开场0:00
物理世界的 CEO 不敢赌 ， 我可能胆子比较大 。 我们做了一个巨大的赌注 ， 我们把以前的那一套体系就停下来了 ， 那套体系花了小几十个亿 。
直觉来讲 ， 何小鹏 skill 的一个缺点会是什么 ？
我觉得每个人 skill 的话 ， 之后都会发现这个人实际上是有非常多的缺点的 。
机器人对于小鹏来说意味着什么呀 ？
我觉得这个世界上可能有非常多的解法 ， 而我们选了一个最像的人的人形机器人 。
你觉得你的胜率有多大 ？
我们大概有个两成 。
在这样一个技术剧烈变革的时代 ， 你焦虑吗 ？
当然焦虑 ， 因为你会发现你以前的很多的逻辑论 ， 甚至你逻辑论的底层的定理 、 范式 ， 甚至到公理上 ， 你的价值观 、 人生观 、 世界观 ， 在这些东西的变化下不是那么 work。
你今天从血海里游出来没有 ？
我觉得都在游 ， 我也不觉得有谁出来了现在 。
Hello， 大家好 ， 我是小俊 。 未尽之约是一档由微博财经和语言及世界工作室联合出品的访谈节目 。 那今天我们的嘉宾是小鹏集团的创始人兼 CEO 何小鹏 ， 我们一起来聊聊他在物理 AI 上的探索 。 但是他还有很多不能说的秘密 。 在节目正式开始之前啊 ， 我想先对于你最近对于 AI 的体感来做一个小的调研 ， 你最近使用最多的几个 AI
AI小调研1:13
产品是什么 ？
那我还真不多 ， 那还是在非常传统的 AI 产品 ， 像问豆包 。 但是在 coding 方面呢 ， 我们现在团队内部用得非常的多 ， 但是我自己个人我不愿意使用 。
为什么 ？
他们就跟我说 ， 问 ， 诶小鹏 ， 你自己要去用 。
啊 。
呃 ， 我上次举了一个非常有趣的例子 ， 我说我们当年在做互联网产品的时候 ， 呃 ， 如果你天天用产品 ， 你很快会到细节去了 。 啊 ， 比如说你会觉得 skill 是哪里不好用 ， 啊 ， 如果你了解它 ， 你会去思考 ， 认为它的优点将来还会非常的长 ， 非常的多 ， 但你一旦用进去 ， 你会看到它的缺点跟问题 。 然后呢 ， 你会聚焦怎么去解决
， 比如说多人协作的 coding 的问题等系列的问题 ， 反而不能让你向远方看 。 所以我对于科技快速变化的很多产品跟能力 ， 我自己认为 ， 嗯 ， 要用 ， 不要太深度地用 ， 特别是做一号位 。 但是基层的 ， 呃 ， 或者说有一些产品线跟它强相关的 ， 你就要鼓励 ， 什么方式都可以上 ， 然后呢 ， 最后要看结果 ， 然后在最后慢慢地把它归一
， 啊 ， 这样才是比较好的 。
AI coding 对于一个企业的一号位来说有任何的意义吗 ？ 你觉得它会对 ， 呃 ， 不管是小鹏也好 ， 或者是汽车产业也好 ， 或者是智能驾驶行业也好 ， 会带来什么变化吗 ？
我觉得它是对初级程序员的一个非常好的 ， 目前来说还是一个辅助工具 。 但是也许两到三年后会逼迫初级程序员都要上到高级程序员啊 。 但是我觉得对于 ， 嗯 ， 像智能辅助驾驶 ， 或者像其他的强 AI 的能力 ， 我认为它的帮助是比较小的 ， 它只是其中的一个工具 ， 真正要把整个的基础设施建好 。
嗯 。
啊 ， 整个的体系建好 。 实际上本身来说 ， 你可以认为 ， 嗯 ， 它是在最应用层来帮大家的 ， 那是 AI coding。 但是你如果在内核层 ， 比如说你想写个车的系统 ， 我认为它的最核心还是整个的基础设施 ， 而不是在 coding。
你现在每个月会使用多少 token， 公司会使用多少 token？
我们不太看这个事情 ， 实际上这个事情有好多人在过去的一年都在提 。 啊 ， 我认为数字化的中小型公司提这个事情会非常多 ， 我觉得应该特别重要 。 我觉得数字化的中大型公司要适度关注 ， 不应该太过全面 ， 因为有些公司的数字化的支持的业务可能不一定是数字化的 ， 可能有非数字化的 。
嗯 。
那一个非常有趣的就是在非数字化的公司 ， 对 token 需要多少 。
对 。
你看我们的车 ， 啊 ， 我们之前做了一个有趣的小统计吧 ， 我们新一代的 VA 一天只用三四个小时的话 ， 会用多少 token， 我现在准确数字已经不太记得了 。 当然它只是内循环的 ， 你可以认为 。 那么换一个角度 ， 实际上也就是说在数字 AI 能用 AI 使用的 token 数量远远低于在物理世界 AI 自己需要用的 token 数量 。 但是实际上这个是没有意义
的 ， 因为它不是用人用 AI 来去满足他的需求 。 自动驾驶的汽车你可以认为是一台自动的 machine， 它去用 token 来去用多少 。
嗯 。
所以我在这两个领域里面认为是两个不同的角度 。 所以在物理世界 ， 我认为的 token 的使用将来会是 machine 自己使用多少 token， 产生多少对 machine 和人的价值 。
嗯 。
而人用多少 token 产生对人和企业的价值是另外一个维度 。
所以它的指标应该是不一样的 ， 它的备级性指标 。 你觉得多少是一个合理的数量 ？
我不知道 。 我在内部尽量不给大家控制 token。 很多人问说不控制 token， 一个季度就把一年的费用全 cost 下了 。 我觉得如果他真的能做到 ， 然后我最重要是管理最异常的 top ten 的十种情况 。
嗯 。
其他的我都觉得可以开放 ， 因为你不确认一个月一个人花一千块人民币还是一万块人民币是最有价值的 ， 而我们每个人的每个月的工资很有可能远远超过这个数 。 如果他真的有能力花更多钱产生更大价值 ， 为什么你要限制他 ？
现在公司的 token 分配主要在哪里 ？
我觉得主要还是 GAC 啊 ， 实际上是我们的自动驾驶跟座舱团队的合并 ， 啊 ， 他们团队又大 。 我觉得 token 是对一个企业内部员工的术语 。 我们实际上某种角度你可以说用了多少张 H 一百 ， 一张 H 一百 ， 我不知道一天能够用多少 token 啊 ， 这个我 ， 我还没有把这个换算比例 。 那我们算的是 ， 比如说我给你三万张 H 一百或者五万张 ，
你使用什么业务能够以高效率和高效能的使用 ， 在这个里面我们来看这个算力的使用的情况 ， 我 ， 我实际上不太使用 token 的使用情况 。
你刚才提到异常值 ， 有什么样的异常值啊 ？
我举个例子吧 ， 我觉得我们最近专门对于 data 做了一个整个的控制 。 啊 ， 很多人都说数据的价值 ， 我觉得极少有公司现在看到数据的巨大的成本 ， 因为在数字 AI 领域里面的数据量很小 ， 几十个 TB 就可以来训练 。
嗯 。
在我们训一次数据 ， 几十个 TB 到几百个 TB。 所以对数据的怎么的管理 、 使用 、 存储是一个巨大的钱 ， 啊 ， 可能我们一年在数据上投入都从直接的刚性成本都接近十个亿以上 ， 实际上是 。 所以哪些数据是有价值的 ， 哪些数据是临时有价值的 ， 哪些数据是需要非常快速的使用 ， 哪些数据是可以有一些 warm up 再去 ， 再使用的 。 每
一个使用的钱的数量都是千万级 ， 啊 ， 那你可以来进行分析 ， 然后来进行优化 ， 实际上有巨大的可提高效率 、 可降低成本和提高效能的逻辑论 ， 啊 。
嗯 。
实际上算力也是一样 ， 我们对数据 、 对算力都是不同的 team， 去专门去管这个事情 ， 但是我们不太 care。 我看到有很多公司说是公司的工程师使用 token 的数量 ， 我觉得那个数量跟 machine 使用的 token 数量和物理世界 AI 模型训练的时候需要的 token 数量 ， 那都是非常小的数字 。
最近 skill 非常的 ， 呃 ， 出圈 ， 如果把你训练成一个何小鹏 skill， 你觉得 ， 呃 ， 应该给他提供哪些训练的数据啊 ？ 那个 skill 会是什么样的 ？
我觉得数字的模型跟物理的模型今天还是让基础的白领和基础的蓝领比较容易 skills 化 。 如果把我都能够现在有清晰的逻辑论去 skills 化 ， 意味着什么 ？ 意味着不光是基础的蓝白领 ， 就是更高端的蓝白领都会有巨大的风险 。
嗯 。
啊 。
CEO 可以被替代 。
也许过数十年或者过一百年 ， 嗯 ， 类似我的能力是的确可以被 skills。 但是那个时候可能我们每个 CEO 也都会有更强的 、 更综合的能力 ， 他可能丢掉了 ABC， 但是获得了新的 DEF。 因为你这个问题实际上是我们不光是想过 ， 我们是深度思考过的 ， 因为我们在做很多的机器人的事情 。 因为实际上换个角度 ， 我觉得在这个里面 ， 实际上是它
有两个非常重要的矛盾体 ， 呃 ， 我觉得是对于大部分的人会觉得我如何把我或者把他的能力 skills 化 。 但是对于一个模型角度来看 ， 我怎么知道你 skills 化的这个能力是一个对的能力 ， 并且不断地 OL， 例如在物理的仿真模型里面可以去做强化 。 实际上在这个里面 ， 它跟 coding 或者跟自动驾驶都是不一样 ，coding 跟自动驾驶相对来说是比较清
晰的 。
嗯 。
我知道什么是错的 。
对 。
啊 ， 但是比如说把何小鹏 skills 化 ， 你很难判断这个 skills 的话 ， 怎么是对的或者是错的 。
嗯 。
是非常困难的 。 所以在这样的一个体系里面 ， 就是我们在构建体系 ， 而不是在使用别人构建好的体系 。 从我的角度来看 ， 这是完全两个不同的角度 ， 实际上是 。
实际来讲 ， 何小鹏 skill 的一个缺点会是什么 ？ 缺陷 。
我觉得每个人 skills 化之后都会发现 ， 这个人实际上是有非常多的缺点的 。
你的呢 ？
当然都有啊 。
作为一个 CEO， 你觉得你今天的 AI 的含量够吗 ？
