对李想的第二次3小时访谈：CEO大模型、MoE、梁文锋、VLA、能量、记忆、对抗人性、亲密关系、人类的智慧

2025年4月，张小珺跟李想录了一场3小时的对话。播出版只有1小时，完整版压到10月30日才发。这期节目里，张小珺把李想当成一个「CEO大模型」来提问：假设他是MoE架构，前三个回合分别调用技术专家、战略专家、组织专家，后半程聊人、能量、亲密关系、记忆程序和智慧。

李想44岁，理想走到第10年。他讲的东西跨度很大：VLA怎么一步步训出来，为什么通用Agent五年内不会出现，每万公里验证成本怎么从18万降到4000块，雁栖湖战略会上定了什么，以及家里14岁的大女儿怎么成了夫妻关系之外的第三个支撑。

AI与人的关系是这期对话的母题。李想反复回到一个判断：AI能力已经很强，大多数人还把它当信息工具用，工作时间没减少，无效信息反而更多。他把这个现象叫熵增。

工具的三级，与那套反人性的最佳实践 0:02:35

李想给工具分了三级。信息工具给你参考，辅助工具提升现有产品体验，生产工具才真正替代专业工作。衡量标准很直接：你愿不愿意为它付钱。

他问过同事，目前摸到生产工具边的只有两个。Cursor，编程同事在用；OpenAI的deep research，商分和战略团队在用。两个都是自己掏钱，没花公司预算。

生产工具的门槛是action。李想说，o3再聪明，它只给策略和推演，你工作的时候还得自己操作电脑。行动才产生价值。Manus是往生产工具走得最远的一步，建虚拟机、调用工具、直接读SEC网站和投行分析师报告，比简单RAG索引专业得多。

为什么AI来了大家反而更卷？李想的观察是，几乎所有人还在把AI当信息工具。信息工具一定要给你next token，联网搜索的索引源可能已经失真，推理过程认真，结果却有问题。这种机制不改造，某种程度是在做熵增，增加大量无效信息。

他有一个更底层的区分。人类擅长熵减，AI擅长熵增。大脑消耗能量，人类发明方法论、使用工具都是为了减少能量消耗。AI擅长处理足够大的信息，预训练数据规模已经从15T涨到30T。人类更像一个小模型，读书像预训练，进入不同专业领域像不同的专家，没有一个巨大的基座。

DeepSeek让他学到的是极简运用人类最佳实践。V3是6710亿参数的MoE。构建能力分四步：先搞研究，再搞研发，然后把能力表达出来，最后变成业务价值。R1的思维链也遵循一套业务最佳实践：先做索引分析，再确定目标，涌出策略，最后反思反馈。

李想说，人类经常做着做着就忘了最佳实践。遇到问题只想改策略，不复盘，不做用户和市场分析，也不一起定目标。每个人都想自己决定。

严格的按照最佳实践其实是反人性的。

随心所欲才满足人性。一个好的组织、一个卓越的人，很多时候要跟人性做对抗。理想创业初期就建了四步法：用户需求、我们的需求、目标、策略。李想看到DeepSeek背后这套东西时特别高兴，因为它比理想原来的更完善，会先做分析再切入用户。

梁文锋、DeepSeek，和那9个月 0:22:42

李想见过梁文锋一次，2024年9月，ChatGPT o1发布前几天。他印象里梁文锋两个特点：特别自律，能在全世界范围研究和学习最佳实践。自律的最大特点是能坚守相信的东西，跟懒惰、走捷径对抗。

DeepSeek开源对理想的VLA是巨大帮助。理想本来计划今年9月才能做出满足需求的语言模型，DeepSeek一开源，加速了9个月，省了大几亿成本。理想后来把操作系统开源，几天就做了决定。李想说这跟公司战略无关，纯粹是感谢，占了那么大便宜，总得给行业贡献点什么。

