He Xiaopeng: Robot IRON's Birth, The Accident, GX, His Big Bet & Swimming in Blood

[00:00:00] 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 那一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化之后 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 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 甚至到公理层 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 哈喽大家好 我是小珺 《未竟之约》是一档 由微博财经和语言即世界工作室 联合出品的访谈节目 [00:01:00] 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 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产品是什么 那我还真不多 还是在非常传统的AI产品 千问 豆包 但是在coding（编程）的方面呢 我们现在团队内部用了非常的多 但是我自己个人 我不愿意使用 为什么 他们就跟我问 小鹏你自己要去用 我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 如果你天天用产品 你很快会到细节去 比如说你会觉得skills（功能）哪里不好用 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 [00:02:01] 非常的多 但你一旦用进去 你会看到它的缺点跟问题 然后你会聚焦怎么去解决 比如说多人协作的 coding（编程）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 很多产品的能力 我自己认为 要用不要太深度的用 特别是做一号位 但是基层的 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 最后要看结果 再最后慢慢的把它归一 这样才比较好 AI coding（人工智能辅助编程）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 [00:03:01] 会逼迫初级程序员 都要上到高级程序员 但是我觉得对于像智能辅助驾驶 或者像其他的强AI的能力 我认为 它的帮助就比较小了 它只是其中的一个工具 真正要把整个的infra（基础设施）建好 整个的体系建好 实际上本身来说 你可以认为 它是在最应用层来帮大家的 那是AI coding（人工智能辅助编程） 但是如果在内核层 比如说你想写个操作系统 我认为它的最核心还是整个的infra 而不是在coding(编程) 你现在每个月会使用多少Token（词元） 公司会使用多少Token（词元） 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 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 [00:04:03] 可能不一定是数字化的 可能有非数字化的 一个非常有趣的就是 在非数字化的公司对Token(词元)需要多少 你看我们的车 我们之前做了一个有趣的小统计 我们新一代的VLA 一天只用三四个小时的话 会用多少Token（词元） 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（词元）数量 远远低于在物理世界 AI自己需要用的Token（词元）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（机器） 它去用Token（词元）来去用多少 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（词元）的使用 将来会是machine（机器） [00:05:03] 自己使用多少Token（词元） 产生多少对machine（机器）和人的价值 而能用多少Token（词元） 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 它的北极星指标 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（词元） 很多人问说不控制Token（词元） 一个季度就把一年的费用全cost down（节省）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 TOP10的十种情况 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（词元）分配主要在哪里 我觉得主要还是GIC(通用智能中心) 实际上是我们的自动驾驶 跟座舱团队的合并 他们团队又大 [00:06:04] 我觉得Token（词元）是对一个企业内部员工的术语 我们某种角度 你可以说用了多少张H100 一张H100 我不知道一天能够用多少Token（词元） 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H100或者五万张 你使用什么业务 能够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 我实际上不太（在乎）使用Token（词元）的使用情况 你刚才提到异常值 有什么样的异常值 我举个例子吧 我们最近专门对于data（数据） 做了一个整个的控制 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就可以来训练了 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 [00:07:06] 可能我们一年在数据上投入 都从直接的刚性成本 都接近10个亿以上 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再使用的 每一个使用的钱的数量 都是千万级 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 实际上算力也是一样 我们对数据 对算力都是有不同的team（团队） 专门去管这个事情 但是我们不太care（在乎） 我看到有很多公司说是 公司的工程师使用Token（词元）的数量 我觉得那个数量 跟machine（机器）使用的Token（词元）数量 和物理世界AI模型 训练的时候需要的Token（词元）数量 那都是非常小的数字 最近skill非常的出圈 如果把你训练成一个何小鹏skill [00:08:07] 你觉得应该给它提供哪些训练的数据 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skill化 如果把我都能够现在有清晰的逻辑论 去skill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 CEO可以被替代 也许过数十年或者过一百年 那时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 因为你这个问题是我们不光是想过 我们是深度思考过 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 实际上它有两个非常重要的矛盾体 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 [00:09:09] 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 并且不断的OL(持续学习) 