我不知道啊 ， 这个 ， 我觉得在数字世界的很多公司里面 ， 我觉得它可能可以把 AI 的含量放到小百分之几十 。 我觉得在物理世界不应该 。 小鹏是一家数万人的企业 ， 我觉得 AI 上面要花百分之十五到二十 。 而且我讲的 AI 是一个泛 AI， 包括了我们的自 ， 自动驾驶 ， 包括了我们的机器人 ， 我们觉得在这块都算是 AI 的整个的范畴 ，
我觉得是它足够了 。
因为我今天很想跟你讨论一个话题 ， 就是 ， 呃 ， 人工智能企业如果在一边 ， 制造业企业在另一边 ， 就是你的天平应该是怎样的摇摆呢 ？ 你在里面会有纠结和拉扯吗 ？ 你到底选择做一个 AI 企业 ， 还是做一个制造业汽车企业 ？
缝合怪10:37
我还不是这样理解的 。 抱歉啊 ， 呃 ， 我把汽车分为有几种研发 。
嗯 。
我觉得第一个是硬件的研发 ， 呃 ， 第二个是软件的研发 ， 而 AI 只是其中的之一 ， 软件之一 。 我觉得还有一个就是叫制造研发 。 刚刚小君你所说的 ， 硬件的研发跟制造是两种不同的能力 。 比如说你有能力 ， 呃 ， 设计出一个很漂亮的桌子跟椅子 ， 但是你可能无法制造出来 。 这是两种不同的能力 ， 实际上是 。 所以我觉得一个
汽车的企业里面 ， 实际上在这四种能力的研发是一个基础 ， 甚至将来可能要到第五种啊 ， 这是我的看法 。
你们去年还在说你 ， 你们是一个 AI 汽车企业 ， 今年小鹏汽车刚刚完成了改名叫做小鹏集团 ， 你们说你们是一个物理 AI 企业 ， 这个名字的转换背后的原因是什么 ？ 从一个 AI 汽车企业到一个物理 AI 企业 ， 它的变化是什么呢 ？
我觉得这个变化刚刚开始啊 ， 嗯 ， 还有很多都不能清晰地描述 ， 但是我可以来说一下 ， 比如说在过去的小鹏汽车前面的十年的创业的生涯中间 ， 实际上它都在做核心三个词 、 六个字 ， 也就是智能电动汽车 。
嗯 。
啊 。 所以在过去的十年的创业里面 ， 我们做出第一款车 ， 然后把它量产 ， 卖出第一个十万台 。 然后做出第二款车等等 ， 它会进入这样的一个循环 ， 啊 。 但实际上在十二年前 ， 也就是小鹏汽车创业的时候 ，2014 年 ， 基本上没有人相信智能化 ， 但是也有少数人相信电动化 ， 更多人相信汽车是个大生意 ， 实际上是 。 那么在 2025 年 ，
也就是去年的时候呢 ， 所有人都相信了电动化是未来 。
嗯 。
因为大家看到了中国 ， 看到了全球在新能源上的一个变化 。 那么在过去的数年里面 ， 实际上智能化虽然发展得非常得快 ， 在汽车领域 ， 但实际上我认为也发展得非常地不尽人意 。 啊 ， 因为从更早年就有很多的公司 ， 从丰田到 Google， 到中国的百度 ， 这个海外的做汽车的特斯拉 ， 跟中国的小鹏等 ， 我们都在自动辅助驾驶做了很
多的事情 。
嗯 。
啊 ， 某种角度我觉得是它做到了效果 ， 但是没有足够的高度 。 啊 ， 也就是说 ， 那个时候我认为还是 AI 的算法加上软件的规则 -
嗯 。
的能力的组合 ， 我把它戏称为叫缝合怪 。
对 。
实际上不是用整个 AI 驱动来设计汽车 ， 也不是用整个 AI 的模型的能力去来构建这个体系的 。
嗯 。
就是还是以软件为主的逻辑 。 小鹏呢 ， 在去年我们觉得也碰到了一个非常大的变化 ， 就是说我们当时同时在做两代的新的自动辅助驾驶 ， 我们所以在内部叫 VLA 的第一代 ，VLA 的第二代 。
嗯 。
实际上 VLA 的第一代实际上是在过去的端到端的领域里面把它放大 ， 把模型放大 ， 把软件的规则降低 ， 把使用的场景跟范围变强 ， 啊 ， 增强了后端能力 ， 例如强化 ， 例如后训练 ， 这是一种方向 。 但实际上另外一种方向 ， 就是说我如何抛弃掉原来那一个端到端的逻辑 ， 实际上是用一个更大的 foundation model。
嗯 。
啊 ， 在更多地思考如何去把自动驾驶的上限先打开 。
嗯 。
再去收敛下限 。
嗯 。
实际上收敛下限就是说少错误 ， 按照你的约定 ， 按照你的期待去能够行动 ， 能去运动 ， 但是实际上它的泛化能力是有很多地方是做得很差的 。 比如说举例 ， 在今天就没有一家自动驾驶公司的软件能够在地下停车场能够很流畅地开 ， 所有的停车场开的都是叫记忆辅助驾驶 ， 实际上它是开了一次之后 ， 它知道你的停车位在
哪里 ， 你的大概的行车路线是怎么样的 。
嗯 。
实际上它对于整个的物理世界的了解度是非常之低的 。
就核心还是不够智能 。
它的上限太低了 。
嗯 。
啊 ， 你可以认为要打开到一万分的可能性才能做好 ， 但是它们可能都在一千分左右 ， 啊 ， 就是我这是一个假设 。 所以换个角度 ， 在去年差不多就是这个时候吧 ， 我们的另外一代 VLA， 我觉得是让我打开了一个新的变化 ， 我认为它的上限可能可以十万分到一百万分 ， 但是那个时候的下限也很惨烈 ， 啊 ， 本来你希望做一个产品
， 上限一千分 ， 下限九百分 ， 这个时候你的能力是不错的 。
嗯 。
但是那个时候下限可能只有一百分 ， 所以它比其他的我们自己的产品的下限实际上要更低 ， 啊 ， 然后它的工程的问题 ， 有非常多的问题 ， 但是我们最后下了一个非常巨大的赌注 ， 我们就说以前是用软件的工程 ， 用软件的流程 ， 加上 AI 的算法和 AI 的工具 ， 包括刚才您所说的 coding。
嗯 。
你可以认为它是在一个业务流还是软件的 ， 在部分重要的工具环节和流程环节是用 AI 的 。
但是我们认为它是错误的 。
这还是缝合是吗 ？
它做出来的软件还是软件 。
嗯 。
因为你是用软件的方法论 ， 使用 AI 的工具箱做出来是一个更强力的软件 ， 我认为它叫做 AI 缝合怪 。
嗯 。
啊 ， 所以我们在去年做了巨大的转型跟赌博 。
嗯 。
我们把以前的那一套体系就停下来了 。
嗯 。
实际上那套体系花了小几十亿 ， 是吧 。
去年的什么时间 ？
大概就是现在 。
原因是什么呀 ？
我认为它无法做到无人驾驶 ， 我认为它也不可能让机器人真正地泛化 。 比如说我们今天到了一个陌生的餐馆 ， 机器人可以走过来说 ， 小君你好 ， 然后坐下来 ， 然后你说 ， 啊 ， 我就不给你递一杯水了 。 然后它说 ， 对 ， 我不需要 。
嗯 。
我觉得它可能是一个强规则加少数算法使用 AI 的一个能力 。 那一刻我们判断就是说自己实际上智能电动汽车 ， 我们所做的期待是一个非常聪明的汽车 。
嗯 。
但是我们用的方法是永远不会无限聪明 。
为什么去年才意识到呢 ？ 小鹏已经创业了十一年了 ， 对吧 ？ 你们做智能化也非常的早 。
赌注17:36
我觉得绝大部分不是站在物理 AI 的角度去看一个事情 ， 啊 ， 我觉得我对于数字 AI 能够改变很多东西 ， 我觉得和物理 AI 改变很多东西是完全两种不同的方法论跟不同的路径的 ， 但是绝大部分人还是以科研的角度去看数字 AI。 数字 AI 实际上某种角度是用人类的 language， 物理 AI 不是用人类的 language， 数字 AI 是人类的语言是被高度概括和浓缩
的 。
没错 。
所以语言即世界 。 但是在物理世界 ， 我们每个人每一天看到的数据量根本无法用语言概括 、 描述 、 还原跟复制 ， 它太大了 。 换一个角度 ， 我们以前在汽车领域里面的一个 CEO， 很容易用数字世界的 AI 了解了之后 ， 觉得 ， 嗯 ， 我好像懂它逻辑了 ， 去把它映射 、 扩展和使用 。 但那个时候没有任何一个 CEO 会说我全部都要用 ， 因为
我不知道它到底真的有多少的有效 ， 啊 ， 因为你 ， 你要知道 ， 在数字 AI 的市场里面 ， 很多模型就是跑个分 ， 比比分 。 我觉得在物理 AI 那是可笑的 ， 因为它不光要比上限 ， 比如说跑个分 ， 它还要比下限 。
嗯 ， 它要保住下限 。
啊 ， 它还要拼广度 ， 比如说你的品质 ， 你的成本 ， 你的材质 ， 你的细节 ， 你的政策法规的允许度 ， 这全是叫做短板 、 长板跟窄板 。
嗯 。
窄板要做宽 ， 短板要做长 ， 长板要做得更长 。 所以在数字世界里面 ， 核心看的是长板 ， 不太看另外两块板 。 所以物理世界的 CEO 要不然不敢赌 ， 要不然觉得我还有好多块板 ， 我怎么办 ？ 我觉得我可能胆子比较大 ， 啊 ， 我在那个时候我也不知道它能不能解短板 ， 能不能让我的窄板变宽 。 我们做了一个巨大的赌注 ， 我们就觉
得 ， 嗯 ， 我相信物理的 AI 换一个思路 ， 换一种流程 ， 底层要换一种组织方式 ， 有可能能够做到不一样的点 。 所以我们走的道路跟今天看到的很多大模型的公司 ， 或者一些在模型上去做应用的公司 ， 走的都是完全不同的道路 。 所以这也是为什么我觉得 Token 都是应用型的公司 ， 他们所 care 的 ， 我们想找找都不是这个维度 。 因为
在以前我做智能电动汽车的时候 ， 我总觉得有一个很痛苦的点 ， 就是无论怎么看 ， 硬件占一个客户所需要的比例都远大过百分之五十 。
对 。
我认为在如果在下一个十年 ， 很有可能硬件和软件可能可以各占到百分之五十 。 所以要用 AI 的方式重新驱动你的组织 ， 设计你的软硬件的合体 。
嗯 。
然后并且获得更大的 AI 的价值 。 只有这样 ， 可能在新的十年里面 ， 软件的综合的表现力 、 价值 ， 就是用 ， 用户愿意它为它付费的价值 ， 才会占到例如一个车或者一个机器人的百分之五十 。 我觉得这是一个非常大的改变 。 所以这也是为什么小鹏开始来思考如何把 physical，physical 含汽车 ， 也不仅仅只限于汽车和 AI 能够巨大的融合 。 我们
