理想要把富豪才有的司機管家生活賣給普通人
李想判斷，十年後買L4自動駕駛車和買家用機器人的會是同一批人——AI的價值不是替代工作，而是把富豪才僱得起的司機和管家，變成普通家庭也能消費的服務。
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
最會用AI的不是公司原來的明星員工
李想觀察公司內部token消耗量最高的前20名員工，發現他們並非傳統標準下的頂級員工——反而是表達能力弱、難以獲取資源，但腦子極強的人。過去這類人因為嘴皮子不利索而吃虧，現在只要有Token和業務環境，就能改造一切。他據此建議所有公司不要輕易裁人，因為AI時代的人才標準和過去完全不同，貿然裁員很容易把按舊標準衡量出的「最好的人」裁掉。
— 李想戰略組用一週直接抄出一套可驗證demo
李想把公司面臨的三大問題——工作協同、數據獲取、價值衡量——丟給戰略團隊去研究全球頂級公司怎麼做。戰略組研究Anthropic時發現對方不寫傳統PRD文檔，而是直接做可驗證demo，於是直接複製了一套完整的Cowork出來，全程沒有用任何工程師，又分別和HR、數倉團隊驗證了工作連通和數據打通的demo。這推翻了「商分戰略研究不需要了」的論斷——專業的人用好AI後進入了新的高度，而不是被取代。
— 李想機器人創業者真正該搶的生意是上料
李想認為現在人形機器人創業者大多找不到商業模式，因為他們想替代的分揀、擰螺絲等工作本來就已經被流水線和攝像頭自動化了。真正需要人的環節，是給機器上料——理想工廠一萬多名員工裡有三千多人專門負責把零配件放到AGV上，商場裡的自動咖啡機唯一保留的運營人員也是上料的。他判斷這是人形機器人從零到一的第一個重要戰場，很多創業者做不到，可能是沒有真實工廠經驗，也可能是上料「看著不夠酷」，不利於融資。
— 李想自動駕駛是具身智能的上半場
李想把自動駕駛分三階段：2017-2022年是輔助駕駛（2D視覺+規則算法，幾十Tops算力）；現在到2027年前後靠模仿學習實現L2/L3（Transformer視覺+端到端控制，4B-7B模型配2000Tops算力即可）；2027、28年後才是真正的L4，需要一個穩定的物理世界預訓練模型，推理算力要接近萬Tops——比理想目前單芯片1280Tops還要再翻幾倍。他認為自動駕駛和人形機器人各自成型後都是5萬億美金級市場，這也是機器人公司要從自動駕駛公司挖人的原因。
— 李想車規級芯片用上了全球獨一份的架構
理想自研的馬赫芯片採用動態數據流架構，不同於業界主流的ASIC路線，單芯片1280Tops、Livis雙芯片合計2560Tops，李想稱這是車企自研芯片裡全球最強的算力。選定這條路線前團隊準備了一年、寫了140萬字可行性報告，還請教過Jim Keller這樣的頂級芯片專家；當時內部有兩派方案，選定數據流架構後，押注傳統路線的那撥人就離開了公司。他的判斷是：電池和芯片是過去十年智能電動車僅有的兩條護城河，具身智能時代真正的壁壘是推理芯片而非模型。
— 李想剎車響應提速到13毫秒能省一個車身
Levis用的是全球首個量產的全線控機械制動，而不是傳統液壓制動，四個輪子可以獨立控制，響應時間從傳統機械制動的六七十毫秒壓縮到13毫秒，接近快了一倍——放在人身上相當於反應速度提升了15%到20%，換算成剎車距離能差出一個全尺寸SUV車身的長度。李想強調這不是取消冗餘而是更安全：即便某個輪子剎車失效，車依然能靠剩下的輪子和轉向系統正常制動、掉頭。
— 李想組織架構被拆成心臟大腦手腳身體
今年初理想參照Anthropic等頂級AI公司的做法，把組織按人體結構重新劃分：Infra團隊對應心臟，基礎模型團隊對應大腦，軟件本體團隊對應手腳，硬件本體團隊對應身體，另設獨立評估團隊。起因是軟件和Agent團隊的人老想自己做模型、做模型的人又想自己做Agent，「特別像手腳上非得長個小腦，是低級動物的做法」。調整週一宣布，多數人當場聽不懂，只有基礎模型和軟件本體團隊立刻明白；李想說AI像一面照妖鏡，能力不行或對公司不滿的人會自己離開，不需要主動開除。
