星期日, 6月 14, 2026

李想的 AI 思考

在該場與羅永浩的馬拉松訪談中,李想展現了極具前瞻性且成體系的 AI 思考。他將理想汽車的未來完全押注在人工智慧上,並透露公司一年砸下 60 多億人民幣、部署等效 5 萬張晶片的算力來進行大模型研發。

以下為訪談中關於 AI 的底層邏輯、技術架構、發展階段以及長期命運的完整討論整理:

一、 AI 組織管理:流程即工具

李想認為,人工智慧時代的企業,其組織運作方式必須徹底向 AI 學習:

  • 人才是身體,流程是工具:傳統企業(如華為、IBM)依賴嚴格的行政流程,但這會扼殺互聯網與 AI 的創新。理想汽車正在嘗試新組織模式——依賴高人才密度與 OKR 作為主體(身體),並將過去沉澱的「最佳實踐流程」變成人才隨手調用的「工具」,而非限制創新的束縛。

  • 技術重疊:2024 年下半年到 2025 年,AI 大模型的發展也印證了這個趨勢(如 Computer Use、Agent-to-Tool)。再優秀的大模型(如最頂尖的建築設計師),也無法赤手空拳蓋大樓,AI 必須學會調用現成的工具,組織管理亦然。

二、 智駕大模型:VLA 與虛擬世界訓練

理想汽車正在全力研發新一代的 AI 智駕系統(VLA,Vision-Language-Action 模型),李想對其技術底層做了深入剖析:

  • 智能體的五項本質:李想主張不應再用傳統的 L1 到 L4 這種死板標準來衡量自動駕駛,而應直接用「職業司機」的五項指標來評估 AI:

    1. 能否選對路?

    2. 能否控制好速度?

    3. 開得是否平順舒適?

    4. 是否足夠安全?

    5. 是否容易溝通?

  • 重建(Reconstruction)+ 生成(Generation)技術:老一代端到端系統無法穷舉現實世界的所有極端路況(例如沒紅綠燈的丁字路口)。理想透過收集海量真實數據,先在虛擬世界中進行物理真實重建,再利用 AI 輔助生成未曾發生過的極端場景,讓 AI 在虛擬城市裡進行高強度的「強化訓練」,其開車表現比老一代系統能提升 20% 以上。

三、 AGI 的五個發展階段(高度認同 OpenAI 判定)

李想在訪談中極度推崇 OpenAI 提出的 AGI(通用人工智慧)五個階段標準,認為其預判極為精準,並對各階段做了理想汽車的產品對照:

階段AGI 定義李想的產品解讀與對照
第一階段Chatbots(聊天機器人)具備基礎對話能力(如早期的車機語音)。
第二階段Reasoners(推理者)大模型增強了知識與邏輯推理能力,但此時還不具備 Action(行動)能力,無法幫人類實質做事。
第三階段Agents(智能體)理想同學目前已完全接入此階段。 AI 變成具備 Action 能力的「專業同事」(如專業銷售、AI 職業司機)。李想強調,只有到了智能體階段,AI 界的 iPhone 時代才算真正到來(ChatGPT 3.5 誕生時更像互聯網早期的聊天室 AOL 階段)。
第四階段Innovators(創新者)AI 具備自主研發與創新科學知識的能力。
第五階段Organizers(組織者)終極形態(如鋼鐵人裡的賈維斯 Jarvis)。 到了這個階段,AI 將跨越通用的限制,能夠自主、任意地組織與調用各種專業的智能體。

四、 學習與迭代的 AI 哲學:強化訓練

李想將卓越企業家的共性,高度類比為 AI 模型訓練的三個層次:

  • 預訓練(Pre-training):如同人類在學校讀書、創業者一年認真讀二三十本書,是在大腦裡構建基礎模型的底層底座。

  • 後訓練 / 微調(Post-training):如同在現實中找有經驗的師傅帶、創業者找各領域的頂尖大佬深入聊天,校準特定領域的認知。

  • 強化訓練(RLHF):這是最關鍵、最反人性的一點。卓越企業(如英偉達、字節跳動、美團)在選定長週期賽道後,不會閉門造車追求完美,而是以極高頻率將產品推向市場,直接接受物理世界的真實反饋。「優秀是卓越的最大敵人,不追求完美、高頻面對市場迭代,才是人類與企業最高級的進化方式。」

五、 人類與 AI 的終局命運:樂觀中帶點謹慎

訪談最後,羅永浩問及 AI 是否會威脅人類命運,李想給出了極具哲學思辨的回答:

  • 短期:AI 會延續人類的智慧與記憶:李想極度期待第五階段「組織者」的到來。他認為在有生之年,AI 會成為人類的「家人」,它將完美克隆並延續創始人、創業者或家長的智慧、經驗、認知與記憶。即使人類肉體消逝,智慧依然能在物理世界中透過 AI 代代相傳、繼續照顧後代。