的 AI 实际上对数字 AI 我觉得基本上都是使用啊 ， 比如说 Claude 非常好 ， 我 ， 我会用 Claude。 如果 DeepSeek Four 能够在某些方面也非常好 ， 且成本也非常棒 ， 那我就会把那一部分切换过去 。 啊我们实际上做了一个 hub， 可以很容易地切换 。 但是在 physical AI，physical AI 的 model 是不一样的 ，physical AI 的 data 是不一样的 ，physical AI 的音法是不一样的 ， 那么它最后出现的效果 ， 如果能
够把刚才讲的三块板都能够拼好 ， 有可能做出不一样 。 啊这就是我们大概的一个能说的框架吧 。
框架 。
再多说就不说了 。
去年四月到底发生了什么呀 ？ 为什么是去年四月下了一个这么大的赌注 ？ 受了什么刺激吗是 ？
哦 ， 没有 ， 实际上就是体验不同的能力了 ， 啊 。 去年三月份 ， 我当时就在思考为什么所有的公司都会觉得用更简单的方法论和更快的效能就能做出一个好像凑合可用的自动驾驶 。
嗯 。
它是对的 。 但是当它做了一年到两年之后 ， 它就会发现 ， 为了解决很多短板 ， 它限制了它自己的长板 ， 所以它发现它永远做不到 level four 或者 level five。 这是当时在去年年初的一个想法 ， 就是 ， 就可能这条路是一条捷径 ， 但是不是一条大道 ， 是一条小路 ， 那我们要找到一条大道 ， 真正能做到 maybe 刚才所说的五十比五十的硬件加软件
的 value。 我讲的这个 value 不是技术人员思考的 ， 是客户愿意为此买单的 。 用户愿意说我买一个三十万的车 ， 其中十五万算你的硬件 ， 十五万算你的软件的综合能力 。 有没有这样的车 ？ 现在没有 ， 但是我觉得一定在这个十年会变化 。 所以向物理的变化和向 AI 的变化重新的思考 ， 我觉得是一个非常重要的点 。 所以这也是我们小鹏
在新的十年里面大家会看到 ， 我觉得智能电动汽车可能我们继续会提 ， 继续是我们的内核 ， 但是我们已经不是用电动或者汽车的方式去考虑智能 ， 而是换了一种逻辑 。 并且我们所有所思考的企业的从规划 ， 应该叫做所有从战略的规划到研发的过程都会逐步地在进行调整 。
去年三四月份有哪个标志性的会议吗 ， 在公司内部 ， 你下了这个非常大的赌注 。 去年上半年应该属于小鹏的销量回暖的时候是吗 ？ 然后开始更多地思考下一个十年的方向 。
我觉得没有一个会议 ， 基本上在老大里面的拍 ， 全力以赴 ， 我觉得大概在去年的三季度末 ， 啊 。 实际上三季度末我们做了一个非常大的动作 ， 就是我们把整个的自动驾驶中心核心的组织架构全改了 。 每一个时间窗口期都有非常多优秀的同学 ， 但是每一个人都有原来的惯性 ， 啊 ， 你会习惯用过去的方法 ， 想用最新的工具
跟技术去做出更好的东西 。 我觉得大部分时候这是对的 ， 但有很多时候你的工作方法论都要改 。 所以我觉得调整方法论 ， 调整 mindset。
这听起来是你在脑子里做的一个决策 ， 在公司内部可能没有一个非常标志性的会议或者一个节点 ， 但在你脑子里形成这个决策之后 ， 你紧接着做了什么呢 ？ 就是你所谓的这个 AI 驱动的组织 ， 用 AI 来做设计 ， 软硬件的一体化 ， 紧接着要做什么呢 ？ 对于这么大的一个组织来说 ， 你能不能把你的步骤跟我们分享一下 ？
对 ， 这些都不能说 ， 抱歉 。 这就是我们正在做的 ， 当然也是分阶段做的事情 。 但是我只能告诉大家 ， 在不同的业务要有不同的节奏 ， 相同的业务也核心是人跟组 ， 干部跟组织的问题 ， 啊实际上它是一个非常困难的事情 。
为什么一定要 AI 驱动呢 ？ 就之前的惯性会导致什么呢 ？
实际上你只是在软件的逻辑里面去做一个更复杂的缝合怪 。 就像你修一个房子 ， 你会有更多的材料 ， 更多的工艺 ， 用 AI 的 。
嗯 。
但是它还是修一个老的房子的方法论 ， 它修出来的还是一个原来的房子 ， 只是可能修得更快一点 。 我们想要的是不一样的东西 ， 有很多不一样的东西的最基础的时候是大家要看到 ， 所以他才相信 。 但是作为企业的 CEO， 我觉得是有时候你要相信过程中间部分的节点让大家看到 ， 因为可以提高信心 ， 可以提高领导力 ， 有很多
时候是因为你相信去做布局 。 但作为一家小型的公司 ， 跟一家大型的公司是不一样的 。 小鹏汽车虽然是一家创业公司 ， 但是从规模角度 ， 就人员规模角度已经不算小了 ， 数万人 。 所以如何把这样的人分节奏去做 ， 我觉得是有非常不一样的这样的一个行为 。 我很难在物理 AI 上对于规划组织来做分享 。 所以刚才这也是为什
么你问我问题 ， 我都说我没法回答的问题 。 第一 ， 我们在尝试 ， 在 testing。 第二 ， 任何的规划跟目标都是不会对外分享的 。 为什么 ？ 有很多事情不需要讨论 ， 因为很难有一个人准确地可以跟你讨论 ， 你只能去听到很多人的想法 、 意见 ， 他们可能大部分是错的 ， 因为他们都不是从全局角度去给你的建议 ， 都是从某个角度 ， 但全
局是自己把握的 ， 各个角度是不同的朋友和自己的思考逻辑论 ， 你要把它汇聚起来 ， 最后你还下赌注 ， 就像创业一样 。
我听说你在过去三年变得更敢赌了 ， 是吗 ？
那也不是 。 我觉得只是有很多时候呢 ， 知道如果当你要下注的时候 ， 早点下会更好 。 倒并不是更敢赌了 。2022 年底吧 ， 当时小鹏碰到了很多挑战的时候 ， 当时给了自己有两个想法 ， 跟赌都有关系啊 。 第一个就叫绝不服输 。
绝不服输 。 嗯 。
啊 。 第二个就是愿赌服输 。
嗯 。
啊 。 所以你如果把这两条都能够比较好地放在一起去平衡它 ， 意味着即使面对巨大的困难 ， 你都要坚持 ， 也许你再撸一把你就过了 ， 呃但是你要把心态做得非常好 。 就像刚才我所说的 ， 当我把第二代 Vehicle， 我认为应该把它放大 ， 并且最后坚定地把第一代 Vehicle 甚至都完全停止它 ， 从业务到技术 ， 甚至到组织 ， 那么是一个巨大的
心理上跟物质上的双重压力啊 。 你在这个时候 ， 你越犹豫 ， 越等待 ， 越想观察 ， 越想再说过六个月 ， 你有可能越难成功 。 啊所以 ， 所以在这个里面的度量的判断真的是非常有意思的一个点 。
嗯 。
但是我相信再过几年 ， 等我们更好地成功 ， 也许再来讲 。 我觉得在今天的过程中间 ， 这个第一 ， 每家公司走的是过字的道路 ， 它是不能复制的 。 哦所以我觉得今天中国说学 A 公司 ， 学 B 公司我觉得都是错误的 。 以我们今天的规模来看 ， 要分析 、 思考 ， 找到一条适合自己的道路是最重要的 。 第二个 ， 数字 AI 里面所做的所
有的事情 ， 很多都无法复制到物理 AI， 这是一个不一样的世界 。
嗯 。
呃很多人提物理 AI， 我上次都在笑 ， 我说首先你有没有在物理世界做过业务 ？
嗯 。
如果在物理世界都没有把业务做成 ， 仅仅是从一个数字世界去分析物理世界的定律 、 规律 ， 去做一个物理世界的 AI， 我觉得它还是一个窄义的物理世界 。 这个物理世界还有很多是跟人相关的事情 ， 啊 ， 能跟人相关的物理世界的环境 、 法规 ， 最后还有商业 ， 它形成了你一个事情 ， 哪些可以先行 ， 哪些是后行 。 当然你从科研
角度可以都不用管 ， 但如果你从工程角度 ， 甚至跳到从产品角度 ， 再跳到商品角度 ， 再跳到规模的商品角度 ， 你就必须去思考得要更广 、 更深 ， 而不是仅仅是两到三块长板的逻辑 。 所以这为什么我没有办法回答你 ， 我觉得你可以去找以前任何一家数字 AI 的 CEO， 他们都不会告诉你他们在 AI 里面转型的思考逻辑的 。 因为不知
道能不能成功 。 第二 ， 不会分享给大家 。
但是这是今天大家面临的一个普遍的问题 ， 对吗 ？ 就是我们一定得转型 。
我不完全认同这句话 。 今天数字 AI 在哪些方面可以得到好的转型 ， 哪些方面不用 。 对一家大的企业 ， 如果一万人或者五万人 ， 转型晚三天 ， 可能成功概率提高了百分之十五 。 对一家微型公司 ， 它今天如果用同质化的方法论 ， 同质化的组织 ， 它没有变化 ， 它可以去赌 。
嗯 。
因为它小 ， 而且今天的 AI 能够去帮助我们的 ， 无外乎三种 ， 第一种我觉得就是简单的分析师 。
就是现在我有很多地方我已经不用分析师了 ，AI 来帮我分析 。 第二 ， 简单的程序员 。 第三个简单的设计者 。 实际上它还是辅助为主 ， 提高了效率 ， 提高了效能 。 它并没有取代 ， 它更没有超大规模的协同效应 ， 它根本还没到达 。 所以换个角度 ， 对于这三个方向的小微型公司 ，
嗯 。
我觉得适合度更高 ， 速度应该更快 。 对于跟这三个方向不相关的 ， 可能再晚一点 。 而对于物理 AI， 今天大家根本都没有想清楚物理 AI 世界是什么岗位 。 刚才我讲的是三个岗位 ，
嗯 。
是什么岗位最容易跟最优先在什么地方落地 。 绝大部分我看到的讲颠覆这个世界 ， 用 AI 来去提高效能 ， 根本没有概念 。 啊 ， 所以我自己认为是 ， 从某些角度它是对的 ， 从某些角度它是完全没有逻辑论的 。 我们实际上觉得物理世界有很多的岗位都会变化 ， 远超过数字世界 。 呃 ， 因为在这个世界上 ， 原来如果说三百六十行
， 有三万六千个不同的岗 ， 我们觉得在数字世界的岗是相对有限的 。 那很多人会不 ， 不是这样判断 ， 很多人说 ， 白领不是比蓝领的岗位更多吗 ？ 白领有很多也是在跟数字世界和物理世界交融的岗位 ， 实际上是 。
嗯 。
啊 ， 这个 ， 某种角度 ， 我觉得今天我们如果看物理世界 ， 假设啊 ， 我先来说 ，Google 下注自动驾驶是 2009 年 ， 到了现在十七年 。
嗯 。
我觉得 Waymo 是一个既好又很不好的解决方案 。
为什么 ？