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（编程） 或者跟自动驾驶都是不一样的 coding（编程）跟自动驾驶 相对来说是比较清晰的 我知道什么是错的 对 但是比如说把何小鹏skill化 你很难判断这个skill化怎么是对的 或者是错的 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 直觉来讲 何小鹏skill的一个缺点会是什么 缺陷 我觉得每个人skill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 作为一个CEO 你觉得你今天的AI的含量够吗 我不知道 我觉得在数字世界的很多公司里面 [00:10:11] 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上面花15%-20% 而且我讲的AI是一个泛AI 包括了我们的自动驾驶 包括了我们的机器人 我们觉得在这块都算是AI的整个范畴 我觉得是它足够了 那我今天很想跟你讨论一个话题 就是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 我还不是这样理解的 抱歉 我把汽车认为有几种研发 我觉得第一个是硬件的研发 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 刚刚小珺你所说的 硬件的研发 [00:11:11] 跟制造是两种不同的能力 比如说 你有能力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 这是我的看法 你们去年还在说 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 还有很多都不能清晰的描述 但是我可以来说一下 比如说在过去的 小鹏汽车的前面的十年的 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 所以在过去的十年的创业里面 我们做出第一款车 [00:12:11] 然后把它量产 卖出第一个10万台 然后做出第二款车等等 它会进入这样的一个循环 但实际上在 12 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 2025年 也就是去年的时候呢 所有人都相信了电动化是未来 因为大家看到的中国 看到的全球 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的非常的快 在汽车领域 但实际上 我认为也发展的非常的不尽人意 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 [00:13:11] 某种角度我觉得是它做到了效果 但是没有足够的高度 也就是说 那个时候我认为还是AI的算法 加上软件的规则的能力的组合 我把它戏称为叫缝合怪 实际上不是用整个AI驱动来设计机器人 也不是用整个AI的模型的能力 去来构建这个体系的 就是还是以软件为主的逻辑 小鹏在去年 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 新的智能辅助驾驶 在内部叫VLA的第一代 VLA的第二代 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 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 [00:14:13] 端到端的逻辑 实际上是用一个更大的foundation model（基础模型） 在更多的思考 如何去把自动驾驶的上限先打开 再去收敛下限 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 有很多地方是做的很差的 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的开 所有的停车场开的都是叫记忆辅助驾驶 实际上他是开了一次之后 它知道你的停车位在哪里 你的大概的行车路线是什么样的 实际上它对于整个的物理世界的了解度 是非常之低的 核心还是不够智能 它的上限太低了 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 我只是一个假设 [00:15:14] 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10万分到100万分 但是那个时候的下限也很惨烈 本来你期望做一个产品 上限1000分 下限900分 这个时候你的能力是不错的 但是那个时候下限可能只有100分 所以它比其他的 我们自己的产品的下限上要更低 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 包括刚才你所说的coding（编程） 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 [00:16:15] 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 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 我们在去年做了巨大的转型跟赌博 我们把以前的那一套体系就停下来了 那一套体系花了小几十个亿 去年的什么时间 大概就是现在 原因是什么 我认为它无法做到无人驾驶 我认为它也不可能 让机器人真正的泛化 比如说我们今天到了一个陌生的场馆 机器人可以走过来说“小珺你好” 然后坐下来 然后你说 我就不给你递一杯水了 那它说 “对 我不需要” 我觉得它可能是一个强规则 [00:17:16] 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 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 11 年了对吧 你们做智能化也非常的早 我觉得绝大部分不是站在物理AI的角度 去看一个事情 我对于数字AI能够改变很多东西 我觉得和物理AI和改变很多东西 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（语言） 物理AI不是用人类language（语言） 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 [00:18:16] 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 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 因为你要知道 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 它要保住下限 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 [00:19:18] 窄板要做宽 短板要做长 长板要做的更长 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 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（在乎）的 我们实际上早早都不是这个维度 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 [00:20:19] 硬件占一个客户所需要的比例 都远大过50% 对 我认为如果在下一个十年 很有可能 硬件和软件可能可以各占到50% 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 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 