  • 長期:人類唯一的出路是「智慧月遷」:如果 AI 最終比人類聰明一萬倍、百萬倍,人類在生物特性上進化又極慢,人類注定會被淘汰並邊緣化成低等生物。

  • 倒逼進化:今天的學校只教知識(大模型一秒就能超越),從不培養智慧。李想認為,人類唯一的勝算,是面對 AI 的降維打擊與極限倒逼,讓人類大腦迎來有史以來第一次「智慧的集體月遷」,不排除未來會透過「半人半機器(如 Neuralink 腦機介面)」的科技結合,來保證人類仍是地球文明的統治者。

理想汽車」這十年的造車過程中,對的決策與錯的反思列表整理

根據訪談內容,李想在創辦與經營「理想汽車」這十年的造車過程中,經歷了無數的反共識決策與市場考驗。以下為您將其對的決策錯的反思列表整理,並摘要其核心結論與創業建議:

一、 理想汽車「做對的決策」

分類對的決策內容帶來的正面效益與成果
戰略定位堅持「增程式」反共識路線精準解決了早期純電車「里程焦慮」與「充能不便」的巨大痛點,成為燃油車用戶轉型新能源的首選。
產品人群精準鎖定「家庭用戶」(家庭用六座 SUV)抓準二胎政策開放紅利,打破 MPV 像商務司機的刻板印象,成功開創大六座家用 SUV 的藍海市場。
配置策略早期理想 ONE 堅持「單一配置」解決消費者選擇困難症、避免丟單;同時大幅降低早期座椅與零部件的研發與實驗費,能集中產量向供應商壓價。
團隊組建尋找能力與性格「完全互補」的重量級合夥人挖來在供應鏈、硬件研發與財務上(沈亞楠、馬東輝、李鐵)能獨當一面且敢於吵架諍言的頂級人才。
供應鏈管理初期零部件全面採用「大盤廠商」沈亞楠的核心決策。雖然價格稍貴,但大廠不屑賄賂新企員工,杜絕了初創期的供應鏈腐敗,且保證不犯大錯。
危機應對MEGA 風波後,加大基礎設施(超充站)投入面對純電車市場的瓶頸,不與黑水軍打泥仗,而是迅速在全國鋪設超 3000 個快充站,用硬實力解決純電補能痛點。

二、 理想汽車「做錯、或需要反思的決策」

分類錯的決策 / 經營反思後續的代價與調整
產品研發初期增程式發動機(增程器)選型錯誤最初誤用 1.5 自然吸氣發動機,導致無負載時高轉速的噪音成為工程災難,最後被迫全部推倒重來,改用 1.2T 增程器。
配置失焦隨著車型變多,迷失初衷、提供太多配置後期因應市場競爭,本能地向傳統車企的繁複配置靠攏。李想近期深刻反思這降低了效率,應該回歸「單一配置 + 簡單選裝」的蘋果邏輯。
產品設計MEGA 直接套用 L 系列內飾,缺乏新鮮感用戶反映 MEGA 價格更貴卻缺乏內飾誠意。理想隨後迅速改進,推出可旋轉座椅、方便老人上下車等 MPV 專屬功能,並提供老車主升級。
公關早期早期嚴重缺乏專業的「公關(PR)團隊」因為理想 ONE 時代太順利而輕視公關,導致 2022 年被惡意帶風向造謠「破產倒閉」時毫無秒澄清能力,連自家小區保安都誤信。
組織偏誤曾將最懂產品的人調去「做組織流程」導致底下一層的人跟李想開會時只敢聽命、不敢碰撞,缺乏產品思維的交鋒,李想反思「不吵架的時候,往往是產品最差的時候」。

三、 摘要結論

李想的造車路是一場「以用戶價值為內驅力的強化訓練」。 他之所以能帶領理想汽車挺過 2019 年的資金斷裂地獄,並在 10 年內做出四款極具市場統治力的產品,核心在於他始終緊扣用戶真實體驗(家用、空間、無里程焦慮)。

然而,當企業做大、競爭加劇時,組織也本能地犯了「大企業病」(如堆疊車型配置、模仿傳統車企、將產品天才調去幹行政流程)。

幸運的是,李想具備極強的「不內耗反思能力」,他能透過MEGA等市場挫敗快速校準,明白硬體壁壘只有半年,唯有軟體、AI 與補能體系才能拉開數年的護城河。

四、 給創業者的核心建議

  1. 大老闆必須親自「熬進去」產品

    這是李想給雷軍的唯一建議。科技或硬體創業沒有捷徑,創始人絕對不能只做定期的「評審老闆」,你必須跟研發、設計、產品團隊天天生活在一起,自己懂工程、懂細節,才能做出超強產品。

  2. 別在辦公室做調研,要看「真實物理反饋」

    理想汽車從不做前期市場調研。調研往往是自嗨或賣方市場的虛假數據,創業者必須自己成為核心用戶,從真實的痛點中去推導產品定義。

  3. 在長賽道裡,進行面向市場的「高頻迭代」

    選對賽道、願意死磕還不夠,最卓越的企業(如英偉達、字節跳動、美團)都具備「反人性」的特質:在長週期裡,以極高頻率向市場推出產品並獲取反饋。不要等完美才上市,市場才是最好的強化訓練師。

