤還在上面，就跟鍵盤在上面一樣。真正的iPhone4階段要等L4。
— 李想端到端解決的是能力，不是Counter Case
李想說服朗博團隊轉向端到端時，拿自己愛人舉例：她駕校畢業開寶馬X6經常剮蹭，換高爾夫GTI還是剮蹭，用解決Counter Case的方式沒用。後來去寶馬駕駛培訓學校初級班，一天只學兩件事——開車時眼睛該看哪裡、怎麼一腳把剎車踩到底，之後基本告別剮蹭。他說這就是能力，不是功能。所以端到端為L3、L4體現出來的是能力，而不是去解決一個個Counter Case。有些企業Counter Case確實解決得比理想好，因為他們招五倍十倍的人，每個路口去修，但那是修不完的。
— 李想Mega失利是市場判斷和純電理解兩個問題
李想把Mega復盤分兩個階段。表面問題是錯判了市場規模：以為Mega能在50萬以上所有乘用車裡搶用戶，像L9那樣既搶轎車又搶MPV又搶SUV，但Mega有5米3，用戶群變窄，實際只能在50萬以上MPV裡搶，而這個市場一個月只有4000輛，做到1000輛已是25%份額。更深的問題是純電理解不夠：以為高速建充電樁就夠了，忽視了車主在一線城市交際圈裡也需要充電，不願意跟網約車司機擠著等一個多小時。早期Mega充電站NPS只有30多分，後來優化到接近90分。
— 李想千億收入之後，運營能力完全跟不上
李想說，從2020年有收入開始，大概三年多做到一年超過1000億收入，但運營能力還停留在汽車之家時代幾十億、接近100億的規模。他舉了個例子：招來的大公司同事問「這件事怎麼做，有沒有流程」，然後說咱們公司原來是怎麼管的——描述方式是「你記住前面第四棵樹左轉，遇到一個井蓋右轉」。他意識到，要支撐千億規模，得先把路修好，不能靠大家背井蓋、背樹。於是把劉傑、範浩宇這些做產品最強的人調去修各個領域的路，代價是產品創造領域少了一批大將軍。
— 李想頂級投資人說選人的共性是關鍵時刻看透本質
李想轉述一位頂級投資人的觀察：雖然不知道怎麼有一套方法一定能選準人，但成功的案例裡這些人有共性——無論氣場大小、善不善於表達，每當最艱難和最關鍵的時刻，他總能看透本質，然後做出選擇。這跟背景、學歷、經歷沒有關係，而且這個特質可以延續，他會多次做出這樣的選擇。李想自己補充：2019年不是最困難的時候，最困難是2008年5月幾個小股東要把他和樊錚趕出公司，融錢融不到，現金完全斷掉，內部股東挑戰他們，那是至今為止最困難的一次，也是成長最大的一次。
— 李想2008年那次被趕出公司，讓他學會不死扛
李想復盤2008年：邵震是當時三個合夥人之一，把他引入北京，幫他把商業體系構建起來，後來卻成了要把他趕出公司的引領人。和解時邵震說，最難受的是公司融資困難、經營困難時李想一個人在死扛，不告訴大家，如果當時說出來，大家願意把房子抵押了支持公司。李想說他從眼睛看出來那是真話。那一刻他做了巨大反思：2008年之前他對自己特別苛刻，別人買寶馬5系他開Polo，一天工作14到16小時從不休假。之後他學到兩件事——要對自己好，接受自己的優點和不足；以及不死扛，解決不了的問題才是大家的能力。
— 李想銷售體系的天梯是從遊戲裡來的
李想說很多制度是從遊戲裡來的，包括銷售體系的天梯方式完全按照遊戲來，銷售體系的運營和激勵方式也是。他給人力資源提的港區職級、職業、經濟系統，都是從遊戲裡來的。他對遊戲的理解是：遊戲是最公平的，社會就是個天梯，學習、考試、選公司都是天梯的方式，只不過天梯很公平，因為能上能下。遊戲把天梯裡的職業、人際關係、運營、分配方式、激勵方式都建立起來了，因為如果不好大家就不玩了。他發銷量排行榜也是因為消費者選天梯，排在前面的企業會被優先選擇。
— 李想原話 · 已逐字校驗
所以它那一天只教了兩件事情 一個是怎麼看路 第二是怎麼踩剎車 但它教的你是能力
所以它那一天只教了兩件事情，一個是怎麼看路，第二是怎麼踩剎車，但它教的是能力。
李想1:04:27
每當最艱難和最關鍵的時刻 他總能看透本質 然後做出選擇 跟他的背景 跟他的學歷 跟他的經歷沒有關係 是他具備這個特質 而這個特質是可以延續的
每當最艱難和最關鍵的時刻，他總能看透本質，然後做出選擇。跟他的背景、學歷、經歷沒有關係，是他具備這個特質，而這個特質是可以延續的。
李想1:43:48
因為遊戲是最公平的 我的一個理解 社會就是個天梯
因為遊戲是最公平的，我的一個理解，社會就是個天梯。
李想2:32:15
很多人 會把這個公司當成家 又回到家裡去的時候 去提條件 去搞天梯 就搞反了
很多人會把這個公司當成家，又回到家裡去的時候去提條件、去搞天梯，就搞反了。
李想2:34:15
數字與實體
| Mega所在50萬以上MPV市場月銷量 | 4000輛 | 1:24:39 |
| Mega充電站NPS（早期） | 30多分 | 1:26:41 |
| Mega充電站NPS（優化後） | 接近90分 | 2:22:08 |
| 長州二工廠從啟動到產能爬滿用時 | 15天 | 49:24 |
| 傳統車企從啟動到產能爬滿用時 | 6到12個月 | 49:24 |
| 理想同學用戶家庭基礎 | 100多萬用戶，算上家庭300到500萬人 | 30:18 |
| 端到端團隊規模 | 200人 | 1:12:31 |
| 校招團隊規模 | 三千多人 | 1:58:52 |
| 理想同學數據篩選比例 | 頭部3% | 1:15:35 |
術語
- VLA視覺語言行動模型
- Vision Language Action，把視覺、語言和行動合成一個模型，李想認為L4必須用VLA。
- VLM視覺語言模型
- Vision Language Model，從大語言模型基礎上做出來的視覺理解模型，處理二維圖片。
- MPI接管里程
- 兩次人工接管之間的平均行駛里程，理想2025年目標是從50公里提升到500公里。
- BLM業務領先模型
- Business Leading Model，IBM開始做的戰略工具，戰略意圖確定後自動生成組織、激勵和文化。
- DT數據技術
- Data Technology，李想用來描述從IT時代進入DT時代，數據要面向客戶閉環、原子級、包含財務。
收聽指南
適合關注AI產品階段判斷、汽車智能化路線、組織變革和創始人復盤的創業者和投資人。
2:08:42之後的加長版偏個人生活，只想聽戰略的可跳過。