张小珺
在节目正式开始之前，我想先就你最近对 AI 的体感做一个小调研。你最近使用最多的几个 AI 产品是什么？
何小鹏
我还真不多，还是在用非常传统的 AI 产品，比如千问、豆包。但是在 coding 方面，我们团队内部用得非常多，我自己个人不愿意使用。
张小珺
为什么？
何小鹏
1. CEO要保持远方视角
他们经常问我：“小鹏，你自己要不要去用？”我举了一个非常有趣的例子：我们当年做互联网产品的时候，如果你天天用产品，很快就会钻到细节里。比如你会觉得它哪里不好用，如果你了解它，就会去思考它的优点将来还会很多，但你一旦深入使用，就会看到它的缺点和问题，然后聚焦怎么去解决，比如多人协作 coding 的问题等一系列问题，反而不能让你向远方看。
所以，对于科技快速变化的很多产品和能力，我自己认为要用，但不要太深度地用，特别是做一号位的人。基层员工，或者和它强相关的产品线，就要鼓励他们用，什么方式都可以上，然后最后看结果，再慢慢把它归一，这样才是比较好的。
张小珺
AI coding 对一个企业的一号位来说，有任何意义吗？你觉得它会对小鹏、汽车产业，或者智能驾驶行业带来什么变化？
何小鹏
我觉得它目前来说是对初级程序员非常好的辅助工具，但是也许两到3年后，它会逼迫初级程序员都要达到高级程序员的水平。
但是对于智能辅助驾驶或者其他强 AI 的能力，我认为它的帮助比较小，它只是其中的一个工具。真正要把整个算法和体系建好，AI coding 实际上是在应用层帮助大家。如果在内核层，比如你想写一个操作系统，我认为最核心的还是整个算法，而不是 coding。
张小珺
你现在每个月会使用多少 token？公司会使用多少 token？
何小鹏
2. Token不是北极星指标
我们不太看这个事情。过去一年有很多人一直在提，我认为数字化的中小型公司会非常关注这个事情，我觉得这应该特别重要。但是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支持业务不一定是数字化的，也可能有非数字化的业务。
一个非常有趣的问题是，在非数字化的公司，对 token 的需求是多少？以我们的车为例，我们之前做过一个有趣的小统计：假设我们新一代的 VLA 每天只用3、4个小时，会用多少 token？准确数字我现在已经不太记得了，当然那只是内循环。
换一个角度，也就是说，在数字世界里，AI 能使用的 token 数量，远远低于物理世界里 AI 自己需要使用的 token 数量。但是这个比较没有意义，因为它不是用人来使用 AI 满足需求。自动驾驶汽车可以认为是一台自动的 machine，它自己使用 token，使用多少？
所以在这两个领域里面，我认为是两个不同的角度。在物理世界，我认为 token 的使用将来会是 machine 自己使用多少 token，以及产生多少对 machine 和人的价值。能够用多少 token 产生对人和企业的价值，是另外一个维度，所以它的指标应该不一样，它的北极星指标也应该不一样。
张小珺
你觉得多少是一个合理的数量？
何小鹏
我在内部尽量不给大家控制 token。很多人问，不控制 token，一个季度就把一年的费用都花掉了。我觉得，如果他真的能做到，我最重要的是管理最异常的 Top 10 情况，其他的我都觉得可以开放。
你不确定一个人一个月花1000元人民币，还是花1万元人民币，哪个更有价值，而我们每个人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的价值，为什么要限制他？
张小珺
现在公司的 token 主要分配在哪里？
何小鹏
我觉得主要还是 GIC。上次我们的自动驾驶团队和周航团队合并，他们团队又比较大。
我觉得 token 是一个企业内部员工使用的术语。换个角度，你也可以说用了多少张 H100。我不知道一张 H100 一天能够用多少 token，这个换算比例我还没有算。我们算的是，比如我给你3万张 H100，或者5万张 H100，你使用什么业务能够高效率、高效能地使用这些算力，然后看算力的使用情况。我实际上不太看 token 的使用情况。
张小珺
你刚才提到异常值，有什么样的异常值？
何小鹏
我举个例子。我们最近专门对 data 做了整个控制。很多人都说数据有价值，但我觉得极少有公司真正看到数据巨大的成本。
在数字 AI 领域，数据量很小，几十个 TB 就可以训练。但我们训练一次数据，需要几十个 TB 到几百个 TB，所以数据怎么管理、使用和存储，是一笔巨大的钱。我们一年在数据上的直接刚性成本，可能都接近10亿元以上。
哪些数据有价值，哪些数据是临时有价值的，哪些数据需要非常快速地使用，哪些数据可以 warm up 之后再使用，每一种使用方式的成本都可能是千万级的。你可以对这些进行分析和优化，实际上有巨大的提高效率、降低成本和提高效能的空间。
算力也是一样。我们对数据、对算力，都有不同的团队专门去管理，但是我们不太 care。我看到有很多公司会统计工程师使用 token 的数量，我觉得那个数量，跟 machine 使用的 token 数量，以及物理世界 AI 模型训练时需要的 token 数量相比，都是非常小的数字。
张小珺
最近 skill 非常出圈。如果把你训练成一个“何小鹏 skill”，你觉得应该给它提供哪些训练数据？这个 skill 会是什么样的？
何小鹏
3. CEO也会被技能化
我觉得数字模型和物理模型，今天还是让基础的白领和基础的蓝领比较容易 skills 化。
如果把我现在都能够用清晰的逻辑论 skills 化，意味着什么？意味着不光是基础的蓝领和白领，更高端的蓝领和白领也都会有巨大的风险。CEO 也可以被替代。
也许过几十年，或者过100年，类似我的能力确实可以被 skills 化。但那个时候，每个 CEO 也都会有更强、更综合的能力。他可能丢掉 A、B、C，但是获得新的 D、E、F。
你这个问题我们不光想过，而且深度思考过，因为我们在做很多机器人的事情。换个角度，我觉得这里面有两个非常重要的矛盾体。大部分人会思考，如何把我或者把他的能力 skills 化；但从模型的角度来看，我怎么知道你被 skills 化的这个能力是对的，并且不断在 RL 中，在物理仿真模型里面去做强化？
这和 coding 或者自动驾驶都不一样。coding 和自动驾驶相对比较清晰，我知道什么是错的。但是，比如把何小鹏 skills 化，你很难判断这个 skill 怎么样是对的、怎么样是错的，这是非常困难的。
所以在这样的体系里面，我们是在构建体系，而不是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事情。
张小珺
直接来讲，何小鹏 skill 的一个缺陷会是什么？
何小鹏
缺陷？我觉得每个人被 skill 化之后，都会发现这个人实际上有非常多的缺点。
张小珺
你的呢？
何小鹏
当然都有啊。
张小珺
作为一个 CEO，你觉得你今天的 AI 含量够吗？
何小鹏
我不知道。我觉得在数字世界的很多公司里，可能可以把 AI 的含量放到百分之几十。但在物理世界不应该这么看。
小鹏是一家数万人的企业，我觉得在 AI 上花15%到20%是合适的。我讲的 AI 是泛 AI，包括我们的自动驾驶和机器人，这些都算在 AI 的范畴里。我觉得这样就足够了。
张小珺
我很想跟你讨论一个话题：如果人工智能企业在一边，制造业企业在另一边，你的天平应该怎样摇摆？你在里面会有纠结和拉扯吗？你到底选择做一家 AI 企业，还是做一家制造业汽车企业？