用户愿意为它付费的价值 才会占到 例如一个车 或者一个机器人的50% 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 [00:21:20] 我觉得基本上都是使用 比如说Claude Code非常好 我会用Claude Code 如果DeepSeek V4 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 我们做了一个Hub 可以很容易的切换 但是在physical AI（物理人工智能） physical AI（物理人工智能）的model（模型）是不一样的 physical AI（物理人工智能）的data（数据）是不一样的 physical AI（物理人工智能）的infra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 这就是我们大概的一个能说的框架 再多说就不说了 去年4月到底发生了什么 为什么去年4月下了一个这么大的赌注 受了什么刺激吗 没有 实际上就是体验不同的能力了 去年3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 [00:22:23] 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 4 或者level 5 这是当时在去年年初的一个想法 就是可能这条路是一条捷径 但是不是一条大道 是一条小路 我们要找到一条大道 真正能做到 maybe（可能） 刚才所说的50:50的硬件加软件的value（价值） 我讲这个value（价值）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30万的车 其中15万算你的硬件 15万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 所以像物理的变化和像AI的变化 重新的思考 我觉得是一个非常重要的点 所以这一次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 [00:23:23] 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 应该叫从战略的规划 到研发的过程 都会逐步的进行调整 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 然后开始更多的思考 下一个十年的方向 我觉得没有一个会议 基本上在脑袋里面拍 全力以赴 我觉得大概在去年的三季度末 三季度末我们做了一个非常大的动作 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 但是每个人都有原来的惯性 你会习惯用过去的方法 享用最新的工具跟技术 去做出更好的东西 我觉得大部分时候就是对的 [00:24:24] 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（思维模式） 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 能不能把你的步骤跟我们分享一下 对 这些都不能说 抱歉 这些是我们正在做的 当然也是分阶段做的事情 我只能告诉大家 在不同的业务要用不同的节奏 相同的业务核心是干部跟组织的问题 实际上它是一个非常困难的事情 为什么一定要AI驱动呢 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 你会用更多的材料更多的工艺用AI的 [00:25:27] 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 只是可能修的更快一点 我们想要的是不一样的东西 有很多不一样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 要让大家看到 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 所以你如何把这样的人分节奏去做 我觉得是有非常不一样的 这样的一个行为的 我很难在物理AI上 对于规划组织来做分享 所以刚才这一次为什么你问我问题 我都说我没法答的问题 第一我们在尝试 在testing（测试） 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 [00:26:28] 准确的可以跟你讨论 你只能去听了很多人的想法意见 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 最后你来下赌注 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 第一个就叫绝不服输 绝不服输 第二个是愿赌服输 你如果把这两条 都能够比较好的放在一起 去平衡它 意味着即使面对巨大的困难 你都要坚持 也许你再努一把力它就过了 [00:27:29] 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VLA 我认为应该把它放大 并且最后坚定的把第一代VLA 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 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 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 但是我相信再过几年 等我们更好的成功也许再来讲 我觉得在今天的过程中间 这个第一 每家公司走的是各自的道路 它是不能复制的 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 [00:28:31] 很多都无法复制到物理AI 这是一个不一样的世界 很多人提物理AI 我当时都在笑 我说首先你有没有在物理世界做过业务 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义 规律 去做一个物理世界的AI 我觉得它还是一个狭义的物理世界 这个物理世界 还有很多是跟人相关的事情 跟人相关的物理世界的环境 法规 最后还有商业 它形成了一个事情 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 你就必须去思考的要更广 更深 而不是仅仅是两到三块长板的逻辑 所以这也是为什么我没有办法回答你 [00:29:32] 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1万人或者5万人 转型晚三天可能成功概率提高了15% 对一家微型公司 他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 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在帮我分析 [00:30:32] 第二个简单的程序员 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 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 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来去提高效率的 根本没有概念 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 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 [00:31:34] 因为在这个世界上 原来如果说360行 有36000个不同的岗 我们觉得在数字世界的岗 是相对有限的 那很多人会不是这样的判断 