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在线配资论坛。
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，AI（人工智能）技术正在全方位重塑汽车行业的每个环节。
在此背景下，人工智能可以带来哪些新的出行场景？车企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：当前，我国正大力发展“人工智能+”。未来5至10年，人工智能对汽车、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。
对汽车行业而言，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，这种跃升的目标是带来比人类驾驶更安全、更舒适的出行体验。
NBD：不少人认为，L3级自动驾驶是一个技术上的“伪命题”或过渡阶段，车企应全力奔向L4级，怎么看？
理想汽车：我们认为，L3级是有监督的智能驾驶，并非伪命题，是通往L4级的必经之路和关键先导程序。L3级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，为最终实现完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，需要在以下几个方面取得关键突破。
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，1年投入超过60亿元，在汽车行业内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，如何看待这一观点？
理想汽车：3年内，我们会推出L4级定义的车型。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3年内，即2028年左右，推出首款L4级自动驾驶定义的汽车。
这款车型的推出，意味着汽车的设计理念将发生根本性变革。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，汽车将从一个“驾驶机器”，真正转变为一个纯粹的“生活空间”或“工作空间”。
理想汽车董事长兼CEO（首席执行官）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。
理想汽车认为，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，本就是一项极其复杂的系统工程，需要在感知、决策、控制等环节，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，都有待攻克的难题。
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，都是制约完全无人驾驶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”将开启一个万亿元级的全新市场。
这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目前存在算力“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，其核心能力可以复制到制造、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，例如，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竞争力，但与海外顶尖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的总体规模和投入上，与海外同行仍有较大差距。
此外，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级则需要至少500万辆能够采集数据的车辆。
尽管中国车企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。
NBD：最近，理想汽车进行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李想开始直管人力资源部门。
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，理想汽车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、勇于探索在线配资论坛，从而激发整个组织的创新活力。
牛金所提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
推荐资讯
