張小珺和李想的3小時長談的完整版我剛看完，資訊量極大。這場對話其實發生在半年前（2025年4月），按照AI 圈的時間，很多內容其實已經有點改變了。 張小珺有個精妙的比喻： > 這次，我把李想當作一個「CEO大模型」來提問。假設他是MoE模型，我在對話的前三個回合調用了他的三位「專家」：技術專家、策略專家、組織專家。而當談話深入後半程，我們開始討論人、能量、親密關係、記憶程序與人類的智慧。 李想給的「答案」非常坦誠，甚至有些「反直覺」——不像跟羅永浩那場都是他的成長和創業的故事，也沒有太多汽車相關，而更多的是圍繞AI 來談的，甚至談了怎麼訓練模型。 --- 主題一：「資訊工具」 vs 「生產工具」：為什麼AI還沒讓我們真正下班？ 這是李想開場就拋出的一個尖銳觀察： “身邊所有同事、朋友都講人工智能怎麼好，但大家工作時間並沒有減少，工作成果也沒有實質改善。” 為什麼？ 他提出了一個「熵增」和「熵減」的對比： AI這東西，特別擅長搞「熵增」──它能處理大量訊息，吞吐T層級的數據，把複雜性推到極致。 而人類呢？人類大腦天生就是來搞「熵減」的──我們發明方法論、創造工具，本質是為了用最簡單的規律，花最少的能量，解決問題。 現在的矛盾點在於，我們幾乎所有人，都還只是把AI當成「資訊工具」（例如Chatbot）或「輔助工具」（例如智慧語音）。 - 資訊工具：你問它答。它只是給你一個“Next Token”（下一個字），給你一個參考。這不但沒幫你“熵減”，反而增加了海量的、甚至帶有幻覺的“無效訊息”。 - 輔助工具：幫你調個導航、查個美團。它提升了現有體驗，但你還是離不開它。 李想認為，AI真正的爆發點，在於它必須進化成「生產工具」。 什麼是「生產工具」？他給了一個極簡的定義：「知行合一」。 它不能只「知道」（知），它必須能「行動」（行）。它得能真正取代我，完成專業工作，解決我工作中最重要的那8小時。 他舉例，像Cursor或Deep Research，他的同事開始自己掏錢付費了。為什麼？因為這些工具開始「動手」了，它們在真正地「做」工作，而不只是「聊天」工作。 這引出了他對Agent的最終評判標準：Agent的唯一意義，就是成為「生產工具」。只會聊天、不會動手的Agent，價值是極為有限的。 --- 主題二：向DeepSeek學什麼？反人性的“最佳實踐” 在這場對話中，李想毫不掩飾的表達了對DeepSeek及其創始人梁文鋒的讚賞。 DeepSeek的開源，讓理想VLA（視覺語言行動模型）的語言部分研發「進度加快了9個月」。理想後來把自己的作業系統開源，很大程度就是出於對DeepSeek的「感謝」。 那麼，DeepSeek到底做對了什麼？ 李想的總結是：“它極簡地運用了人類最佳實踐。” 他拆解了兩種「最佳實踐」： 第1 種是做能力（研發）的最佳實務： - 第一步：搞研究(Research) - 第二步：搞研發(Development) - 第三步：能力表達(Expressing Capability) - 第四步：變成業務價值(Business Value) - 我們常犯的錯：直接跳到第二步“搞研發”，忘了第一步“搞研究”。 第2 種是做業務（推理）的最佳實務： - 第一步：索引分析(Analysis) - 第二步：確定目標(Goal Setting) - 第三步：湧現策略(Strategy) - 第四步：反思回饋(Feedback/Review) - 我們常犯的錯：遇到問題只想改第三步“策略”，卻忘了重新做第一步“分析”、第二步“定目標”和第四步“複盤”。 嚴格遵循這些步驟，其實是「反人性」的。人性總是想走捷徑，想隨心所欲。而一個卓越的組織，就是要和這種人性對抗。 他認為梁文鋒就是這種「自律」與「堅守最佳實踐」的化身。 --- 話題三：解密VLA：我們是如何「造」一個司機的？ 這是全篇「技術專家」模組最硬派的部分。當別人還在談論端到端時，李想已經在詳細拆解他們下一代的VLA（Vision-Language-Action，視覺-語言-行動）架構了。 他把輔助駕駛的進化分成了三個階段，這個比喻非常傳神： 第一個階段是規則演算法階段：像「昆蟲智能」。例如螞蟻，嚴格依賴高精地圖（費洛蒙），規則定得死死的，沒辦法泛化。 第二個階段是端到端階段：像「哺乳動物智慧」。例如馬戲團的動物學騎車，它能模仿，但它不懂物理世界。 第三個階段是VLA階段：追求「人類智慧」。它不僅要看（Vision），還要理解（Language，包括推理、思考鏈），並且能執行（Action）。 