把花了數年、耗資數十億的技術體系一刀砍掉，這需要多大的膽子？

小鵬集團創始人兼CEO何小鵬在5月28日播出的播客節目《張小珺商業訪談錄》中，詳細披露了2025年三四季度那場鮮為人知的內部技術革命。

他在節目中直言：「物理世界的CEO不敢賭，我可能膽子比較大，我們做了一個巨大的賭注，我們把以前的那套體系就停下來了，那套體系花了小幾十個億。」

這場豪賭的背景，是小鵬汽車在2025年宣佈更名為「小鵬集團」，並將自身定位為一家「物理AI（Physical AI）企業」。更名背後，是一次從底層技術架構到組織架構的徹底推倒重來。

為什麼要砍掉舊體系？

何小鵬將舊體系稱為「AI縫合怪」。

他解釋道，過去全行業推崇的端到端自動駕駛，包括小鵬自己在做的，本質上是「用軟件工程、軟件流程，加上AI算法和AI工具」拼出來的產品——

你是用軟件的方法論使用AI的工具箱做出來，是一個更強力的軟件，我認為它叫做AI縫合怪。

他用了一個直白的比喻：「就像你修一個房子，你會有更多的材料，更多的工藝，用AI的，但是他還是修一個老的房子的方法論，他修出來的還是一個原來的房子，只是可能修得更快一點。」

這套體系的致命缺陷，在於上限太低。何小鵬說，舊體系的能力上限大約只有1000分，在地下停車場、複雜路面等場景下會立刻暴露短板。他的結論是：「我認為它無法做到無人駕駛，我認為它也不可能讓機器人真正的泛化。」

這個判斷，在2025年年初逐漸在他腦中成形。他說，當時他看到行業裏很多公司用「更簡單的方法論和更快的效能」做出了「湊合可用的自動駕駛」，但「做了一年到兩年之後，他就會發現，為了解決很多短板，他限制了他自己的長板，所以他發現他永遠做不到Level 4或者Level 5」。

他的判斷是：「這條路是一條捷徑，但是不是一條大道，是一條小路。」

新路子：上限打開，但下限慘烈

小鵬在2025年同時開發了兩代新系統，內部分別稱為「VAA第一代」和「VAA第二代」。

第一代是在原有端到端框架上擴大模型規模、降低軟件規則比重，屬於漸進式改良。

第二代則是完全不同的路徑——拋棄端到端邏輯，用更大的Foundation Model（基礎大模型）全盤驅動，以AI原生的方式重構整個自動駕駛體系，即VLA系統。

兩者的差距，何小鵬用分數來描述：舊體系上限1000分，下限900分，「能力不錯」；新體系上限可達10萬到100萬分，但初期下限只有100分——「工程bug極多」，比舊體系的下限還要低。

本來你期望做一個產品，上限1000分，下限900分，這個時候你的能力是不錯的。但是那個時候下限可能只有100分，工程的問題有非常多。

面對這個局面，他做了一個在他自己看來「非常巨大的賭注」：堅定押注第二代，同時將第一代乃至整個舊體系全部叫停。

他說：「當我把第二代VAA，我認為應該把它放大，並且最後堅定的把第一代甚至都完全停止它，從業務到技術，甚至到組織，那麼是一個巨大的心理上跟物質上的雙重壓力。」

內部阻力：有人「用腳投票」離開

這個決定在公司內部並非一帆風順。

何小鵬透露，當時大部分非AI背景的主管認為「不管做A還是B，可能都錯了」；AI相關主管中，也有人持觀望態度，「不確認這是不是能夠做到一個落地的效果」。

最激烈的反對，不是發出聲音，而是沉默地離開：

最大的反對聲音就是有很多用腳投票……他們不相信這個事情，他們覺得做不到，他就離開了。

對此，何小鵬的態度是：想清楚了，就要徹底動刀，「切記不要小刀砍大樹，慢慢砍。想清楚了，砍掉它。從組織到流程，到方向，全部改」。

在2025年三季度末，小鵬對整個自動駕駛中心的核心組織架構進行了全面重組。他解釋這樣做的原因：「每個人都有原來的慣性，你會習慣用過去的方法，想用最新的工具跟技術去做出更好的東西……但有很多時候你的工作方法論都得改。」

為什麼是他敢賭，別人不敢？

何小鵬在訪談中提到一個他認為物理世界CEO普遍面臨的困境：與純數字AI公司不同，造車的人有太多「板」要顧——質量、成本、法規、工程、供應鏈——單個長板突出沒有用，短板會直接拖死整體。

物理世界的CEO，要不然不敢賭，要不然覺得我還有好多塊板，我怎麼辦？我覺得我可能膽子比較大。

他說自己當時也不確定新體系能不能補上短板，但仍然押了下去：

我們做了一個巨大的賭注，我們就覺得，我相信物理的AI，換一個思路，換一種流程，底層要換一種組織方式，有可能能夠做到不一樣的點。

他還引用自己在2022年低谷期給自己立下的兩條原則解釋這種判斷邏輯——「絕不服輸」和「願賭服輸」——兩者並不矛盾，而是一種在高壓下維持行動力的平衡方式。

這場賭注的邏輯：軟件價值要佔到50%

何小鵬押注新體系，背後有一個更長遠的商業判斷。

他認為，在過去的智能電動汽車時代，硬件佔用戶所需價值的比例遠超50%。但在未來十年，如果能用AI原生的方式重新驅動軟硬件體系，軟件的綜合價值有可能上升到50%。

他舉了一個具體的設想：「用戶願意說，我買一個30萬的車，其中15萬算你的硬件，15萬算你的軟件的綜合能力，有沒有這樣的車？現在沒有。但是我覺得一定在這個十年會變化。」

這也是小鵬從「AI汽車企業」更名為「物理AI企業」的核心邏輯——不再用電動或汽車的方式去考慮智能，而是「換了一種邏輯」，從戰略規劃到研發過程全面調整。

對於這場賭注的結果，何小鵬坦言仍在驗證中，也承認自己當時「不知道他能不能解短板」。但他的判斷是：越猶豫，越等待，成功概率越低。

你越猶豫，越等待，越想觀察，越想再說過6個月，你有可能越難成功。

何小鵬在訪談中援引了一組近期數據：2025年3月底，小鵬發布了第二代VAA的第一個版本。4月，中國汽車銷量整體同按月下跌約20%，而小鵬當月銷量漲了約50%至70%，「這裏面有相當部分跟第二代VAA相關」。

他表示，這條路能否最終走通，還需要時間驗證，但方向上他沒有動搖：

我覺得在今天的過程中間，這個第一，每家公司走的是各自的道路，它是不能複製的。

訪談文字轉錄如下：

節目簡介：

本集是小鵬汽車董事長兼CEO何小鵬的返場。 在我們此前的節目（《張小珺商業訪談錄》播客70集）中，何小鵬形容，造車就像在「在血海里游泳」。 在過去1年中，除了汽車這場血海戰役，小鵬汽車也要面臨AI和機器人這場未來之戰——後者的戰線更漫長，造人形機器人的勝率也要比造車低得多。 對此，何小鵬在2025年下了更大的賭注。我們這次從「賭」開始聊起。他也聊了聊人形機器人Iron的誕生與意外、技術變革下CEO的心路、新車GX等話題。不過，對於正在發生的事，他有一些顧忌，也有一些尚且不能說的祕密。 接下來，就是我對何小鵬的訪談。

何小鵬 00:00 物理世界的 CEO 不敢賭，我可能膽子比較大，我們做了一個巨大的賭注，我們把以前的那套體系就停下來了，那套體系花了小幾十個億。

張小珺 00:10 直接來講，何小鵬 Skill 的一個缺點會是什麼？

何小鵬 00:13 我覺得每個人 Skill 的話之後都會發現這個人實際上是有非常多的缺點的。

張小珺 00:18 機器人對於小鵬來說意味着什麼呀？

何小鵬 00:20 我覺得這個世界上可能有非常多的解法，而我們選了一個最像人的人形機器人。

張小珺 00:26 你覺得你的勝率有多大？

何小鵬 00:27 我們大概有個兩成。

張小珺 00:29 在這樣一個技術劇烈變革的時代，你焦慮嗎？

何小鵬 00:32 當然焦慮，因為你會發現你以前的很多的邏輯論，甚至你邏輯論的底層的定理。範式，甚至到公理層，你的價值觀、人生觀、世界觀，在這些東西的變化下，不是那麼work。

張小珺 00:44 你今天從血海里游出來沒有？

何小鵬 00:46 我覺得都在遊，我也不覺得有誰出來了現在。

張小珺 00:53 哈嘍，大家好，我是小珺。魏晉之約是一檔由微博財經和語言及世界工作室聯合出品的訪談節目。今天我們的嘉賓是小鵬集團的創始人兼 CEO 何小鵬，我們一起來聊聊他在物理 AI 上的探索，但是他還有很多不能說的祕密。在節目正式開始之前啊，我想先對於你最近對於 AI 的體感來做一個小的調研。你最近使用最多的幾個 AI 產品是什麼？

何小鵬 01:21 那我還真不多，還是在非常傳統的 AI 產品哦，千問豆包。但是在 Coding 方面呢，我們現在團隊內部用的非常的多，但是我自己個人，我不願意使用。為什麼？他們就跟我去問，哎，小鵬你自己要去用。我實際上舉了一個非常有趣的例子，我說我們當年在做互聯網產品的時候。如果你天天用產品，你很快會到細節去。比如說你會覺得 Scales 哪裏不好用。如果你了解它，你會去思考，認為它的優點將來還會非常的長，非常的多。但你再用進去，你會看到它的缺點跟問題。你會聚焦怎麼去解決，比如說多人協作的扣點的問題等系列的問題，反而不能讓你向遠方看。所以我對於科技快速變化的很多產品跟能力，我自己認為要用，不要太深度的用。特別是做一號位，但是基層的或者說有一些產品線跟他強相關的，你就要鼓勵什麼方式都可以上，最後要看結果，在最後慢慢的把它歸一，這樣纔是比較好的。

張小珺 02:37 AI coding 對於一個企業的一號位來說，有任何的意義嗎？你覺得它會對不管是小朋友也好，或者是汽車產業也好，或者是智能駕駛的行業也好，會帶來什麼變化嗎？