何小鹏
我不是这样理解的。汽车有几种研发：第1个是硬件研发，第2个是软件研发，AI 只是软件研发中的一部分。我觉得还有一个叫制造研发。
刚才小珺你所说的，硬件研发和制造是两种不同的能力。比如说，你有能力设计出一张很漂亮的桌子和椅子，但是你可能无法制造出来，这是两种不同的能力。
所以我觉得，一个汽车企业里面，实际上这4种能力的研发是基础，将来甚至可能到第5种。这是我的看法。
张小珺
你们去年还在说自己是一家 AI 汽车企业，今年小鹏汽车刚刚完成改名，叫作小鹏集团。你们说自己是一家物理 AI 企业，这个名字转化背后的原因是什么？从 AI 汽车企业到物理 AI 企业，它的变化是什么？
何小鹏
4. 小鹏转向物理AI
我觉得这个变化刚刚开始，还有很多东西不能清晰地描述。但我可以先说一下，在过去小鹏汽车前10年的创业生涯中，我们一直在做3个词、6个字，也就是“智能电动汽车”。
过去10年的创业里，我们做出第1款车，然后量产、卖出第1个10万台，再做出第2款车，进入这样的循环。
但12年前，也就是小鹏汽车创业的2014年，基本上没有人相信智能化，只有少数人相信电动化，更多人相信汽车是个大生意。
到了2025年，所有人都相信电动化是未来，因为大家都看到了中国和全球在新能源上的变化。但是过去几年，智能化虽然在汽车领域发展得非常快，我认为实际上发展得非常不尽如人意。
从更早的时候开始，丰田、Google、中国的百度，以及海外做汽车的特斯拉和中国的小鹏，都在自动辅助驾驶上做了很多事情。某种角度上，我觉得它确实做到了效果，但是没有足够的高度。
那个时候我认为，还是 AI 算法加上软件规则的能力组合。我把它戏称为“缝合怪”。它不是用整个 AI 驱动来设计机器人，也不是用整个 AI 模型的能力去构建体系，还是以软件为主的逻辑。
5. 第二代VLA是一场大赌注
小鹏在去年碰到了一个非常大的变化。当时我们同时在做两代新的自动辅助驾驶，内部叫第1代 VLA 和第2代 VLA。
第1代 VLA，实际上是在过去端到端的领域里把它放大，把模型放大，把软件规则降低，把使用的场景和范围增强，同时增强后端能力，比如强化学习和后训练，这是一个方向。
另外一个方向是，如何抛弃原来的端到端逻辑，用一个更大的 foundation model，更多地思考如何先把自动驾驶的上限打开，再去收敛下限。
收敛下限就是说减少错误，按照你的约定、按照你的期待去行动、去运动。但是它的泛化能力在很多地方做得很差。比如今天没有一家自动驾驶公司的软件，能够在地下停车场里流畅地开，所有停车场开的都是记忆辅助驾驶。
实际上，它开过一次之后，知道你的停车位在哪里，大概的行车路线是什么样的，但它对整个物理世界的了解度非常低。核心还是不够智能，它的上限太低了。
你可以认为，要打开到1万分的可能性才能做好，但它们可能都在1000分左右。这只是一个假设。
去年差不多这个时候，我们的另一代 VLA 让我打开了一个新的变化。我认为它的上限可能可以到10万分甚至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，这说明你的能力不错。但那个时候下限可能只有100分，比我们自己的其他产品还低，工程问题也非常多。
但我们最后下了一个非常巨大的赌注。以前是用软件工程、软件流程，加上 AI 算法和 AI 工具，包括刚才您所说的 coding。你可以认为，它是在业务流、软件的重要工具环节和流程环节中使用 AI。
张小珺
但你认为那是错误的，还是缝合？
何小鹏
它做出来的软件还是软件。你是用软件的方法论，使用 AI 的工具箱做出来一个更强力的软件，我认为它叫“AI 缝合怪”。
所以去年我们做了巨大的转型和赌博，把以前的那一套体系停下来了。实际上那套体系花了小几十亿元。
张小珺
去年的什么时间？
何小鹏
大概就是现在。
张小珺
原因是什么？
何小鹏
我认为它无法做到无人驾驶，也不可能让机器人真正泛化。
比如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，你说：“给我递一杯水。”它会判断：“我不给你递一杯水。”你说：“对，我不需要。”
我觉得这可能只是强规则加少数算法，使用了一些 AI 能力。
那一刻我们判断，自己做智能电动汽车，期待的是一辆非常聪明的汽车，但是我们用的方法永远不会让它无限聪明。
张小珺
为什么去年才意识到？小鹏已经创业11年了，你们做智能化也非常早。
何小鹏
我觉得绝大部分人不是站在物理 AI 的角度去看事情。我觉得数字 AI 能够改变很多东西，和物理 AI 能够改变很多东西，是完全两种不同的方法论和路径。
绝大部分人还是以科研的角度去看数字 AI。数字 AI 某种角度上是使用人类的 language，物理 AI 不是使用人类的 language。
数字 AI 使用人类语言，而人类语言是被高度概括和浓缩的。没错，语言即世界。但是在物理世界，我们每个人每天看到的数据量，根本无法用语言概括、描述、还原和复制，它太大了。
换个角度，以前在汽车领域，一个 CEO 很容易在了解数字世界的 AI 之后，觉得“我好像懂它的逻辑了”，然后把它映射、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有多少有效。
你要知道，在数字 AI 市场里，很多模型就是跑个分、比比分。我觉得在物理世界，这是可笑的。因为它不光要比上限，比如跑个分，还要比下限，要保住下限；还要拼广度，比如品质、成本、材质、细节、法规允许度，这些全都是短板、长板和窄板。
窄板要做宽，短板要做长，长板要做得更长。所以在数字世界里核心看的是长板，不太看另外两块板。
物理世界的 CEO，要么不敢赌，要么会觉得“我还有好多块板，我怎么办”。我可能胆子比较大。那个时候我也不知道它能不能补足短板，能不能让我的窄板变宽。
我们做了一个巨大的赌注，相信物理 AI，换一种思路、换一种流程，底层换一种组织方式，有可能做到不一样的地方。所以我们走的道路，和今天看到的很多大模型公司，或者一些在模型上做应用的公司，走的是完全不同的道路。
这也是为什么我觉得，它们都是应用型公司，它们所 care 的东西，和我们早期 care 的根本不是一个维度。
以前我做智能电动汽车的时候，总觉得有一个非常痛苦的点：无论怎么看，硬件占客户所需要比例的都远大于50%。
我认为在下一个10年，很有可能硬件和软件各占50%。所以要用 AI 的方式重新驱动组织，设计软硬件的结合，并且获得更大的 AI 价值。只有这样，在新的10年里，软件综合的表现力和价值，也就是用户愿意为之付费的价值，才可能达到汽车或者机器人的50%。我觉得这是一个非常大的改变。
这也是为什么小鹏开始思考，如何把 physical，包括汽车但不只限于汽车，和 AI 进行巨大的融合。
我们的数字 AI 基本上都是使用。比如 cloud code 非常好，我会用 cloud code；如果 deep seek four 在某些方面也非常好，且成本也非常棒，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，可以很容易地切换。
但是 physical AI 的 model 不一样，physical AI 的 data 不一样，physical AI 的算法也不一样。最后如果能够把刚才讲的3块板拼好，有可能做出不一样的东西。这就是我们大概能说的框架，再多就不能说了。
张小珺
去年4月到底发生了什么？为什么在去年4月下了这么大的赌注，受了什么刺激吗？
何小鹏