  4. 越大的困難,越要十五一十跟核心團隊講

    創始人死扛不是美德。在面臨資金斷裂、產品被黑等重大危機時,及時向合夥人、核心層與投資人坦白。每個人都希望自己「被需要」,共同承擔不僅能化解內部猜忌,更能匯聚資源找到生路。

創業經驗、管理反思以及給創業者的核心建議

根據該四小時馬拉松訪談的逐字稿內容,為您將李想在 25 年創業路中所累積的創業經驗、管理反思以及給創業者的核心建議,分門別類整理成以下列表:

一、 戰略決策與市場切入

  • 選擇「增長市場」而非「衰退市場」

    • 在市場不增長或進入衰退期時(如泡泡網後期的電腦市場),即使技術再好,想當老大也極度困難。創業應優先選擇有巨大政策支持、人口結構變化(如二胎政策帶來的六座車需求)的增長賽道。

  • 尋找行業中「未被解決的巨大痛點」

    • 進入一個新行業,必須看有哪些核心問題沒被解決。理想汽車切入時,抓準了當時純電車「充電樁嚴重不足帶來的里程焦慮」以及「高昂電池成本導致乘坐空間被壓縮」的兩大痛點。

  • 做「反共識」的決策時,需有真實體驗支撐

    • 當初堅持做增程式被全行業和投資人視為落後技術,但李想憑藉自己是特斯拉早期車主、開過寶馬 i3 與雪佛蘭 Volt 的「真實用戶體驗」,深知里程焦慮才是核心,因而敢於做出反共識的正確判斷。

  • 避開消費者「選擇困難」,採取極致單一配置

    • 理想 ONE 早期只推一款配置,不和用戶勾心鬥角。一方面從銷售端避免用戶因選擇困難而丟單;另一方面從研發端能集中產量向供應商壓價,大幅降低新車企在初期座椅、零部件的研發與實驗費用。

二、 核心團隊組建與組織管理

  • 尋找「能力與性格完全互補」的合夥人

    • 創業者必須對自己的短板有清晰認知(例如李想自認擅長產品與內容,但不擅長精細化運營)。他花費數月密集面試,找來在供應鏈、研發運營上能獨當一面且能與自己「正向吵架」的重量級合夥人。

  • 專業的事情交給專業的人「一言九鼎」

    • 在組織內部分工必須背靠背、極度清晰。例如在汽車之家時他不見車廠客戶,全由 CEO 處理;在理想汽車時,供應鏈大權完全交由負責人,大老闆不居中干涉,才能建立高效的組織。

  • 向 AI 學習:建立「高人才密度 + 流程即工具」的組織

    • 全世界卓越的科技公司(如 Google、字節跳動)多依賴高人才密度與 OKR,而非死板的流程。李想主張將組織當作身體,以高密度人才為主體,並將過去的最佳實踐(流程)變成人才隨手可用的「工具」,而非限制創新的束縛。

  • 從「對事不對人」走向「先有人再有事」

    • 早期理工男思維只關注事情,無視員工感受,曾遭逢 90% 員工集體辭職的慘痛教訓。規模擴大後反思:人才才是最重大的資產,應先把人對待好,事情自然水到渠成。

三、 卓越企業家的三大共性(李想的核心發現)

李想在與黃仁勳、王興、張一鳴等頂級企業家深入交流後,總結出卓越企業能戰無不勝的底層邏輯:

  1. 選得準:對大趨勢的宏觀判斷要極度精準(如電商、外賣、AI、新能源)。

  2. 選得長:接受並願意在一個「長週期」的賽道裡扎根,明白短暫獲得結果的事往往容易被複製殺入。

  3. 極高頻率的市場迭代(核心反人性點):在一個長週期的正確賽道裡,面向真實市場(而非內部閉門造車)進行極高頻率的產品與策略迭代,透過真實反饋進行「強化訓練」,不要過度追求完美而遲不推出。

四、 面對危機與至暗時刻的底層心態

  • 絕不一個人「死扛」,越大的困難越要跟團隊講

    • 2008 年曾因不向團隊透露融資困境,導致核心小股東產生「不被需要」的被剝奪感而集體造反。他此後發生巨大轉變:遇到任何重大危機,第一時間 151 十五一十地面向核心管理層、投資人公開,讓大家共同承擔、各展所長。

  • 把壓力當成轉機,越大的壓力和黑水軍越要往前衝

    • 在面臨 MEGA 遭受競爭對手規模化惡意抹黑時,不採取同樣骯髒的手段回擊。李想認為不論遭遇多大的委屈,最好的報復就是在商戰上打敗對方,將砲火轉化為動力,更努力地把產品做好、把超充站建好。

  • 建立「不內耗」的心理解壓機制

    • 李想自認遇到再痛苦、瀕臨破產清算的大事,心態上「第一天痛苦萬分,第二天慢慢消化,第三天該怎麼過就怎麼過,直接去解決問題」。因為知道自己沒有退路,反而不用花時間胡思亂想與焦慮。