那麼，這個「人類司機」是怎麼「造」出來的？李想給了一個通俗的「三步驟訓練法」： 第一步：預訓練(VL基座) —— 彷彿“上學學知識” 目標是讓模型理解世界。 用什麼資料訓練呢？ 不只用普通語料，還要用理想獨有的三類數據： 1. 3D Vision資料（物理世界）。 2. 高畫質2D Vision資料（例如看懂導航地圖，清晰度比開源的高10倍）。 3. VL聯合語料（最關鍵的，例如「看到這個導航」+「人類做了這個判斷」的組合資料）。 然後呢？ 把這個雲端320億參數的「博士」大模型，蒸餾成車端32億參數的「專家」MoE模型，保證在車上能跑得動。 步驟二：後訓練(加入Action) —— 彷彿“上駕校學車” 目標是把“知識”變成“行動”，進行模仿學習。 怎麼訓練呢？ 學習人類駕駛的操作，讓VLA模型知道看到什麼、理解了什麼之後，應該做出什麼動作（Action）。 第三步：強化訓練(RL) —— 彷彿「上路實際開」 目標是開得跟人一樣好，甚至比人更好。 怎麼做訓練呢？ 1. RLHF（人類回饋）：用人類的接管、駕駛習慣來“對齊”，讓它開得像個“老司機”，而不是“馬路殺手”。 2. 純RL（世界模型）：在模擬器（世界模型）裡瘋狂跑，用“舒適性”、“交通規則”、“是否碰撞”作為獎懲標準，讓它自己“悟”，開得比人類平均值還好。 透過這三步，一個「VLA司機大模型」就誕生了。 李想認為交通領域會是VLA最早落地的場景。而且，未來不會有“通用Agent”，只會有無數個“專業Agent”（例如司機、醫生、律師），而它們會運行在一個統一的“Agent OS（智能體操作系統）”上。 --- 主題四：理想的終局：一家“AGI終端公司” 這是「戰略專家」模組的思考。 理想這家公司，組織能力在學誰？ 李想劃出來的路線是： 1. 百億收入階段：學習豐田、通用（流程）、Google（OKR）。 2. 千億收入階段：學華為（IPD、組織流程）。 3. 邁向兆（1000億美金）階段：必須學習蘋果。 學蘋果什麼？ 學它從電腦公司，拓展成音樂播放器公司、手機公司、服務生態公司的能力。 基於此，李想給了理想的終極答案。當被問到「理想是誰」時，他不再只說汽車，而是給了一個極其清晰的定義： “到2030年，我們希望能夠成為全球領先的人工智慧終端企業。” 他做了個類比： - PC時代：有終端公司（蘋果）和平台公司（微軟）。 - 行動網路時代：有終端公司（蘋果）和平台公司（Google）。 - AGI時代：也必然會有平台公司（如OpenAI），和終端公司。 理想，要做的就是AGI時代的蘋果。 他認為，汽車是第一個真正意義上的“AGI終端”，因為它同時具備四個要素： 1. 360°物理感知； 2. 認知決策； 3. 行動能力； 4. 反思回饋。 但理想不會止步於汽車。當規模達到5000億以上，他們必須像蘋果做iPhone一樣，去探索其他（符合上述4要素的）AGI終端，例如家庭、穿戴式裝置。 對於“攤子舖太大”的質疑，李想的回應很直接：“如果我們有1000多億收入……做這些事情就是合理的……太划算了，幹嘛不做？” --- 話題五：從「改變」到「成長」：能量、智慧與親密關係 這是整場對話我個人最喜歡的部分，它是關於「人」。 李想分享了他最重要的一個管理“心法”：“人是很難'改變'的，但人是願意'成長'的。” 所以，他做管理時會「順著人性去說，逆著人性去做」。話說得順人性（我們來一起「成長」），事要做得逆人性（嚴格執行「最佳實踐」）。 他也分享了一個核心概念：「能量」。 他認為，一個組織的核心，是建構一個3-7人的「能量體」（核心合夥人團隊）。這個團隊必須形成「更強的大腦」（一起決策）和「更強的心臟」（相互支撐）。 如何建構這種能量？ 他給的答案來自他做父親的經驗： “在親密關係裡，你要大膽表達自己的需求……我需要他們（家人、同事）超過了他們需要我。” 他發現，當你表達「我需要你」時，能量就開始流動了。因為所有人都渴望「被需要」。 這引出了他對AI時代的終極思考：AI負責“智能”，人類負責“智慧”。 - 智能（能力）：AI可以無限提升。 - 智慧（關係）：李想定義，「智慧就是我們和萬物的關係」－你和自己的關係，你和別人的關係，你和大自然的關係。 AI的終極價值是什麼？是把人類從那些消耗能量、不產生“智慧”的低價值勞動（比如打邀約電話）中解放出來，讓我們有時間去做真正“熵減”的、有能量的事情——去處理“關係”，去提升“智慧”。 這或許就是「AI與人的關係」這個母題的答案。 訪談的文字連結：