没有，实际上就是体验到了不同的能力。去年3月，我就在思考，为什么所有公司都会觉得，用更简单的方法论和更快的效能，就能做出一个“凑合可用”的自动驾驶。
这条路是对的，但是做了1到2年之后，它就会发现，为了解决很多短板，它限制了自己的长板，所以永远做不到 Level 4 或者 Level 5。
这是去年年初的一个想法：这可能是一条捷径，但不是一条大道，是一条小路。我们要找到一条大道，真正做到刚才所说的硬件加软件的价值各占50%。
我讲的这个 value，不是技术人员思考的，而是客户愿意为此买单。用户愿意说，我买一辆30万元的车，其中15万元算你的硬件，15万元算你的软件综合能力。有没有这样的车？现在没有，但是我觉得这个10年一定会变化。
所以，重新思考物理世界的变化和 AI 的变化，是一个非常重要的点。
这一次，小鹏在新的10年里面，大家会看到，智能电动汽车可能我们还会继续提，继续是我们的内核，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。
我们所有对企业的思考，从战略规划到研发过程，都会逐步调整。
张小珺
去年3、4月份，公司内部有没有什么标志性的会议？那时候正属于小鹏销量回暖的时候，是吗？你们也开始更多思考下一个10年的方向。
何小鹏
6. 组织必须彻底重构
没有一个会议，基本上是在脑袋里面拍板，全力以赴。大概到了去年第3季度末，我们做了一个非常大的动作，就是把整个自动驾驶中心的核心组织架构全部改了。
每一个时间窗口，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，想用最新的工具和技术去做出更好的东西。我觉得大部分时候这是对的，但有很多时候，工作方法论都要改。
所以我觉得要调整方法论，调整 mindset。
张小珺
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非常标志性的会议或者节点。但在你脑子里形成这个决策之后，紧接着做了什么？
你所谓的 AI 驱动组织，用 AI 来设计软硬件一体化，接下来要做什么？对于这么大的一个组织，你们能不能把步骤跟我们分享一下？
何小鹏
这些不能说，抱歉。这些是我们正在做的事情，当然也是分阶段做的。
我只能告诉大家，不同业务要有不同的节奏。相同业务的核心，也是人、干部和组织的问题。实际上这是一个非常困难的事情。
张小珺
为什么一定要 AI 驱动？之前的惯性会导致什么？
何小鹏
实际上你只是在软件逻辑里面做一个更复杂的缝合怪。就像你修一座房子，有更多材料、更多工艺是用 AI 的，但它还是用修老房子的方法论，修出来的还是原来的房子，只是可能修得更快一点。
我们想要的是不一样的东西。很多不一样的东西，在最基础的时候，大家要先看到，所以他们才会相信。
但是作为企业 CEO，有时候你要相信过程中间的部分节点，让大家看到，因为可以提高信心、提高领导力。很多时候是因为你相信，所以去做布局。
一家小型公司和一家大型公司是不一样的。小鹏汽车虽然是一家创业公司，但是从人员规模角度已经不算小了，有数万人。所以，如何让这样的人分节奏去做，我觉得是非常不一样的行为。
我很难在物理 AI 上分享如何规划组织，这也是为什么刚才你问我的问题，我都说没法回答。
第1，我们还在 testing。第2，任何规划和目标都不会对外分享。
张小珺
为什么有很多事情不需要讨论？
何小鹏
因为很难有一个人准确地跟你讨论。你只能听很多人的想法和意见，但他们可能大部分都是错的，因为他们都不是从全局角度给你建议，而是从某个角度出发。
全局是自己把握的，各个角度是不同朋友和自己的思考逻辑。你要把它们汇聚起来，最后还要下赌注，就像创业一样。
张小珺
我听说你在过去3年变得更敢赌了，是吗？
何小鹏
也不是。我觉得很多时候，当你要下注的时候，早点下会更好，并不是变得更敢赌了。
2022年底，小鹏碰到很多挑战的时候，我当时给自己定了两个想法，都和赌有关系。第1个叫“绝不服输”，第2个叫“愿赌服输”。
如果你能把这两条比较好地放在一起平衡，意味着即使面对巨大的困难，你也要坚持，也许再努一把力就过去了。
但是你的心态要非常好。就像刚才我所说的，当我把第2代 VLA 放大，并且最后坚定地把第1代 VLA 从业务到技术、甚至到组织都完全停止，那是心理上和物质上的双重巨大压力。
这个时候你越犹豫、越等待、越想观察、越想再说，过6个月可能越难成功。所以在这里，度量和判断真的是非常有意思的一件事。
我相信再过几年，等我们取得更好的成功，也许再来讲。但在今天的过程中，第1，每家公司走的是自己的道路，不能复制。
所以我觉得今天中国说学 A 公司、学 B 公司，都是错误的。以我们今天的规模来看，分析和思考，找到一条适合自己的道路，是最重要的。
第2，数字 AI 里面所做的所有事情，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，我上次都在笑。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，仅仅从数字世界去分析物理世界的定理和规律，再去做物理世界的 AI，我觉得它还是狭义的物理世界。
物理世界还有很多和人相关的事情，和人相关的物理环境、法规，最后还有商业。它们形成一个整体，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。但如果从工程角度，甚至跳到产品角度、商品角度，再跳到规模化商品角度，你就必须思考得更广、更深，而不是仅仅看两三块长板。
这也是为什么我没有办法回答你。我觉得你可以去找以前任何一家数字 AI 公司的 CEO，他们都不会告诉你自己在 AI 里面转型的思考逻辑。第1，不知道能不能成功；第2，也不会分享给大家。
张小珺
但这是今天大家面临的一个普遍问题，对吗？我们一定得转型。
何小鹏
我不完全认同这句话。今天数字 AI 哪些方面可以得到好的转型，哪些方面不用？
对于一家大的企业，如果有1万人或者5万人，转型晚3天，可能成功概率提高15%。对于一家微型公司，它今天如果用同质化的方法论、同质化的组织，没有变化，它可以去赌，因为它小。
今天 AI 能够帮助我们的，无外乎3种：第1种，我觉得是简单的分析师。现在有很多地方我已经不用分析师了，AI 在帮我分析。第2种，简单的程序员。第3种，简单的设计师。
它实际上还是以辅助为主，提高效率、提高效能，并没有取代，更没有形成超大规模的协同效应，它根本还没到达那个阶段。
所以换个角度，对于这3个方向的小微型公司，我觉得适合度更高，速度应该更快。对于和这3个方向不相关的公司，可能可以再晚一点。
至于物理 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3个岗位，但到底什么岗位最容易、最优先落地，绝大部分人没有概念。
我认为，从某些角度它是对的，从某些角度它完全没有逻辑。
我们认为物理世界有很多岗位都会变化，远超过数字世界。原来如果说有“三百六十行”，现在可能有3万6000个不同的岗位；而数字世界的岗位相对有限。
张小珺
很多人不是这样判断的。很多人说，白领的岗位不是比蓝领更多吗？
何小鹏
白领里面有很多也是和数字世界、物理世界交融的岗位。
换个角度，我先举个例子。Google 在2009年下注自动驾驶，到现在已经17年。我觉得 Waymo 是一个既好又不好的解决方案。