春节他过得正常，还带孩子看了《哪吒2》。1月20日R1上线，理想内部在研究它为什么做得好：训练推理效率、MoE部署的内存占用，还有在芯片上写FP8的工程优化。

他先找谢岩聊，没敢直接找模型团队。让大家用别人的开源，需要一个心理过程。他担心陈伟团队怎么想，压力挺大。结果陈伟比他们还坚决，说这会加速下一步工作。

后来陈伟的汇报关系变了，向CTO汇报。因为理想有三类业务：内部办公需要VL加Agent OS，理想同学需要端到端VL，自动驾驶和工厂机器人需要VLA。这跟OpenAI、千问的团队结构类似，基座、推理、多模态都要有人做。

训练卡比预期多买了3倍。理想同学用300B模型，自动驾驶VLA里的VL部分用32B。李想说，规则算法做不好，根本不知道怎么端到端；端到端做不到极致，连VLA怎么训都不知道。

为什么还做基座？因为业务需要。车上有对话、有多模态，VLA里的V和L都跟通用模型不一样，需要3D vision、高清2D vision的token，需要车领域和家庭用户的语义语料。OpenAI和DeepSeek没有这些数据，也没有这个场景。

理想同学APP的推广也停了。李想跟团队说，现阶段不做推流、不做营销，重要的是锻炼能力、把握用户需求。DeepSeek太强，元宝那些借势推流量的也太强。

VLA：昆虫、哺乳动物，到人 0:36:18

李想把VLA叫司机大模型。智能驾驶的进化被他分成三段。

第一段从2021年开始，机器学习感知加规则算法，分段式规划控制。像昆虫，几百万参数，依赖高精地图，能理解的世界非常有限。脑子就那么大，只能不停限定，几乎做成有轨交通。

第二段从2023年搞研究，2024年推出端到端加VRM。像哺乳动物，马戏团的动物学会骑车，看到三维图像和自身速度，给出轨迹。泛化大部分场景没问题，遇到没学过的复杂情况就不知道怎么办。开源VRM用在交通上能力有限，只能起辅助作用。

第三段是VLA。像人，用3D vision和2D组合看真实物理世界，能看懂导航软件怎么运行，有长上下文、有CoT推理，还能真正执行action。

训练分三步。第一步训VL基座，云端32B，放三类语料：3D和高清2D vision，清晰度距离提升3到5倍；交通驾驶相关的language语料；VL联合语料，比如导航地图、车辆理解、人类判断同时出现。然后蒸馏成3.2B端侧模型，8个专家组成的MoE。双Orin X和Thor U跑完整3.2B，帧率不够。

第二步后训练，把action放进来，像去驾校学开车，模型从3.2B扩到接近4B。CoT很短，两步到三步，不做超长CoT，否则延时太长，交通场景等不起。还会做diffusion预测未来4到8秒的轨迹和环境。

第三步强化。先做RLHF，用人类接管数据、安全对齐、中国驾驶习惯，让模型开得跟社会环境一样好，不给别人添麻烦。再用世界模型生成数据做纯RL，只给三个反馈：舒适性、是否碰撞、是否违反交通规则。目标是开得比人类平均值好。

司机Agent负责沟通。短指令VLA直接处理，复杂长指令先到云端32B VL，理解完再交给VLA。李想说最难的环节没法预测，前面没人走过这条路。

为什么交通最早实现VLA？规则清晰，车只有两三个自由度，模仿学习容易，强化指标明确。通用Agent五年内不会出现，会出现Agent OS，让各个专业的人在上面开发自己的Agent。理想只做司机这一个，其他不专业。公司内部先做Agent OS，客服、编程、销售电话专家，每个专业自己往里放数据和思维链。

没有办法直接摘第10个包子。

前面每个包子都跳不过去，不想做积累只想吃第10个，李想认为很像练葵花宝典。理想2021年就开始自研，自动驾驶论文在中国企业里被引用得最多。他们有编译团队，直接写Orin X底层，用int4跑VRM，双Orin X和Thor U都能跑VLA。基本功在规模大了以后无法逾越。

端到端有两个麻烦。复杂修路场景，规则算法可能撞上，端到端可能停下来但不知道怎么办。跟人沟通像猴子，你影响不了它。VLA能生成数据训练，相关场景三天内处理掉。公交车道限行但印刷不清楚，车会反复跑进去，有了Agent就能跟它说「接下来一直在中间行驶」。