五、 時間管理與自我迭代

  • 要事第一:只做絕對必要的大事

    • 每天手寫工作清單,並進行嚴格的排序,只保留前三件最重要的事,把其餘不重要、會耗費精力擦屁股的雜事全數刪除。

  • 創業者自己必須「親自熬進去」

    • 這是李想給小米雷軍造車時的唯一筑底建議: 新創硬體或科技公司絕對不能找代理人,大老闆自己必須毫無保留地付出,跟研發、設計、產品團隊天天生活在一起,親自抓核心產品,沒有任何捷徑。

  • 持續提升「預訓練」與「後訓練」

    • 創業者不能只靠現實生活中的摸索(強化訓練),一年仍需認真讀二三十本書(提升預訓練的基礎模型),並不斷找各領域最頂尖的大佬深入聊天(獲取前人經驗的後訓練),保持思維的月遷與進化。

星期六, 6月 13, 2026

李想首度公开讲述25年创业之路

這部名為《李想×羅永浩!四小時馬拉松訪談!李想首度公開講述25年創業之路!》的影片,是羅永浩對理想汽車創始人李想的深度專訪。

以下為該影片的細部摘要,依據訪談的時序與主題劃分:

1. 童年成長與家庭背景(00:00:08 - 00:06:31)

  • 外公外婆的正面影響:李想小學三年級前在滄州老家由外公外婆撫養。外公是極具正義感且熱心助人的退休軍人,常幫村民解決問題而不求回報。這種樂觀與正義的榜樣,培養了李想日後創業面對困難時的韌性 [01:00]。

  • 文藝家庭與閱讀習慣:父母皆為中央戲劇學院畢業的文藝工作者。李想雖對表演、唱戲無興趣,但對文字與劇本內容極具天賦,能背誦父親寫的劇本。父親熱愛閱讀並藏書豐富,全力支持他買書,讓他從小建立廣泛閱讀的習慣 [03:56]。

  • 寫作與賺取稿費:得益於大量閱讀,李想的作文成績優異。高一時他開始向IT媒體投稿,第一篇5000字的文章便順利發表,賺取千字100元的稿費,從此開啟了他的文字創業路 [05:51]。

2. 第一台電腦與早期理財觀(00:06:32 - 00:12:07)

  • 獲贈昂貴PC:初三畢業時,父親花了8000元(約當時家庭存款的三分之一)買了第一台PC給他。李想強調父親對他非常尊重與信任,不給硬性條件,而是透過商量與約定(如每日中午玩遊戲2小時)來培養他的自律 [07:06]。

  • 按月給零用錢與商業啟蒙:母親採取「按月給30元零用錢」的管教方式,規定花光不補,逼得李想在第一個月三天花光後,迅速學會理財,甚至在初中時發掘商機,去批發市場批發漫畫書再轉賣給同學賺取差價 [09:42]。

3. 個人網站起步與放棄大學(00:12:08 - 00:27:19)

  • 初中的孤獨與電腦世界:在接觸電腦課後,李想沉迷於微機世界,甚至在沒有電腦可實踐時純靠看書「預訓練」。因為天天看電腦書,曾被親戚誤認為有自閉症 [13:08]。

  • 暑假裝機王的成就感:初三暑假,李想在電腦城幫商家組裝與推薦電腦,因口才好且配置合理,拿到了每台150-200元的提成,甚至做到了整座電腦城裝機量第一,獲得極大的正面回饋 [18:22]。

  • 創辦個人網站與聘請員工:高中時創辦「顯卡之家」(後來的泡泡網),並透過QQ結識同好,自費聘請了兩位比他年長的員工(一位在加拿大負責搬運英偉達等國外前沿資訊,一位文筆極佳)。高三時,李想的月收入已達2萬多元,是父母工資的十倍 [20:21]。

  • 說服父母放棄高考:18歲時,李想並非跟父母爭論「上不上大學」的對錯題,而是擺出實際數據做「上大學還是創業」的選擇題,透過展示郵局匯款的豐厚稿費證明自己有生存與賺錢能力,最終獲得開明父母的同意 [03:13:38]。

4. 走向社會:校園暴力與應對加薪(00:27:20 - 00:39:05)

  • 反抗校園暴力:剛轉學到石家莊時,因口音和外貌被排擠和嚴重欺負。母親教育他「必須自己打回去」。李想最終反抗打贏了帶頭的惡霸,從中體會到面對欺負必須凶狠反抗一次以拉高對方的風險成本,此後他成了小區的「孩子王」 [03:16:00]。

  • 管理思維的轉變:早期李想是純粹「對事不對人」的理工男思維,完全無視員工感受。後來規模擴大並吃過虧(優秀員工流失)後,才意識到「人才是第一位的」,必須先對待好人,事情才能水到渠成 [03:16:34]。

5. 泡泡網北上與汽車之家成立(00:39:06 - 01:01:41)