好，是因为我认为它的技术能力不错；不好，是因为我觉得它很难全球化。过去这段时间，Level 4 的技术天然就是一个更高级的缝合怪，很难在 AI 里面做到极高强度的泛化。我认为它不是一种极度聪明的方法论。
当然，Google 现在在新的大模型上做了很多事情，我认为将来它们可能会变化，但是目前我还没有看到。
我只是想举这个例子：即使是让司机更轻松、更安全、更快捷地开车，这件事我们每个人都是司机，也做了17年，却没有一家公司能够做得极好。
换个角度，很多很小型的公司，几个人、十几个人，就说要用 AI coding 改变世界。我觉得他们完全低估了物理世界改变的多样性和复杂性。
就像我们最开始从移动互联网冲到汽车行业，都觉得把一件事情做到极致、再极致一点就很好了。不是，因为你考虑的维度不对。
你在数字维度做到极致，它的价值点可能很小；而在物理维度，情况完全不同。
张小珺
你在去年下这个关键赌注的时候，公司内部有负面声音吗？有反对的声音吗？
何小鹏
那肯定有。我觉得大部分非 AI 主管会觉得，你不管做 A 还是做 B，可能都错了，因为那个时候他们对 AI 的认知还不够强烈。
大部分和 AI 相关的主管，有些人觉得 yes，有些人觉得 no，但大部分属于中间状态。他们不确定这是不是一个好的节奏，也不确定能不能做到落地的效果。
实际上那个时候连我也是一样。但是这就是创业的乐趣。每个人的创业，不就是在当时的能力上，独立把可能性放大10倍到1000倍吗？
如果你要赌1000倍，对不起，你的概率是千分之一；如果是10倍，你的成功概率可能是十分之一。就像创业最初始的赌注一样，随着创业规模变大，你一样需要去赌，只是那个时候不应该赌1000倍的概率，你可能赌数倍到10倍之间。
张小珺
你听过最大的反对声是什么样的？
何小鹏
最大的反对声音，就是有很多人用脚投票。
张小珺
怎么说？
何小鹏
用脚投票的意思非常简单：他们不相信这件事，觉得做不到，于是离开去做其他事情。
今天在企业里面，我觉得对于组织的思考，切记不要小刀砍大树，要慢慢砍，想清楚了再砍掉它。所以在某些事情上，你就要敢下注，从组织到流程，再到方向，全部改。
张小珺
所以去年动刀子动得很大，对吗？
何小鹏
对。大家看到的可能只是最上层的业务层或者应用层，但内部看到的是一直到根上。
所以我一直在想，如何利用 AI 驱动某些业务，是非常重要的，而不是利用硬件去驱动整体体系。
张小珺
我听你的很多节目，基本上都在讲数字 AI。
何小鹏
对，基本上没有人能从一个数万人、和现实世界产生大量交互的角度去思考 AI。
我的意思是，把他们的方法论复制到物理 AI，我认为很多地方不够适合。可能有一部分业务逻辑是对的，但还不够全面和充分，这是最大的问题。
张小珺
这是我特别想问你的：物理 AI 到底应该怎么做？在一个成型的组织里，应该怎么推动？
何小鹏
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4个主要方向值得探索。
第1，数字 AI 怎么变化？这一块有很多人在思考和行动。第2，物理 AI，它可能比数字 AI 难100倍，但我觉得从2027、2028年开始，大家会看到物理 AI 的效果。
它会开始出现类似 ChatGPT、Claude 等数字 AI 带来的巨大变化。也就是说，到底对哪些岗位产生巨大帮助，甚至长期来看形成一定程度的替代。我觉得这是第2个方向。
第3，今天没有人真正做好人体 AI，除了 Google 在努力把两者进行很好的耦合。医药行业是一个非常复杂的行业，包括养老。我觉得人体 AI 不光涉及内部循环，也涉及外部循环。
第4个很难的方向，是企业和 AI 怎么耦合。部门和 AI 的耦合相对简单，但是企业和 AI 的耦合更难。
我看到现在有很多小型企业，大概在1000人以内，开始更多地探索。我觉得这是一个非常好的点。实际上我们也在不断观察和学习，在合适的时间点一样会做。
所以我觉得，企业的 AI 对今天的小型、中型和大型公司来说，都是一个机会。
张小珺
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？
何小鹏
对，而且是一个长期的变革期。技术的变化可能一个月就可以完成，但组织的变化不是这样。
首先，如果是一个全球化的中型组织，我觉得3年完成变化，都已经是极其可怕的速度了。我甚至认为，5到10年都已经是很快的速度。
张小珺
在这样一个技术剧烈变革的时代，你焦虑吗？
何小鹏
作为一个 CEO，当然焦虑。
张小珺
有多焦虑？
何小鹏
7. CEO重构自己的公理
因为你会发现，以前很多的逻辑论，甚至逻辑论底层的定理、范式，再往底层，甚至到公理层，也就是你的价值观、人生观、世界观，在这些东西发生变化之后，你会觉得以前这一套逻辑好像不是那么 work。
但它应该怎么 work？要记住，看到问题、解决问题，以及构建一个既有上限、又能堵住下限、避免问题的体系，是3种完全不同的能力层级。
很多人只能看到问题。我当年还没创业的时候，也看到过无数问题。但当你作为一个创业者，会发现很多问题天生就应该存在，你根本没法解决。
你是 CEO，一样解决不了。即使你是一个更有权力的人，也解决不了，因为你看到的问题，只是世界问题的某个角度、某一环而已。
张小珺
所以你刚才讲的焦虑，就是你会不断重构自己的定理，甚至公理。你推翻过过去什么样的公理？有什么过去非常坚定相信的事情，今天觉得在这个时代下不 work？
何小鹏
我举一个看似不相关、但又有一点关联的例子。
当小鹏做自动驾驶做了很多年之后，你越做下去，越会觉得 Level 5 好像永远不会到达。因为你觉得用软件覆盖全球所有场景、法规和人机工程，也就是人和世界的交互，会发现这是一个无限循环。
但是当你真正用 AI 重构这件事之后，你会觉得它可能存在。
当它可能存在的时候，你会对很多原来的所谓壁垒逻辑产生新的想法。我只能点到这里，再详细就不能说了。
张小珺
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。我们先聊聊你们的机器人。
你们的机器人去年在国内外都很火，讲讲这个产品是怎么诞生的。我听说你们是在2023年，转向双足的通用人形机器人方向，对吗？
何小鹏
小鹏的机器人实际上分3个阶段。
第1个阶段是2018年到2020年。那是一个独立的团队，和中国很多其他机器人团队一样。
张小珺
是你收购的，对吧？
何小鹏
对。那时候大概有4、5家都在做四足机器人。
2020年到2023年是第2个阶段。我们差不多花了3年半到4年，做了3个不同的模型。在这个过程中，我们试过很多方法：用机器人的方法做集成，用汽车的方法做集成，中间也做过一些缝合式的集成，取得了不同的成功和失败。
到了2023年之后，又是一个新的逻辑。
虽然我们在2022年看到了新的模型，但当时我们觉得机器人原来不可能成功，因为大脑没有成功的可能性。实际上，小脑的复杂度都远高于大家的想象。
今天很多人说，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走，我觉得那不是小脑，那是脊椎，或者是脑干，只是在保持平衡，远远连小脑都不是。
他们说那也叫小脑。我说，你们所谓运动的小脑，实际上是大脑。无论怎么说，我认为那只是不同的统计逻辑。
所以2023年之后，小鹏重新从四足坚定地进入双足，从不相信大脑，就像当时不相信 Level 5 一样，进入到一个坚定地认为应该由大脑驱动机器人的全新设计。
另外，在汽车领域我们也看到，技术好不代表产品好，产品好不代表商品好，商品好不代表可以 scale up。因为汽车有一套比较完整的流程，从规划、设计，到 ET、PT、SOP、SOD 的完整流程。