Agent OS、世界模型与黑盒 0:54:03

理想希望做的Agent OS只有司机这一个。李想说，教育应该由猿辅导、好未来去做。公司内部先做Agent OS，客服、编程、销售电话专家，每个专业自己开发自己的Agent，一个人带多个Agent工作。

模型是黑盒，理想的解法是交通世界模型。用重建加生成，把真实交通场景还原，让端到端和VLA在里面考试：从A点到B点，考舒适性、合规性、安全性。世界模型有三阶段：先考试，再生成训练数据，未来变成L4自动驾驶的运营系统。

每万公里验证成本从17到18万人民币降到4000多块，基本是算力成本。过去靠人类司机验证，要把不同车辆、交通参与物、特殊路况凑在一起几乎不可能，只能模糊验证。世界模型可以百分之百还原。

超级对齐团队100多人，做到1000万clips后成立。李想把模型能力比作专业能力，超级对齐比作职业性。能力强了，胡来的可能性也高。他举ETC的例子：VRM对位置判断糟糕，十几个ETC口就混乱，团队拼命喂语料没用，这是架构问题。规则算法一周就能解决，过去三四个月解决不了。乘法口诀就是规则算法，消耗脑力更少，准确性更高。

司机大模型的北极星指标有三条：开车水平好不好，是否职业，能不能建立信任。信任靠Agent和记忆，我说上半句它知道下半句，甚至不说它也能完成。

定价参照雇佣人类司机的几分之一。月薪一万的司机，用户可能愿意付两三千，还包括保险、充电。算下来更划算。

L3和L4的进程受模型规模限制。端侧3.2B MoE加上action大概4B，双Orin X或Thor U有64G显存，最大能跑30B，但帧率达不到。云端模型以后可能扩到320B。李想判断今年算力只够L3，最快三季度、最晚四季度能看到L3能力的产品，法规还要解决。

雁栖湖战略会：规模、三个变量、AGI终端 1:25:36

2025年雁栖湖战略会延续去年秋季的判断，往后看3年、6年。李想的战略框架是：中间是规模，外面三个变量是用户需求、技术产品、组织能力。规模是确定性的，去年1450亿收入，今年1000大几亿，往后怎么走，限制在哪里。

用户需求这一层，理想主力车型都是SUV。靠卖SUV做到三千亿、五千亿，路虎没做到。去年50万辆，今年多一些，要做到100万辆以上，用户群就跟BBA一样大，沟通方式不一样。家庭定位是好定位，只做家庭SUV，面向全球有问题。所以要做轿车，做好家庭轿车，不做运动轿车；还要丰富MPV，大空间家庭MPV，有效控制SKU。

技术产品这一层，车实现全自动驾驶后，会是人工智能时代收入最高的终端，可能做到千亿美金，超过中国所有手机厂商。AGI时代的终端有四个特点：360度对物理世界感知、认知决策、action、反思反馈。汽车从智能终端变成人工智能终端。

家里、工作中、身上，还会出现符合这四个特点的新终端。苹果不只卖Mac，也做iPod、iPhone；微软不只做操作系统，也做Office、云服务；小米做IoT，也做汽车。到了5000亿以上规模，必须考虑这些。

组织能力这一层，三千亿、七千亿收入需要什么能力。规模小的时候招个人就带来能力，千亿规模时怎么选择能力变得关键。理想第一阶段学丰田工作法、GM研发流程、谷歌OKR，完成理想ONE的研发交付，卖了20多万辆，超过100亿美金收入。第二阶段学华为，IPD、财务流程、人力资源三支柱，配合L系列平台化，做到超过一千亿收入。三千亿以上怎么办，又回头看苹果。

苹果最开始是电脑公司，后来做音乐播放器、手机、软件服务生态，它一直在变。理想是谁？李想的回答是，看到2030年，希望成为全球领先的人工智能终端企业。这个「终端」是今年才加上去的，去年没做这个选择。

