全球资本市场正经历以人工智能为核心的新一轮科技投资热潮。

　　今年8月，《国务院关于深入实施“人工智能+”行动的意见》发布之后，党的二十届四中全会审议通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》，再次明确提出全面实施“人工智能+”行动。

　　当前，全球汽车产业正经历一场由人工智能技术驱动的深刻变革。从产品形态到用户体验，从生产方式到商业模式，人工智能技术正在全方位重塑汽车行业的每个环节。

　　试想一下，当一辆没有司机的汽车穿梭在繁华的街道，人工智能可以带来哪些新的出行场景？车企们是否做好了相关技术准备？围绕这一系列问题，理想汽车相关负责人（以下简称理想汽车）接受了《每日经济新闻》记者（以下简称NBD）的采访。

　　汽车将从交通工具转变为AI时代的“空间机器人”

　　NBD：我国当前大力发展“人工智能+”，未来5至10年，对汽车、对汽车行业最大的改变是什么？

　　理想汽车：我们认为，未来5至10年，“人工智能+”将从根本上重塑汽车行业。汽车将从一个工业时代的交通工具，转变为AI时代的“空间机器人”。这不仅是技术的升级，更是产品形态和产业范式的革命。

　　对行业而言，电动化是过程，AI才是终局。竞争的核心将从传统的硬件制造，转向软件和人工智能技术驱动的全面能力。企业需要具备构建覆盖模型、算力、操作系统和硬件本体的综合体系能力，这四大要素相辅相成，缺一不可。

　　对于车主而言，最大的体验变化将来自于AI从“辅助工具”跃升为“生产工具”。

　　具体来看，首先是彻底的驾驶解放。通过VLA（视觉—语言—行动）司机大模型，AI将像一个真正的“司机”一样工作。用户将从驾驶任务中完全解放，在出行途中可以自由地进行工作、休息或娱乐，车辆将成为一个安全、可移动的自由空间。

　　其次，自然的人机交互。用户可以使用自然语言与车辆沟通，如同与人类司机交流一样简单直接。例如，直接发出“走收费站的人工通道”“停在停车场的C3区域”等复杂指令，车辆都能理解并执行。

　　最后是超越人类的安全与舒适。通过“超级对齐”和“世界模型”等技术，AI司机不仅能遵守交通规则，还能对齐人类的驾驶习惯和价值观，其目标是实现比人类驾驶更安全、更舒适的出行体验。

　　L4级自动驾驶的实现将是汽车行业真正的“iPhone 4时刻”

　　NBD：不少人认为，L3是一个技术上的“伪命题”或过渡阶段，车企应全力奔向L4，您怎么看？

　　理想汽车：我们认为，L3级有监督智能驾驶并非伪命题，而是通往L4的必经之路和关键先导程序。它是一个不可或缺的过渡阶段，让AI系统在真实世界中学习、验证和迭代，为最终实现全无人驾驶积累必要的经验和数据。

　　要实现L4级自动驾驶，我们认为需要在以下方面取得关键突破。

　　核心技术的突破方面，依赖于VLA司机大模型这一核心算法的成熟。它需要具备完整的视觉感知、语言理解和思维链推理能力，能像人类一样处理复杂的交通环境。

　　算力资源的巨量投入，是实现AI突破的物质基础。理想汽车在人工智能的模型、算力与基建方面，一年投入超过60亿元，在汽车行业属于最高的投资级别之一。强化训练需要大量的推理卡，车端模型的参数规模也需持续升级，这对算力提出了极高要求。

　　数据闭环的规模效应方面，需要足够大规模的车队在路上行驶，持续收集海量的包括极端情况在内的驾驶数据，用于模型的持续训练和优化。

　　NBD：有市场观点指出，未来3至5年内一定会出现没有驾驶座的车，你如何看待这一观点？

　　理想汽车：我们三年内会推出L4定义车型。对于市场上关于“未来3至5年内一定会出现没有驾驶座的车”的畅想，我们给出了明确而积极的回应。根据公司的规划，理想汽车将在三年内，即2028年左右，推出首款为L4级自动驾驶定义的汽车。

　　这款车型的推出，将意味着汽车的设计理念将发生根本性的变革。由于车辆具备了完全自主的驾驶能力，传统的驾驶舱、方向盘、踏板等部件将不再是必需品，从而为车内空间的设计提供了无限的可能性。

　　届时，汽车将真正从一个“驾驶机器”，转变为一个纯粹的“生活空间”或“工作空间”。

　　理想汽车董事长兼CEO李想甚至进一步畅想，到2030年，公司有50%的概率会推出一款人工智能超级跑车。这表明，理想汽车对于“没有驾驶座的车”这一未来趋势，不仅有着清晰的规划，更充满了信心和期待。公司认为，L4级自动驾驶的实现，将是汽车行业真正的“iPhone 4时刻”，将引发一场深刻的产业革命。

　　NBD：要实现“没有驾驶座的车”，还要克服哪些难题？

　　理想汽车：尽管“没有驾驶座的车”前景广阔，但其落地仍然面临着巨大的技术挑战和市场考验。

　　在技术层面，L4级自动驾驶的实现本身就是一项极其复杂的系统工程，需要在感知、决策、控制等各个环节都达到极高的可靠性和安全性。此外，车辆的冗余设计、网络安全以及与外部环境的协同交互等，都是需要攻克的难题。