今年年底，我们希望进入机器人类似汽车的 SOP。明年，也就是2027年，很有可能是机器人高等级机器人进入商业量产的第1个元年。无论中国还是美国，都会开始尝试。
过去以运动遥控为主的机器人时代，会随着高等级机器人的出现逐渐退潮，进入一个分化阶段。
所有人都期待物理 AI 最核心的代表——机器人——到底能够帮助人类实现什么价值。首先是能干活。过去机器人更多提供的是情绪价值，情绪价值当然有价值，但更重要的是物理价值和情绪价值的组合。
所以我觉得明年可能会是这个元年。
张小珺
2023年发生了什么，让你从不相信变成相信？
何小鹏
2023年，我认为如果用一个非常懂机器人、非常熟悉机器人的团队，他们也没有能力做出新一代的好机器。
当时我们用了 LC，把300人的团队只留下不到60个人，其他人离开了。听说他们后来成立了10个创业团队，大部分都拿到钱了，现在中间有些团队已经拿了好几轮融资。
我自己认为，要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，但也不能什么都不懂。那应该用什么样的人？我不知道。
所以当时我选了一个全新的团队。他既懂一点 AI，又懂一点汽车、工程和机器人，然后尝试用全新的思考方式做机器人。
张小珺
为什么当时选中他？
何小鹏
很多时候是命运。你不能说，因为他既不是专门做机器人，也不是专门做智能驾驶，所以我就选他。
他确实都不是。我当时觉得，他的思考象限和我的思考象限比较吻合，所以他是我在这个象限内思考和选择的几个人之一。
首先，你选择他，他也要选择你。他反向选择之后，我觉得可以 try。
我经常看到外面集成的 demo、演示或者 video，很多还停留在我们可能第3代或者第4代技术的 testing 阶段。它也许能成功，但我是试过了。
所以我觉得，小鹏在持续创新里面，既有耐心，也有勇气，愿意长期投入。
今天有很多基金公司很快做出一个 demo，对我来说就是 nothing。就像2017年，中国当时有很多 Level 4 的自动驾驶公司，和今天的机器人很像，当然今天的机器人公司更多。
但这不代表这些技术最终能够看到真正的价值。这只是一个简单类比，因为这样的对比并不完全合适。
张小珺
你选了这个机器人的负责人之后，他对你后来的选人标准有过影响吗？这是一个可以沿用的方法吗？
我会想到，马斯克特别喜欢用通才型的人，不喜欢用专家型的人。我觉得在 Tesla 所在的硅谷，可能更容易找到更多可选的通才型人才。
何小鹏
我觉得在绝大部分国家、城市或者行业，这是很难的。
我想说第1点，LC 非常注重他所说的“人才密度”。我实际上认为是人才潜力。他基本上都用最好的人。
比如从去年年底到今年上半年，我们招了很多类似“三清”的博士这样的毕业生，光一个部门就招了接近80个。他们都很贵，但是我们都愿意。
你要有能力聚拢这样一帮人，愿意支持他们长期探索，要相信这一群年轻人能够创造奇迹。
我认为叫人才潜力，他认为叫人才密度。我觉得要用超级聪明的人去做超级困难的事情，而不是用非常清晰的方向、流程或者工具去锻造他们。在某些阶段，这样做是非常对的。
张小珺
在2023年，你选择做通用人形机器人，理由是什么？为什么一定要是通用人形机器人？
何小鹏
我觉得每个公司选择的道路都不一样。我很开心，我和我的团队、LC 都是一样的，LC 比我还 crazy。
他一直跟我说，他想造人，而不是造机器人。绝大部分人把机器人当作一个商业产品，但我认为他没有思考到，机器人最终在这个社会、在这个宇宙中的参与感，以及它和我们每个人情绪价值的连接度。
就像2014年，很多人觉得智能汽车里的智能没有价值。站在今天，也有很多人第1不相信通用机器人会到来，第2也根本不愿意看到通用机器人可能在20年、50年以后和人类各个领域产生强相关。
今天我们讨论的数字 AI，可能主要只是辅助人类的3类岗位，还有几十个很小的分支岗位。但物理 AI 不是这么一点，可能是它的几十倍到几百倍规模。
每个人都会变老。机器人对老人的未来，我觉得是机器人非常重要的一点，也是最重要的两个因素之一。
第1个因素是人体 AI，如何让老人不生病、更长寿、更开心。第2个因素是在物理 AI 上，机器人对老人的影响会非常大。
老人很有可能把 Iron 作为唯一的依赖。我觉得极少有人会这样思考，但小鹏对 Iron 的思考道路，和很多公司是不一样的。
张小珺
去年那波爆炸性的讨论，有出乎你的意料吗？当时你还挺委屈的。
何小鹏
8. Iron遭遇真假人风波
我们没有想到。我们的想法非常技术化，因为去年那款 Iron 是我们前年第1季度开始做的。对我们来说，它只是一个中间版本。
我们只是想论证，如果一个机器人有这么多关节，它是不是能够进入我们的生活。实际上我们的关节还是比人少很多，人有200多个关节，还有肌肉和皮肤。
我可以告诉大家，今天我们看到的很多机器人，如果加上肌肉和皮肤，它对外行走的效果会发生极大变化，这是完全不一样的事情。
换个角度，我们只是想探索，在这样的情况下，它是不是能够更容易进入我们的生活、工作和情绪。
我举个例子。我们以前做过四足机器人，做过狗，也做过马。不管四足机器人是什么，它进入你的房间都不行。
如果让一只长度大概1.1米到1.2米的机器狗进入房间，你的房间很快就会出现很多问题。比如它在床头柜旁边无法原地掉头。
如果你家里有一只金毛，它掉头的时候，尾巴会往上抬一下，可能会刮到墙和床，但你不会觉得它受伤，也不会觉得床受伤。
可是机器狗百分之百会让你们两个都觉得受伤。
张小珺
那狗做小一点呢？
何小鹏
如果做得非常小，它的能力级就非常差，只能提供轻度陪伴，而且还有一个问题，就是续航特别短。
第2个例子，如果是一个双足机器人，全身有盔甲、很威武，身高1.8米，即使你是它的设计者，也不愿意和它只隔着1厘米走路。
你会有压迫感，觉得它可能危险，可能很烫，身上可能有电，也可能很脏。总之因为各种原因，你会和它保持距离。
如果连我们这样的成年人都会这样，那老人和小朋友怎么办？它在社会上的安全和法律法规应该怎么解决？
工业版机器人可以采用这样的逻辑，因为它本身不是在家庭或者商业环境中使用。很多人在工业版机器人上说，自己避开了 A、B、C 的问题。
但工业版机器人又引发了一个新的问题，就是手部能力要很强。这会引出另外一个新的问题。
我还是回过头来说，未来如果机器人要进入人类社会，在很多岗位上为基础蓝领和基础白领产生价值，它一定要走到我们身边。
所以我们选了一条很难的路。
我自己来看，今天中国很多机器人公司，无论是质量、安全，包括最近的运动会，都可以看到一些有趣的现象。它们还是在用大脑的思考逻辑，或者说还没有真正进入物理 AI 的思考逻辑。
我觉得我们可能在两三年前就已经看到了这一点，并且开始做调整。但我们选了一条很痛苦的道路，这条道路你看得越深，就越难实现。
张小珺
为什么不做一些中间态？
何小鹏
我们已经在做中间态。我们的中间态是，如果你想让机器人真正实现简单泛化并进入人类社会，我们已经在选择最容易做的中间态。
张小珺
这个机器人应该多高？
何小鹏
我们现在这一代机器人，大概在1.69米到1.70米之间，要让男生和女生都觉得比较舒适。
张小珺
是的。
何小鹏
而且它要可以穿衣服，甚至可以有头发，但是不能有自己的脸。它必须和人保持一定的差距。
张小珺
为什么不能有自己的脸？
何小鹏
一方面是恐怖谷效应，另一方面也有其他法律和社会学上的影响。
所以现在大家看到的小鹏机器人，和小鹏正在做的机器人，还是有比较大的差别。我觉得要等到今年下半年，经过更深入的思考，做出一个最简单的中间态，然后用全公司、全小鹏的力量把它做好。