1975年Apple II、Mac，苹果做终端，软硬件结合；同一时期微软做DOS、Windows，操作系统和软件生态。那个阶段微软赢了，苹果活了下来。2007年iPhone，苹果还是做终端，加了服务。接着安卓出现，操作系统开源，服务归自己。移动互联网时代苹果和谷歌不相上下，全世界唯二每年净利润接近1000亿美金的公司。

AI时代也一样。需要action的时候就需要终端，不能只知不行。OpenAI这样的公司做模型、做Agent OS、开放API，也需要这个时代的终端公司。理想先切入自动驾驶，因为市场足够大。以后不会限于这一个终端，但要做就做AGI时代的终端，符合那四个特点。

软件要三个能力：模型能力，尤其对物理世界的理解，还要看懂导航地图和各种软件；操作系统能力，实时性、并行计算、NPU和MCU内核占用，还要能做高性能虚拟机；工具能力，Agent要调用工具。

硬件也要三个能力：本体变化，自研线控系统，中央大脑加分脑的分布式计算；NPU像心脏，端侧放3B跑10Hz和放30B跑10Hz是10倍差距；制造环节变化，拿AGI生产AGI终端。工厂为什么不能变成一个机器人？李想关注生产效率提升，人的替代挺狭隘，工厂里人的成本占比没那么高，替代不划算，就业长期也有必要。

服务也会变。没法写一套传统IT软件去运营跑在物理世界的Agent，英伟达做Cosmos，理想做交通世界模型、做Agent OS。还要解决一个人带几个Agent到底怎么工作，Agent OS还是别的形式。

机器人分穿戴、空间、家庭。节奏没法直接给，要看行业进展。眼镜具备360度感知，但显示不行，光波导和集中显示都还不能长期使用，电池、独立计算、通讯也都是问题。家里可能是人形机器人拿人类的锅铲，也可能是改造的锅加统一大脑和感知，两条路线都有人信。

销量和AI怎么挂钩？李想给了两个观察点：能不能率先做出L4，大家上下班坐在桌子前吃东西看电脑，而不是坐在方向盘前；能不能用10万人甚至5万人做到1000亿美金收入。做到了，说明AI战略发挥价值；没做到，给一个车企估值很正常。

苹果2001年推出iPod，2000年时已经有操作系统和软件生态，收入只有几十亿美金。理想现在1000多亿收入做操作系统、芯片、基座模型，是合理的时间。操作系统投入10个亿，省下的钱有五六十亿。

理想会因为什么消失？李想说三个点都会：没把握住用户需求，没掌握最好的产品和技术，组织能力出现巨大问题。

能量、3到7人，与高维兼容低维 1:50:16

战略会上有没有人跟他吵？李想说始终有反对意见。有些东西停掉了，团队私下做，做出验证，他最后认同。

他把这些争执背后的东西叫能量。人和人之间的能量始终存在时，争执和讨论就是一个更完善的大脑；能量消失时，同样的争执就是内耗。

汽车之家时期，李想、秦致、樊铮三个人形成支撑。上市受阻，发展初期他差点被赶出公司，每次遇到问题都变得更强。三个人不内卷，一致对外，通过吵架思考形成一个更全面的大脑，也形成一个更强的心脏。你缺资源别人补，你缺能量别人给。

理想早期是李想、沈亚楠、马东辉、李铁。沈亚楠离开后，工作由马东辉支撑，李想和李铁变成马东辉的心力支撑。后来谢岩、邹良军加入，五个人形成更强的大脑。一个人随心所欲，五个人没那么容易，但一旦形成判断，信心更强。

多少人形成的能量场最稳固？李想说3到7人。少于3个人太少，两个人不太容易，多于7个人太多。设计结构时会有意设计3到7人的脑力和心力支撑。

人和人连接的本质，李想讲两条：在意客户，在意你身边的几个人。先对人再做事，不要对事不对人。

他一天的时间分配，60%左右在组织和人的事上，研究人工智能组织怎么管理，面试干部、新员工、校招沟通培训。剩下40%，一半在车上，一半在AI业务上。外界传他八成九成时间在AI，是误解。

汽车文化和AI文化怎么融合？李想的说法是高维组织兼容低维组织。数字化能力强，传统汽车流程可以放进数字化体系里解决协作和改善。传统组织方式仍然存在，但高维的AI组织方式能兼容它，让它照常运作。