何小鵬 02:50 我覺得它是對初級程序員。的一個非常好的，目前來說還是一個輔助工具。但是也許兩到三年後，會逼迫初級程序員都要上到高級程序員。但是我覺得對於像智能輔助駕駛，或者像其他的強 AI 的能力，我認為它的幫助是比較小的，它只是其中的一個工具。真正要把整個的 infa 建好。整個的體系建好。實際上本身來說，你可以認為。它是在最應用層來幫大家的，那是 AI coding。但是你如果在內核層，比如說你想寫個操作系統，我認為它的最核心還是整個的infa，而不是在扣點。

張小珺 03:38 你現在每個月會使用多少token？公司會使用多少token？

何小鵬 03:42 我們不太看這個事情，實際上這個事情有好多人在過去的一年都在提。我認為數字化的中小型公司提這個事情會非常多，我覺得應該特別重要。我覺得數字化的中大型公司要適度關注，不應該太過全面，因為有些公司的數字化的支持的業務可能不一定是數字化的，可能有非數字化的。一個非常有趣的就是，在非數字化的公司，對 token 需要多少？

張小珺 04:11 對。

何小鵬 04:12 你看我們的車，我們之前做了一個有趣的小統計吧，我們新一代的 VAA 一天只用三四個小時的話，會用多少token？我現在準確數字已經不太記得了，當然它只是內循環的，你可以認為。那麼換一個角度，實際上也就是說，在數字 AI 能用 AI 使用的 token 數量遠遠低於在物理世界 AI 自己需要用的 token 數量。但是實際上這個是沒有意義的，因為它不是用人，用 AI 來去滿足它的需求，自動駕駛的汽車你可以認為是一台自動的machine，它去用 token 來去用多少。

何小鵬 04:54 所以我在這兩個領域裏面認為是兩個不同的角度，所以在物理世界，我認為的 token 的使用將來會是 machine 自己使用多少token，產生多少對 machine 和人的價值。而人用多少 token 產生對人和企業的價值，是另外一個維度。

張小珺 05:14 所以它的指標應該是不一樣的，它的北極星指標，你覺得多少是一個合理的數量？

何小鵬 05:19 我不知道，我在內部儘量不給大家控制token，很多人問說不控制token，一個季度就把一年的費用全 cost down 了。我覺得如果他真的能做到，我最重要是管理最異常的 top ten 的四種情況。其他的我都覺得可以開放，因為你不確認一個月一個人花 1000 塊人民幣，還是1萬塊人民幣是最有價值的。而我們每個人的每個月的工資。很有可能遠遠超過這個數，如果他真的有能力花了更多錢，產生更大價值，為什麼你要限制他？

張小珺 05:55 現在公司的 Token 分配主要在哪裏？

何小鵬 05:57 我覺得主要還是GIC，上次我們的自動駕駛跟座艙團隊的合併，他們團隊又大，我覺得 Token 是對一個企業內部員工的術語，我們實際上某種角度你可以說用了多少張H100，一張 H100 我不知道一天能夠用多少 Token 呢？這個我還沒有把這個換算比例，我們算的是，比如說我給你3萬張H100，或者5萬張，你使用什麼業務能夠以高效率和高效能的使用？在這個裏面，我們來看這個算力的使用的情況，我實際上不太使用 token 的使用情況。

張小珺 06:32 你剛纔提到異常值，有什麼樣的異常值？

何小鵬 06:35 我舉個例子吧，我覺得我們最近專門對於 data 做了一個整個的控制。很多人都說數據的價值，我覺得極少有公司現在看到數據的巨大的成本，因為在數字 AI 領域裏面的數據量很小，幾十個 TB 就可以來訓練。在我們訓一次數據。幾十個 TB 到幾百個TB，所以對數據的怎麼的管理、使用、存儲是一個巨大的錢，可能我們一年在數據上投入都，從直接的剛性成本都接近 10 個億以上，所以哪些數據是有價值的？哪些數據是臨時有價值的？哪些數據是需要非常快速的使用？哪些數據是可以有一些 warm up 在起在使用的？每一個使用的錢的數量都是千萬級的，那你可以來進行分析，然後來進行優化，商業巨大的可提高效率、可降低成本和提高效能的邏輯論。

何小鵬 07:39 實際上算力也是一樣，我們對數據對算力都是有不同的 team 去專門去管這個事情。但是我們不太care，我看到有很多公司說是公司的工程師使用 token 的數量，我覺得那個數量跟 machine 使用的 token 數量和物理世界 AI 模型訓練的時候需要的 token 數量，那都是非常小的數字。

張小珺 08:01 最近 Skilll 非常的出圈，如果把你訓練成一個何小鵬Skilll，你覺得應該給他提供哪些訓練的數據啊？那個 Skilll 會是什麼樣的？

何小鵬 08:13 我覺得數字的模型跟物理的模型，今天還是讓基礎的白領和基礎的藍領比較容易 Skillls 化。如果把我都能夠現在有清晰的邏輯論去 Skillls 化，意味着什麼？意味着不光是基礎的藍白領，就是更高端的藍白領，是吧？都會有巨大的風險。

張小珺 08:34 嗯， CEO 可以被替代。

何小鵬 08:36 也許過數十年或者過 100 年，類似我的能力是，的確可以被Skillls，但是那個時候可能我們每個 CEO 也都會有更強的、更綜合的能力，他可能丟掉了ABC，但是獲得了新的DEF。因為你這個問題，實際上是我們不光是想過，我們是深度思考過，因為我們在做很多的機器人的事情。因為實際上換個角度，我覺得在這個裏面，實際上是它有兩個非常重要的矛盾體，我覺得是對於大部分的人會覺得我如何把我或者把他的能力 Skilll 化，但是對於一個模型角度來看，我怎麼知道你 Skilll 化的這個能力是一個對的能力，並且不斷的OL，例如在物理的仿真模型裏面可以去做強化。實際上在這個裏面，它跟。 Coding 或者跟自動駕駛都是不一樣， Coding 跟自動駕駛相對來說是比較清晰的。我知道什麼是錯的。

張小珺 09:29 對。

何小鵬 09:30 但是比如說把何小鵬 Skilll 的話，你很難判斷這個 Skilll 的話怎麼是對的或者是錯的。是非常困難的，所以在這樣的一個體系裏面，就是我們在構建體系，而不是在使用別人構建好的體系。從我的角度來看，這是完全兩個不同的角度，實際上是。

張小珺 09:49 直接來講何小鵬 Skilll 的一個缺點會是什麼？缺陷。

何小鵬 09:53 我覺得每個人 Skilll 的話之後都會發現這個人實際上是有非常多的缺點的。

張小珺 10:00 你的呢？

何小鵬 10:01 當然都有啊。

張小珺 10:03 作為一個CEO，你覺得你今天的 AI 的含量夠嗎？

何小鵬 10:06 我不知道啊，這個。我覺得在數字世界的很多公司裏面，我覺得他可能可以把 AI 的含量放到小百分之幾十。我覺得在物理世界不應該，小鵬是一家數萬人的企業，我覺得 AI 上面花 15% 到20%，而且我講的 AI 是一個泛AI，包括了我們的自動駕駛，包括了我們的機器人，我們覺得在這塊都是算是 AI 的整個的範疇，我覺得是他足夠了。

張小珺 10:36 因為我今天很想跟你討論一個話題，就是人工智能企業如果在一邊，製造業企業在另一邊，你的天平應該是怎樣的搖擺呢？你在裏面會有糾結和拉扯嗎？你到底選擇做一個 AI 企業，還是做一個製造業汽車企業？

何小鵬 10:52 我還不是這樣理解的，抱歉啊。我把汽車認為有幾種研發。我覺得第一個是硬件的研發，第二個是軟件的研發，而 AI 只是其中的之一，軟件之一。我覺得還有一個就是叫製造研發，啱啱小君你所說的。硬件的研發跟製造是兩種不同的能力。比如說你有能力設計出一個很漂亮的桌子跟椅子，但是你可能無法製造出來，這是兩種不同的能力，實際上是。所以我覺得一個汽車的企業裏面，實際上在這四種能力的研發是一個基礎，甚至將來可能要到第五種，這是我的看法。

張小珺 11:34 你們去年還在說你們是一個 AI 汽車企業，今年小鵬汽車啱啱完成了改名，叫做小鵬集團，你們說你們是一個物理 AI 企業，這個名字的轉化背後的原因是什麼？從一個 AI 汽車企業到一個物理 AI 企業，它的變化是什麼呢？

何小鵬 11:49 我覺得這個變化啱啱開始啊，還有很多都不能清晰的描述，但是我可以來說一下，比如說在過去的小鵬汽車的前面的 10 年的創業的生涯中間，實際上他都在做核心三個詞，六個字，也就是智能電動汽車。所以在過去的 10 年的創業裏面，我們做出第一款車，把它量產，賣出第一個 10 萬台，做出第二款車等等，它會進入這樣的一個循環。

何小鵬 12:19 但實際上在 12 年前，也就是小鵬汽車創業的時候， 2014 年。基本上沒有人相信智能化，但是也有少數人相信電動化，更多人相信汽車是個大生意，實際上是。那麼在 2025 年，也就是去年的時候呢，所有人都相信了電動化是未來，因為大家看到的中國，看到的全球在新能源上的一個變化。那麼在過去的數年裏面，實際上智能化雖然發展的非常的快，在汽車領域，但實際上我認為也發展的非常的不盡人意，因為。

何小鵬 12:58 從。更早年就有很多的公司，從豐田到Google，到中國的百度，海外的做汽車的特斯拉跟中國的小鵬等，我們都在自動輔助駕駛做了很多的事情。某種角度我覺得是，他做到了效果，但是沒有足夠的高度。也就是說，那個時候我認為還是 AI 的算法，加上軟件的規則。的能力的組合，我把它細稱為叫縫合怪。對。實際上不是用整個 AI 驅動來設計集成，也不是用整個 AI 的模型的能力。去來構建這個體系的，就是還是以軟件為主的邏輯。