张小珺
去年的发布会上，你说自己很纠结要不要证明里面是不是真人，要不要剪开给大家看。你为什么纠结？
何小鹏
我不纠结，我的团队很纠结。
我认为马上就应该说，但我的团队说，你越说，大部分人越会觉得你有问题。因为他们觉得，清者自清、浊者自浊，这是一种看法。
还有一种看法是，可以再观察，等24小时，再看该不该说。
我等了几个小时，已经受不了了。我说，在中国和全球很多地方都在讨论这件事，它扩散的速度非常快。24小时之后，这颗子弹可能已经不知道飞到哪里去了。
非常简单，因为在旁边开发和使用的人都知道，它绝对不是一个人。
说实话，Iron 也是一样，它的热管理有问题，很烫，但它只是我们的一个 milestone。我们知道后面的版本会很好。
所以我当时纠结的是，如何让内部齐心。内部很多人觉得可以不说，因为我们自己知道。但实际上，这个世界上99.99%的人没有办法和它直接接触。
我记得当天晚上，是我给团队打电话。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。
他们被我逼出来了。第2天早上临时加了一个环节。这个事情之后，确实有些人相信了，也有更多人反而不相信。后来我们又做了一场，但是速度非常快。
张小珺
为什么选择剪腿这个方式？
何小鹏
网上有很多人提出各种方法，说如果是 A，肯定是因为某种原因；如果是 B，可能是另外一个原因。
我们觉得最容易的方法，就是把它的腿剪开，而且是左腿。因为它是从左往右走，左腿是大家最容易看到的，所以可以证明这是真正的机器人。
我们当时就做了这个动作。
张小珺
去年那次爆炸性的舆论，给你带来了什么信号？对机器人的研发有没有影响？
何小鹏
我觉得有非常多有趣的结果。
后来我们去看了中国很多社交媒体，看到大家对这个机器人的价值认同感。绝大部分年轻人都希望它进入家庭，帮助自己干活。
我认识的一些不在社交网站发帖的中年以上男性和女性，和我年龄相仿，甚至比我还大，他们很多人在考虑，等自己老了之后，Iron 有什么用。
我觉得这是非常不同的视角。以前没有经过这么大的讨论，就不会有这么大的数据。
张小珺
这改变了你们这款机器人的走向和流程吗？
何小鹏
我觉得它加速了。
9. 机器人创业难度远超造车
实际上在机器人行业里，有很多非常优秀的人加入了小鹏。机器人和汽车创业有一个非常大的不同，这件事我现在还不能分享。我觉得过3、4年，等很多很多公司踩过坑之后，大家会看到。
张小珺
不同是什么？
何小鹏
再过3、4年，你会看到机器人竞争会陷入一种什么状态。
小鹏的机器人踩过很多坑。这些坑不是你理解了就能够避开的，而是你真正踩上去之后，才知道它整个的逻辑。
所以机器人创业，我甚至认为远超汽车创业的难度。汽车创业已经很难了，但我个人来看，机器人创业的难度大概是汽车公司创业难度的20倍到100倍。
你看，我还给了一个最低20倍。
所以我自己的判断是，即使以小鹏的能力，去年年底出现这次机器人营销之后，我觉得都只是让我们的成功概率提高了一点点。但这已经非常好，也很有价值。
这个事情对每家公司，包括我们自己，都是非常有趣、也非常大的挑战。
张小珺
今天机器人公司太多了，我觉得远超当年造车时新成立的车企。你觉得呢？
何小鹏
当年造车的时候，统计最多有300多家，但我自己感觉现在只剩100来家，可能很多都胎死腹中了。
我听说现在已经成立的机器人公司有200多家，实际上可能是当年汽车公司的两倍。
但是我还是想说，机器人和汽车不一样。汽车的分类可能是乘用车，比如新能源车、商用车、专用车或者微型车。
机器人的分类远不止七八种。机器人可能有无数种分类，比如医疗机器人、货运机器人、货检机器人，都有可能。
而且机器人的逻辑有一个非常有趣的特点：很多机器人不需要是人形的。
张小珺
这一点我也很认同。
何小鹏
只是我们选择了最像人的类型，选择了一条这样的道路。但还有很多条道路，我认为也能走出差异化和商业化。
换个角度，我觉得今天的机器人公司，如果走通用人形集成，99.99%会死掉；但如果走各种差异化集成，这个世界上可能有非常多的解法。
张小珺
那机器人创业的胜率还挺高，我觉得比乘用车高，这是我的看法。
那你们为什么要选一条这么难、最难的路？你想做什么，你有能力做什么，你觉得该不该做，以及你不做什么、如何做到最好的概率——这5个能力的组合，不就是企业或者产品战略吗？
在你看来，通用人形机器人的对手是谁？
何小鹏
我觉得通用人形机器人现在没有对手，全都是自己。
每家机器人公司最重要的，都是让自己的能力变得最强。自己的能力从底层开始，首先是组织，再往上是算法，再往上是整个体系，包括技术、产品、商品的体系能力，再往上是自己的工程能力。
张小珺
去年你们的机器人非常出圈，一个核心原因是它做得非常拟人。你觉得背后最关键的技术壁垒是什么？又是在什么时间完成的？
何小鹏
我可以讲一小部分。
绝大部分人都低估了机器人运动控制的重要性。在汽车领域，运动控制是很多人在过去100多年里都觉得已经解决的问题。所以很多乘用车公司做汽车，都是购买某家公司的运动控制能力，再进行组合和集成。
机器人过去的实践，可能来自2018年某些开源的运动控制、MPC 等方法，所以它们为什么看起来有很多相似性？
我觉得一个机器人真正要做好，应该完全比汽车的下一代、下下代还要做得更好。
汽车实际上是由不同控制域进行单点控制，整体上没有全协同，只是把边界做到极好。它把分工做好：你做 A，我做 B，我们两个有清晰的边界。
但举个例子，如果一辆自动驾驶汽车左轮胎在雪地，右轮胎在草地，需要转一个47.5度的弯，该怎么转？这对人都很难。
左边是雪地，右边是草地，粘着力不同。整个四轮控制、运动平衡和时延管理，如果转弯时前面有车、左边有人，就极其容易打滑追尾。
所以汽车今天的运动控制非常好，但还远远没有做到足够全能，还有很大的提高空间。
如果说机器人，它还处于汽车可能1920年代、1930年代的阶段，也许是 T 型车那个时代。
张小珺
今天机器人领域的 T 型车还没有吗？
何小鹏
肯定还没有。我只是说，从底盘运动控制角度，也许还属于那一代。
回到你刚才的问题，我觉得要有全姿态、全 AI 组合的运动控制，这是极其困难的。
比如今天你看所有机器人，它要么是在走，要么是在打架，它的两种运动控制可能还需要调节。你说要有5种运动控制，就已经很难了。
一个人有200多个关节，组合是无限的。就像我现在有两只拳头，还有表情、手、眼睛、脚，以及灵魂和情绪的协同。
所以我们实际上非常期望，在运动控制领域里像人一样去思考所有运动，思考如何用 AI 来控制，而不是用软件控制。
而且这个控制要做到平衡，就像人的本能一样。当一个人学会走路、学会跑步之后，他拥有的是本能能力。
当他看到地面可能是雪地或者草地，他甚至会先试探着走一下，感受摩擦力和整个的体感。可能一边是开水，一边是冰水，但两只脚同时在走。
在机器人领域里，就是要对各种情况进行思考，思考运动控制。
所以我觉得，小鹏的运动控制可能像汽车的下下代。这也是为什么我们认为，绝大部分集成还停留在很多年前汽车的运动控制上，自然只能用软件去缝合，很难做出机器人真正的综合能力。
张小珺
机器人对于小鹏来说意味着什么？它是小鹏的远方吗？
何小鹏
我们不是这样认为的。我们觉得小鹏新的10年有3条曲线。
第1条曲线是汽车，把汽车做成完全的智能体。第2条是机器人，机器人本身就是智能体。
汽车还在证明，可能要花10年证明软件能力占到50%，但我觉得机器人不用证明。如果一个机器人软件能力很差，你基本不会要它。当然，硬件能力很差你也不会用它。
第3条曲线，是能够全球化。