— 李想車和機器人賣給的是同一批人
李想說理想十年後想做的事，是把過去只有頂級富豪才能擁有的生活——專屬司機、管家、保潔——藉助AI和具身智能變成普通家庭也能消費的服務，這是他認為科技進步帶來的最大好處，而不是天天想著替代各種工作。他還提出一個判斷：十年後買L4自動駕駛車的人和買家用機器人的人，90%會是同一批人，因為車和機器人本質上服務的是同一種生活需求。
— 李想原話 · 已逐字校驗
因為我覺得這一波AI的最大的變化 其實它既是生產力 又是勞動力
因為我覺得這一波AI最大的變化，其實它既是生產力，又是勞動力。
李想6:01
他表達能力過去不強 他獲取不了什麼資源 但他腦子極強 所以只要有Token 然後有這個什麼 然後有業務環境 他就可以去改造一切
他表達能力過去不強，他獲取不了什麼資源，但他腦子極強，所以只要有Token，然後有這個什麼，然後有業務環境，他就可以去改造一切。
李想9:02
就一個普通人 然後做出來的那個代碼 那個可用性 差到極致 更不要說往大規模去部署了 那基本上對他們來就是個災難
一個普通人做出來的代碼，可用性差到極致，更不要說往大規模部署了，那基本上對他們來說就是個災難。
李想10:02
我覺得是商業機會啊 這是個最大的商業機會啊 今天大家在搞人形機器的時候 其實是找不到商業模式的
我覺得這是商業機會啊，這是個最大的商業機會啊，今天大家在搞人形機器人的時候，其實是找不到商業模式的。
李想20:08
就是自動駕駛是 巨身智能的上半場 人形機器人 是巨身智能的下半場
自動駕駛是具身智能的上半場，人形機器人是具身智能的下半場。
李想26:16
如何把這些頂級富豪擁有的生活 然後給到更多的人 讓幾億人幾十億人 也能消費這些 這是科技進步帶來的最大的好處
如何把這些頂級富豪擁有的生活，給到更多的人，讓幾億人、幾十億人也能消費這些，這是科技進步帶來的最大的好處。
李想40:20
我們甚至認為模型可能是競爭 但不一定是壁壘 我們能看到最後的壁壘是推理芯片
我們甚至認為模型可能是競爭力，但不一定是壁壘，我們能看到最後的壁壘是推理芯片。
李想1:16:12
特別像那些動物 就是這個手腳上非得長個小腦 我說這是個低級動物的做法
特別像那些動物，就是這個手腳上非得長個小腦，我說這是個低級動物的做法。
李想1:47:27
數字與實體
| Levis單芯片算力 | 1280 Tops | 54:23 |
| Levis雙芯片總算力 | 2560 Tops | 54:23 |
| 全線控機械剎車響應時間 | 13毫秒（原機械剎車約六七十毫秒） | 1:00:25 |
| 人類剎車反應時間 | 350-400毫秒 | 53:23 |
| Livis增程續航 | 1600多公里 | 57:24 |
| 出海車型起價 | 3.25萬美元 | 2:04:36 |
| 理想工廠上料用工佔比 | 一萬多人裡三千多人負責上料 | 20:08 |
| 芯片可行性報告字數 | 140萬字 | 56:24 |
| 理想現有規模 | 3萬人、一千多億收入 | 17:07 |
| 理想五到十年目標 | 3萬人做到一萬億收入 | 17:07 |
術語
- 具身智能具身智能
- 讓物理世界的機器有了感知和大腦後由AI驅動運行，車、機器人都算
- VLAVLA/世界模型
- 自動駕駛裡用於理解和預測物理世界的模型，目前多靠模仿學習訓練
- 線控底盤全線控底盤
- 轉向、剎車不再依賴機械直連，而是電子信號控制，可自由調節力度和響應
- 動態數據流架構動態數據流架構
- 區別於主流GPU/ASIC的芯片計算架構，理想稱其在端側搬運數據效率更高
收聽指南
正帶團隊做AI轉型的創始人和高管，以及關注具身智能商業化路徑和車企自研芯片戰略的從業者。
開場關於個人學習AI習慣的閒聊可跳過，乾貨從機器人與自動駕駛技術路線開始。