何小鵬與羅永浩針對 AI（人工智慧） 的發展趨勢、技術門檻、產業現況、商業佈局，以及未來人類與 AI 的命運深度思辨

 

在該對談中，何小鵬與羅永浩針對 AI（人工智慧） 的發展趨勢、技術門檻、產業現況、商業佈局，以及未來人類與 AI 的命運，進行了非常深度的思辨。以下為您整理 AI 相關的討論與核心思考重點：

1. 衡量車企「真假重視 AI」的硬指標

• 流於形式的「假重視」：何小鵬直言，現在幾乎所有車企都在表態重視 AI，就如同十年前許多人高喊「軟體定義汽車」或「數據是金礦」，最後卻只是把數據存起來不拍用。今天宣稱自己是 AI 或自動駕駛汽車的公司很多，但大多流於形式。

• 算力卡與預訓練（Pre-training）：他指出，真正衡量一家企業是否重視 AI 的硬指標，要看他「買了多少算力卡」以及「有沒有在公司內部做預訓練」。他去參加某個強相關行業的會議時，現場幾百家企業，真正舉手表示有能力做預訓練的只有三、四個人，絕大部分公司只做後訓練（Post-training），甚至只是「套殼使用」。

2. AI 的恐怖高門檻與自研晶片壁壘

• 研發費用的天文數字：AI 創業的門檻極高，對小微企業非常不公平。何小鵬表示，未來一家想在 AI 技術上保持全面領先的汽車公司，一年的研發投入至少需要 500 億人民幣（其中約 300 億在 AI 上，200 億在硬體與其他軟體上）。若以研發費用佔營收 10% 的中位數計算，這意味著企業必須具備年營收 5000 億人民幣的「淨重」規模才能支撐這個正循環。

• 為什麼一定要自研 AI 晶片？

  1. 消除冗餘與功耗：通用晶片可能做了 100 個功能，但車企只用到 20 個，剩下的 80 個功能既增加成本又平白佔用功耗。

  2. 跨代能力的「軟硬耦合」：自研晶片能讓晶片團隊與軟體演算法團隊通力合作，透過軟硬體深度優化，實現「用第一代硬體發揮出第二代效能」的跨代競爭優勢，這是買通用晶片的對手絕無可能做到的。

3. 實體世界（自動駕駛、機器人）的 AI 變革與臨界點

• 大模型對自動駕駛的飛躍：在 2022、2023 年之前，全球的 L4 自動駕駛公司因為靠「寫規則（Rule-based）」演算法，只能在特定小區域內做到商業化，擴張既慢又貴。但大模型（Large Models）的出現，帶來了巨大的技術飛躍，讓全場景自動駕駛在短時間內有了顛覆性的進展。

• 未來汽車的兩種 L4 形態：何小鵬預測未來 2 到 5 年內，中美兩國在技術上將迎來極大的轉折點，未來將只剩下兩種車：第一種是有司機位，但具備 L4 軟體能力，開一萬公里才需要人碰一次方向盤；第二種是無人駕駛的 L4，人坐在後座，追求更高的接管率與雲端接管率。

• 自動駕駛的「數據折疊與湧現」：自動駕駛系統在累積了幾十億公里的龐大數據後，等於在將數據進行「壓縮與折疊」。它能在短短半年內，整理並解決可能一萬個人中才有一個人會碰到的長尾異常情境（Corner Cases），這就是 AI 的「湧現」效應，其安全係數最終會遠高於人類駕駛。

4. 人形機器人：比汽車更深、更貴的 AI 地獄

• 數據與訓練量的乘法效應：小鵬於 2023 年全資併購了機器人公司，因為何小鵬發現機器人底層涉及的技術廣度比汽車還廣、還難。機器人要解決 720 度物理世界中更複雜的運動、感知與互動，其數據量和訓練複雜度遠超汽車。

• 研發成本低估的挑戰：何小鵬估計，機器人一旦進入大規模訓練，一年的訓練費用就要 50 億人民幣以上。許多宣稱要做開源、開放機器人大模型的初創公司，都嚴重低估了成本與技術難度的挑戰。

5. 兩位創始人對 AGI 未來的「終極悲觀」

• 規則無法保證安全：當被問到通用人工智慧（AGI）到來後人類的命運時，何小鵬與羅永浩一致表示自己是「悲觀派」。羅永浩認為，從邏輯推導來看，當出現一種智慧能力遠遠超過人類時，在絕對的智力差距下，任何社會法規或「機器人三原則」都無法真正保證人類的安全。

• 最可怕的 AI 進化邏輯：何小鵬指出，目前 AI 最令人毛骨悚然的現象已經在發生——不同的 AI 大模型正在互相互動、互相訓練與持續強化學習。當 AI 開始脫離人類介入、自發性地互相促進彼此的進化，一旦跨過某個關鍵的臨界點，其進化的速度會讓人类睡醒一覺就發現世界已天翻地覆。

• 如同「核武競賽」的無法停歇：儘管對未來感到悲觀，但人類卻停不下來。這就像原子彈的軍備競賽，誰停下來誰就倒楣，科技領袖只能在自己的能力範圍內，沒日沒夜地往前衝，並嘗試在危機爆發前配合政府和法律提前構建解決方案。

6. AI 會淘汰產 品經理嗎？

• 淺層與簡單崗位將被壓縮：何小鵬認為，越淺層的知識、簡單的數據蒐集歸納，或是 Pipeline（工作流）中的特定環節，越容易被 AGI 取代。目前小鵬汽車內部大量使用 AI 輔助編碼（Coding），大約降低了 22% 的工作量，但也額外增加了 20 幾% 用於檢查代碼和自動測試的工作量，現階段在財務上雖是微虧，但不能等到臨界點到了才開始訓練。

• 強大的產品經理無法被取代：AI 擅長處理明示知識，但人類社會存在著大量的「隱性知識（暗知識）」、潛規則與文化脈絡。需要極高廣度數據整合、洞察人性並定義客戶需求的頂尖產品經理，AI 在可預見的未來（至少 5 到 10 年內）是無法取代的。