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 某种角度 我觉得今天我们如果看物理世界 假设我先来说 Google下注自动驾驶是2009年 到了现在17年 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 我觉得它很难全球化 我觉得在过去的时间里面 level 4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 [00:32:36] 当然了Google现在在新的大模型里面 做了很多的事情 我认为在将来可能它们会变化 但是目前我并没有看到 所以换个角度 我只是想举几个例子就是说 即使是让司机更轻松 更安全 更快捷的开车 我们每个人都是司机 就光这个事情做了17年 没有一家公司能够做的极好 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 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到极致 再极致一点就很好了 NO 因为你考虑的维度不对 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 [00:33:37] 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 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 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 每个人的创业 不就是在你当时的能力上 赌你10倍到1000倍的可能性吗 如果你要赌1000倍 对不起你的概率是千分之一 如果是10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 随着你的创业的规模变大 你一样需要去赌 只是说 那个时候你不应该赌1000倍的概率论 你可能是赌数倍到10倍之间 你听过最大的反对声是什么样的 [00:34:37] 我觉得最大的反对声音就是 有很多人用脚投票 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 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 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 到方向 全部改 对 所以去年动刀子动的是很大的对吗 对 大家所看到的可能都是最上层的 业务层或者应用层 但是内部看到的就是一直到根上面去 所以我一直还是想说 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 [00:35:38] 我听到你的很多节目 基本上都在讲数字AI 对 基本上没有人在一个数万人 大量跟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 可能有一部分的业务逻辑是对的 但是它们还不够全面跟充分 这是最大的问题 这时候我特别想问你的就是 物理AI到底应该怎么做 在一个成型的组织里去推动它 我觉得我说不出来 因为我也是在探索中 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100倍 但是我觉得2027年 2028年开始 大家会看到物理AI的效果 [00:36:38] 会开始出现类似ChatGPT Anthropic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 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 因为医药行业是个非常复杂的行业 包括养老 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 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1000人以内的 我觉得他们的开始来更多的探索 我觉得这是一个非常好的点 实际上我们也在不断的观察 学习 在合适的时间点一样也做 [00:37:39] 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的公司来说 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 组织的变化 我讲的不是一个小型组织 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 我甚至认为 5-10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 做一个CEO 当然焦虑 有多焦虑 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 你心目中的定理 范式 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 在这些东西的变化下 好像以前的这一套逻辑不是那么work [00:38:42] 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 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 你根本没法解决问题 你是个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 所以这是一个非常有趣的话题 所以你刚才讲的焦虑 就是你会不断的重构你的定理 甚至公理 推翻过过去什么样的公理 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 比如说当小鹏做了自动驾驶 [00:39:44] 做了很多年之后 你越做下去 你越会觉得 好像level 5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重构这个事情之后 你觉得它可能存在了 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 我只能点到这里了 再不详细说了 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 能不能讲讲这个产品是怎么诞生的 我听说你们是在2023年 [00:40:44] bet了通用人形机器人的这个方向对吗 小鹏的机器人实际上分三个阶段 第一个是2018年-2020年 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 是你收购的对吧 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 我们差不多花了三年半到四年之间 做了三个不同的milestone 我觉得这是第二个阶段 在这个里面我们试过很多 我们用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 到了2023年之后又是一个新的逻辑 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 因为实际上小脑的复杂度都远高过大家 [00:41:45] 今天大家有很多人说 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的行走 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 他说你的运动的小脑其实是大脑 OK anyway 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 