何小鵬 13:37 小鵬呢，在去年我們覺得也碰到了一個非常大的變化，就是說我們當時同時在做兩代的新的自動輔助駕駛，我們所以在內部叫 VAA 的第一代， VAA 的第二代。像 VAA 的第一代，實際上是在過去的端到端的領域裏面，把它放大，把模型放大，把軟件的規則降低，把使用的場景跟範圍變強，增強了後端的能力，例如強化。例如後訓練，這是一種方向。但實際上另外一種方向就是說，我如何拋棄掉原來那一個端到端的邏輯，實際上是用一個更大的 Foundation model。在更多的思考如何去把自動駕駛的上限先打開。

何小鵬 14:25 再去收斂下限。實際上收斂下限就是說少錯誤，按照你的約定，按照你的期待去能夠行動，能去運動。但是實際上它的泛化能力是有很多地方是做的很差的。比如說舉例，在今天。就沒有一家自動駕駛公司的。軟件能夠在地下停車場能夠很流暢的開，所有的停車場開的都是叫記憶輔助駕駛，實際上它是開了一次之後，它知道你的停車位在哪裏，你的大概的行車路線是什麼樣的。實際上它對於整個的物理世界的了解度是非常之低的。

張小珺 15:02 就核心還是不夠智能。

何小鵬 15:04 它的上限太低了。你可以認為要打開到1萬分的可能性才能做好，但是他們可能都在 1000 分左右，就是我，只是一個假設。所以換個角度，在去年差不多就是這個時候吧，我們的另外一代VAA，我覺得是讓我打開了一個新的變化，我認為它的上限可能。可以 10 萬分到 100 萬分，但是那個時候的下限也很慘烈，本來你期望做一個產品，上限 1000 分，下限 900 分，這個時候你的能力是不錯的。但是那個時候下限可能只有 100 分，所以它比其他的我們自己的產品的下限上要更低，它的工程的問題，有非常多的問題。

何小鵬 15:45 但是我們最後下了一個非常巨大的賭注，我們就說以前是用軟件的工程，用軟件的流程，加上 AI 的算法和 AI 的工具，包括剛纔您所說的Coding。你可以認為它是在一個業務流還是軟件的，在部分重要的工具環節和流程環節是用 AI 的，但是我們認為它是錯誤的。

張小珺 16:17 這還是縫合，是嗎？

何小鵬 16:19 它做出來的軟件還是軟件。因為你是用軟件的方法論使用 AI 的。工具箱做出來是一個更強力的軟件，我認為它叫做 AI 縫合怪。所以我們在去年做了巨大的轉型跟賭博。我們把以前的那套體系就停下來了。實際上那套體系花了小幾十個億。

張小珺 16:52 去年的什麼時間？

何小鵬 16:53 大概就是現在。

張小珺 16:55 原因是什麼呀？

何小鵬 16:56 我認為它無法做到無人駕駛，我認為它也不可能讓機器人真正的泛化。比如說我們今天到了一個陌生的場館，機器人可以走過來說，小軍你好，坐下來，你說，我就不給你遞一杯水了，他說，對，我不需要。我覺得他可能是一個強規則加少數算法使用 AI 的一個能力。那一刻我們判斷，自己實際上智能電動汽車，我們所做的期待是一個非常聰明的汽車。但是我們用的方法是永遠不會無限聰明。

張小珺 17:34 為什麼去年才意識到呢？小鵬已經創業了 11 年了，對吧？你們做智能化也非常的早。

何小鵬 17:40 我覺得絕大部分不是站在物理 AI 的角度去看一個事情的。我覺得我對於數字 AI 能夠改變很多東西，我覺得和物理 AI 和改變很多東西是完全兩種不同的方法論跟不同的路徑的。但是絕大部分人還是以科研的角度去看數字AI，數字 AI 實際上某種角度是用人類的language，物理 AI 不是用人類language，數字 AI 是人類的語言是被高度概括跟濃縮的。沒錯。所以語言即世界，但是在物理世界，我們每個人每一天看到的數據量根本無法用語言概括描述。還原跟複製，它太大了。

何小鵬 18:26 換一個角度，我們以前在汽車領域裏面的一個CEO，很容易用數字世界的AI，了解了之後，覺得，嗯，我好像懂它邏輯了。去把它映射、擴展和使用。但那個時候沒有任何一個 CEO 會說我全部都要用，因為我不知道它到底真的有多少的有效。因為你要知道，在數字 AI 的市場裏面，很多模型就是跑個分、比比分。我覺得在物理而言那是可笑的，因為他不。不光要比上限，比如說跑個分，他還要比下限。

張小珺 19:03 嗯，他要保住下限。

何小鵬 19:04 啊，他還要拼廣度，比如說你的品質、你的成本、你的材質、你的細節、你的政策法規的允許度，這全是叫做短板、長板跟窄板。窄板要做寬，短板要做長，長板要做的更長。所以在數字世界裏面，核心看的是長板，不太看另外兩塊板。所以物理世界的CEO，要不然不敢賭，要不然覺得我還有好多塊板，我怎麼辦？我覺得我可能膽子比較大，我在那個時候我也不知道他能不能解短板，能不能讓我的窄板變寬。

何小鵬 19:42 我們做了一個巨大的賭注，我們就覺得，我相信物理的AI，換一個思路，換一種流程，底層要換一種組織方式，有可能能夠做到不一樣的點。所以我們走的道路跟今天看到的很多大模型的公司，或者一些在模型上去做應用的公司，走的都是完全。不同的道路，所以這也是為什麼我覺得 Token 都是應用型的公司，他們所 care 的，我們上早早都不是這個維度。

何小鵬 20:13 因為在以前我做智能電動汽車的時候，我總覺得有一個很痛苦的點，就是無論怎麼看，硬件佔一個客戶所需要的比例都遠大過50%。對。我認為在，如果在下一個 10 年，很有可能硬件和軟件可能可以過佔到50%，所以要用 AI 的方式重新驅動。你的組織，設計你的軟硬件的合體。並且獲得更大的 AI 的價值。只有這樣，可能在新的 10 年裏面，軟件的綜合的表現力、價值，就是用戶願意他為他付費的價值，纔會佔到，例如一個車或者一個機器人的50%。我覺得這是一個非常大的改變，所以這也是為什麼小鵬開始來思考，如何把 Physical Physical 含汽車，也不僅僅只限於汽車和 AI 能夠巨大的融合。我們的 AI 實際上。對數字AI，我覺得基本上都是使用啊。比如說 Cloak 非常好，我會用Cloak。如果 Deepseek4 能夠在某些方面也非常好，且成本也非常棒，那我就會把那一部分切換過去。我們上做了一個hub，可以很容易的切換。

何小鵬 21:38 但是在PhysicalAI， PhysicalAI 的 model 是不一樣的， PhysicalAI 的 data 是不一樣的， PhysicalAI 的音法是不一樣的，那麼它最後出現的效果，如果能夠把剛纔講的三塊板都能夠拼好。有可能做出不一樣。這就是我們大概的一個能說的框架吧。再多說就不說了。

張小珺 22:01 去年4月到底發生了什麼呀？為什麼是去年4月下了一個這麼大的賭注？受了什麼刺激嗎？是。

何小鵬 22:06 沒有，實際上就是體驗不同的能力了。去年 3 月份，我當時就在思考，為什麼所有的公司都會覺得用更簡單的方法論和更快的效能就能做出一個好像湊合可用的自動駕駛。他是對的，但是當他做了一年到兩年之後，他就會發現。為了解決很多短板。他限制了他自己的長板，所以他發現他永遠做不到 Level four 或者 Level five。這是當時在去年年初的一個想法，就是說，可能這條路是一條捷徑，但是不是一條大道，是一條小路。那我們要找到一條大道，真正能做到， maybe 剛纔所說的 50: 50 的硬件加軟件的value。我講的這個 value 不是技術人員思考的，是客戶願意為此買單的。

何小鵬 22:56 用戶願意說，我買一個 30 萬的車，其中 15 萬算你的硬件， 15 萬算你的軟件的綜合能力，有沒有這樣的車？現在沒有。但是我覺得一定在這個十年會變化，所以像物理的變化和像 AI 的變化，重新的思考，我覺得是一個非常重要的點。所以這一次我們小鵬在新的十年裏面，大家會看到，我覺得智能電動汽車可能我們繼續會提，繼續是我們的內核，但是我們已經不是用電動或者汽車的方式去考慮智能，而是換了一種邏輯，並且我們所有所思考的企業的，從規劃，應該叫做所有從戰略的規劃。到研發的過程都會逐步的來進行調整。

張小珺 23:39 去年三四月份有哪個標誌性的會議嗎？在公司內部，你下了這個非常大的賭注。去年上半年應該屬於小鵬的銷量回暖的時候，是嗎？開始更多的思考下一個 10 年的方向。

何小鵬 23:52 我覺得沒有一個會議，基本上在腦袋裏面拍，全力以赴，我覺得大概在去年的三季度末。實際上三季度末我們做了一個非常大的動作，是我們把整個的自動駕駛中心，核心的組織架構全改了，每一個時間窗口期。都有非常多優秀的同學，但是每個人都有原來的慣性。你會習慣用過去的方法，想用最新的工具跟技術去做出更好的東西。我覺得大部分時候這是對的，但有很多時候你的工作方法論都得改，所以我覺得調整方法論，調整mindset。

張小珺 24:32 這聽起來是你在腦子裏做的一個決策，在公司內部可能沒有一個非常標誌性的會議，或者一個節點。但在你腦子裏形成這個決策之後，你緊接着做了什麼呢？就是你所謂的這個 AI 驅動的組織，用 AI 來做設計，軟硬件的一體化，緊接着要做什麼呢？對於這麼大的一個組織來說。你能不能把你的步驟跟我們分享一下？

何小鵬 24:55 對，這些都不能說，抱歉。這就是我們正在做的，當然也是分階段做的事情，但是我只能告訴大家，在不同的業務要有不同的節奏，相同的業務也核心是能跟組，幹部跟組織的問題，實際上它是一個非常困難的事情。