　　在市场层面，消费者对于完全无人驾驶的接受度、相关法律法规的完善以及保险责任的界定等，都是制约其大规模商业化落地的重要因素。

　　然而，挑战与机遇并存。一旦这些技术和市场障碍被克服，“没有驾驶座的车”将开启一个万亿级的全新市场。

　　它将彻底改变人们的出行、工作、生活方式，并催生出无数全新的商业模式和服务。为迎接这一天的到来，我们不仅在技术上全力冲刺，也在积极参与相关政策法规的讨论和制定，希望在技术成熟之时，能够顺利地推动其商业化落地。

　　国内VLA技术与海外顶尖技术存在算力“代差”

　　NBD：当前汽车产业在生产端的AI应用多为点对点，模型针对性强，换个场景就难以适用。应如何推动模型泛化，让它能适用于多场景、多环节，避免企业重复投入？

　　理想汽车：解决“点对点”模型泛化能力差的问题，关键在于构建通用的AI基础模型和能力平台。

　　我们的实践路径是深耕VLA基础模型，目前正致力于研发VLA模型，希望构建一个能够深度理解物理世界的“世界模型”。这个模型一旦成熟，其核心能力可以复用到制造、供应链管理等多个环节。例如，通过视觉分析自动检测生产缺陷，或通过语言理解优化物流调度。

　　此外，坚持技术自研与开源协同。我们坚持在关键领域进行自研，构建底层能力。同时，我们积极拥抱开源，并回馈开源，如将自研的“理想星环OS”操作系统开源，目的是避免行业“重复造轮子”，让大家能够站在彼此的肩膀上共同创新。

　　NBD：理想汽车推出的“VLA司机大模型”可以理解人的语言。国内的VLA技术与海外的人工智能技术还有哪些差距？

　　理想汽车：VLA模型作为通往高阶智能驾驶乃至通用人工智能的关键技术路径，正成为全球科技巨头和车企竞争的焦点。我们通过自研Mind VLA模型，已将其应用于量产车型。

　　然而，尽管国内企业在VLA技术的应用和迭代速度上展现出强大的竞争力，但与以美国为代表的海外顶尖AI技术相比，在算力基础设施、数据闭环构建等多个维度上，依然存在显著的差距与挑战。这些差距不仅决定了技术发展的天花板，也直接影响着未来自动驾驶产品的安全性、泛化能力和用户体验。

　　首先是算力基础设施的差距。算力是训练大模型的“燃料”，其规模和效率直接决定了模型迭代的速率和能力上限。在这一核心要素上，国内车企与海外顶尖玩家之间存在明显的“代差”。中国车企在算力基础设施上的总体规模和投入仍有较大差距。

　　另外，在数据闭环与模型迭代方面。数据是AI模型的“养料”，高质量、大规模的数据闭环是驱动模型持续迭代、提升泛化能力的关键。

　　自动驾驶系统尤其是VLA模型，其性能高度依赖于从真实世界中采集的海量、多样化的驾驶数据。这包括常规场景和大量的长尾场景数据。构建高效的数据闭环，即“采集—标注—训练—部署—反馈”的循环，是头部车企构建核心壁垒的关键。预计2025年需要2000万Clips（视频片段）的数据以实现L3级自动驾驶，而L4级别则需要至少500万辆能够采集数据的车辆。

　　尽管中国在数据规模和市场应用上具有优势，但在数据处理的效率和闭环构建的完整性上，与海外顶尖企业仍有差距。

　　传统、强调流程和节奏的人力资源管理模式无法适应AI时代

　　NBD：理想汽车最近出现的人力资源部门整合，也引发外界关注，这与适应当下的AI人才竞争有关吗？

　　理想汽车：为了更好地适应“人工智能+”时代对人才和组织的要求，理想汽车在2025年进行了一次深刻的组织架构调整，其中最引人注目的变化是CEO李想开始亲自直管人力资源部门。

　　这一调整的背后，也是我们对AI时代组织建设的深刻思考。李想认为，传统的、强调流程和节奏的人力资源管理模式，已经无法适应AI时代对组织敏捷性和创新性的要求。通过将人力资源部门并入产品与战略群组，并直接向CEO汇报，理想汽车希望将人才战略与企业整体发展战略更紧密地结合，确保在关键领域能够精准、快速地配置人力资源。

　　除了人力资源部门的调整，我们还在进行一系列更广泛的组织变革，来构建一个能够适应“人工智能+”时代的敏捷、高效的组织。

　　我们正在从传统的职能部门制，向更加灵活的矩阵型组织架构转型，打破部门壁垒，促进跨部门的协同和创新。同时，公司也在不断优化其内部的流程和机制，例如，通过简化审批流程、下放决策权等方式，提升组织的反应速度和执行效率。

　　此外，理想汽车还在积极营造一种鼓励创新、宽容失败的企业文化，鼓励员工大胆尝试、勇于探索，从而激发整个组织的创新活力。