从四足坚定的开始进入到双足 从不相信大脑 就像当时不相信level 5一样 进入到一个坚定的 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里面看到的 技术好不代表产品好 产品好不代表商品好 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 [00:42:46] 实际上我们今年年底 我们就期望进入到机器人 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try(尝试) 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 会逐渐的适度下行 我觉得会进入一个叉分的阶段 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 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 所以我觉得明年是可能开始的元年 2023年发生了什么 让你从不相信变成相信了 2023年是因为我认为在当时 如果我们用一个对机器人非常懂 [00:43:47] 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(米良川，小鹏机器人中心负责人) 所以我们当时把300人的团队 只留了不到60个人 我们把它解散了 出去了 听说他们跟我说有10个创业的团队 大部分都拿到钱了现在是 像众擎拿了好多轮钱了 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 它既懂点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 全新思考的机器人逻辑 为什么当时选中他（LC） 我觉得有很多时候是命运 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 [00:44:47] 所以我选他对吧 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 首先你选择他 他也要选择你 他的反向选择 我觉得可以try（尝试） 所以我经常看到很多外面机器人的demo 或者演示 或者是video 我都说他们很多还在我们的 可能第三代或者第四代的技术栈上 去做testing（测试） 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 我们是非常既有耐心也有勇气 去长时间投入 所以今天有很多机器人公司 它很快速做出一个demo it’s nothing（没什么） 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 [00:45:48] 就跟今天机器人一样 当然机器人更多了 不代表这些技术 最终能够看到真正的价值 只是一个简单类比吧 因为这样的对比也不好 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人吧 我觉得在绝大部分的国家 城市或者行业是很难的 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 我实际上认为是人才的潜力 他基本上都用最好的人 比如说去年的年底到今年的上半年 我们大概类似三清层次这样的硕博毕业生 [00:46:48] 就光一个部门招了接近80个 他们都很贵 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 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或者流程 或者工具去来锻造 我觉得在某些阶段这是非常对的 那个时候要bet（赌）通用人形机器人 你选择的理由是什么呢 在2023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 我觉得我很开心 我跟我的团队LC都是一样 LC比我还crazy（疯狂） 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 [00:47:49] 但是我认为他没有思考到 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 20 年 50 年以后 会跟人类的各个领域强相关 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 这个我实际上对机器人里面一个很重要点是 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 如何让老人不生病 更长寿 更开心 [00:48:50] 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 我觉得极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 去年那波爆炸性讨论 有出乎你的意料吗 你当时还挺委屈的 对 我们是没有想到的 我们实际上想法非常的技术化 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 人应该有200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 如果它身上有肌肉跟皮肤之后 它的行走的效果 会极大幅度的变化跟缩减 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的 [00:49:51] 进入到我们的生活 或者我们的工作情绪中间 我举一个例子吧 比如说我们以前做的四足机器人 做过狗 做过马 不管这四足的是个什么 它进到你的房间 它都不行 如果你让一个大概长度有 1米1到1米2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 它无法原地掉头 如果你家里有一只金毛 它在掉头的时候 它的尾巴 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 但是一只机器狗 它100%会让你们两个都觉得受伤 那狗做小一点呢 如果它做的非常的小 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 [00:50:51] 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 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 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 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 它会引进一个新问题 我还是回过头来说 [00:51:52] 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 所以我自己来看 今天中国的很多机器人公司 无论在质量安全 包括最近的运动会 可以看到 就光一个热管理 就会出现一个这么有趣的现象 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 但是我们选了一条很痛苦的道路 这条道路你看的越深 你越难实现 为什么不做一些中间态 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 真正可以简单的泛化带入到这个人间 [00:52:53] 我们已经是在选择 最容易做的中间态了 这人应该多高 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 它必须要跟人要有一定的差距 