实际上机器人和汽车有一个很大的不同，绝大部分人都忽视了：一旦机器人有能力规模化，它规模化的速度会远超过汽车。
汽车在过去100多年里是逐步规模化的，因为它需要建设道路、交通法规，量产难度也很高。
比如今天你做了一辆特别好的车，一天卖了10万台，对不起，你没有能力下个月造出10万台。你也不敢过3个月真的每个月造出10万台，因为你不知道后面能不能卖出10万台，这是汽车本身的规律。
但是机器人不一样。机器人有可能在某一个点上做得特别好。记住，是一个点，不是一个面，它有可能产生非常大的爆炸效应。
就像我认为去年数字 AI 里最大的变化是 SOP Big 的 coding。不到18个月，从前年的下半年到去年年底，就发生了巨大的变化。
我认为机器人也有这种可能，虽然它比数字世界慢，因为它是物理世界，但仍然可能出现这样的变化。
张小珺
它会比汽车还慢吗？
何小鹏
如果机器人的软件能力发展起来，硬件规模化的速度会远超汽车。
当然，换个角度，因为小鹏是一家汽车厂商，我们做集成，和很多公司做集成时，80%的硬件都是自研的。我们的手、芯片、关节，都是自己研发和生产。
只是我们可能和很多公司的合作方式不同。别人可能和 Tier 1 合作，我们可能和它的更上游 Tier 2 合作。只有这样，才能把质量和规模做好。
张小珺
今年下半年你们要量产吗？现在的难点是什么？
何小鹏
有很多点。
第1，硬件能不能做到相当可靠和稳定。第2，高等级的多个大模型能不能很好地拟合。第3，还有一个非常难的点，就是商业化能不能证明。
商业机器人有无数个坑，所以我为什么说它比汽车难得多？汽车只要造出来，假设没有竞品、用户有需求，你基本相信它是可以卖出去的。
但机器人到今天还没有被定义清楚，市场也在等待。市场等待的是，你有没有一个类似 iPhone 4 一样的机器人出现。
但是我相信，第1款商业量产机器人，可能还达不到 iPhone 1。iPhone 毕竟是一个工具，它可以替代当时的其他手机工具，比如 Nokia、摩托罗拉和索尼爱立信。
但机器人出来的时候，可能很多人还没有做出类似的东西。所以它又不是完全可比的事情。
张小珺
你觉得你的胜率有多大？这是一个这么长期的战役。
何小鹏
要看你的目标有多大，才能知道胜率有多大。
我自己的判断是，我们大概有20%的胜率。这个胜率已经是我看到的中国企业里面，我自己认为最高的。
张小珺
你前年还跟我说，造车像在血海里游泳。那做机器人呢？
何小鹏
现在还没进入血海，血海在前面。
但是机器人有一个很大的不同，就是机器人里面 AI 所占的能力很强。而原来在血海里游泳的那群人，和你一起游泳的人，实际上绝大部分都不太懂 AI。
今天汽车行业里很多人说，因为我不懂软件，所以找一个好的 Tier 1，在汽车里面是 work 的，但在机器人里面不 work。
所以机器人的血海，可能像当年互联网竞争一样，很快从血海变成蓝海，进展速度会极快。
张小珺
刚才我们说的是机器人。今年你们也会发布多款新车，包括 GX。我们要不要聊聊这个产品？
何小鹏
10. GX融合汽车机器人能力
GX 是小鹏再次做高端。这次我们第1次做一款全尺寸、6座的大 SUV，也就是我们的旗舰 SUV。
非常有趣的是，今年北京车展大概有30款这样的全新全尺寸车型。我自己脑子里大概有几款。
小鹏在这件事上有很多和它们不同的地方。我觉得我们第1次思考，如何把汽车、飞行汽车和机器人的很多能力，在这一代新的智能汽车里面贯通起来。
举个例子，我们把飞行汽车里的飞控核心零部件冗余，带到了这款车里面。
当然，这一款 GX，我认为是全中国第1个由整车厂做的前装 robotaxi，所以它有8重安全冗余。也就是说，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。
它像飞机一样，允许你有冗余。
第2个例子，我们把汽车的线控底盘、全新的 EEA 体系，和 VLA 自动驾驶关联起来。它可以让新的底盘在 VLA 执行过程中提高下限，也就是说安全级别更高、时延更短，控制灵敏度可以提高接近几十个百分点。
第3个很快就会看到。机器人要听你下达一个任务，比如“小珺，帮我拿瓶水”。它首先要判断你是谁，你是不是主人，我要不要听你的话；然后判断水在哪里、你要喝什么水，拿完水之后去哪里、怎么给你。这是一系列事情。
未来不远的将来，汽车也会具备这样的能力。今天我们没有对外讲太多，但它本身来源于机器人，也来源于我们在汽车上的很多能力。
比如这款车的第三排空间可以完全推平，变成两排车，也可以变成2.5排车。我们叫4座、5座、6座都可以坐。
你会看到，它把小鹏自己的很多能力、汽车的很多能力和集成能力做了很有趣的融合，也加入了很多合作伙伴。
比如我们和福耀玻璃做了隐私玻璃，和美的做了新一代车载冰箱。我觉得有特别多有趣的能力组合。
我们一直觉得，做一辆外表很大、部分地方好看，但内饰粗糙、细节不用户化，只是拼凑很多能力的车，那叫四不像。车展里这样的车特别多。
但怎样才能做得不一样？需要全维度的能力。有人说我这个点是60分，那个点是80分，还有一个点是85分；你可能最差的点也是80分，还有更多90分和95分，这样才有可能在战争中胜出。
张小珺
这个价格是怎么定的？一开始就想好，还是最后定的？
何小鹏
没有一辆车在一开始就把所有事情想清楚。它一定是一个规划。
这个规划取决于你希望吃掉什么市场，希望这个市场有多大规模、有什么利润，以及这个市场里面可能有哪些竞争者。
大概就是这几个方面。现在是预售，应该在5月21日正式发布，发布会上大家会看到更清晰的配置和价格。
张小珺
担不担心重蹈 G9 的覆辙？
何小鹏
不担心。那个时候的思考和逻辑，和现在的思考逻辑差别非常大。
特别是经过这几年，如果你的能力到达更高维度，大概率可以分析出以前的问题在哪里，也大概率能够判断现在的问题在哪里。
到了今天，不会再像以前一样轻松地在某一两个点上失败。你的体系能力越强，就越难在某一个点上轻易失败。
张小珺
你个人说自己也很喜欢这款车，并且希望这是给朋友造的一款车。这些朋友是什么样的人？你的目标用户画像是谁？
何小鹏
我觉得是30岁以上、比较勇敢，而且很多事情做得很好的人。
有的是创业者，有的是优秀的经理人，有的是优秀的专业人士。他们愿意探索新的科技，体验新的科技豪华，和我们的味道、逻辑比较接近。
我觉得他们是我们的第1批用户。
所以这款车更希望面向家庭，科技要好。你开出去，朋友有什么反馈吗？
张小珺
我的朋友很多都很喜欢。明天我在北京有一群朋友约着一起来看我们的车。
很多人跟我说：“小鹏，你们早就应该做一款这么大的车了。”他们说，自己和家人很想用一款大车。过去有人开过、有人坐过小鹏的其他车，现在都很期待有一款更大的车来满足需求。
怎么面对和理想的竞争？
何小鹏
我觉得我们和每一家都是友商，也都是同盟者，也可能是竞争者。
今天我还去了理想的展台，看了新的 L9，也是非常不错的车。我相信，昨天我去了李斌那里看 ES9，蔚小理在大6座这一次都会给出各自不同的看法和认知。
张小珺
你从 G9 上复盘了什么，并用到这一代车型里？
何小鹏
太多了。
我们的组织调整了，产品规划调整了，对客户的认知调整了，商业逻辑也调整了。太多了。
这已经隔了3年半，从2022年底到现在，我觉得变化非常大。
张小珺
这么自信？
何小鹏
我觉得这是完全不一样的能力级。
汽车是一个非常复杂的技术、人性、经营和大集成体系，所以才有人说汽车是制造业的明珠。
在这个领域里面学习得越深、总结得越深，你会看到很多不一样的点。
实际上，很多小型硬件或者消费级硬件看不到这些东西，因为它们把很多制造交给别人，很多供应能力依靠供应链，组合的可能性不高。