張小珺 25:12 為什麼一定要 AI 驅動呢？就之前的慣性會導致什麼呢？

何小鵬 25:16 實際上你只是在軟件的邏輯裏面去做一個更復雜的縫合怪，就像你修一個房子。你會有更多的材料，更多的工藝，用 AI 的。但是他還是修一個老的房子的方法論，他修出來的還是一個原來的房子，只是可能修得更快一點。我們想要的是不一樣的東西，有很多不一樣東西的最基礎的時候，是大家要看到，所以他才相信。但是作為企業的CEO，我覺得是，有時候你要相信，過程中間部分的節點讓大家看到，因為可以提高信心，可以提高領導力。有很多時候是因為你相信去做佈局，但作為一家小型的公司跟一家大型的公司是不一樣的。小鵬汽車雖然是一家創業公司，但是從。規模角度，就人員規模角度，已經不算小了，數萬人。所以如何把這樣的人分節奏去做，我覺得是有非常不一樣的這樣的一個行為的。我很難在物理 AI 上對於規劃組織來做分享，所以剛纔這也是為什麼，你問我問題，我都說我沒法答的問題。第一，我們在嘗試，在testing。第二，任何的規劃跟目標都是不會對外分享的。

何小鵬 26:24 為什麼有很多事情不需要討論？因為很難有一個人準確的可以跟你討論，你只能去聽了很多人的想法意見，他們可能大部分是錯的，因為他們都不是。從全局角度去給你的建議，都是從某個角度，但全局是自己把握的，各個角度是不同的朋友和自己的思考邏輯論，你要把它匯聚起來，最後你還要下賭注，就像創業一樣。

張小珺 26:48 我聽說你在過去三年變得更敢賭了，是嗎？

何小鵬 26:52 那也不是，我覺得只是有很多時候呢，知道如果當你要下注的時候，早點下會更好，倒並不是更敢賭了。 2022 年底吧，當時小鵬碰到了很多挑戰的時候，當時給了自己有兩個想法，跟賭都有關係啊，第一個就叫絕不服輸。

張小珺 27:14 絕不服輸。

何小鵬 27:15 第二個是願賭服輸。實際上你如果把這兩條都能夠比較好的放在一起去平衡它，意味着即使面對巨大的困難，你都要堅持，也許你再努一把力它就過了。但是你要把心態做的非常好，就像剛纔我所說的，當我把第二代VAA，我認為應該把它放大，並且最後堅定的把第一代 VI 甚至都完全停止它，從業務到技術，甚至到組織，那麼是一個巨大的心理上。跟物質上的雙重壓力啊，你在這個時候。你越猶豫，越等待，越想觀察，越想再說過 6 個月，你有可能越難成功。所以在這個裏面的度量的判斷，真的是非常有意思的一個點。但是我相信再過幾年，等我們更好的成功，也許再來講。

何小鵬 28:09 我覺得在今天的過程中間，這個第一，每家公司走的是各自的道路，它是不能複製的。所以我覺得今天中國說學 A 公司，學 B 公司，我覺得都是錯誤的。以我們今天的規模來看，要分析思考。找到一條適合自己的道路是最重要的。第二個數字 AI 裏面。所做的所有的事情，很多都無法複製到物理AI，這是一個不一樣的世界。很多人提物理AI，我上次都在笑，我說首先你有沒有在物理世界做過業務？如果在物理世界都沒有把業務做成，僅僅是從一個數字世界去分析物理世界的定律規律，去做一個物理世界的AI，我覺得它還是一個窄義的物理世界，這個物理世界還有很多是跟人相關的事情。

何小鵬 29:02 人跟人相關的物理世界的環境、法規，最後還有商業，它形成了一一個事情，哪些可以先行？哪些是後行？當然你從科研角度可以都不用管，但如果你從工程角度，甚至跳到從產品角度，再跳到商品角度，再跳到規模的商品角度，你就必須去思考的要更廣更深，而不是僅僅是兩到三塊長板的邏輯。所以這為什麼我沒有辦法回答你，我覺得你可以去找以前任何一家數字 AI 的CEO。他們都不會告訴你，他們在 AI 裏面轉型的思考邏輯的。因為不知道能不能成功，第二，不會分享給大家。

張小珺 29:45 但是這是今天大家面臨的一個普遍的問題，對嗎？就是我們一定得轉型。

何小鵬 29:52 我不完全認同這句話。今天數字 AI 在哪些方面可以得到好的轉型？哪些方面不用？對一家大的企業，如果1萬人或者5萬人，轉型晚 3 天，可能成功概率提高了15%。對一家微型公司，他今天如果用同質化的方法論，同質化的組織。他沒有變化。他可以去讀。因為他小，而且今天的 AI 能夠去幫助我們的，無外乎三種。第一種我覺得就是簡單的分析師，就是現在我有很多地方我已經不用分析師了， AI 在幫我分析。第二個簡單的程序員。第三個簡單的設計組，實際上他還是輔助為主，提高了效率，提高了效能，他並沒有取代，他更沒有超大規模的協同效應，他根本還沒到達。所以換個角度，對於這三個方向的小微型公司。我覺得適合度更高，速度應該更快。對於跟這三個方向不相關的，可能再晚一點。

何小鵬 31:02 而對於物理AI，今天大家根本都沒有想清楚物理 AI 世界是什麼崗位？剛纔我講的是三個崗位。是什麼崗位最容易跟最優先在什麼地方落地？絕大部分我看到的講顛覆這個世界，用 AI 來去提高效率的，根本沒有概念。所以我自己認為是，從某些角度它是對的。從某一角度，它是完全沒有邏輯論的。我們尚覺得物理世界有很多的崗位都會變化，遠超過數字世界。因為在這個世界上原來，如果說 360 行有 36000 個不同的崗，我們覺得在數字世界的崗是相對有限的。那很多人會不，不是這樣的判斷，很多人說，會白領不是比藍領的崗位更多嗎？白領有很多也是在跟數字世界和物理世界交融的崗位，實際上是。某種角度，我覺得今天。我們如果看物理世界，假設啊，我先來說， Google 下注自動駕駛是 2009 年，到了現在 17 年。我覺得 Waymo 是一個既好又很不好的解決方案。

張小珺 32:15 為什麼？

何小鵬 32:16 好是我認為它的技術能力不錯，我覺得它很難全球化，我覺得在過去的時間裏面， Level 4 的技術，它天然就是一個更高級的縫合怪，它很難在 AI 裏面做到極其高強度的泛化，我認為它不是一個。極度聰明的方法論。當然了， Google 現在在新的大模型裏面做了很多的事情。我認為在將來可能會他們會變化，但是目前我並沒有看到。所以換個角度，我只是想舉這個例子，就是說即使是讓司機更輕鬆、更安全、更快捷地開車，我們每個人都是司機，就光這個事情做了 17 年，沒有一家公司能夠做的奇好。

何小鵬 33:00 好，換個角度，很多很小型的公司，幾條槍，十幾個人，就說我要用 AI coding 去改變。我自己覺得是，他們完全低估了物理世界改變的多樣性跟複合性。就像我們最開始從移動互聯網衝到汽車行業，都覺得我把一個事情做到極致，再極致一點就很好了。no，因為你考慮的維度不對。它是一個物理的維度，你是一個數字的維度，你在數字維度做到極致，它的價值點可能極小。

張小珺 33:34 你在去年下這個關鍵賭注的時候，公司內部有負面的聲音嗎？有反對的聲音嗎？

何小鵬 33:38 那肯定的，我覺得大部分的非 AI 的主管。是覺得你不管做 A 還是B，可能都錯了。因為那個時候他們對 AI 的認知不夠強烈。我覺得大部分跟 AI 相關的主管，有些人覺得yes，有些人覺得no，但大部分是屬於中間態，就是不確認它是不是一個好的節奏。不確認這是不是能夠做到一個落地的效果。實際上那個時候連我都是一樣，但是這就是創業的樂趣啊。每個人的創業不就是在你當時的能力上賭你 10 倍到 1000 倍的可能性嗎？如果你要賭 1000 倍，對不起，你的概率是1，如果是 10 倍，你的成功概率可能是 1/ 10。所以就像創業最初始的賭注一樣，隨着你的創業的規模變大，你一樣需要去賭，只是說那個時候你不應該賭 1000 倍的概率論，你可能是賭數倍到 10 倍之間。

張小珺 34:34 你聽過最大的反對聲是什麼樣的？

何小鵬 34:37 我覺得最大的反對聲音就是有很多用腳投票。

張小珺 34:42 怎麼說？

何小鵬 34:44 用腳投票的意思就非常簡單，他們不相信這個事情，他們覺得做不到，他就離開了。去做其他的事情。在今天我覺得是，在一個企業裏面，我覺得對於組織的思考，切記不要小刀砍大樹，慢慢砍。想清楚了，砍掉它。所以在某些上面你就敢下注，從組織到流程，到方向，全部改。

張小珺 35:15 全部改。

何小鵬 35:16 對。

張小珺 35:17 所以去年動刀子動的是很大的，對嗎？

何小鵬 35:20 對，大家所看到的可能都是最上層的，對。業務層或者應用層，但是內部看到的就是一直到根上面去。所以我一直還是想說，上次如何利用 AI 驅動某些業務是非常之重要，而不是利用硬件去驅動整體的體系。我聽到你的很多節目，基本上都在講數字AI。對。對，就是基本上沒有能在一個數萬能大量跟現實世界產生強交互的角度去思考AI。我想說的是，把他們的方法論複製到物理AI，我認為有很多的地方是不夠適合的。可能有一部分的業務邏輯是對的，但是他們還不夠全面跟充分。這是最大的問題。

張小珺 36:07 這個時候我特別想問你的，就是物理 AI 到底應該怎麼做呀？在一個成型的組織裏去推動它。

何小鵬 36:13 我覺得我說不出來，因為我也在探索中。在我的角度來看，今天 AI 有四個主要的方向，大家要去探索數字上的 AI 怎麼變化，我覺得這一塊有很多人都在思考跟行動。我覺得第二個就是物理AI，它比數字 AI 可能難 100 倍，但是我覺得2027、 2028 開始，大家會看到物理 AI 的效果。會開始出現類似 ChatGPT 啊，Sora、Pika。等數字 AI 上的巨大的變化，也就是說到底對什麼崗位產生了巨大的幫助，甚至長期來看有一定的取代。