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 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 做的一个最简单的中间态 然后用全公司之力 全小鹏公司之力能够做的好 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 在纠结什么 我实际上不纠结 我的团队很纠结 我认为就是马上就应该说 [00:53:54] 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24小时 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 就是它已经扩散的速度非常的快 我说当24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 说实话 那一个机器人也是一样 它的热管理是有问题的 它很烫 但是它只是我们中间的一个milestone（阶段）而已 对 我们实际上知道后面的版本会更好 所以我当时的纠结是 我如何让内部能够齐心 因为内部很多人是觉得可以不说 因为我们自己知道 但实际上这个世界上的99.99%人 是没有办法跟他touch到的 [00:54:55] 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 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 因为网上有非常多的人 用各种各样的方法说 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它的腿 而且是左腿 因为左腿是大家可以看的到 它是从左往右走路 左腿是最容易看到的 这个是一个真的机器人 所以我们当时做了这样一个动作 去年那个爆炸性的舆论 给你带来了什么样的信号呢 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 [00:55:56] 他们对这个机器人的价值的认同感 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 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观点 他是没有这么大的data（数据）的 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 我觉得实际上是加速了 实际上在机器人行业里面 有非常多的非常优秀人都加入小鹏 机器人是一个 跟汽车创业有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 不同是什么 [00:56:56] 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 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20-100倍 你看我还给了一个最低20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 所以我还是想说这个事情的挑战 对于每家公司 包括我们自己都是非常有趣 但是也非常大的影响 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 当年造车的时候有统计 最多的时候300多家 [00:57:57] 但是呢 我自己感觉就100来家 可能有很多家都是胎死腹中了吧 我怀疑 我觉得机器人公司 现在已经成立的据说就200多家 实际上可能比当年汽车公司double（翻倍）了 但是我自己还是想说的 机器人跟汽车不一样 因为汽车里面的分类可能是乘用车 举例 新能源车 商用车或者专用车 或者微型车 你看这是分类吧 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 不需要是人形的 这个我也很认同 只是说我们选了一个最像人的人形机器人 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 [00:58:59] 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形机器人 99.99%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 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 你把这五个能力组合 不就是你的企业或者产品战略 在你看来 通用人形机器人 你的对手是谁 我觉得通用人形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 你自己能力从底层就是组织 再往上就是infra 再往上你的整个的体系 包括了技术 产品 商品的体系能力 然后再往上自己的工程 我觉得去年你们机器人 [00:59:59] 非常出圈的一个核心原因 是因为它做的非常的拟人 你觉得这背后的最关键的 一些技术的bet是什么 以及它是在什么时间做的 对 我可以讲一小部分 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 去进行组合集成 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NPC 等等这样的一些事情 所以他们为什么看起来有很多的共事性 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 还要能够做的更好 因为汽车实际上是由不同的控制域 去做单点控制 它的整体上是没有全协同的 [01:00:59] 它只是说它把边界做到极好 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47.5度的弯该怎么转 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 我都不知道是一九几几年的汽车 [01:01:59] 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型车那个时代 今天T型车有了吗 在机器人里 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拟人 能够全AI组合的运动控制 是极其困难 比如说举一个例子 今天你看的所有的机器人 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 实际上对一个人 一个人有200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 而且他还有表情包 手 眼 脚 你的灵魂跟情绪的协同 所以我自己觉得就是 [01:02:59] 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 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 当他看到一个地面 可能是有一个雪地或加上草地 他会甚至试探的走一下 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 所以我实际上是觉得 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 [01:04:00] 所以它自然只能用软件来去缝合它 它自然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 它是小鹏的远方 我们不是这样认为 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 