好是我认为它的技术能力不错 。 呃 ， 我觉得它很难全球化 ， 我觉得在过去的时间里面 ，Level four 的技术 ， 它天然就是一个更高级的缝合怪 ， 它很难在 AI 里面做到极其高强度的泛化 。 我认为它不是一个极度聪明的方法论 。
嗯 。
当然了 ，Google 现在在新的大模型里面做了很多的事情 ， 呃 ， 我认为在将来可能会它们会变化 ， 但是目前我并没有看到 。 啊 ， 所以换个角度 ， 我只是想举这个例子 ， 就是说即使是让司机更轻松 、 更安全 ， 更快捷地开车 ， 我们每个人都是司机 ， 就光这个事情做了十七年 ， 没有一家公司能够做得极好 。 好 ， 换个角度 ， 很多很小型
的公司 ， 几条枪 ， 十几个人 ， 就说我要用 AI coding 去改变 ， 我 ， 我自己觉得是他们完全低估了物理世界改变的多样性跟复合性 。
嗯 。
就像我们最开始从移动互联网冲到汽车行业 ， 都觉得我把一个事情做得极致 ， 再极致一点就很好 。No。 因为你考虑的维度不对 。
嗯 。
它是一个物理的维度 ， 你是一个数字的维度 ， 你在数字维度做到极致 ， 它的价值点可能极小 。
你在去年下这个关键赌注的时候 ， 公司内部有负面的声音吗 ？ 有反对的声音吗 ？
那肯定的 。 我觉得大部分的非 AI 的主管是觉得你不管做 A 还是 B 可能都错了 。 因为那个时候他们对 AI 的认知不够强烈 。
嗯 。
我觉得大部分跟 AI 相关的主管 ， 有些人觉得 yes， 有些人觉得 no， 但大部分是属于中间态 ， 就是不确认它是不是一个好的节奏 ，
嗯 。
不确认这是不是能够做到一个落地的效果 。 实际上那个时候连我都是一样 ， 但是这就是创业的乐趣啊 ， 每个人的创业不就是在你当时的能力上赌你十倍到一千倍的可能性吗 ？ 如果你要赌一千倍 ， 对不起 ， 你的概率是千分之一 。 如果是十倍 ， 你的成功概率可能十分之一 。 所以就像创业最初始的赌注一样 ， 随着你创业的规
模变大 ， 你一样需要去赌 。 只是说那个时候你不应该赌一千倍的概率了 ， 你可能是赌数倍到十倍之间 。
你听过最大的反对声音是什么样的 ？
我觉得最大的反对声音就是有很多用脚投票 。
怎么说 ？
用脚投票的意思就非常简单 ， 他们不相信这个事情 ， 他们觉得做不到 ， 他就离开了 ，
嗯 。
去做其他的事情 。 在今天我觉得是在一个企业里面 ， 我觉得对于组织的思考 ， 切记不要小刀砍大树 ， 慢慢砍 ， 啊 ， 想清楚了 ， 砍掉它 。 所以在某些上面你就敢下注 。 从组织到流程 ，
嗯 。
到方向 ， 全部改 。
全部改 。
对 。
所以去年动刀动的是很大的 ， 对吗 ？
对 ， 大家所看到的很多都是最上层的 ，
对 。
业务层或者应用层 ， 但是内部看到了就是一直到根上面去 。 所以我一直还在想说 ， 像是如何利用 AI 驱动某些业务是非常之重要的 ， 而不是利用硬件去驱动整体的体系 。 我听到你的很多节目基本上都在讲数字 AI。
对 。
对 ， 就是基本上没有人在一个数万人大量跟现 ， 现实世界产生强交互的角度去思考 AI。 我想说的是 ， 把他们的方法论复制到物理 AI， 我认为有很多的地方是不够适合的 。
嗯 。
可能有一部分的业务逻辑是对的 ， 但是他们还不够全面跟充分 ， 这是最大的问题 。
这个是我特别想问你的 ， 就是物理 AI 到底应该怎么做呀 ， 在一个成型的组织里去推动它 。
我觉得我说不出来 ， 因为我也在探索中 。 在我的角度来看 ， 今天 AI 有四个主要的方向 ， 大家要去探索 。 数字上的 AI 怎么变化 ， 我觉得这一块有很多人都在思考跟行动 。 我觉得第二个就是物理 AI， 它比数字 AI 可能难一百倍 ， 但是我觉得 2027、2028 开始 ， 大家会看到物理 AI 的效果 。 会开始出现类似 ChatGPT 啊 、SOPA 等数字 AI 上的巨大的变化 ， 也
就是说到底对什么岗位产生了巨大的帮助 ， 甚至长期来看有一定的取代 。
嗯 。
我觉得这是第二个 。 我觉得第三个就是今天大家没有人真正 ， 我觉得除了 Google， 在对人体的 AI， 把它两个非常好的耦合 ， 那因为医药行业是个非常复杂的行业 ， 呃包括养老 。 啊我觉得人体上不光是内部的循环 ， 还有外部的循环 。 我觉得第四个一个很难的就是企业跟 AI 怎么耦合 ， 啊 。 实际上部门跟 AI 的耦合 ， 中心跟 AI 的耦合都
相对简单 ， 但企业是更难 。 但是我看到现在有很多小型的企业 ， 大概在一千人以内的 。
嗯 。
我觉得他们开始来更多地探索 ， 我觉得这是一个非常好的点 。 实际上我们也在不断地观察 、 学习 ， 啊 ， 在合适的时点一样也做 。 所以我觉得企业的 AI 今天对于小中大型公司都是一个机会 。
所以现在对于小鹏这样公司来说也算是一个变革期 ， 对吗 ？
对 ， 而且是一个在长期的变革期 。 技术的变化可能一个月就可以变完了 。
嗯 。
组织的变化 ， 我讲的是不是一个小型组织啊 。 首先 ， 如果是一个全球化的中型组织 ， 我觉得三年变完都已经是极其可怕的速度了 ， 啊 。 我甚至认为五到十年都已经是一个快的速度 。
在这样一个技术剧烈变革的时代 ， 你焦虑吗 ？ 作为一个 CEO。
当然焦虑 。
有多焦虑啊 ？
因为你会发现你以前的很多的逻辑论 ， 甚至你逻辑论的底层的 ， 你心目中的定理 、 范式 。
嗯 。
甚至再往底层可能甚至到公理层 ， 就是你的价值观 、 人生观 、 世界观 ， 你都会觉得 ， 嗯 ， 在这些东西的变化下 ， 好像以前的这一套逻辑不是那么 work。 但是它该怎么去 work？ 记住 ， 看到问题和解决问题和构建体系去既有上限又能堵住下限的避免问题 ， 这是三种完全不同的能力级 。
嗯 。
很多人是看到问题 。 这个我当年没创业的时候 ， 我也看到无数问题 。 当你作为一个创业者 ， 你发现有很多问题 ， 它是天然应该存在的 。
嗯 。
你根本没法解决问题 ， 你是一个 CEO， 你一样解决不了 ， 你是一个更大的一个有权力的人 ， 你都解决不了 。 因为你看到的问题是世界的问题的某一个角度的某一环而已 。 啊所以这是一个非常有趣的话题 。 所以你刚才讲到焦虑 ， 就是你会不断地重构你的定理 ， 甚至公理 。
推翻过过去什么样的公理啊 ？ 有什么过去觉得非常坚定相信的 ， 今天觉得它在这个时代下不 work。
我举一个跟这个不相关但是又有一点点关联的例子吧 。
嗯 。
啊 ， 比如说当小鹏做了自动驾驶 ， 做了很多年之后 ， 你越做下去 ， 你越会觉得好像 Level five 永远不会到达 。
对 。
因为你觉得用软件在全球所有的场景 、 法规 、 人机 ， 我讲的人机应该叫人机工程的那个人机 ， 就是人跟世界的交互 ， 你会发现它是无限循环的 。 但是当你真正用 AI 重构这个事情的时候 ， 你觉得它可能存在了 。
嗯 。
好 ， 当它可能存在的时候 ， 你会对于很多的原来的所谓的壁垒 、 逻辑都会产生新的想法 。 啊 ， 我只能点到这里了 ， 再不详细说了 。
IRON诞生40:28
说到 AI， 我们先不聊车 ， 因为车是一个已经存续很长时间的业务了 ， 我们先聊聊你们的机器人吧 。 你们机器人去年在国内外都挺火的 ， 那么讲讲这个产品是怎么诞生的 ？ 我听说你们是在 2023 年发起了通用人形机器人的这个方向 ， 对吗 ？
实际上小鹏的机器人实际上分三个阶段 。 第一个是 2018 到 2020， 呃它是一个独立的团队 ， 那个时候跟中国的很多其他机器人团队是一样的 ， 中国 -
是您收购的 ， 对吧 ？
对 ， 那时候大概有四五家都在做四足 。 那么 2020 年呢 ， 到 2023 年是第二个阶段 ， 呃我们差不多花了三年半到四年之间做了三个不同的 milestone， 啊我觉得是 。 呃我觉得这是第二个阶段 。 在这个里面我们试过很多 ， 我们用嗯机器人的方法做机器人 ， 用汽车的方法做机器人 ， 还中间做了一些缝合的方式做机器人 ， 我们都取得了不同的成
功跟失败 。
嗯 。
啊我觉得在这个里面 ， 到了 2023 年之后又是一个新的逻辑 ， 就是说实际上我们在 2022 年看到了这个新的模型 ， 我们觉得机器人原来我们觉得不可能成功大脑 ， 就是没有大脑成功的可能性 ， 啊因为实际上小脑的复杂度都远高过大脑 。 的今天大家有很多人说在机 ， 机器人的小脑已经做好了 ， 我说那哪叫小脑 ？ 用同一个单调的步
伐往前慢慢地行走 ， 我觉得那不是小脑 ， 那是脊椎 ， 或者你的脑干只是保持平衡 ， 你还远远连小脑都不是 。 他们说那也叫小脑 ， 他说 ， 啊你的运动的小脑实际上是大脑 。OK，anyway， 啊我认为实际上只是不同的统计逻辑吧 。 所以 2023 年之后 ， 小鹏的机器人重新进入到一个从四足坚定地开始往进入到双足 ， 从不相信大脑 ， 就像当时不相
信 Level five 一样 ， 进入到一个坚定地觉得从大脑去驱动机器人的全新的设计 。 然后再加上我们的汽车领域 ， 你们看到了技术好不代表产品好 ， 产品的好不代表商品好 ， 商品好不代表你可以 scale up。 因为汽车有一套比较完整的从规划到设计到 ET 到 PT 到 SOP 到 SOD 的一个全的流程 。 实际上我们 ， 嗯 ， 今年年底我们就希望进入到机器人类
似汽车的 SOP。 明年 2027 年 ， 很有可能是机器人在高等级机器人上面进入到商业量产的第一个元年 ， 不管是中国还是美国都会去 try，trying。 我觉得在过去的以运动遥控型的机器人的时代 ， 就会随着高等级机器人出现 ， 会逐渐地适度下行 ， 啊 ， 我觉得会进入了一个差分的阶段 ， 实际上是 。 实际上所有人都是期望物理 AI 中间最核心的代表