理想管工厂效率高、质量好，管销售效率也高、成本更好。核心是有管理复杂大型软件团队的能力。IPD流程对AI组织不是问题。

端到端团队只有200人，特斯拉规模差不多。对手做规则算法动辄2000到6000人。模型团队100多人，跟DeepSeek团队规模差不多，但做得更宽。智能驾驶和模型团队校招占比60%到70%，很少招行业大拿。

梁文锋给他的两个启发。一个是让年轻人搞研究，成熟研究者有自己的框架，经验对研究反而是障碍。另一个是做强化学习怎么有效反馈，梁文锋说中国的教辅材料就是一个具备完整解题过程和反馈的体系，公务员考试也有。交通规则、人类判断的舒适度、人类监管，都是强化学习的有效训练体系。

智慧、亲密关系，与AI的位置 2:09:26

理想10周年，李想脑海里最深的画面是2018年理想ONE第一次发布，一直延续到2019年4月上海车展，人流量最大的展台。第二个是2022年发布L9，他认为那是全世界最卓越的产品。

痛苦的时候也很多。L9之后全网黑公关，说理想汽车倒闭，一个季度亏了将近20亿，从来没亏过那么多。从巅峰掉到谷底。但正因为这件事，理想要补很多能力，2023年获得接近3倍增长，做到1200亿收入。

他说自己对不正常的事情耐受力很差，对不好的东西解决完以后记忆能力很差，会忘掉。为了保持正能量，尽可能只保留有价值、美好的片段。被黑被打击，他会转成「正因为这件事我们增长了3倍」。

创业确实不容易，但是没必要苦哈哈的。

于凯博士第一次见他是在杭州爬山，湖畔大学同学，记得他穿军大衣。李想说军大衣里的灵魂没什么变化，今天90%的状态和思维方式跟高中差不多：遇到问题解决问题，解决别人不愿意解决的问题，找更多的人学习。

怎么成为更有能量的人？李想的答案是关注人，尤其关注离你最近的人，关注亲密关系。先关注自己：接受自己所有的优点，接受自己的不足，用成长替代改变。

不足往往是优势的另一面。擅长决策的人可能做不好细致运营，很懒的人可能是极品产品经理，很勤奋的人可能适合业务运营。要改，往往变成更差的别人和更糟糕的自己。

汽车之家时期他觉得做好业务就行，资本不重要，最后折在资本上。做理想汽车非常注重资本，请最好的FA、最好的律所，设计股权架构、投票权。今天新势力里理想的股权结构、治理结构、资本现金管理都做得好。业务没变，增强了一个能力，这是成长。

看别人也一样：先看优点，让优点发挥；看到不足不是问题，创业开始就有合伙人互补；看别人的成长，孩子、爱人、同事的成长都带来能量。成长带来能量，变好就有能量。

亲密关系的关键是我需要他们超过他们需要我。我需要我爱人，需要我孩子，需要李铁、马东辉、刘杰、谢卫国、范浩宇。先是我需要他们，才是他们需要我。这样连接不一样，能形成很强的脑力和心力。

去年年底春节后最大的变化是大女儿。她14岁，对事情的理解发生巨大变化，三观完善，超出预期，能跟父母做很好的沟通，聊人生规划、喜好、对人和事物的理解。家里实现了三人支撑，能量大幅提升，也影响其他孩子。

当爸爸让他理解三件事。每个孩子完全不一样，人是用来发挥的，不是用来改变的。他连孩子都改变不了，组织里更要把不同特点的人组合成更完整的大脑和心脏。第二，对亲密关系而言，我需要他们超过他们需要我，要大胆表达自己的需求，所有人都希望被需要。第三，孩子是用来完善他的，孩子对父母没有掩饰，能让人把人和关系看得更全面。

有了这个意识，行为会变。更主动积极，不会等糟糕结果发生。关注孩子需求，孩子更愿意讨论需求；关注孩子擅长，孩子更愿意发扬擅长。能量的主动权在自己手里。

家庭和公司同等重要。工作体现社会价值，好公司、好岗位的人带孩子去最好的学校面试会优先被录取，因为这背后是创造社会价值、服务更多群体。家庭是亲情价值，终点是幸福，幸福是高质量的陪伴。更好工作才有更好生活，更好生活产生更好能量，又让人更好工作。