我觉得第二个是机器人 我觉得机器人本身就是智能体 实际上汽车还要证明 也需要花十年 证明软件能力占50% 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 你也不会用它 我觉得第三条曲线 我们是认为全球化 实际上机器人跟汽车有一个很大的不同 绝大部分人都忽视了 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 汽车在过去的100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 [01:05:00] 第三个量产的难度很高 就比如说你今天做了一个特别好的车 一天卖了10万台 对不起 你没有能力下个月造出10万台 另外你也不敢过了三个月 真造出一个月10万台 因为你不知道后面能不能卖出10万台 这是汽车的一个本身的规律 但是我觉得机器人不一样 机器人有可能做的特别好 在某一个点 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 就像我认为去年最大的在数字AI 就是Anthropic的coding 非常短的时间 就是大概不到 18 个月 从前年的下半年到去年年底 就有巨大的变化 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 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 当然了换个角度 [01:06:00] 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80%的硬件都自研 我们手 芯片 关节 我们都采取自研 只是说我们可能跟很多公司的合作 tier 1我们可能跟它的 更上游的tier 2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 能不能可以很好的拟合 我觉得第三个事实上 还有一个很难的是商业化能不能证明 实际上机器人都是无数个坑 所以为什么说它比汽车难的多 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 机器人还没有被定义清楚到今天 是 市场也在等待 市场等待就是你有没有一个类似 [01:07:00] 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 1 但是iPhone 1毕竟是一个工具 它可以取代 因为在那个时年代 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 我自己觉得是 我们大概有个两成 两成 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 血海还在前面 但是我觉得机器人有一个很大的不同 [01:08:01] 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 就它的进展的速度会极快 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 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 也就是我们旗舰 叫做旗舰SUV 非常有趣今年的北京车展 大概有 30款这样的全新的全尺寸 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 [01:09:03] 跟他们的差别 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 我举个例子吧 我们把飞行汽车里面的 飞行的核心零部件冗余 带到了这款车里面去 当然了 这一款GX我认为是全中国第一个 整车厂做了一个前装的Robotaxi 所以它有八个(更正：6个)全安全冗余 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 它就像飞机一样 它允许你有冗余 我觉得第二个比如说举例 我们把汽车的线控底盘 跟我们新的EEA体系 跟我们的VLA的自动驾驶关联起来 它可以使新的底盘 能够在VLA的执行过程中间 提高下限 [01:10:03] 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思考 就机器人是要听一个任务 比如说小珺说你帮我拿瓶水 那就是一个任务 它首先要判断你是谁 你不是我主人 我不听你话 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的推平 变成一个两排车 或者变成一个2.5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 跟汽车的很多能力 机器人的能力 [01:11:03] 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私玻璃 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 然后细节不用户化 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到特别多的这样车 但是你怎么能够就能做成不一样呢 它需要一个全维度集 每一个点 有的人说我这个点是60分 那个点是80分 还有个点是85 你可能你最差的点也是80 然后还有更多的90分跟95 你才有可能在这个战争中间胜出 所以这是一个非常有趣的一个事情 这个价格是怎么定的 [01:12:03] 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 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 你期望这个市场有什么样的规模 期望有什么样的利润 另外在这个市场里面 可能会有什么样的市场的player 我觉得大概就几点吧 而且现在是个预售 应该5月21号 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G9的覆辙 我不担心 因为那个时候的思考跟逻辑 跟这个时候思考逻辑 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 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 [01:13:04] 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 你的目标画像是谁 我觉得30岁以上 比较勇敢 然后很多人做的很好 有的是创业者 有的是好的经理人员 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 跟我们味道比较相近的逻辑 我觉得他是我们的第一批的用户 所以我们这款车 更期望是面向家庭的科技豪华 你开出去 朋友有什么反馈吗 我的朋友实际上很多人都很喜欢 明天我在北京 有一群的朋友 都约着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 他说虽然我跟我的家人 很想去用一款大车 然后他们可能在过去的时间有人开过 有人坐过小鹏其他车 [01:14:04] 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 今天我还跟李想去他的展台 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9系 这次都会给出各自不同的看法跟认知 你有从G9上复盘到什么 然后用到这一代车型里吗 我觉得太多了 我们的组织也调整 产品的规划调整 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 