  • 2000年北上北京:1999-2000年美國網路泡沫破滅,泡泡網依靠的國外廣告聯盟收入清零。為尋求轉機與拉到國內實體客戶(如華碩、愛國者),李想頂著合夥人不願離開家鄉的壓力,獨自一人前往北京發展 [03:22:05]。

  • 垂直網站轉型:泡泡網後期因為行業寫軟文的陋習,讓李想感到噁心。在評估了旅遊、房地產與汽車三個標準品類市場後,雖然當時他對汽車毫無興趣(看車展覺得無聊),但看中汽車是增長市場且屬於標準品,遂於2005年創辦汽車之家的前身 [01:29:18]。

  • 商業偶像:李想透露人生有兩位偶像:任天堂的宮本茂(欽佩其帶來的巨大小眾快樂)與賈伯斯。他深入研究賈伯斯,認為許多人誤解了賈伯斯的粗暴,賈伯斯是先與團隊「建立信任」後才實施高標準、高要求,而非盲目粗暴 [01:00:09]。

6. 理想汽車的創辦與「增程式」的決策(01:01:42 - 01:21:05)

  • 特斯拉與雪佛蘭的啟發:2014年李想成為特斯拉Model S國內第一批車主,徹底被其工業設計與便利性震驚。此外,他很早就開過寶馬i3純電和雪佛蘭Volt增程式,這讓他比旁人更早洞察到充電基礎設施不足帶來的里程焦慮 [01:31:13]。

  • 反共識的增程式選擇:創辦理想汽車時,業界普遍認為增程式是落後技術,投資人也充滿偏見拒絕投資。李想秉持汽車之家時代「站在用戶角度解決未決問題」的邏輯,堅持做增程式,並拿日本銷量超越普銳斯的日產E-Power作為成功案例,連哄帶騙地說服了反對的合夥人團隊 [01:34:34]。

  • 核心團隊的組建:李想深知自己不擅長精細化運營,於是花費三四個月密集面試二三十人,尋找互補人才。他從聯想摩托羅拉挖來負責供應鏈的沈亞楠(沈提出首款車全面採用大廠零部件以防腐敗和出大錯),並挖來長沙三一重工研究院的馬東輝負責硬件研發 [01:14:56]。

7. 2019資金斷裂與美團王興救命(01:36:31 - 01:45:01)

  • 至暗時刻與身體崩潰:2019年蔚來股價大跌、特斯拉遭到瘋狂做空,新能源汽車市場陷入冰點。理想汽車當時亟需3億美金量產資金,高盛當FA陪他見了150個投資人無一願意出資,此時李想生了生平最重的一場病,在機場甚至無法行走 [01:37:38]。

  • 被同行與合作夥伴拒絕:在尋求融資期間,曾遭遇極為重要的核心合作夥伴大老闆當面拒絕,並在面見某明星硬件投資大佬時全程遭受言語羞辱 [01:41:11]。

  • 王興出手相救:最終李想找到了美團的王興。儘管2018年美團曾主動提出投資理想卻被李想拒絕,且當時美團自身股價也面臨腰斬,但在理想面臨生死存亡之際,王興力排眾議,個人及美團掏出3億美金「救命錢」,成為理想創業史上最大的貴人 [01:43:55]。

8. 生產地獄與理想ONE的配置策略(01:45:02 - 02:11:00)

  • 產能地獄與晶片短缺:理想ONE交車正逢2019年底疫情爆發與全球晶片短缺。部分供應商甚至將原定給理想的產線悄悄排給別人,理想的供應鏈團隊展現極強拼勁,直接躺在供應商的生產線上「要麼給我做,要麼讓我死」強行盯產 [01:45:26]。

  • 大膽的單一配置策略:傳統車企習慣推出十幾種配置,理想ONE卻反其道而行只推一款。這既是為了避免消費者選車困難,更是為了在初創期降低座椅、零部件的研發與實驗成本,集中產量向供應商壓價 [01:49:05]。

9. MEGA風波與對黑水軍的反思(02:11:01 - 02:38:18)

  • MEGA被惡意抹黑:純電MPV車型MEGA上市後,遭遇網絡規模化的惡意P圖抹黑(被黑成棺材車),導致銷量從預期的3000輛暴跌至幾百輛,設計團隊極度傷心 [02:18:36]。

  • 不還手的公關原則:理想雖然知道背後是哪家專業競爭同行在雇用網絡水軍操縱流言,但李想堅持不採取同等低劣的骯髒手段報復。他選擇公開寫反省信、退還老車主30000元差價並提供座椅免費升級,同時一口氣在全國鋪設超過3000個超充站來解決純電MPV的補能痛點 [02:24:09]。

  • 頂級大佬的卓越共性:李想總結了他認識的黃仁勳、王興、張一鳴等卓越企業家的三個共性:選得準、選得長(接受長週期)、以及在長週期賽道中進行「極高頻率的面相市場的迭代」。他認為這極度類似AI的強化訓練,不能追求完美,必須在實踐中快速修正 [02:46:18]。