何小鵬 36:54 我覺得這是第二個，我覺得第三個就是今天大家沒有人真正，我覺得除了 Google 在對人體的AI，把它兩個非常好的耦合，因為醫藥行業是個非常複雜的行業，包括養老，我覺得人體上不光是內部的循環，還有外部的循環。我覺得第四個一個很難的就是企業跟 AI 怎麼耦合。實際上部門跟 AI 的耦合，中心跟 AI 耦合都相對簡單，但企業是更難。但是我看到現在有很多小型的企業，大概在 1000 人以內的。我覺得他們開始來更多的探索，我覺得這是一個非常好的點，像我們也在不斷的觀察學習，在合適的時間點一樣要做。所以我覺得企業的 AI 今天對於小中大型公司都是一個機會。

張小珺 37:44 所以現在對於小鵬這樣的公司來說，也算是一個變革期，對嗎？

何小鵬 37:49 對，而且是一個在長期的變革期，技術的變化可能一個月就可以變完了。組織的變化，我講的是不是一個小型組織啊？首先，如果是一個全球。模化的中型組織，我覺得三年變完都已經是極其可怕的速度了。我甚至認為 5 到 10 年都已經是一個快的速度。

張小珺 38:09 在這樣一個技術劇烈變革的時代，你焦慮嗎？作為一個CEO。

何小鵬 38:15 當然焦慮。

張小珺 38:16 有多焦慮啊？

何小鵬 38:17 因為你會發現你以前的很多的邏輯論，甚至你邏輯論的底層的，你心目中的定理範式。甚至再往底層，可能甚至到公理層，就是你的價值觀、人生觀、世界觀，你都會覺得，嗯？在這些東西的變化下，好像以前的這一套邏輯不是那麼work，但是他該怎麼去work？記住，看到問題和解決問題和構建體系去，既有上限又能堵住下限的避免問題，這是三種完全不同的能力級。

何小鵬 38:56 很多人只看到問題，我當年沒創業的時候，我也看到無數問題。當你作為一個創業者，你發現有很多問題，它是天然應該存在的。你根本沒法解決問題，你是個CEO，你一樣解決不了，你是一個更大的一個有權力的人，你都解決不了，因為你看到的問題是世界的問題的某一個角度的某一環而已。所以這是一個非常有趣的話題，所以你剛纔講的焦慮就是，你會不斷的重構你的定理，甚至公理。

張小珺 39:28 推翻過過去什麼樣的公理啊？有什麼過去覺得非常堅定相信的，今天覺得它在這個時代下不work。

何小鵬 39:36 我舉一個跟這個不相關，但是又有一點點關聯的例子吧。比如說，當小鵬做了自動駕駛，做了很多年之後。你越做下去，你越會覺得好像 Level five 永遠不會到達。對。因為你覺得用軟件在全球所有的場景法規，人機，我講的人機應該叫人機工程的那個人機，就是人跟世界的交互，你會發現它是無限循環的。但是當你真正用 AI 重構這個事情之後，你覺得它可能存在的。好，當它可能存在的時候，你會對於很多的原來的。所謂的壁壘邏輯都會產生新的想法。我只能點到這裏了，再不詳細說了。

張小珺 40:28 說到AI，我們先不聊車，因為車是一個已經存續很長時間的業務了，我們先聊聊你們的機器人吧。你們機器人去年在國內外都挺火的，能不能講講這個產品是怎麼誕生的？我聽說你們是在 2023 年 bet 了通用人形機器人的這個方向，對嗎？

何小鵬 40:46 算小鵬的機器人算分三個階段，第一個是 2018 到2020，它是一個獨立的團隊，那個時候跟中國的很多其他機器人團隊是一樣的。

張小珺 40:57 是你收購的，對吧？

何小鵬 40:58 對，那時候大概有四五家都在做四足。 2020 年呢到 2023 年是第二個階段。我們差不多花了三年半到四年之間做了三個不同的MileStone。我覺得是，我覺得這是第二個階段。在這個裏面我們試過很多，我們用基層的方法做基層，用汽車的方法做基層，還中間做了一些縫合的方式做基層，我們都取得了不同的成功跟失敗。我覺得在這個裏面，到了 2023 年之後，又是一個新的邏輯，就是說。

何小鵬 41:33 當我們在 2022 年看到了這個新的模型，我們覺得機器人原來我們覺得不可能成功大腦，就是沒有大腦成功的可能性。因為實際上小腦的複雜度都遠高過大家。但今天大家有很多人說在機器人的小腦已經做好了，我說那哪叫小腦？用同一個單調的步伐往前慢慢的行走，我覺得那不是小腦，那是脊椎，或者你的腦幹只是保持平衡，你還遠遠連小腦都不是。他們說那也叫小腦，他說你的運動的小腦，實際上是大腦，OK，anyway。我認為實際上只是不同的統計邏輯吧。

何小鵬 42:09 所以 2023 年之後，小鵬的機器人。重新進入到一個從四足堅定的開始往進入到雙足，從不相信大佬，就像當時不相信 Level 5 一樣，進入到一個堅定的覺得從大佬去驅動機器人的全新的設計。然後再加上我們在汽車領域裏面看到了，技術好不代表產品好，產品的好不代表商品好，商品好不代表你可以 Scale up。因為汽車有一套比較完整的從規劃到設計到 ET 到 PT 到 SOP 到 SOD 的一個全的流程，雖然我們。今年年底，我們就期望進入到機器人類似汽車的SOP。

何小鵬 42:51 明年 2027 年很有可能是機器人在高等級機器人上面進入到商業量產的第一個元年，不管是中國還是美國，都會去太，training。我覺得在過去的以運動遙控型的機器人的時代，就會隨着高等級機器人出現，會逐漸的適度下行。我覺得會進入的一個差分的階段，實際上是，實際上所有人都是期望物理AI。中間最核心的代表機器人，它能夠幫助人類到底實現什麼樣的價值？

張小珺 43:24 能幹活。

何小鵬 43:25 這個價值在過去是情緒價值。對。情緒價值是有價值的，但是更重要的是物理的價值加上情緒價值的組合。所以我覺得明年是可能開始的元年。

張小珺 43:37 23 年發生了什麼，讓你從不相信變成相信了？

何小鵬 43:40 23 年是因為我認為在當時，如果我們用一個對機器人非常懂、非常熟悉的團隊，沒有能力做出一個好的。全新一代的機器人。

張小珺 43:53 當時用了LC。

何小鵬 43:55 我們當時把 300 人的團隊，只留了不到 60 個人。我們把它解散了，出去了，聽說他們跟我說有 10 個創業的團隊，大部分都拿到錢了，現在是，這個像中興拿了好多輪錢了。我自己認為要去重構整個機器人的邏輯，不能用以前的純汽車人，也不能用以前的純機器人，但是也不能啥都不懂。

張小珺 44:21 那應該用什麼樣的人呢？

何小鵬 44:24 我不知道，所以我當時選了另外一個全新的團隊。他既懂點AI，又懂點汽車，又懂點工程，又懂點機器人，嘗試去來做一個全新思考的機器人的邏輯。

張小珺 44:40 為什麼當時選中他呀？

何小鵬 44:41 我覺得有很多時候是命運啊。

張小珺 44:43 你不能說因為他既不是專門做機器人的，他也不是專門做智能駕駛的，所以我選他，對吧？

何小鵬 44:48 那他真都不是。我當時覺得他的象限跟我的思考的象限比較吻合，所以他是我的在象限內思考選擇的幾個人之一。首先你選擇他，他也要選擇你呀。他的選反向選擇，我認為我覺得可以try。所以我經常看到很多外面集成的 demo 或者演示，或者是video，或者說他們很多還在我們的可能第三代或者第四代的技術站上去做testing。我自己就是說，也許他能成功，但是我是試過了，所以我覺得小鵬在持續的創新裏面，我們是非常既有耐心也有勇氣。

何小鵬 45:35 去長時間投入，所以今天的有很多基建公司，他很快速做出一個demo，就是nothing，對我來看的話，就像 2017 年的時候，中國那個時候有很多 Level 4 的數據公司。就跟今天機器人一樣。是。當然機器人更多了，實際上是，不代表這些技術最終能夠看到真正的價值，所以這是一個簡單類比吧，因為這個這樣的對比也不好。

張小珺 46:02 你選了這個機器人的負責人，他對你後來的選人標準有過任何的影響嗎？你覺得這是一個可以沿用的方法嗎？因為你講的這個，我會想到說馬斯克他特別喜歡用通才型的人，他不喜歡用那種專家型的人。

何小鵬 46:18 我覺得可能在 Tesla 的硅谷更容易找到更多可選的通才型人吧。我覺得在絕大部分的國家、城市或者行業是很難的。我想說這是第一個。我覺得 LC 他非常注重，他的說法叫人才的密度。我實際上是認為是人才的潛力。他基本上都用最好的人。比如說去年的年底到今年的上半年，我們大概類似三清的博士這樣的畢業生，就光一個部門招了接近 80 個，他們都很貴。但是我們都願意。你要有能力聚攏這樣一幫人，你要願意支持他們的長期的探索，你要相信這一群年輕的小夥子或者女孩，他們能夠創造奇蹟。我認為叫人才的潛力，他認為叫人才的密度，我覺得要用超級聰明的人去做超級困難的事情，而不是說用非常清晰的方向，或者流程，或者工具，去來去鍛造。我覺得在某些階段就是非常對的。

張小珺 47:27 那個時候要 bet 通用人形機器人，你。選擇的理由是什麼呢？在 23 年，為什麼是一定要是通用人型呢？

何小鵬 47:34 我覺得這是每個公司選擇的道。對，我覺得我很開心，我跟我的團隊 LC 都是一樣， LC 比我還 crazy 啊。他一直跟我說，他想是造人，而不是造機器人。就是絕大部分人把一個機器人當做一個商業的產品，但是我認為他沒有思考到機器人最終在這個社會，在這個宇宙的參與感，或者跟我們每個人的情緒價值的連接度。就像 2014 年，很多人覺得智能汽車的智能是沒有價值的，我覺得站在今天，也有很多人第一不相信通用機器人。會到來。第二也根本不願意看到，通用機器人也許在 20 年、 50 年以後，會跟人類的各個領域強相關。