机器人 ， 它能够帮助人类到底实现什么样的价值 。
能干活 。
啊 ， 这个价值在过去是情绪价值 。
对 。
情绪价值是有价值的 ， 但是更重要的是物理的价值加上情绪价值的组合 ， 啊 。 所以我觉得明年是可能开始的元年 。
23 年发生了什么让你从不相信变成相信了 ？
23 年是因为我认为在当时 ， 如果我们用一个对机器人非常懂 、 非常熟悉的团队 ， 没有能力做出一个好的全新一代的机器人 。
当时用了 LC。
所以我们当时把三百人的团队只留了不到六十个人 。
嗯 。
我们把它解散了 。 出去了 ， 听说他们跟我说有十个创业的团队 ， 啊大部分都拿到钱了 ， 现在是 。 这个像中企拿了好多轮钱了 。 我自己认为要去重构整个机器人的逻辑 ， 不能用以前的纯汽车人 ， 也不能用以前的纯机器人 ， 但是也不能啥都不懂 。
那应该用什么样的人呢 ？
我不知道 。 所以我当时选了另外一个全新的团队 ， 啊 ， 他既懂点 AI， 又懂点汽车 ， 又懂点工程 ， 又懂点机器人 ， 然后尝试去来做一个全新思考的机器人的逻辑 。
为什么当时选中他呀 ？
我觉得有很多时候是命运啊 。
你不能说因为他既不是专门做机器人的 ， 他也不是专门做智能驾驶的 ， 所以我选他 ， 对吧 ？
那他真都不是 。 我当时觉得他的象限跟我的思考的象限比较吻合 ， 所以他是我的在象限内思考选择的几个人之一 。
嗯 。
首先你选择他 ， 他也要选择你啊 ， 然后他的选 -- 反向选择 ， 我认为 ， 我觉得可以 try。 所以我经常看到很多外面机器人的 demo， 或者演示 ， 或者是 video， 或者说他们很多还在我们的可能第三代或者第四代的技术站上去做 testing。 呃 ， 我自己就是说也许他能成功 ， 但是我是试过了 ， 所以我觉得小鹏在持续的创新里面 ， 我们是非常具有耐心 ，
也有勇气 。
嗯 。
去长时间投入 。 所以今天呢很多基金公司它很快速做出一个 demo is nothing， 啊 ， 对我来看的话 。 就像 2017 年的时候 ， 中国那个时候有很多 Level 4 的数据公司 。
啊 。
就跟今天机器人一样 。
是 。
当然机器人更多了 ， 实际上是 。 不代表这些技术最终能够看到真正的价值 。 所以 ， 这是一个简单类比吧 ， 因为这个这样的对比不好 。
你选了这个机器人的负责人 ， 他对你后来的选人标准有过任何的影响吗 ？ 你觉得这是一个可以沿用的方法吗 ？ 因为你讲的这个我会想到说马斯克他特别喜欢用通才型的人 ， 他不喜欢用那种专家型的人 。
我觉得可能在 Tesla 的硅谷更容易找到更多可选的通才型的人吧 。 我觉得在绝大部分的国家 、 城市或者行业是很难的 。 啊 ， 我想说这是第一个 。 我觉得 LC 他非常注重他的说法叫人才的密度 。 啊 ， 我实际上是认为是人才的潜力 ， 他基本上都用最好的人 。 啊 ， 比如说去年的年底到今年的上半年 ， 我们大概类似三青的博士这样的
毕业生 ， 就光一个部门招了接近八十个 ， 他们都很贵 。
哦 。
但是我们都愿意 。 然后你要有能力聚拢这样一帮人 ， 你要愿意支持他们的长期的探索 ， 呃 ， 你要相信这一群年轻的小伙子或者女孩 ， 他们能够创造奇迹 。 我认为这叫人才的潜力 ， 他认为叫人才的密度 ， 我觉得要用超级聪明的人去做超级困难的事情 ， 而不是说用非常清晰的方向 。
嗯 。
或者流程或者工具去来去锻造 。 我觉得在某些阶段这是非常对的 。
那个时候要 bet 通用人形机器人 ， 你选择的理由是什么呢 ？ 在 23 年为什么是一定要是通用人形呢 ？
我觉得这是每个公司选择的道 。 嗯 ， 对 ， 我觉得我很开心 ， 我跟我的团队 LC 都是一样 ，LC 比我还 crazy 啊 。 他一直跟我说他想是造人而不是造机器人 ， 就是绝大部分人把一个机器人当做一个商业的产品 ， 但是我认为它没有适合它机器人最终在这个社会 ， 在这个宇宙的参与感 ， 或者跟我们每个人的情绪价值的连接度 。 就像 2014 年
， 很多人觉得智能汽车的智能是没有价值的 。 我觉得站在今天 ， 也有很多人第一不相信通用机器人会到来 ， 第二 ， 也根本不愿意看到通用机器人也许在二十年 、 五十年以后会跟人类的各个领域强相关 。
嗯 。
今天刚才我们所讨论的数字 AI 只是辅助人类的 ， 可能以三个为主的岗位 ， 可能还有数十个很微小的分支岗位 ， 但是物理 AI 可不是这么一点点 ， 可能是它的数十倍到数百倍的规模 。 每个人都会变老啊 ， 这个我算对机器人里面一个很重要的一点是 ， 机器人对老人的将来我觉得是绝对最重要的两个因素 。 我觉得第一个因素就
是这个人体 AI， 如何让老人可以 - 不生病 ， 更长寿 ， 更开心 。 第二个 ， 我觉得在物理 AI 上 ， 机器人对老人的影响度会非常大 ， 老人很有可能把机器人作为他唯一的依赖 。 我觉得至少有人会这样思考吧 。 我觉得小鹏的机器人的思考道路跟很多公司是不一样的 。
去年那 ， 那波爆炸性的讨论有出乎你的意料吗 ？ 你当时还挺委屈的 。
意外49:04
对 ， 我们是没有想到 ， 我们实际上的想法非常的技术化 ， 因为去年那款机器人是我们前年一季度开始做的 ， 对于我们来说 ， 它只是我们的一个中间版本 ， 那这个中间版本我们只是想认证 ， 如果一个机器人有人这么多的关节 ， 实际上我们的关节还是比人少很多啊 ， 人应该有两百多个关节 ， 且还有肌肉 ， 且还有皮肤 。 我可
以告诉大家 ， 今天我们看到的很多机器人 ， 它们的对外的行走 ， 如果它上有肌肉跟皮肤之后 ， 它的行走的效果会极大幅度地变化跟缩减 ， 因为这是完全不一样的事情 。 换个角度 ， 我们只是想去探索一下 ， 如果在这样的情况下 ， 它是不是能够更容易地进入到我们的生活 ， 或者我们的工作的情绪中间 。 我举一个例子吧 ， 比
如说我们以前做了四足机器人 ， 做过狗 ， 做过马 ， 不管是这四足的是个什么 ， 它进到你的房间 ， 它都不行 。 如果你让一个大概长度有一米一到一米二左右的一只机器狗进到你的房间 ， 你的房间很快出了很多问题 。 比如说它在你的床头柜那里 ， 它无法原地调头 。 如果你家里有一只金毛 ， 它在调头的时候 ， 它的尾巴 ， 它的
-
会往上动一下 。
它会抬起 ， 而且它会刮到墙 ， 跟你的床 ， 你不会觉得它会受伤 ， 你也不会觉得你的床会受伤 。
嗯 。
但是一只机器狗 ， 它百分之百会让你们两个都觉得受伤 。
那狗做小一点呢 ？
如果它做得非常的小 ， 它的能力级就非常的差 ， 它就是轻度陪伴 。 还有一个问题是续航特别短 ， 那么这是第一个 。 第二个我再说一个 ， 如果是一个双足的机器人 ， 全身有了盔甲 ， 很威武 ， 一米八 。 好 ， 今天你即使跟它一起 ， 你是它的设计者 ， 你也不愿意跟它只隔了一厘米行走 。
有压迫感 。
你觉得它可能危险 ， 你觉得它可能会很烫 ， 你觉得它身上可能有电 ， 你觉得它身上可能很脏 ， 反正有各种各样原因 ， 你会跟它保持距离感 。 如果连我们这样的成年人都会 ， 那如果老人跟小朋友会怎么办 ？
嗯 。
它在社会上的安全跟法律法规该怎么去解决 ？ 在工业版的机器人可以做成这样的一个逻辑 ， 因为它本身就不是在家庭或者商业里面去 。 所以很多人在工业版机器人里面去 ， 他说我避开了 ABC 的问题 ， 刚才我讲的都是 ABC 的问题 ， 但是工业版机器人实际上引发了一个新的问题 ， 就是手部的能力要很强 ， 它会酝酿一个新的问题
。 我还是回过头来说 ， 在未来的时间 ， 机器人如果走入到人类社会 ， 在很多岗位 ， 如果对基础蓝领跟基础白领都会产生价值 ， 它一定要走入我们的身边 。 所以我们选了一条很难的道 ， 啊 。 呃 ， 所以我 ， 我自己来看 ， 今天中国的很多机器人公司 ， 无论在质量安全 ， 啊 ， 包括最近的运动会也可以看到 ， 就光一个热管理就会
出现一个这么有趣的现象 。
嗯 。
还是在大脑的思考逻辑 ， 还是在它如何进入到真正的物理 AI 的思考逻辑 。 我觉得可能我们在两三年前都已经看到了 ， 并且在做调整 ， 啊 ， 但是我们选了一条很痛苦的道路是 ， 这条道路你看得越深 ， 你越难实现 。
为什么不做一些中间态啊 ？
我觉得我们已经在做中间态了 。 我们的中间态只是说 ， 如果你想把机器人真正可以简单地泛化带入到这个人间 ， 我们已经是在选择最容易做的中间态了 。
这个人应该多高 ？
你看我们现在这一代的机器人 ， 大概在一米六九到一米七零之间 。
它要让男生和女生都比较舒适的身高 。
是的 ， 而且它要可以穿衣服 ， 它甚至有头发 ， 但是它不能有自己的脸 ， 啊 ， 它必须要跟人要有一定的差距 ， 啊 。
为什么不能有自己的脸 ？
有一些是恐怖谷效应 ， 也有些是其他的法律和社会的学的效应 。 所以实际上现在大家所看到的小鹏机器人和小鹏正在做的机器人还是有蛮大的差别 。 呃 ， 我觉得都等到今年的下半年吧 ， 我期待我们在一个很深度的思考 ， 做了一个最简单的中间态 ， 然后用全公司之力 ， 全小鹏的之力能够做得好 ， 啊 。 这是现在的一个情况
。
去年发布会 ， 你说你很纠结 ， 要不要证明这里面是不是真人 ， 要不要剪开给大家看 ， 你为什么要纠结啊 ， 在纠结什么 ？
我倒不纠结 ， 我的团队很纠结 。
嗯 。
我认为就是马上就应该说 。 我的团队说 ， 你越说 ， 大部分人越会觉得你是有问题的 ， 因为你会觉得清者自清 ， 浊者自浊 ， 这是一种团队的看法 。 第二种团队看法说可以再观察 ， 等个二十四小时 ， 啊 ， 再看一下该不该说 。 我等了几个小时 ， 我已经受不了了 。 我说在中国 ， 在全球好多地方都在讨论这个事情 。