有人问他的宇宙观。李想说自我驱动力是掌控自己的命运，挑战成长的极限。这个驱动力从个人网站，到汽车之家，到理想汽车，一路放大。他喜欢人工智能，因为AI的价值观跟这是一致的：掌控自己的命运，挑战成长的极限。

智慧就是我们和万物的关系。

没去过森林，没在森林里住几天，会觉得木头就是做筷子、做纸、做桌子的，不会觉得它是一个生命。没跟孩子长时间待在一起，就不知道什么是亲密关系。智慧要提升，首先要有足够时间和万物接触。

今天大家很卷。销售和产品专家喜欢跟客户接触，把好产品和生活方式交付到用户手里，见不同的人，学不同的东西，有能量，有回报。但每天店面邀约电话，要打很多个，消耗能量。李想跟智能商业和消服负责人讲，今年结束邀约电话还不能交给Agent，工作就是不合格，AI就没有意义。这些工作交出去，每天能省20%到30%时间，减少大量能量消耗。

AI在服务人类还是服务技术本身？李想说服务于谁取决于人类。AI今天处理不了跟万物的关系，这仍然由人类处理。人类希望它做生产工具，它就是生产工具；希望它作恶，它也能作恶。人类的能量和算力有限，应该用于处理智慧、处理跟万物的关系、做熵减；让AI处理复杂信息、压缩知识、自动化action。

AI能感受幸福吗？李想直接说不能。Transformer架构，token和next token，不具备自主意识，也不能自己进化，进化要重新训练。今天这个架构对人类是安全的，想根本改变输出结果要重新训练，靠query和prompt能做的很有限。突破架构以后人类可能解决不了，但能不能突破也不知道。

如果做一个理想的硅基生命，李想希望它更聪明、更有能力，但更希望人类被训练得更有智慧。聪明的人不一定智慧，今天解决的是智能问题，没有解决智慧问题。

他觉得自己2008年开始有智慧，就是差点被赶出公司那次之后，开始知道怎么处理和自己的关系。这几年智慧升级，因为要管更大规模的团队，面对水平更高的人。

人类内部的纷争，贸易战、地缘，李想的解释是人类智慧不怎么成长。今天发生的事，1930年也发生过，历史上都能找到。智慧能不能变成有效的教育和训练方式，可能是人类解决自身问题必须回答的问题。

培养孩子，他会启发孩子思考跟自己的关系：喜欢什么，擅长什么，什么对自己好。0到12岁通过父母认知自己，13到24岁通过同学和老师，24岁以后通过社会。认知自己可以是随机的，也就是命，也可以训练，让人变成更好的自己，更好地跟别人相处。这可能成为教育的一个学科。

AI智力无限增强，人类智慧没跟上怎么办？李想说智慧只需要前进一点，就能解决很多问题。人类智慧有了民主结构、不同时代的组织设计、婚姻关系、学校、高等教育。5到10年，AI一定比人能力强，人干什么？提升智慧是人类解决自己的问题。

AI面前什么人性值得保留？李想说所有人性都该保留，好的坏的，没有坏的就没有好的。一个人的优点另一面就是缺点，只想要好的放弃所有不好的，不成立。好和不好都是特质，文化的特质、生命的特质、性格的特质、能力的特质，这样才是活生生的人。

叔本华讲过，人不能改变，人只有特性。

聊到小红，评论区有人把李想跟他放在一起比较。李想觉得中国舆论对他们误解深，认为套壳不是创新、不是能力。他们做Agent、做action、像人一样做todo list，是很重要的尝试，也需要多融钱补基础能力。对手能力都很强，必要的模型能力还是要练。

这期对话里，李想给出的判断可以拆成几条带走。

• 工具分三级，生产工具的检验标准是你愿不愿意自己掏钱。今天摸到边的只有Cursor和deep research这类。
• 最佳实践是反人性的