10. 個人品質、時間管理與AI未來(02:38:19 - 03:57:08)

  • 不內耗與高效時間管理:李想自高中起便養成每日手寫清單,排列權重後「只做前三件絕對必要的大事,其餘全刪」的習慣。他透露自己從不內耗,面臨再大的破產危機,三天內必能消化並開始解決問題,每天雷打不動睡足8小時,一週健身三次、每日做150個伏地挺身 [03:10:02] [03:41:57]。

  • 家人的支持:李想與太太自2008年領證至今感情深厚。他在27歲受挫後學會經營關係,主動向太太表達「我需要妳遠勝過妳需要我」。如今太太打理家中四個孩子,甚至常幫忙研讀核心汽車車企財報。李想將所有賺得的資金全數交由太太掌管 [03:49:18]。

  • AI與智能體(Agent):理想今年在研發上砸下60多億,部署等效5萬張晶片進行AI與智駕大模型訓練。李想極度看好L4級別自動駕駛與智能體。他認同OpenAI對AGI的五個階段定義,並預言在有生之年,AI會從現在幫人類調用工具的「同事」階段,最終進化為延續人類記憶與智慧的「家人」(如Jarvis) [03:39:18] [03:42:15]。

  • 與雷軍的交流:雷軍宣布造車時李想並未緊張。兩人在疫情期間曾深度通話兩小時,雷軍向他請教對比亞迪、華碩、特斯拉的看法。李想當時給雷軍唯一的建議是:「不要找任何代理人,你自己親自熬進去(親自抓研發和產品)」。雷軍與小米團隊在理想後續的發展中也提供了許多幫助 [03:56:33]。

這部影片展現了李想從一個高中學歷的硬體愛好者,歷經多次管理危機、背叛與資金斷裂,最終進階為具備宏大AI格局與深刻產品哲學的頂級汽車企業家的完整閉環。 

追求的是日常「飲食的幸福感」

不知道從什麼時候開始,對於「吃」這件事的標準,悄悄地改變了。

年輕的時候,聚餐總愛挑選名氣響亮的排隊名店,或者是主打高 CP 值、能讓人大快朵頤的吃到飽。那時候的滿足感,往往來自於視覺的澎湃、肚皮的撐脹,甚至是打卡鐘的成就感。那是一種向外追尋、用數量來填補感官的過程。

然而,隨著年歲與閱歷增長,那些熱鬧與喧囂漸漸退去。現在的我,對於飲食不再追求名氣,也不再執著於「超級飽」。目前心中最嚮往的,是能透過飲食感受到「幸福的感覺」。

仔細想想,這其實是一筆在生活中「投資報酬率」極高的自我投資。

為什麼說「飲食的幸福感」投資報酬率最高?

人生許多快樂都需要昂貴的代價,例如一趟遠行、一輛好車,或者一場精心安排的假期,這些都需要累積足夠的時間與金錢才能換取。

但飲食不同。飲食是每個人每天都要重複三次的日常。

如果我們能將「生存必須的進食」,升華為「精神滿足的來源」,這意味著我們不必等待特殊節日,每天都有三次機會,能用相對低的時間與金錢成本,換取高密度的快樂。 當我們學會從一頓飯裡感受到踏實與滿足,這種快樂的頻率與續航力,回報率無疑是最高的。

拆解幸福:關鍵不在標價,在於「整體的體驗」

這種幸福感沒有固定的公式,它打破了傳統市場對「貴等於好、便宜等於粗糙」的刻板印象:

  • 它不限制昂貴: 如果高價反映的是主廚對食材來源的堅持、對烹調細節的職人精神,以及讓人賓至如歸的款待,那這份尊榮便物有所值。

  • 它也不強求便宜: 如果低價帶來的是在地食材的純粹真誠、巷弄老店數十年如一日的熱情湯頭,那這份人情味同樣令人動容。

決定這頓飯值不值得的,不再是菜單上的標價或招牌的響亮程度,而是「整體的體驗」是否能與當下的心境共振。

那是一種廚師的心意、食物的質地、空間的氛圍完美融合的狀態。最重要的是,吃完之後身體感到舒服、輕盈、毫無負擔,心理感到被療癒。此時,無論這頓飯是精緻法餐還是一碗陽春麵,都達到了完美的平衡。

結語:把吃飯當作對生活的一種款待

到了這個階段,吃飯不再是為了向外證明自己的品味,更像是一種內在的自我對話。我們學會了篩選,留下的都是真正適合自己的體驗。

能夠觸動人心的美味,往往最純粹。把每一次舉筷、每一口咀嚼,都當作是對生活的一種細心款待。當你發現自己不再被名氣綁架、不再被份量制約,能純粹地從一頓飯裡收穫心滿意足的幸福時,那便是最優雅、最自在的生活狀態。

三個生意機會,該如何用「長線思維」做決策?