嗯 。
就是它已经扩散的速度非常的快 。 我说当二十四个小时之后 ， 可能这个子弹已经不知道飞到哪去了 。 非常简单 ， 因为我们在旁边的开发 、 使用的人 ， 我们都知道它绝对不是一个人 。 呃 ， 说实话 ， 那一个机器人也是一样 ， 它的热管理是有问题的 。
嗯 。
啊 ， 它很烫 ， 但是它只是我们中间的一个 milestone 而已 。 对 ， 我们知道后面的版本会很好 。 所以我当时的纠结是我如何让内部能够齐心 ， 啊 ， 因为内部很多人是觉得可以不说 ， 因为我们自己知道就觉得 ， 但实际上这个世界上的百分之九十九点九九的人 。 它是没有办法跟它 touch 到的 。 我记得当天晚上是我给我们的团队电话 ， 我说
明天早上你们给我想个创意 ， 我要去告诉大家这是一个真实的机器人 ， 而不是一个人躲在里面 。
嗯 。
他们被我逼出来 ， 在早上临时加了一个事情 ， 然后这个事情之后 ， 的确有了有些人相信 ， 也有更多人反而不相信 。 然后后来我们就再做了一场 ， 但是速度是非常快的 。
为什么选择剪这个方式 ？
因为网上有非常多人啊 ， 有各种各样的方法说如果你是 A， 你肯定是因为这样的原因 ， 是一个真人 ， 你如果是 B， 可能是那个原因 。 我们觉得最容易的就是把他的腿 ， 而且是左腿 ， 因为左腿是大家可以看得它 ， 因为它是 ， 它是从 ， 从左往右走路嘛 ， 左腿是最容易看到这个是一个真的机器人 ， 啊 。 所以我们当时做了这样一个
动作 。
去年那个爆炸性的舆论给你带来了什么样信号呢 ？ 在机器人的研发上 。
我觉得有非常多有趣的结果 。 我们后来去看了中国的很多社交媒体 ， 他们对这个机器人的价值的认 ， 认同感 。 绝大部分年轻人都期望进到家庭帮他干活 。 我认识的 ， 不在社交网站上发帖的 ， 中年以上的男人和女人 。
嗯 。
就是跟我这个岁数 ， 甚至比我还大的 ， 很多人在考虑等他老了之后这个机器人有什么用 。 我觉得这是非常不同的 ， 就是在以前没有经过这么大的关联 ， 它是没有这么大的 data 的 。 哦我 ， 我自己觉得这都是不同的视角去看的一个事情 。 对 。
有改变你们这款机器人的走向和流程吗 ？
我觉得它是加速了 。 实际上在机器人行业里面 ， 有非常多的非常优秀的人都加入小鹏 。 机器人是一个 ， 嗯 ， 跟汽车创业一个非常非常大不同的 ， 这个我现在还不能跟你分享 ， 我觉得过个三四年 ， 等很多很多公司都踩了坑之后 ， 大家会看到 。 我觉得 -
不同是什么 ？
我觉得就是再过三四年之后 ， 你会看到机器人的竞争会陷入到一种什么样的状态 。 小鹏的机器人踩了好多好多的坑 ， 它不是你理解就能够避开的 ， 它是真正你踩上去之后你才知道它的整个逻辑 。 所以机器人创业我甚至认为远超汽车的创业的难度 ， 啊 。 实际上汽车创业已经很难了 。 我个人来看 ， 机器人的创业大概是汽车
公司创业难度的二十到一百倍 。 你看我还给了一个最低二十倍 。 所以我自己的认为就是即使以小鹏的能力 ， 去年年底出现了这次机器人的营销之后 ， 我觉得都让我们成功概率提高了一点点 ， 我觉得是非常之好的 ， 有价值的 。
嗯 。
所以我还是想说 ， 这个事情的挑战对于每一家公司 ， 包括我们自己 ， 都是非常有趣但是也非常大的挑战 。
现在机器人公司太多了 ， 我觉得远超于当年你们造车时候的新成立的车企 ， 你觉得呢 ？ 数量上 。
竞争与挑战57:47
当年造车的时候有统计 ， 最多的时候三百多家 ， 但是呢 ， 我自己感觉就一百来家 。
嗯 。
啊可能有很多家都是胎死腹中的吧 ， 我怀疑 。 呃我觉得机器人公司现在已经成立的据说接近两百多家 ， 实际上可能比当年汽车公司 double 了 。 但是我 ， 我自己还是想说呢 ， 机器人跟汽车不一样 ， 因为汽车里面的分类可能是乘用车 ， 啊举例啊 ， 新能源车 、 商用车或者专用车 ， 或者微型车 ， 你看这是分类吧 。
嗯 。
我觉得机器人的分类远不止这么七八个分类 ， 机器人可能有无数的分类 ， 比如说做医疗的机器人 。
对 。
机器人的体系里面 ， 做专门的货运的机器人 ， 或者货检的机器人 ， 我觉得都是可能有 。 而且机器人的逻辑里面有一个非常有趣的特点 ， 我认为机器人有很多机器人不需要是人型的 ， 这个我也很认同 。
嗯 。
只是说我们选了一个最像人的人型机器人 ， 我们选了一条这个道路 ， 所以在这条道路上我们小鹏在走 ， 但是有很多条道路我认为也能走出差异化和商业化 。 所以换一个角度 ， 我觉得今天的机器人公司 ， 我自己觉得如果走通用人型机器人 ， 九十九点九九会死掉 ， 但是走各种差异机器人 ， 我觉得这个世界上可能有非常多的
解法 。
哦那机器人的胜率还挺高 。
我觉得比乘用车高 ， 这是我的看法 。
那你们为什么要选一个这么难的 ， 最难的那条路呢 ？
你想做什么 ， 你有能力做什么 ， 你觉得该不该做 ， 然后你不做什么 ， 和你觉得你如何做到有最好的概率论 ， 你把这五个能力的组合 ， 不就是你的企业或者产品单元 。
在你看来 ， 通用人型机器人的对手是谁 ？
我觉得通用人型机器人现在没有对手 ， 全都是自己 。 因为每一家做机器人公司最重要要让自己的能力最强 。 自己能力从底层就是组织嘛 ， 再往上就是硬法 ， 再往上你的整个的体系 ， 包括了技术 、 产品 、 商品的体系能力 ， 然后再往上是你的工程 。
我觉得去年你们机器人让 ， 呃 ， 非常出圈的一个核心原因是因为它做得非常的拟人 。 你觉得这背后的最关键的一些技术的 bets 是什么 ？ 以及它是在什么时间做掉 ？
对 ， 我可以讲一小部分啊 ， 比如说举例 ， 我觉得绝大部分人都低估了在机器人的运动控制 ， 实际上在汽车领域里面 ， 运动控制是一个很多人在过去的一百多年里面都觉得已经解决的事情 ， 所以很多乘用车的公司去做汽车 ， 他们都是买谁谁谁的运动控制的能力 。
嗯 。
去进行组合集成 ， 啊 。 机器人 ， 在过去的时间可能来自于 2018 年某些开源的运动控制 ，MPC 啊等等这样的一些事情 ， 所以他们为什么看起来有很多的共性 。 我觉得最终的一个机器人真正要做好了 ， 它应该完全比汽车的下下代还要能够做得更好 ， 因为汽车实际上是由不同的控制域去做单点控制 ， 它的整体上是没有你是全协同的
， 它只是说它把边界做到极好 。
嗯 。
所以它把它分工能够分好 ， 你做 A， 我做 B， 我们两个有清晰的边界 。 但实际上 ， 比如说举一个例子 ， 如果一个自动驾驶的汽车在左轮胎是雪地 ， 右轮胎是草地的情况下 ， 要转一个四十七度五的弯 ， 该怎么转 ？ 这个对人都很难 ， 因为你左边是雪地 ， 右边是草地的粘着力 ， 你整个四轮的控制 ， 整个运动的平衡 ， 整个时延的管
理 ， 如果刚好转弯的时候 ， 前面有车 ， 左边有人 ， 是极其容易滑车 ， 就追尾上去了 。 所以汽车今天的运动控制我想说的是 ， 是非常好 ， 但是还远远还没做到足够的全能 ， 就是还有很大的提高空间的 。 如果把机器人来说的话 ， 机器人还处于可能依旧 ， 我都不知道是一九几几年的汽车 ， 可能一九三几年 、 一九二几年的汽车
，maybe 在那个时候可能是 T 字 T 型车那个时代 。
今天 T 型车有了吗 ？ 在机器人领域 。
我觉得 T 型车在机器人里面肯定还没有 ， 但是我觉得我只是说从底盘运动控制角度 ， 也许还是属于那一代 。 回到你刚才的问题 ， 我觉得是要有一个全姿态 ， 你能够全 AI 组合的运动控制是极其困难 。 比如说举一个例子 ， 今天你看了所有的机器人 ， 它要不然是走 ， 要不然是打架 ， 它的两种运动控制可能是要调节的 。 然后你
说你要有五种运动控制 ， 没了 ， 你要有 ， 实际上对一个人 ， 一个人有两百多种关节 ， 他的组合是无限循环 ， 就像我现在是两个拳头一样 ， 这个 ， 而且它还有表情包 ， 手 、 眼 、 脚 ， 你的灵魂跟情绪的协同 。 所以我自己觉得就是我们实际上在运动控制领域里面 ， 是非常期望像人一样去思考全部的运动如何能够用 AI 来控制 ，
而不是用软件控制 。
嗯 。
啊 ， 而且这个控制如何能做到平衡 ， 就是像人的本能一样 ， 当一个人学会走路 ， 学会跑步 ， 他是有本能能力的 。 啊 ， 当他看到一个地面 ， 可能是有一个 ， 呃 ， 雪地加上草地 ， 他会甚至试探地走一下 ， 来感受一下摩擦力和整个的体感 ， 可能是一个有开水和一个有冰水的两块地 ， 同时两个脚都在走 。 所以在机器人领域里面
， 就是要去对这样的各种情况都要去做思考 ， 来去思考运动控制 。 所以我 ， 我算是觉得 ， 嗯 ， 小鹏可能的运动控制有点像汽车的下下代 ， 所以这也是某种角度 ， 为什么我们认为绝大部分机器人还是在很多年前的运动控制的汽车上面去 。
嗯 。
所以它自然只能用软件去来去缝合它 ， 它自然它很难做出好的机器人的综合能力 。
机器人对于小鹏来说意味着什么呀 ？ 它是小鹏的远方 ？
机器人远景1:04:12
我不是这样认为 ， 我们觉得小鹏新的十年有三条曲线吧 。 第一条曲线是汽车 ， 把汽车干到完全的智能体 。 啊 ， 我觉得第二个是机器人 ， 机器人本身就是智能体 ， 实际上汽车还要证明 ， 也许要花十年证明软件能力占百分之五十 。 但是我觉得机器人不用证明 ， 如果一个机器人软件能力很差 ， 你基本上不会要它 。 当然了 ， 硬