所以在汽车领域里，从2022年到2026年，我自己认为是巨大的质的提高。
张小珺
如果有人说小鹏的车丑，你怎么想？
何小鹏
每一辆车都会遇到别人说它丑。审美是一个主观逻辑。
张小珺
你觉得小鹏的车好看吗？
何小鹏
我觉得它在越来越好看的路上。其他方面的信心我不够足，但对丑和美，我还是很有信心的。
张小珺
你说颜值第1，在内部也是这样吗？
何小鹏
颜值是一个相对论。要在多个领域做到第1才有可能，颜值只是其中一个领域。
张小珺
为什么不选择少而精的车型策略？为什么今年要做4款车？
何小鹏
每家公司都有自己的道路。你不能问 A 公司为什么不做少而精，B 公司为什么不做大而全，它们都有不同的逻辑。
张小珺
你今年感觉整体都很自信。
何小鹏
我觉得做企业没有不自信的。
张小珺
你现在花时间最多在哪里？车、机器人、AI，还是组织、采购？
何小鹏
你所讲的我都有参与，但是我觉得都不是。
我花时间最多的，还是战略和规划：未来是什么样的？
就像刚才你问的，谁是成功的。可能他们以后会更成功，但是在今天我的角度来看，他们都不叫成功。
就像汽车里面，规模算成功吗？是成功的代表之一，但不一定完全成功。利润算成功吗？有些利润可能是临时的，也可能很痛苦。
所以企业家面对成功的概念有很大不同。
换个角度，我可能花了更多时间思考整个企业、产品和商业的战略与规划。但这些规划又需要技术、组织、市场等一系列组合能力，最后才能做到。
张小珺
今年对你来说最重要的一件事情是什么？
何小鹏
没有，都很重要，很多都很重要。
汽车是一个非常复杂的问题。相比一个个人，或者一家逻辑清晰的企业，汽车不是一句“我只要把这一件事情做好”就可以解决的。
汽车做好一件事情，不代表能做好整体。这是一个很痛苦的问题。
就像刚才讲的长板、短板和宽板。很多人会觉得应该把一个长板做好，这在绝大部分时候是对的。
但在汽车里，它是一个复合体系。你做好一个点没有用。
比如把自动驾驶做得极好，做到 Level 4，行不行？
第1，我大概认为谁说今年能做到，我觉得是在吹牛。第2，就算做到了，也不一定对他有巨大价值，因为它的价值需要逐步体现。
张小珺
那你觉得 Level 4 什么时候会实现？
何小鹏
我大概率认为是18到24个月。
张小珺
这是对你们来说，还是对全行业来说？
何小鹏
对我们来说。
张小珺
实现以后会带来什么？会带来更多汽车销量吗？
何小鹏
销量更多是百分之百的，但多多少？我需要认真判断。
即使销量增加，也不代表长期价值。这里面都是不同的问题。
比如上个月，也就是3月底，我们发布了第2代 VLA 的第1个版本。最近我在车展上和大家分享了数据。
4月份，中国汽车销量同环比都下跌了20%左右，而我们大概增长了50%到70%。这里面有相当一部分和第2代 VLA 有关。
它好不好？我觉得不错。
但是如果做到 Level 4，能把这个能力提高多少倍？1倍、5倍还是10倍？我很难判断这到底是好还是不好。
第2，它对社会、对行业的冲击到底是什么？今天我们在这方面的很多看法并不一致。
我还是想说，汽车企业最后的成功，不是只来自 AI 的某一个能力，也不是只来自硬件的某一个能力，或者销售的某一个能力。我觉得都不是。
张小珺
余凯老师经常说，你是他最难啃的一个用户。他觉得车企最终都应该使用第三方，你怎么看他的观点？
何小鹏
余凯和我们的关系都很好。他走的是一条很有趣、很有希望，但也许很有挑战的道路。
要看这个世界上最终汽车和机器人公司是多还是少。越多，我觉得余凯的道路会越宽；越少，余凯的道路会越痛苦。
张小珺
你倾向于认为是哪一种？
何小鹏
我可能认为会越来越集中。
如果从用户角度看，用户当然会觉得需要更多车企、更多友商产品可供选择，需要更多不一样的东西。
但在这个世界上，汽车太复杂了。如果它是一件比较简单的事情，很快就会归一。
我讲的归一，就是苹果手机。这个话可能不太好听，但最近几代苹果手机变化不大，照样能够很稳定。
现在手机市场变化很大，但我买手机已经不是因为某个能力提高就一定要换，除非手机坏了。
汽车还远远没有到达这个阶段。甚至我认为，未来每年投入100亿元研发费用，持续做巨大的创新，仍然有价值。
过去汽车公司里有很多公司实际上不自研。他会说，你看这些汽车公司做了很多研发、花了很多钱、也有很多人。
我说，但是他不做自研，他做集成。
你说他们做集成不对，那就去自研？实际上你会发现，自研可能更不对，因为汽车太复杂了，需要很多人做研发。
所以有些地方你没有基因，不如找 A 合作、找 B 合作。这句话对。
但换个角度看，它到底是你的汽车战略还是战术？如果是战术，你不应该自研；如果是战略，你应该自研。
回到一开始你问的终极问题：10年后，汽车软件是否占汽车价值的50%？
如果占，1、2家 Tier 1 能不能帮助合作伙伴做到50%？他们当然希望可以，也许能，也许做不到。
汽车里面有一个叫跨域融合，就是把很多能力融合在一起：硬件、软件、制造、设计、服务和运营，这些都完全不同，但要把它们融合起来。
很多人会问，这怎么融合？比如汽车里面经常说几合一，就是把不同的东西合在一起；软件里面说多合一、N 合一，可能是把几十种能力合在一起。
这些体系都不一样，不是哪一家公司可以单独完成的。
比如原来和3家公司合作，一起提供一个 total solution，很容易；但如果要和300家公司合作，提供个性化 solution，就会非常痛苦。
小鹏的道路和余凯、地平线的道路，都有可能成功。
张小珺
你认为汽车或者机器人最终会集中到多少家公司？这是一个多少年的周期？
何小鹏
不同企业的差别太大，这个问题我先不说具体数字。
我一直说，2030年中国可能只有5家有规模的汽车企业。这不代表其他汽车企业会倒闭，但规模下行会导致越来越难进入这种超高强度的竞争。
张小珺
你今天从血海里游出来没有？
何小鹏
我觉得大家都还在游。
张小珺
出来了吗？
何小鹏
没有，我也不觉得有谁出来了。
在我的定义里面，没有一家已经出来了。
张小珺
机器人的挑战只会是汽车的10倍，对吧？
何小鹏
我觉得机器人反而会稍好一些，因为机器人的同质化内卷可能更低。
第1，它的软件价值会很大，这一点大家都毋庸置疑。第2，我不认为有一个非常好的开源体系，能够帮助一家机器人公司把软件做好。
张小珺
你的典型一天是什么样的？
何小鹏
我觉得和很多企业家可能一样，相对来说比较晚一点上班，很晚才走。每天会有很多决策项，大部分都希望非常快速地完成，要到处交流和思考。
这就是典型的一天。
张小珺
最近有看什么书吗？
何小鹏
我现在不太看特别具体的书。桌面上有很多书，我可能翻一章就过去了。
我觉得书里面总结的规律，在现在的组合里变化太快，所以很难总结。等一本书写好、印刷出来之后，这个世界可能又变化了10%，当然这是在那本书的范围内假设。
所以我觉得，看书应该是在一个更稳定的环境里看。
张小珺
你怎么吸收知识？
何小鹏
最简单的方式，我觉得是在实践中吸收。
以前我自己总结吸收知识，是读万卷书、行万里路、聊万次天、卷万次袖子，以及实践。
现在最重要的是，你看到很多事情之后，如何在一个足够大的平台上做好快速循环。
企业内部组织是 PDCA，但在 AI 体系里要靠全自动循环。PDCA 里面的 C 都不能做了，应该尽量降低人的任何一个环节的消耗。
张小珺
过去一年有没有什么后悔的决策？
何小鹏
没有，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，原来这个时候的一个东西是做错了，那我们来一起思考为什么现在错了，但不用后悔。