何小鵬 48:18 今天剛纔我們所討論的數字AI，只是輔助人類的，可能以 3 個為主的崗位，可能還有數十個很微小的分支崗位。但是物理 AI 可不是這麼一點點，可能是它的數十倍到數百倍的規模。每個人都會變老啊，我算對機器人裏面一個很重要點是，機器人對老人。的將來，我覺得是絕對最重要的兩個因素，我覺得第一個因素就是人體AI，如何讓老人不生病？更長壽、更開心。第二個，我覺得在物理 AI 上，機器人對老人的影響度會非常大，老人很有可能把機器人作為他唯一的依賴。我覺得極少有人會這樣思考吧，我覺得小鵬的機器人的思考道路跟很多公司是不一樣。

張小珺 49:03 去年那波爆炸性的討論，有出乎你的意料嗎？你當時還挺委屈的。

何小鵬 49:08 對，我們是沒有想到，我們實際上想法非常的技術化，因為去年那款機器人是我們前年。一季度開始去做的，對我們來說它只是我們的一箇中間版本，這個中間版本我們只是想認證，如果一個機器人有人這麼多的關節，像我們這關節還是比人少很多啊，人應該有 200 多個關節，且還有肌肉，且還有皮膚。

何小鵬 49:32 我可以告訴大家，今天我們看到的很多機器人，他們的對外的行走，如果他上有肌肉跟皮膚之後，他的行走的效果會極大幅度的變化跟縮減，因為這是完全不一樣的事情。換個角度，我們只是想。去探索一下，如果在這樣的情況下，它是不是能夠更容易的進入到我們的生活，或者我們的工作情緒中間。

何小鵬 49:55 我舉一個例子吧，比如說我們以前做的四足機器人，做過狗，做過馬，不管是這四足的是個什麼，它進到你的房間它都不行。如果你讓一個大概長度有 1 米 1 到 1 米 2 左右的一隻機器狗進到你的房間，你的房間很快出了很多問題。比如說它在你的床頭櫃那裏，它無法原地掉頭。如果你家裏有一隻金毛，它在掉頭的時候，它的尾巴，它的。

張小珺 50:26 會往上動一下。

何小鵬 50:28 它會抬起。而且它會刮到牆跟你的床，你不會覺得它會受傷，你也不會覺得你的床會受傷。但是一隻機器狗，它 100% 會讓你們兩個都覺得受傷。

張小珺 50:40 那狗做小一點呢？

何小鵬 50:41 如果它做的非常的小，它的能力級就非常的差，它就是輕度陪伴。還有一個問題是續航特別短，那麼這是第一個，第二個我再說一個，如果是一個雙足的機器人。全身有了盔甲，很威武， 1 米8。好。今天，你即使跟它一起，你是它的設計者，你也不願意跟它只隔了 1 釐米行走。

張小珺 51:07 有壓迫感。

何小鵬 51:08 你覺得它可能危險，你覺得它可能會很燙，你覺得它身上可能有電，你覺得它身上可能很髒，反正有各種各樣的原因，你會跟它保持距離感。如果連我們這樣的成年人都會，那如果老人跟小朋友會怎麼辦？他在社會上的安全跟法律法規該怎麼去解決？在工業版的機器人可以做成這樣的一個邏輯。因為它本身就不是在家庭或者商業裏面去，所以很多人在工業版機器人裏面去，他說我避開了A、B、 C 的問題，剛纔我講的都是A、B、 C 的問題。但是工業版機器人商引發了一個新的問題，就是手部的能力要很強，它會引量一個低的新問題。

何小鵬 51:49 我還是回過頭來說，在未來的時間，機器人如果走入到人類社會，在很多崗位，如果對基礎藍領跟基礎白領都會產生價值，它一定要走入我們的身邊，所以我們選了一條很難的道。所以我自己來看，今天中國的很多機器人公司，無論在質量安全，包括最近的運動會，可以看到，就光一個熱管理就會出現一個這麼有趣的現象。還是在大腦的思考邏輯，還是在它如何進入到真正的物理 AI 的思考邏輯？我覺得可能我們在兩三年前都已經看到了，並且在做調整。但是我們選了一條很痛苦的道路是。這條道路你看得越深，你越難實現。

張小珺 52:40 為什麼不做一些中間態啊？

何小鵬 52:42 我覺得我們已經在做中間態了。我們的中間態只是說，如果你想把基臣真正可以簡單的泛化帶入到這個人間，我們已經是在選擇最容易做的中間態了。

張小珺 52:56 這人應該多高？

何小鵬 52:58 你看我們現在這一代的基臣，大概在 1 米 69 到 1 米 70 之間。

張小珺 53:03 他要讓男生和女生都比較舒適的身高。

何小鵬 53:06 是的，而且他要可以穿衣服，他甚至有頭髮，但是他不能有自己的臉。他必須要跟人要有一定的差距。

張小珺 53:15 為什麼不能有自己的臉？

何小鵬 53:17 有一些是恐怖谷效應，也有些是其他的法律和社會的學的效應。所以實際上現在大家所看到的。小鵬機器人和小鵬正在做的機器人還是有蠻大的差別。我覺得都等到今年的下半年吧，我期待我們在一個很深度的思考，做的一個最簡單的中間態，用全公司之力，全小鵬公司之力能夠做的好，這是現在的一個情況。

張小珺 53:43 去年的發布會，你說你很糾結要不要證明這裏面是不是真人，要不要剪開給大家看？你為什麼要糾結啊？在糾結什麼？

何小鵬 53:49 我倒不糾結，我的團隊很糾結。我認為就是馬上就應該說，我的團隊說。你越說，大部分人越會覺得你是有問題的，因為你會覺得清者自清，濁者自濁，這是一種團隊的看法。第二種團隊看法說，可以再觀察，等個 24 小時，再看一下該不該說。我等了幾個小時，我已經受不了了，我說在中國，在全球，好多地方都在討論這個事情。就是它已經擴散的速度非常的快，我說當 24 個小時之後，可能這個子彈已經不知道飛到哪去了，非常簡單，因為我們在旁邊的開發使用。的人，我們都知道他絕對不是一個人。說實話，那一個集成也是一樣，它的熱管理是有問題的。它很燙，但是它只是我們中間的一個 milestone 而已。對，我們上知道後面的版本會很好，所以我當時的糾結是我如何讓內部能夠齊心？因為內部很多人是覺得可以不說，因為我們自己知道就覺得，但實際上這個世界上 99.99% 的人，他是沒有辦法跟他 touch 到的。我記得當天晚上是我給我們的團隊電話，我說明天早上你們給我想個創意，我要去告訴大家這是一個。真實的機器人，而不是一個人躲在裏面。他們被我逼出來，在早上臨時加了一個事情，這個事情之後，的確有了，有些人相信，也有更多人反而不相信，後來我們就再做了一場，但是速度是非常快的。

張小珺 55:19 為什麼選擇剪這個方式？

何小鵬 55:21 因為網上有非常多的人呢，有各種各樣的方法說，如果你是A，你肯定是因為這樣的原因，是一個真人，你如果是B，可能是那個原因。我們覺得最容易的就是把他的腿，而且是左腿，因為左腿是大家可以看到他，從左往右走路嘛，左腿是最容易看到的，這個是一個。真的機器人。所以我們當時做了這樣一個動作。

張小珺 55:46 去年那個爆炸性的輿論給你帶來了什麼信號呢？在機器人的研發上。

何小鵬 55:51 我覺得有非常多有趣的結果，我們後來去看了中國的很多社交媒體，他們對這個機器人的價值的認同感，絕大部分年輕人都期望進到家庭幫他幹活。我認識的不在社交網站上發帖的中年以上的男人和女人。就是跟我這個歲數，甚至比我還大的，很多人在考慮等他老了之後，這個機器人有什麼用？我覺得這是非常不同的，就是在以前沒有經過這麼大的觀點，它是沒有這麼大的 data 的。我自己覺得這都是不同的視角去看的一個事情，對。

張小珺 56:33 有改變你們這款機器人的走向和流程嗎？

何小鵬 56:36 我覺得它是加速了，實際上在機器人行業裏面有非常多的非常優秀的人都加入小鵬。機器人是一個跟汽車創業有個非常非常大不同的，這個我現在還不能跟你分享，我覺得過個三四年，等很多很多公司都踩了坑之後，大家會看到。

張小珺 56:55 不同是什麼？

何小鵬 56:56 我覺得就是再過 30 年之後，你會看到機器人的競爭。會陷入到一種什麼樣的狀態？小鵬的集成踩了好多好多的坑，它不是你理解就能夠避開的，它是真正你踩上去之後你才知道它的整個邏輯。所以集成創業，我甚至認為遠超汽車的創業的難度。汽車的創業已經很難了，我個人來看，集成的創業大概是汽車公司創業難度的 20 到 100 倍。你看我還給了一個最低 20 倍，所以我自己的認為就是，即使以小鵬的能力，去年年底出現了這次集成的營銷之後，我覺得都讓我們成功概率提高了一點點。我覺得是非常之好的，有價值的。所以我還是想說，這個事情的挑戰對於每家公司，包括我們自己，都是非常有趣，但是也非常大的挑戰。

張小珺 57:46 今天機器人公司太多了，我覺得遠超於當年你們造車時候的新成立的車企，你覺得呢？數量上。

何小鵬 57:54 當年造車的時候有統計，最多的時候 300 多家，但是呢，我自己感覺就 100 來家。可能有很多家都是胎死腹中的吧，我懷疑。我覺得機器人公司現在已經成立的，據說就 200 多家，實際上可能比當年汽車公司 double 了。但是我自己還是想說的，機器人跟汽車不一樣，因為汽車裏面的分類可能是乘用車，舉例啊，新能源車、商用車或者專用車或者微型車，你看這是分類吧？我覺得機器人的分類遠不止這麼七八個分類，機器人可能有無數的分類，比如說做醫療的機器人。

何小鵬 58:32 對。機器人的體系裏面做專門的貨運的機器人，或者貨檢的機器人，我覺得都是可能有，而且機器人的邏輯裏面有一個非常有趣的特點，我認為機器人有很多機器人不需要是人形的。這個我也很認同。只是說我們選了一個最像人的人形機器人，我們選了一條這個道路，所以在這條道路上我們小鵬在走，但是有很多條道路，我認為也能走出差異化和商業化，所以換一個角度，我覺得今天的機器人公司，我自己覺得如果走通用人形機器人， 99.99 會死掉，但是走各種差異機器人，我覺得這個世界上可能有非常多的解法。