件能力很差 ， 你也不会用 。 这个 ， 我觉得第三条曲线我们是弄个全球化 。 实际上机器人跟汽车有一个很大的不同 ， 绝大部分都忽视了 ， 就是说一旦机器人有能力规模化 ， 它的规模化的速度会远超过汽车 。 啊 ， 汽车在过去的一百多年里面是逐步逐步规模化的 ， 因为它有道路要建设 ， 第二 ， 有交通法规要建设 ， 第三个 ， 量
产的难度很高 。
嗯 。
啊 ， 就比如说你今天做了一个特别好的车 ， 一天卖了十万台 ， 啊对不起 ， 你没有能力下个月造出十万台 ， 啊 。 另外你也不敢过了三个月真造出一个月十万台 ， 因为你不知道后面能不能卖出十万台 ， 啊 。 这是汽车的一个本身的规律 。 但是我觉得机器人不一样 ， 机器人有可能做得特别好 。 在某一个点 ， 我记住记住是一个点
， 不是一个面 ， 我觉得它是有可能会有非常大的爆炸效应 ， 呃 ， 就像我认为去年最大的在数字 AI 就是 SOPA 的 Cody。
嗯 。
啊 ， 就是非常短的时间 ， 就是大概不到十八个月 ， 从前年的下半年到去年年底 ， 就是巨大的变化 。
嗯 。
我 ， 我自己认为机器人也有可能性 ， 虽然比它慢 ， 因为还是一个数字世界和一个物理世界 ， 但是还是有可能的 。
对 。
对 。
它会比汽车还慢吗 ？
我觉得机器人如果能够软件能力到达 ， 硬件的速度会远超汽车 。 啊 ， 当然了 ， 换个角度 ， 因为小鹏是一家汽车厂商 ， 我们做机器人跟很多公司做机器人 ， 我们是百分之八十的硬件都自研 。
嗯 。
啊我们手啊 ， 芯片呢 ， 关节啊 ， 我们都参与自研 。 啊只是说我们跟可能跟很多公司的合作 ， tier one 是我们 ， 我们可能跟它的更上游的 tier two 合作 ， 只有这样的话 ， 你才能够把质量和规模做好 。
今年下半年你们要量产吗 ？ 你觉得现在的难点是什么 ？
有很多点吧 ， 我觉得是 。 硬件上能不能做到相当的可靠跟稳定 。 我觉得第二个就是高等级的多个大模型能不能可以很好地理合 。 我觉得第三个实际上还有一个很难的是商业化能不能证明 。 啊 ， 实际上机器人都是无数个坑 ， 所以为什么说它比汽车难得多 ， 汽车你只要造出来 ， 假设没有竞品 ， 假设有用户需要 ， 你一定相信
它是个可以卖出去的东西 。 但是机器人你不敢说 。
嗯 ， 机器人还没有被定义清楚到今天 。
是 ， 市场也在等待 ， 市场也在等待说你有没有一个类似 ， 嗯 ， 那 maybe 像 iPhone 4 一样的手机 。 出现 。 但是我相信第一款商业量产的机器人 ， 我认为还达不到 iPhone One。 但是 iPhone One 毕竟是一个工具 ， 它可以取代 ， 因为在那个年代还有很多其他的手机工具 ， 有 Nokia， 有摩托罗拉 ， 有索尼爱立信 ， 但是机器人有可能出来的时候 ， 很多人都没有做
到类似的东西 ， 我觉得 。 所以它又是一个不是完全可比的事情 。
你觉得你的胜率有多大 ？ 这么长期的一个战役中 。
那要看你的目标有多大 ， 才能知道你的胜率有多大 。 我觉得我自己的觉得是我们大概有个两成 。
两成 。
的胜率 。 我觉得这已经是我看到中国企业里面 ， 我自己认为是最高的胜率 。
你前年还在跟我说造车像在血海里游泳 ， 那做机器人呢 ？
现在还没进入血海 ， 血海在前面 。 但是我觉得机器人有一个很大的不同 ， 就是机器人里面的 AI 所占的能力很强 ， 而原来在血海里面游泳的那一群跟你一起游泳的人 ， 实际上绝大部分人都不太懂 AI。 今天在汽车行业里面 ， 很多人说因为我不懂软件 ， 所以我找一个好的 Tier 1， 在汽车里面是 work 的 ， 在机器里面是不 work 的 。 所以机器
人的血海就像当年的互联网竞争一样 ， 会很快从血海到蓝海 ， 啊 。 所以它的进展的速度会极快啊 。
刚才我们说的是机器人 ， 那今年你们也会发多款新车 ， 包括你们的 GX， 我们要不要聊聊你这个产品 。
GX新车1:08:33
对 ，GX 是小鹏再一次做高端 。 对 ， 这也是我们第一次做一款全尺寸六座的大 SUV， 啊 ， 也就是我们旗舰叫做旗舰 SUV。 非常有趣啊 ， 今年的北京车展大概有三四款这样的全新的全尺寸 ， 呃 ， 我自己的在我的脑袋里面大概有几款吧 。 小鹏实际上在这个里面做的有很多的跟他们的差别 。 我 ， 我觉得我们第一次是在思考我们如何把汽车
、 飞行汽车跟机器人的很多能力在这一代新的智能汽车里面把它贯通起来了 。 我举一个例子吧 ， 我们把飞行汽车里面的飞行的核心零部件龙鱼带到了这一款车里面去 。 当然了 ， 这一款 GS 我认为是全中国第一个整车厂做了一个全装的 robotics， 所以它有八个全安全龙鱼 ， 啊 。 也就是说你开到野外去 ， 电源坏了还能开 ， 动力坏了还
能开 ， 老鼠把线束咬坏了还能开 ， 啊 。 它就像飞机一样 ， 它允许你有龙鱼啊 。 我觉得第二个比如说举例 ， 呃 ， 我们把汽车的线控底盘跟我们新的 EEU 体系 ， 跟我们的 VAA 的自动驾驶关联起来 ， 它可以使新的底盘能够在 VAA 的执行过程中间提高下限 ， 啊 。 也就是说安全级别更高 ， 时延更短 ， 控制的灵敏度可以提高接近百分之好
几十 ， 实际上是 。 这是我们比如说举的一个例子 。 那么第三个很快了 ， 我们把机器人里面的 ， 呃 ， 思考 ， 就机器人是要听一个任务 ， 比如说小静说你帮我拿瓶水 。
嗯 。
那这是一个任务 ， 它首先要判断你是谁 ， 你不是我主人 ， 我不听你话 ， 啊 ， 然后水在哪里 ， 你要喝什么水 ， 拿完水之后去哪里拿 ， 然后怎么给你等一系列的这个事情 。 汽车在未来不远的将来就会看到 。 所以今天我们对外没有去讲这个太多 ， 实际上它是本身是来源于机器人 ， 当然它还来源于我们很多从汽车上的能力了 。
比如说举例 ， 这个车它的第三排空间可以完全地推平 ， 变成一个两排车 ， 或者变成一个两点五排车 ， 我们叫做四座 、 五座 、 六座都可以去坐的车 。 所以实际上你会看到它是把小鹏的自己的很多能力 ， 飞行汽车的很多能力 ， 机器人的能力实际上是做了一个非常有趣的融合 ， 然后也加上了很多我们合作伙伴 ， 比如说我们跟
福耀玻璃做了隐式玻璃 ， 我们跟美的做了新一代的车载的冰箱 ， 我觉得有特别多的很有趣的能力的组合 。 所以实际上我们实际上一直都觉得做一个外表很大 ， 有一部分好看 ， 内饰很粗糙 ， 然后细节不用心话 ， 然后拼凑了很多能力的车 ， 我觉得是 ， 那是叫血海 。 某种角度 ， 实际上在车展里面看的特别多的这样的车 ， 但是
你怎么能够就能做成不一样呢 ？ 它需要一个全维度集 ， 啊 。 每一个点 ， 有的人说我这个点是六十分 ， 那个点是八十分 ， 还有一点是八十五 ， 你可能你最差的点是八十 ， 然后还有更多的九十分跟九十五 ， 你才有可能在这个战争中间胜出 。 啊 ， 所以这是一个非常有趣的一个事情 。
这个价格是怎么定的 ， 开始就想好了 ， 还是最后定的 ？
没有车在一开始就想清楚了一个逻辑 ， 啊 ， 它一定都是一个规划 ， 这个规划取决于你期望吃掉一个什么市场 。
嗯 。
你期望这个市场有什么样的规模 ， 期望有什么样的利润 。 然后另外在这个市场里面可能会有什么样的市场的 player， 啊 。 我觉得大概就几点吧 ， 而且现在是个预售 ， 因为五月二十一号 ， 啊 ， 我们会正式的发布 ， 所以发布会上会看到我们更清晰的配置跟价格 。
担不担心重蹈拒究的覆辙 ？
我不担心 ， 啊 。 因为那个时候的思考跟逻辑 ， 跟这个时候的思考逻辑我觉得差别非常的大 。 特别多的东西 ， 从过几年来看 ， 如果你的能力到达一个更高的维度 ， 你大概率你都可以分析出来以前的问题在哪 ， 以及大概率认为现在的问题在哪 ， 我认为是 。 而且我们到了今天 ， 不会是一个像以前一样 ， 就是说当你的体系能力
越强 ， 你越难在某一两个点上能轻松的失败 。
你个人说你也挺喜欢这款车的 ， 并且你希望是给朋友造的一款车 。 这都是一群什么样的人啊 ？ 你的目标画像是谁 ？
我觉得三十岁以上比较勇敢 ， 然后很多人做得很好 ， 这个有的是创业者 ， 有的是好的经营人员 ， 好的专业人员 ， 他们愿意探索新的科技 ， 体验新的科技的豪华 ， 跟我们味达比较相近的逻辑 ， 我觉得它是我们的第一批的用户 ， 所以我们这款车实际上更期望是用面向家庭的科技豪华 。
你开出去朋友有什么反 ， 反馈吗 ？
我的朋友实际上很多都很喜欢 。 实际上明天我在北京 ， 有一群的朋友都约在一起来看一下我们的车 。 实际上很多人跟我说 ， 他说小鹏 ， 你们早就应该做一款这么大的车了 。 他说实际上我跟我的家人实际上很想去用一款大车 ， 然后他们可能在过去的时间有人开过 ， 有人坐过小鹏的其他车 ， 实际上他们都很期待有一款更大
的车满足他们的需求 。
怎么面对跟理想的竞争 ？
我觉得我们跟每一家都是友商 ， 也都是同盟者 ， 也可能是竞争者 。 今天我还跟理想去它的展台去看了一下新的 L9 也是非常不错的车我相信 。 昨天我去了李斌那里看了 ES9。 我觉得蔚小理在大九系这一次会都会给出各自不同的看法跟认知 。
你有从进九上复盘到什么 ， 然后用到这一代车型里了 ？
我觉得太多了 。 我们的组织也调整了 ， 产品的规划调整了 ， 我们的对客户的认知也调整了 ， 对商业的逻辑也调整了 。 我觉得太多了 ， 我觉得这已经隔了三年半了吧 。 从 2022 年底到现在 ， 我觉得太多了 。
这么自信 。
就我觉得这是完全不一样的能力级 。 汽车是一个非常复杂的技术的 、 能性的 、 经营的大集成体系 ， 所以为什么它说是制造的明珠 。 所以在这个领域里面学习得越深 ， 总结得越深 ， 你会看到很多不一样的点 。 实际上在很多小型的硬件或者消费级的硬件他们是看不到的 ， 他们把很多的制造交出去了 ， 他们有很多的供应能力
