供需大厅

登录/注册

公众号

更多资讯,关注微信公众号

小秘书

更多资讯,关注荣格小秘书

邮箱

您可以联系我们 info@ringiertrade.com

电话

您可以拨打热线

+86-21 6289-5533 x 269

建议或意见

+86-20 2885 5256

顶部

荣格工业资源APP

了解工业圈,从荣格工业资源APP开始。

打开
荣格工业-圣德科

李想:具身智能会有两个阶段 自动驾驶和通用人形机器人

来源:ZAKER 发布时间:2026-05-13 80
汽车制造智能制造传感器运动控制工业机器人软件及平台工业互联智能制造解决方案 产业动态
理想汽车CEO李想提出具身智能"上下半场"框架:自动驾驶为上半场,通用人形机器人为下半场,两者技术路径相通。

5 月 13 日,理想汽车 CEO 李想发文称,罗永浩是理想 ONE、L9 和 MEGA 车主,听我讲完全新理想 L9 Livis 后,抑制不住他好奇的心,以最快速度从上海赶到北京体验实车。

 


全新理想 L9 Livis


李想表示,这次对话,他最想表达的一个观点是:具身智能会有两个阶段,自动驾驶是具身智能的上半场,通用人形机器人是具身智能的下半场。以下由 Claude 从 2 小时 + 访谈中提炼生成。


一、具身智能的上下半场
自动驾驶是具身智能的上半场,通用人形机器人是具身智能的下半场。这两个连接关系非常清楚,包括为什么机器人公司要从自动驾驶公司挖人,也是因为这是一个必要的路径。不久的以后,汽车和通用人形机器人都会是五万亿美金的规模。

 

二、AI 时代的人才标准变了

我们公司 token 放开用,我看了内部消耗量前 20 的同事。排在前面的人,并不是我们常规想象的公司里那些原来标准下最顶级的员工。比如他表达能力过去不强,获取不了什么资源,但他脑子极强。只要有 token、有业务环境,他就可以去改造一切。

 

AI 时代的人才和上个时代的标准大概率是不一样的。你上来就裁人,很容易按照上个时代的标准,把最好的人裁掉了。在 AI 时代,有想法是最可贵的。

 

三、" 专业工作被 AI 替代 " 是最胡扯的事

这是我真正使用以后觉得最胡扯的事情。一个普通人做出来的代码,可用性差到极致,更不要说往大规模去部署了,那基本上对他们来说就是个灾难。AI 在效率方面其实是无敌的,但它不会让外行变成专业的人。

 

四、机器人该干什么?

从来没有人问过我们到底需要什么。他们就想帮你去工厂拧螺丝。我完全不需要拧螺丝,现在人都不拧螺丝了,都是机器拧螺丝了。

 

它既然是生产力加劳动力,那生产力和劳动力最多的、最容易被替代的是什么?你为什么非得要去替代制造呢?制造需要的是微米级精度,今天的软臂根本做不了。但搬运、上料不需要那么强的精度,而且单一工种的用量又是最大的。

 

五、AI 不会催生 " 一人公司 "

我开始也觉得一个人能靠 AI 做一家公司,但验证了一段时间发现不成立。所有在 B 站、小红书上说要验证一人公司的,验证了一段时间以后,每天更新的内容就是 OpenClaw 又更新了,他又解决了什么 bug,他们自己实际的生产环境并没有建立起来。因为建立一个稳定的生产环境太难了。

 

AI 是生产力加劳动力,但它必须附诸于一个真实的生产环境,它并没有空造出来任何东西。三五个人、十几个人做一个大型公司,我觉得是成立的。

 

六、自动驾驶的三个阶段

从模仿学习进入到理解学习,这是个硬坎,背后整个技术栈要做一轮大的升级。

现在的技术栈,只要模型规模压到 4B 到 7B,2000TOPS 左右的算力,未来一两年就能实现 L3。但 L4 无人驾驶需要 3D ViT、物理世界的预训练模型、比人还快的控制系统,基本上得有近万 TOPS 的算力,大概要到 2028 年、2029 年。

 

七、L9 Livis 三大核心技术

1. 全球首个量产完全体线控底盘 +800V 主动悬架

人类从看到物体到踩刹车执行到位,大概 350 到 400 毫秒。过去自动驾驶基本上在 400 毫秒上下。我们基本上可以降到 200 多毫秒,比人快了接近一倍。绕桩侧倾甚至比法拉利还小。如果一个机器人的响应速度更快,人会本能地,无论是理性还是感性都会觉得更安全。

 

2. 自研芯片:动态数据流架构,单颗 1280TOPS 全球最强

全球唯一动态数据流架构的车载 AI 芯片,跟 Jim Keller 确认过这是未来主流的 AI 算力架构。苹果也不是在很大规模的时候才做的芯片,是很早就做了。我们 2022 年的 L9 到今天四年了,智驾还是第一梯队,所有新功能全有,运行流畅。极强的算力会让一个车的成长性和生命力完全不同。

 

3. 新增程器 +5C 电池,续航 1600+ 公里,纯电续航已经赶上很多纯电车型。

 

八、车机 AI 的五个真实需求

今天这个记忆是一个糟糕的定义。它做了一些 Markdown 文件,不是真正的记忆。反而变成了一种熵增,任何时候都把这东西读到上下文里去,效率全浪费在这上面了。

 

你拿 OpenClaw 问个上海天气,四五分钟过去了,消耗好几万 token,毫无必要。在我们车上,一秒钟都不到,本地算力就够了。

 

用户真正需要的五件事:泛化任务、泛化信息获取、精确控制、信息记录、个性化。前两个你想调什么模型调什么模型。

 

九、给家里提供算力

我们希望下一代芯片的时候,给家里提供算力。花个小几万块钱,放一套非常稳定的算力,跑一个模型。家里的机器人和设备都可以直接调用,不需要每个再单独放算力了。

 

AI 最重要的不是计算,是搬运。动态数据流架构搬运数据的效率是更高的。

 

十、无人驾驶时代,买车的人会更多不会更少

就是租房和买房的差别。道路是有限的,没有办法增加更多供给。在你最需要车的时候,供给仍然供不上,因为它不是由车的供给决定的,是由道路的供给决定的。

 

平常不愿雇个司机、觉得隐私麻烦的人,会有更多人来买车。我们挣钱不就是为了过更好的生活嘛。

关注微信公众号 - 荣格智能制造
聚焦智能制造领域前沿资讯。
推荐新闻