張小珺 59:14 哦，那機器人的勝率還挺高。

何小鵬 59:16 我覺得比乘用車高。這是我的看法。

張小珺 59:19 那你們為什麼要選一個這麼難的，最難的那條路呢？

何小鵬 59:22 你想做什麼？你有能力做什麼？你覺得該不該做？你不做什麼？和你覺得你如何做到有最好的概率論？你把這 5 個能力組合，不就是你的企業或者產品戰略？

張小珺 59:35 在你看來，通用人形機器人，你的對手是誰？

何小鵬 59:38 我覺得通用人形機器人現在沒有對手，全都是自己。因為每一家做機器人公司，最重要要讓自己的能力最強。你自己能力，從底層就是組織嘛，再往上就是英法嘛，再往上你的整個的。體系，包括了技術、產品、商品的體系能力，然後再往上是你的工程。

張小珺 59:57 我覺得去年你們機器人讓非常出圈的一個核心原因是因為它做的非常的擬人，你覺得這背後的最關鍵的一些技術的 BAT 是什麼呀？以及它是在什麼時間做的呀？

何小鵬 01:00:07 對，我可以講一小部分呢，比如說舉例，我覺得絕大部分人都低估了在機器人的運動控制，實際上在汽車領域裏面，運動控制是一個很多人在過去的 100 多年裏面都覺得已經解的事情，所以很多乘用車的公司去做汽車，他們都是買誰誰誰的運動控制的能力，去進行組合集成。機器人在過去的時間可能來自於 2018 年某些開源的運動控制， MPC 啊等等這樣的一些事情。

何小鵬 01:00:38 所以他們為什麼看起來有很多的共事性？我覺得最終的一個集成，真正要做好了，他應該完全比汽車的下下代還要能夠做的更好，因為汽車實際上是由不同的控制域去做單點控制，它的整體上是沒有全協同的，它只是說它把邊界做到極好。所以他把他分工能夠分好，你做A，我做B，我們兩個有清晰的邊界。

何小鵬 01:01:07 但實際上，比如說舉一個例子，如果一個自動駕駛的汽車，在左輪胎是雪地，右輪胎是草地的情況下，要轉一個 47 度 5 的彎，該怎麼轉？這個對人都很難，因為你左邊是雪地，右邊是草地的粘着力，你整個四輪的控制，整個運動的平衡，整個時延的管理，如果剛好轉彎的時候，前面有車，左邊有人，是極其容易滑車就追尾上去了。

何小鵬 01:01:43 所以汽車今天的運動控制，我想說的是，是非常好，但是還遠遠還沒做到足夠的全能，就是還有很大的提高空間的。如果把機器人來說的話，機器人還處於可能一九，我都不知道是一九几几年的汽車，可能一九三幾年，一九二幾年的汽車，以 maybe 在那個時候可能是梯制梯形車那個時代。

張小珺 01:02:06 今天梯形車有了嗎？在機器人裏。

何小鵬 01:02:08 我覺得梯形車在機器人裏面肯定還沒有，但是我覺得我只是說從底盤運動控制角度。也許還是屬於那一代。回到你剛纔的問題，我覺得是要有一個全姿態擬人，能夠全 AI 組合的運動控制是極其困難。比如說舉一個例子，今天你看的所有的機器人，它要不然是走，要不然是打架，它的兩種運動控制可能是要調節的。你說你要有五種運動控制，沒了。你要有，實際上對一個人，一個人有 200 多種關節，它的組合是無限循環。就像我現在是兩個拳頭一樣，而且他還有表情包，手眼腳，你的靈魂跟情緒的協同。

何小鵬 01:02:57 所以我自己覺得就是，我們實際上在運動控制領域裏面，是非常期望像人一樣去思考全部的運動，如何能夠用 AI 來控制，而不是用軟件控制。而且這個控制如何能做到平衡？就是像人的本能一樣，當一個人學會走路，學會跑步，他是有本能能力的。當他看到一個地面，可能是有一個雪地或加上草地，他會甚至試探的走一下，來感受一下摩擦力和整個的體感，可能是一個有開水和一個有冰水的兩塊地，同時兩個腳在走。

何小鵬 01:03:38 所以在機器人領域裏面，就是要去對這樣的各種情況都要去做思考，來去思考運動控制。所以我我上次覺得小鵬可能的運動控制有點像汽車的下下代，所以這也是某種角度，為什麼我們認為絕大部分機器人還是在。很多年前的運動控制的汽車上面去。所以他自然只能用軟件去來去縫合他，他自然他很難做出好的機器人的綜合能力。

張小珺 01:04:08 機器人對於小鵬來說意味着什麼呀？他是小鵬的遠方？

何小鵬 01:04:12 我不是這樣認為，我們覺得小鵬新的十年有三條曲線吧，第一條曲線是汽車，把汽車幹到完全的智能體。我覺得第二個是機器人，機器人本身就是智能體，實際上汽車還在證明，也許要花 10 年證明軟件能力佔50%。但是我覺得機器人不用證明。如果一個機器人軟件能力很差，你基本上不會要它。當然了，硬件能力很差，你也不會用。這個，我覺得第三條曲線我們是弄為全球化。

何小鵬 01:04:41 實際上機器人跟汽車有一個很大的不同，絕大部分人都忽視了，就是說一旦機器人有能力規模化，它的規模化的速度會遠超過汽車。汽車在過去的 100 多年裏面是逐步逐步規模化的，因為它有道路要建設，第二有交通法規要建設，第三個量產的難度很高。就比如說你今天做了一個特別好的車。一天賣了 10 萬台，對不起，你沒有能力下個月造出 10 萬台。另外你也不敢過了三個月真造出一個月 10 萬台，因為你不知道。後面能不能賣出 10 萬台？這是汽車的一個本身的規律。

何小鵬 01:05:20 但是我覺得機器人不一樣，機器人有可能做的特別好，在某一個點，我記住是一個點，不是一個面，我覺得它是有可能會有非常大的爆炸效應。就像我認為去年最大的在數字AI，就是 Soroban 的Coding。就是非常短的時間，就是大概不到 18 個月，從前年的下半年到去年年底就有巨大的變化。我自己認為機器人也有可能性，雖然比它慢，因為它還是一個數字世界和一個物理世界，但是還是有可能的。

張小珺 01:05:50 對。它會比汽車還慢嗎？

何小鵬 01:05:52 我覺得機器人如果能夠軟件能力到達，硬件的速度會遠超汽車。當然了，換個角度，因為曉光是一家汽車廠商，我們做機器人跟很多公司做機器人，我們是 80% 的硬件都自研。我們手啊、芯片呢、關節我們都參與自研。只是說我們跟，可能跟很多公司的合作， T1 是我們，我們可能跟他的更上游的 T2 合作，只有這樣的話，你才能夠把質量和規模做好。

張小珺 01:06:22 今年下半年你們要量產嗎？你覺得現在難點是什麼？

何小鵬 01:06:25 有很多點吧，我覺得是，硬件上能不能做到相當的可靠跟穩定。我覺得第二個就是高等級的多個大模型能不能可以很好的擬合？我覺得第三個實際上還有一個很難的是商業化能不能證明？實際上機器人都是無數個坑，所以為什麼說它比汽車難的多？汽車你只要造出來，假設沒有競品，假設有用戶需要，你一定相信它是個可以賣出去的東西，但是機器人你不敢說。

張小珺 01:06:53 嗯，機器人還沒有被定義清楚到今天。

何小鵬 01:06:56 市市場也在等待，市場等待就是你有沒有一個類似 maybe 像 iPhone 4 一樣的手機？出現，但是我相信第一款商業量產的機器人，我認為還達不到 iPhone one，但是 iPhone one 畢竟是一個工具，它可以取代，因為在那個時年代還有很多其他的手機工具，有諾基亞、有摩托羅拉、有索尼愛立信，但是機器人有可能出來的時候，很多人都沒有做到類似的東西，我覺得，所以它又是一個不是完全可比的事情。

張小珺 01:07:32 你覺得你的勝率有多大？這麼長期的一個戰役中。

何小鵬 01:07:35 那要看你的目標有多大，才能知道你的勝率有多大。我覺得我自己的覺得是，我們大概有個兩成。

張小珺 01:07:46 兩成。

何小鵬 01:07:46 的勝率，我覺得這已經是我看到中國企業裏面，我自己認為是最高的勝率。

張小珺 01:07:52 你前天還在跟我說造車像在血海里游泳，那做機器人呢？

何小鵬 01:07:57 現在還沒進入血海，血海還在前面，但是我覺得機器人有一個很大的不同，就是機器人裏面的 AI 所佔的能力很強，而原來在血海里面的游泳的那一群跟你一起游泳的人，實際上絕大部分人都不太懂AI。今天在汽車行業裏面，很多人說，因為我不懂軟件，所以我找一個好的T1，在汽車裏面是 work 的。在機器人裏面是不 work 的，所以機器人的血海就像當年的互聯網競爭一樣，會很快從血海到藍海。就它的進展的速度會極快啊。

張小珺 01:08:32 剛纔我們說的是機器人，那今年你們也會發多款新車，包括你們的GX，我們要不要聊聊你這個產品？

何小鵬 01:08:38 對， GX 是小鵬再一次做高端，對，這也是我們第一次做一款全尺寸六座的。大SUV，也就是我們旗艦叫做旗艦SUV。非常有趣啊，今年的北京車展大概有 30 款這樣的全新的全尺寸，我自己的，在我的腦袋裏面大概有幾款吧。小鵬實際上在這個裏面做的有很多的跟他們的差別，我覺得我們第一次是在思考我們如何把汽車、飛行汽車跟機器人的很多能力在這一代新的智能汽車裏面把它貫通起來了。我舉一個例子吧，我們把飛行汽車裏面的飛行的核心零部件冗餘。帶到了這一款車裏面去。當然了，這一款 GX 我認為是全中國第一個整車廠做了一個前裝的Robotaxi，所以它有 8 個全安全冗餘。也就是說你開到野外去，電源壞了還能開，動力壞了還能開，老鼠把線束咬壞了還能開。它就像飛機一樣，它允許你有冗餘。