前幾天和堂哥喝咖啡,他聊起手頭上剛好碰到了三個截然不同的商業機會。因為手頭上的資源(資金、時間、團隊精力)有限,他只能擇一投入,這讓他陷入了嚴重的選擇障礙。

這三個機會分別是:

  1. 做半成品供應:開發特定半成品,完全透過其他的專業通路商進行販售。
  2. 一次性的 ODM 專案:屬於客製化開發案,完成交付後預期可直接賺進 100 萬元的淨利潤。
  3. 高蛋白食品的代工:看中未來 3 年高蛋白市場具備高度的市場成長性,切入代工製造。

聽完他的敘述,我發現這是一個很典型的「短期利益 vs. 長期價值」的決策難題。許多人在面對商業機會時,容易被眼前的現金收益吸引,而忽略了更深層的財務邏輯、隱形成本與團隊的能力匹配。我整理了三個核心評估維度,希望能幫他——也幫所有面臨決策的創業者——理清思路。

一、 撕開利潤外包裝:看清收入的「時間結構」

做生意的資源永遠是有限的。在評估任何新機會時,第一步必須看清它是「一次性買賣」還是「可持續性的商業模式」:

1. 一次性的交易(如:100 萬的 ODM 專案)

這種生意利潤看得到、摸得著,短期內對現金流非常有幫助。但它的致命傷在於「缺乏延續性」。專案結束後,下一筆收入在哪裡?它無法累積成持續帶來收入的資產,團隊的經驗與客戶關係很難產生複利效應。

2. 可持續性的商業模式(如:半成品供應、食品代工)

無論是發展半成品透過通路銷售,還是切入高成長期的食品代工,這類生意背後代表的是「長期穩定的客戶關係」「可重複利用的生產 Know-how」。只要切入成功,它在未來幾年能持續帶來細水長流的穩定貢獻。這類生意短期感覺利潤不明顯,但長期來看,它不需要團隊不斷耗費精力開拓全新客戶,隱形成本其實更低。

二、 財務邏輯的修正:如何用 3-5 年的長線 ROI 評估?

當我們把時間軸拉長到 3-5 年時,盲點就會浮現。此時,我們需要用投資報酬率(ROI)來做量化基礎。但請注意,計算 ROI 不能只看「淨利除以五年」,而必須把「產能卡死」與「機會成本」算進去。 我們重新估算這三個機會在 5 年框架下的表現:

機會 1:半成品供應 + 通路合作(低開高走型)

雖然初期需要花時間與通路商磨合、分潤,但通路一旦鋪開,銷量會隨之自動放大。第 1 年可能還在布建期,但第 3 到第 5 年隨著通路穩定,自動帶來的回購與規模經濟,會讓中長期的 ROI 倒吃甘蔗。這是一種能夠「累積品牌或通路資產」的長線買賣。

機會 2:一次性 ODM 專案(高資金週轉、高機會成本)

第 1 年立刻有 100 萬落袋,如果投入的本金低,它當下的 ROI 其實極高,資金回籠速度也快。然而,它的代價是隱形的「機會成本」。為了這 100 萬,團隊可能必須卡死大半年的核心研發與生產能量。這導致團隊在未來幾年,失去了去開拓、解決其他高長期利潤項目的能力。因此在 5 年的總體維度下,它的整體報酬率反而被拉低了。

機會 3:高蛋白食品代工(高爆發力型,需注意風口風險)

站在市場需求強勁增長的風口上,未來 3 年客戶拿單意願高,代工產能容易被填滿,預期營收會呈指數型增長。在 3-5 年內能創造的累計報酬,大概率會遠超那一次性的 100 萬。但評估這類代工的長線 ROI 時,必須注意兩個死穴:「毛利被砍」與「客戶抽單」。當風口吸引大量競爭者湧入時,代工毛利可能在第 2、3 年面臨雪崩,這必須在財務模型中做保守預估。

三、 決定成敗的隱形關鍵:團隊的核心能力匹配

在財務數字之外,最容易被忽略的邏輯盲點,就是「這三個生意所需要的核心能力(Core Competency)完全不同」。ROI 計算得再漂亮,如果團隊拿不下,一切都是空談。

  • 做半成品走通路:核心能力在於「品牌談判、通路管理與行銷」。團隊必須具備與通路商博弈、長期維護通路關係的特質。

  • 做食品代工:核心能力在於「供應鏈管理、精實生產、嚴格的良率控制與食品安全法規認證」。

如果團隊過去沒有相關產業的生產經驗,跨界做食品代工意味著必須重新投入極高的建廠成本、認證成本與學習曲線。這些「前期學費」會大幅吃掉未來的實質 ROI。因此,評估長期 ROI 的同時,必須看哪一個機會最能槓桿出團隊現有的優勢。

結論:資源有限時,如何做最終抉擇?

我最後告訴堂哥:「不要只用第一年的獲利,來決定五年的策略。但同時,也別用外在的市場大趨勢,來掩蓋團隊自身能力的短板。」

  • 情境 A:如果此時此刻企業極度缺乏開辦現金,為了活下去,拿一次性的 100 萬(機會 2)當作周轉金無可厚非,但做完要立刻抽身,不能產生依賴。

  • 情境 B:如果公司運營已經穩定,追求的是突破與可持續增長,則應該從機會 1 或機會 3 中選擇。此時的評判標準是:哪一個機會最能槓桿出團隊現現有的核心優勢?