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 我觉得这是完全不一样的能力级 汽车是一个非常复杂的 [01:15:05] 技术的 人性的 经营的大集成体系 所以为什么说它是制造的明珠 所以在这个领域里面学习的越深 总结的越深 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 它们是看不到的 它们把很多的制造交出去了 它们有很多的供应能力 靠供应链 它的组合可能性不高 所以在汽车领域里面 为什么我对于从 2022 年到 2026 年 我自己认为是巨大的质的提高 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 其他的信心我不够足 对丑美的信心我还是很有信心 你说颜值第一 [01:16:05] 在内部 颜值是一个相对论 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 你不能去问a公司为什么不做少而精 b公司不做大而全 都有不同的逻辑论 你今年感觉整体都很自信 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 就像刚才你问了很多问题 谁是成功的等等 可能它们以后会更成功 但是今天在我的角度来看都不叫成功 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 [01:17:05] 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 我可能花了更多的思考 是整个的企业的 产品的和商业的战略和规划的问题 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 大概是这样 今年对你来说 最重要的一件事情是什么 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 刚刚讲长板 短板跟宽板的问题一样 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 [01:18:06] 但绝大部分时候 这个问题在汽车领域回答 它是一个复合的体系 你做好一个没有用 比如说你把自动驾驶做的极好 做到level 4行不行 第一 一般我大概认为谁说今年做的到 我觉得吹牛逼 第二我认为就算他做到了 它也没有对它有巨大的价值 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 我大概率认为18-24个月 对于这对你们来说 还是对全行业来说 我觉得对我们 实现以后会带来什么呢 会带来车更多的销量吗 销量更多是100%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 你看这里面都是不同的问题 比如说举例 我们上个月 三月底我们发布了第二代VLA的第一个版本 我最近在车展给大家分享了数据 四月份中国的汽车的销量 同环比都是下跌20%左右的 [01:19:07] 我们大概涨了50%-70% 这里面有相当部分跟第二代VLA相关 它好不好 我觉得不错 那么如果做到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 我觉得都不是 余凯（地平线创始人兼CEO）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 余凯同学跟我们关系都很好 我觉得他走在一条很有趣 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 [01:20:07] 越多我觉得余凯的道路会越广 越少余凯道路会越痛苦 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 用户角度可能只是我们几十个角度之一 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 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 这个话说的不是很好听 就是在最近的数代里面 苹果手机上变化不太大 但照样能够很稳定 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1000亿的研发费用 [01:21:07] 在持续的做巨大的创新 在这样的一个领域里面 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 它做了很多研发 它花了很多钱呢 它有很多人呢 我说但是它不做自研 它做集成 所以你说它们做集成是不对 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 比如说十年后 我们的汽车软件占不占汽车价值的50% 如果占 那一两家tier 1 就可以帮助合作伙伴做到50%吗 他（余凯）当然希望是这样 对 我觉得也许可以 [01:22:07] 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 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 合在一起的整个这些体系都不一样 它不是哪一家公司可以做的 比如说你原来跟三家公司可以有合作 来一起提供一个total solution很容易 但对不起 你要跟300家公司一起合作 提供一个个性化的solution 你会非常痛苦 小鹏的道路 跟余凯地平线道路都有可能成功 我觉得今天不知道 [01:23:07] 我觉得余凯做地平线公司做的好 产品也做的好 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什么 你觉得汽车或者机器人 最终会集中到多少家 这是一个多少年周期的事情 我觉得不同企业差别太大了 机器人我先不说 我一直说2030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 规模的下行 会导致越来越难 进入到这种超高强度的竞争 你今天从血海里游出来没有 我觉得都在游 出来了没 没有 我也不觉得有谁出来了 在我的定义里面 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10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 [01:24:07] 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 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 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 我觉得书里面总结的规律 在现在的组合里面变化太快 它很难总结 当他写好一本书印刷出来之后 这个世界可能又变化了10% 在他那个书的范围内 假设 所以我觉得看书是应该在一个更稳定的(心)境去看 怎么吸收知识 实际上吸收知识是最简单的 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 [01:25:08] 行万里路 聊万次天 卷万次袖子 以及实践 我觉得现在最重要就是 你所看到的很多事情 如何在一个足够大的平台上去 做好你的快速循环的时间 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 PTC的C都不能做了 就是它应该尽量降低 人的任何一个环节的消耗 过去你有没有什么后悔的决策 没有 这个世界上不需要去思考后悔的决策 因为犯错太多了 犯错为什么要后悔 我们经常觉得说 原来这个时候的一个东西是做错了 那我们再一起思考为什么现在错了 但不用后悔