， 靠供应链它的组合可能性不高 。
嗯 。
所以在汽车领域里面 ， 为什么我对于从 2022 年到 2026 年 ， 我自己都认为是 ， 是巨大的质的提高 。
如果有人说小鹏的车丑 ， 你怎么想 ？
每一辆车都会说 ， 碰到其他人说他的车丑 。 审美是一个主观性的逻辑 。
你觉得小鹏的车好看吗 ？
我觉得在越来越好看的路上 。 其他的信心我不敢说 ， 对丑美的信心我还是很有信心 。
你说颜值第一啊 ， 在内部 。
颜值是一个相对论 。 对 。
嗯 。
要在多个领域做到第一才有可能 。 颜值是其中一个领域 。
为什么不选一个做少而精的车型的策略呢 ？ 为什么今年要做四款车 ？
我觉得每一个公司都有一个道 。 嗯 ， 我觉得你不能去问 A 公司为什么不做少而精 ， B 公司不会做大而全 ， 都有不同的逻辑论 。
你今年感觉整体都很自信啊 。
我觉得做企业没有不自信的吧 。
你现在花时间最多在哪里呢 ？ 在车 ， 在机器人 ， 在 AI， 还是在哪里 ？ 还是在组织 ， 还是在采购 ？
你所讲的都有参与 ， 但是我觉得都不是 。 我觉得最多的我觉得还是在战略跟规划 ， 就是未来是什么样的 。 就像刚才你问的很多问题 ， 谁是成功的等等 ， 可能他们以后会更成功 。 但是今天在我角度来看都不叫成功 。 啊 ， 就像汽车里面规模算成功吗 ？ 是成功的代表之一 ， 不一定都成功 。 这个利润算成功吗 ？ 有些利润可能是
临时的 ， 也很痛苦 。 所以企业家里面对成功的概念是有非常大的不同 。 所以换个角度 ， 我可能花的更多的思考是整个的企业的 、 产品的和商业的战略和规划的问题 。 啊 ， 但是这些规划问题它需要你的技术问题 ， 你的组织问题 ， 你的整个市场的问题等系列的组合能力才能最后去做到 。 啊 ， 大概是这样 。
今年对你来说最重要的一件事情是什么呀 ？
没有 。
都很重要 。
很多都很重要 。 实际上汽车是一个很复合的问题 ， 它比一个个人或者一个清晰的企业 ， 他所说我只要把这一件事情做好就可以了 。 汽车做好一件事情不代表能做好 ， 这是一个很痛苦的问题 。 就跟讲长板短板跟宽板的问题一样 。
嗯 。
很多人会想说你应该做好一个长板 。 在绝大部分时候是对的 ， 但绝大部分时候这个问题在汽车里面回答它是一个复合的体系 。
嗯 。
你做好一个没有用 。 好 ， 比如说你把自动驾驶做得极好 ， 做了 level four 行不行 ？ 第一 ， 一般我大概认为谁说今年做得到 ， 我觉得确实牛逼 。 第二 ， 我认为就算他做到了 ， 他也没有对他有巨大的价值 。 因为它的价值的体现是要逐步体现的 。
那你觉得 L4 什么时候会实现 ？
行业终局1:18:30
我大概率认为十八到二十四个月 。
这对你们来说 ， 还是对全行业来说 ？
我觉得对我们 。
实现以后会带来什么呢 ？ 会带来车的更多的销量吗 ？
销量更多是百分之百的 ， 销量多多少我需要认证 。 即使多了销量也不代表长期的价值 。
嗯 。
你看这里面都是不同的问题 。 比如说举例 ， 我们上个月 ， 呃 ， 三月底我们发布了第二代 V2A 的第一个版本 。 我最近在车展跟大家分享的数据 ， 呃 ， 四月份实际上中国的汽车的销量同环比都是下跌百分之二十左右的 ， 我们大概涨了百分之五十到七十 。 啊 ， 这里面有相当部分跟第二代 VLA 相关 。 它好不好 ？ 我觉得不错 。 那么如
果做了 L4， 能够把这个能力提高多少倍 ？ 一倍 、 五倍 、 十倍 ， 我觉得我都很难判断这是好还是不好 。 第二个 ， 它到底是对社会 、 对行业的冲击是什么样的 ？ 今天实际上我们有很多的在这个里面的看法是不一致的 。 我还是想说的是 ， 汽车企业的最后的成功不是仅来自于 AI 里面的一个能力 ， 或者硬件里面的一个能力 ， 或者在
销售里面的一个能力 ， 呃我觉得都不是 。
于凯老师经常说你是他最难磕的一个用户 ， 他觉得车企最终都应该用第三方 。 你怎么看他的观点 ？
于凯同学跟我们关系得很好啊 ， 这个我觉得他走在一条很有趣 ， 呃 ， 很有希望 ， 但是也许也很有挑战的道路 。 要看这个世界上最终汽车机器人的公司是多还是少 。 越多 ， 我觉得于凯的道路会越广 ， 越少 ， 于凯道路会越痛苦 。
你倾向于认为是哪一种 ？
我可能认为是越来越集中 。 如果从用户角度去看一个事情 ， 因为我们是从一个企业角度看一个事情 ， 用户角度只是我们可能几个角度之一啊 ， 所以从用户角度都会觉得需要有更多的车企 ， 有更多的友商的产品的可供选择 ， 有更多的不一样的东西 。
嗯 。
但是在这个世界上 ， 汽车这个事情太复杂了 ， 如果它是一个比较简单的事情的话呢 ， 我觉得它很快就会归一 。 我讲的归一就是苹果的手机 ， 我觉得啊 ， 这个话说的不是很好听 ， 就是在最近的数代里面 ， 苹果手机实际上变化不太大 ， 但照样能够很稳定 。
对 。
啊整个手机市场的变化 ， 现在我买手机已经除非我手机坏了 ， 否则我已经不是因为手机哪个能力的提高 ， 我一定要去买这样的一个情况 ， 但汽车还远远没有到达这个点 ， 甚至我认为将来可以一年一千亿的研发费用 ， 在持续地做巨大的创新的价值都是有的 。
嗯 。
所以在这样的一个领域里面 ， 呃 ， 我觉得在过去的汽车公司 ， 有很多公司实际上是不自研的 。 他说你去看这些汽车公司里面 ， 他做了很多研发 ， 他发了很多钱啊 ， 他有很多人啊 ， 我说但是他不做自研 ， 他做集成 。
嗯 。
所以你说他们做集成是不对 ， 你去自研 ， 实际上你会发现自研更不对 ， 因为汽车太复杂了 ， 你有很多很多的东西都要研发 ， 所以你还不如说有些地方你没有基因的 ， 你还不如找 A 合作 ， 找 B 合作 。 这个话对 ， 但是换个角度就看它是到底是你汽车的战略还是你的战术 。 如果是战术 ， 你不应该自研 ， 如果是战略 ， 你应该自
研 。 回到一个终极的问题 ， 刚才你一开始问的 ， 啊 ， 这个比如说十年后我们的汽车软件占不占汽车价值的百分之五十 。
嗯 。
如果占 ， 那一两家 Tier One 就可以帮助合作伙伴做到百分之五十吗 ？
他当然希望是这样 。
对 ， 我觉得也许可以 ， 也许做不到 。 我们在汽车里面有一个叫做跨域融合 ， 是把很多能力一起融合 ， 有硬件 ， 有软件 ， 有制造 ， 有设计 ， 有服务 ， 有运营 ， 这些都是完全不同关联的 ， 然后你把它融合在一起 。 有很多人说 ， 那 ， 那这个怎么融合呢 ？ 比如说举例 ， 为什么在汽车里面听到的很多几合一 ， 它就是把不同的东西
合在一起 。
嗯 。
为什么在软件里面多合一 、N 合一 ， 它可能把几十种能力合一 ， 合在一起的整个体系体系都不一样 ， 它不是哪一家公司可以做的到的 。 比如说你原来跟三家公司可以有合作 ， 呃 ， 来一起提供一个 total solution 很容易 ， 但对不起 ， 你要跟三百家公司一起合作 ， 提供一个个性化的 solution， 你是非常痛苦的 。 小鹏的道路跟于凯地平线的道路都
有可能成功 ， 啊我觉得今天不知道 ， 我觉得于凯做的地平线做得 ， 公司做得好 ， 产品也做得好 ， 这个我首先都非常认同 ， 但是我还是想说的是 ， 最终这条道路的战略的终局 ， 或者说看得到的终局是啥 。
你觉得汽车或者机器人最终会集中到多少家 ， 这是一个多少 ， 多少年周期的事情 ？
我觉得不同企业差别太大了 ， 我这个集成我先不说 ， 我一直说三零年中国可能就五家有规模的汽车企业 ， 不代表其他汽车企业会倒闭 。 但是我想说的是 ， 规模的下行会导致了越来越难进入到这种超高强度的竞争 。
你今天从血海里游 ， 游出来没有 ？
我觉得都在游 ， 我觉得 -
出来了没 ？
没有 ， 我也不觉得有谁出来了 。 在我的定义里面 ， 这个首先你不要问我我的定义是什么 ， 我认为没有一家游出来 。
机器人挑战只会是它的十倍 ， 对吧 ？
我觉得机器人反而会稍好一些 ， 因为机器人的同质内卷的可能性会低 。 第一 ， 它的软件价值会很 ， 很大 ， 这个大家都毋庸置疑 。 第二 ， 我不认为有一个非常好的开源能够帮助一个机器人公司做好软件 。
尾声1:24:15
你的典型的一天是什么样的 ？
我觉得跟很多企业家可能一样吧 。 嗯 ， 相 ， 相对来说比较晚一点 ， 上班很晚才走 ， 然后每天会有很多个决策项 ， 大部分的期望非常快速 ， 到处交流 、 思考 。 这是典型的一天 。
最近有看什么书 ？
我不太看太具体的书现在 。 我的桌面上很多书我可能就翻一章就过了 。 呃 ， 我觉得书里面总结的规律在现在的组合里面变化太快 ， 所以它很难总结 ， 就是当他写好一本书印刷出来之后 ， 这个世界可能又变化了百分之十 。
嗯 。
在他的那本书的范围内 ， 假设啊 。 所以我觉得看书是应该在一个更稳定的环境去看 。
怎么吸收知识 ？
实际上吸收知识最简单的我觉得是在实践中间吸收 。 以前我自己总结吸收知识 ， 读万卷书 ， 行万里路 ， 聊万次天 ， 然后卷万次袖子 ， 以及实践 。 我觉得现在最重要就是你所看到的很多的事情 ， 如何在一个足够大的平台上去做好你的快速循环的事情 。
嗯 。
在企业内部的组织是做 PDCA， 但是在 AI 体系里面要靠全自动的循环 ，PDCA 的 C 都不能做了 ， 啊 ， 就是它应该尽量降低人的任何一个环节的消耗 。
过去年有没有什么后悔的决策 ？
没有 。
没有 。
这个世界上不需要去思考后悔的决策 。
因为犯错的太多了 。
嗯 。
犯错为什么要后悔呢 ？ 我们经常觉得说 ， 哦 ， 原来这个时候的一个东西是做错了 ， 那我们在一起思考为什么现在错了 。
嗯 。
但不用后悔 。