做生意的眼光要看得很遠,腳步才能走得很穩。你正在評估的商業機會,是能幫你蓋一座持續有水流出的水庫,還是一次性地撈一桶水呢?

AI數據流的看法整理

談中李想針對 AI 數據流(Data Flow) 的架構與看法,主要分為兩個維度:一個是硬體晶片底層的計算架構(動態數據流),另一個則是企業軟體與 AI Agent 在應用層面對數據的讀取與管理(四維數據艙)

這兩個層面的核心邏輯,都是為了徹底解決傳統 IT 結構在邁入 AI 時代後的「效率平頸」。以下為您詳細整理:

一、 晶片與算力底層:全球首創的「動態數據流架構」

李想在訪談中強調,理想最新旗艦車款配備的馬赫 M100 晶片,是全球首個在端側採用「動態數據流架構」的晶片,這顛覆了過往由英偉達(NVIDIA)等巨頭主導的傳統 GPU 架構。

1. 傳統 GPU/傳統 AI 晶片的平頸

傳統的 GPU 架構在端側推理時已經遇到平頸。李想提到,市面上主流的傳統晶片(如高通 8155、英偉達 Orin X 等)在兩三年內的性能提升已經不再顯著。這是因為傳統計算架構把過多資源消耗在晶片內部的計算和數據搬運上。

2. 「AI 的核心不是計算,是搬運」

這是李想對 AI 算力底層提出的硬核洞察。AI 大模型在推理時需要處理海量的上下文與參數,數據在內存與核心之間的搬運效率,才是決定晶片強弱的關鍵。

3. 動態數據流的優勢與驗證

  • 高效率搬運: 動態數據流架構(Dynamic Data Flow Architecture)能夠針對 AI 計算的特性,優化數據在晶片內部的流動路徑,極大化提升數據搬運效率,降低延遲與能耗。

  • 技術對比: 英偉達收購的某些 LPU(Language Processing Unit)技術屬於「靜態數據流」,推理效率雖高,但必須額外配一顆 GPU 晶片協同運行。而理想的「動態數據流」是直接做在主晶片上,不需額外堆疊晶片,避免了帶寬不夠的問題。

  • 科學驗證: 理想團隊在決定這個架構前,寫了 140 萬字的可行性報告,並與全球最頂級的處理器專家(如吉姆·凱勒 Jim Keller 等)深談驗證,認定這將是未來 AI 晶片的主流方向。

二、 應用層與企業組織:「四維數據艙」顛覆傳統 SaaS 軟體

在企業內部管理與 AI Agent 的協同上,李想認為傳統的 SaaS 軟體與數據流格式,已經完全無法滿足 AI 時代的需求。

1. 傳統 IT 的「二維數據」vs AI 的「四維數據」

  • 傳統 IT/SaaS: 過去的 ERP、CRM 等系統,是為了「人類的使用方式」而定義的。人類習慣看網頁、表格,因此傳統數據流本質上是「二維」的,中間築起了大量的軟體權限壁壘,AI Agent 讀取時極難打通。

  • AI 數據艙(Data Warehouse): AI 閱讀數據不需要精美的二維介面。AI 具備處理「四維數據」的能力——也就是帶有時間軸、涵蓋所有業務維度的多維度思維數據。

2. 數據管理的新挑戰

李想指出,未來的企業不需要再用傳統 SaaS 的方式去讀取數據,最有效率的方式是讓 AI Agent 直接進入底層數據庫。只要業務有在運作(生產、銷售、HR 執行),底層就會自然且源源不絕地生成數據。因此,如何構建一個強大的「AI 時代數據倉庫(數倉)團隊」來管理這些四維數據,會是企業新的巨大挑戰。

3. 避免「商增」與上下文浪費

李想提到,目前 2C 的 AI 工具在「記憶管理」上做得很糟糕,把一些 Markdown 文件當作記憶,動不動就把所有資料讀進上下文(Context)裡。這導致 AI 數據流在搬運、推理時消耗了幾萬個 Token,卻只為了解答一個像「上海天氣如何」的簡單問題,效率極低。

理想的架構是將數據流徹底隔離:

  • 泛化任務交給大模型(Agent/Chatbot),走雲端或本地的大模型數據流。

  • 精確控制與確定性任務,直接走本地的「知識圖譜」與「RAG(檢索增強生成)技術」,不需要動用大模型計算,一秒之內搞定,Token 消耗幾乎為零。

三、 戰略總結

李想對於 AI 數據流的看法是:「當你選擇了泛化(AI),其實你就放棄了確定性。唯有透過底層硬體(動態數據流晶片)與應用層(四維數據艙、知識圖譜隔離)的軟硬體一體化重構,才能在保有 AI 泛化能力的同時,兼顧企業與產品所需的效率與穩定性。」