何小鵬 01:09:46 我覺得第二個，比如說舉例，我們把汽車的線控底盤跟我們新的 EEA 體系，跟我們的 VAA 的自動駕駛關聯起來。它可以使。新的底盤能夠在 VIA 的執行過程中間提高下限，也就是說安全級別更高，時延更短，控制的靈敏度可以提高接近百分之好幾十，實際上是。

何小鵬 01:10:11 這是我們比如說舉的一個例子，那麼第三個很快了，我們把機器人裏面的思考，就機器人是要聽一個任務，比如說小軍說，你幫我拿瓶水。那這是一個任務，他首先要判斷你是誰，你不是我主人，我不聽你話。水在哪裏？你要喝什麼水？拿完水之後去哪裏拿？怎麼給你等一系列的這個事情。

何小鵬 01:10:32 汽車在未來不遠的將來就會看到，所以今天我們對外沒有去講這個。太多，實際上它是本身是來源於機器人，當然它還來源於我們很多從汽車上的能力了，比如說舉例，這個車它的第三排空間可以完全的推平，變成一個兩排車，或者變成一個 2.5 排車，我們叫做四座、五座、六座都可以去坐的車。所以實際上你會看到它是把小鵬的自己的很多能力，分汽車的很多能力，集成的能力，上次做了一個非常有趣的融合，然後也加上了我們很多我們合作伙伴，比如說我們跟福耀玻璃做了隱私玻璃，我們跟美的做了新一代的車載的冰箱，我覺得有特別多的。很有趣的能力的組合，所以實際上我們上一直都覺得，做一個外表很大，有一部分好看，內飾很粗糙，細節不用固化，拼湊了很多能力的車，我覺得是，那是叫血海，某種角度，實際上在車展裏面看的特別多的這樣車。但是你怎麼能夠，就能做成不一樣呢？它需要一個全維度級。

何小鵬 01:11:46 每一個點，有的人說我這個點是 60 分，那個點是 80 分，還有個點是85，你可能你最差的點是80，然後還有更多的 90 分跟95，你纔有可能在這個戰爭中間勝出。所以這是一個非常有趣的一個事情。

張小珺 01:12:02 這個價格是怎麼定的？開始就想好了，還是最後定的？

何小鵬 01:12:05 沒有車在一開始就想清楚了一個邏輯。它一定都是一個規劃，這個規劃取決於你期望喫掉一個什麼市場。你期望這個市場有什麼樣的規模？期望有什麼樣的利潤？另外在這個市場裏面可能會有什麼樣的市場的player？我覺得大概這幾點吧，而且現在是個預售，應該5月 21 號，我們會正式的發布，發布會上會看到我們更清晰的配置跟價。

張小珺 01:12:32 擔不擔心重蹈舊舊的覆轍？

何小鵬 01:12:35 我不擔心，因為那個時候的思考跟邏輯跟這個時候是思考邏輯，我覺得差別非常的大，特別多的東西，從過幾年來看，如果你的能力到達一個更高的維度。你大概率你都可以分析出來以前的問題在哪，以及大概率認為現在的問題在哪，我認為是。而且我們到了今天，不會是一個像以前一樣，當你的體系能力越強，你越難在某一兩個點上弄輕鬆的失敗。

張小珺 01:13:05 你個人說你也挺喜歡這款車的，並且你希望是給朋友造的一款車，這都是一群什麼樣的人啊？你的目標畫像是誰？

何小鵬 01:13:12 我覺得 30 歲以上，比較勇敢，很多人做的很好。有的是創業者，有的是好的經理人員。好多的專業人員，他們願意探索新的科技，體驗新的科技的豪華，跟我們蔚來比較相近的邏輯，我覺得他是我們的第一批的用戶。所以我們這款車實際上更期望是用面向家庭的科技豪華。

張小珺 01:13:42 你開出去朋友有什麼反饋嗎？

何小鵬 01:13:44 我的朋友圈很多人很喜歡，像明天我在北京有一群的朋友都約着一起來看一下我們的車，然後很多人跟我說，他說小鵬，你們早就應該做一款這麼大的車了。他說雖然我跟我的家人雖然很想去用一款大車，然後他們可能在過去的時間有人開過，有人坐過小鵬其他車，實際上他們都很期待有一款更大的車滿足他們的需求。

張小珺 01:14:07 怎麼面對跟理想的競爭？

何小鵬 01:14:08 我覺得我們跟每一家都是友商，也都是同盟者，也可能是競爭者。今天我還跟李想去他的展台去看了一下。新的 L9 也是非常不錯的車，我相信。昨天我去了李斌那裏看了ES9，我覺得蔚小理在大九系這一次會都會給出各自不同的看法跟認知。

張小珺 01:14:32 你有從 G9 上覆盤到什麼，然後用到這一代車型裏嗎？

何小鵬 01:14:36 我覺得太多了，我們的組織也調整了，產品的規劃也調整了。我們的。對客戶的認知也調整了，對商業的邏輯也調整了，我覺得太多了，真的是，這已經隔了 3 年半了吧，從 2022 年底到現在，我覺得太多了。

張小珺 01:14:55 這麼自信？

何小鵬 01:14:56 就我覺得這是完全不一樣的能力級，汽車是一個非常複雜的技術的、人性的、經營的大集成體系，所以為什麼他說是製造的明珠？所以。在這個領域裏面學習的越深，總結的越深，你會看到很多。不一樣的點，實際上在很多小型的硬件或者消費級的硬件，他們是看不到的，他們把很多的製造交出去了，他們有很多的供應能力靠供應鏈，它的組合可能性不高。所以在汽車領域裏面，為什麼我對於從 2022 年到 2026 年，我自己的認為是巨大的質的提高。

張小珺 01:15:44 如果有人說小鵬的車醜，你怎麼想？

何小鵬 01:15:47 每一輛車都會說，碰到其他人說他的車醜，審美是一個主觀性的邏輯。

張小珺 01:15:54 你覺得小鵬的車好看嗎？

何小鵬 01:15:56 我覺得在越來越好看的路上，其他的信息我不。國國主對醜美的信心，我還是很有信心。

張小珺 01:16:03 你說顏值第一啊，在內部。

何小鵬 01:16:06 顏值是一個相對論，對。要在多個領域做到第一纔有可能，顏值是其中一個領域。

張小珺 01:16:13 為什麼不選一個做少而精的車型的策略呢？為什麼今年要做 4 款車？

何小鵬 01:16:19 我覺得每一個公司都有一個道。我覺得你不能去問， A 公司為什麼不做少而精， B 公司不會做大而全，都有不同的邏輯論。

張小珺 01:16:29 你今年感覺整體都很自信啊。

何小鵬 01:16:32 我覺得做企業沒有不自信的吧。

張小珺 01:16:35 嗯，你現在花時間最多在哪裏呢？在車、在機器人、在AI，還是在哪裏？還是在組織？還是在採購？

何小鵬 01:16:42 你所講的都有參與，但是我覺得都不是，我覺得最多的，我覺得還是在戰略跟規劃，就是未來是什麼樣的？就像剛纔你問了很多問題，誰是成功的等等，可能他們以後會更成功，但是今天在我角度來看都不叫成功。就像汽車裏面，規模算成功嗎？是成功的代表之一，不一定都成功。這個利潤算成功嗎？有些利潤可能是臨時的，也很痛苦。所以企業家裏面對成功的概念是有非常大的不同，所以換個角度。我可能花的更多的思考是整個的企業的、產品的和商業的戰略和規劃的問題。但是這些規劃問題它需要你的技術問題、你的組織問題、你的整個市場的問題等系列的組合能力，才能最後去做到。大概是這樣。

張小珺 01:17:34 今年對你來說最重要的一件事情是什麼呀？沒有。都很重要。

何小鵬 01:17:39 很多都很重要。實際上汽車是一個很複合的問題。他比一個個人或者一個清晰的企業，他所說我只要把這一件事情做好就可以了。汽車做好一件事情不代表能做好，這是一個很痛苦的問題。就跟你講長板、短板跟寬板的問題一樣。很多人會想說你應該做好一個長板，在絕大部分時候是對的，但絕大部分時候這個問題在汽車裏面回答，它是一個複合的機器，你做好一個沒有用。好，比如說你把自動駕駛做得極好，做到 Level 4 行不行？第一，一般我大概認為，誰說今年做得到，我覺得吹。第二，我認為就算他做到了，他也沒有對他有巨大的價值，因為他的價值的體現是要逐步體現的。

張小珺 01:18:29 那你覺得 L4 什麼時候會實現？

何小鵬 01:18:32 我大概率認為 18 到 24 個月。

張小珺 01:18:35 這是對你們來說，還是對全行業來說？

何小鵬 01:18:38 我覺得對我們。

張小珺 01:18:39 實現以後會帶來什麼呢？會帶來車的更多的銷量嗎？

何小鵬 01:18:42 銷量更多是 100% 的，銷量多多少，我需要認證，即使多了銷量，也不代表長期的價值。你看這裏面都是不同的問題，比如說舉例，我們上個月。3月底我們發布了第二代 VAA 的第一個版本，我最近在車展跟大家分享的數據， 4 月份實際上中國的汽車的銷量，同按月都是下跌 20% 左右的，我們大概漲了 50% 到70%，這裏面有相當部分跟第二代 VAA 相關，它好不好？我覺得不錯，那麼如果做到L4，能夠把這個能力提高多少倍？一倍？ 5 倍？ 10 倍？我覺得我都很難判斷這是好還是不好。第二個，它到底是。對社會，對行業的衝擊是什麼樣的？今天實際上我們有很多的在這個裏面的看法是不一致的。我還是想說的是，汽車股企業的最後的成功不是僅來自於 AI 裏面的一個能力，或者硬件裏面的一個能力，或者在銷售裏面的一個能力，我覺得都不是。

張小珺 01:19:44 餘凱老師經常說你是他最難磕的一個用戶，他覺得車企最終都應該用第三方，你怎麼看他的觀點？

何小鵬 01:19:52 餘凱同學跟我們關係都很好啊，這個我覺得他走在一條很有趣，很有希望，但是也許也很有挑戰的道路。要看這個世界上最終汽車機器人的公司是多還是少。越多，我覺得於凱的道路會越廣，越少，於凱道路會越痛苦。

張小珺 01:20:12 你傾向於認為是哪一種？

何小鵬 01:20:14 我可能認為是越來越集中。如果從用戶角度去看一個事情，因為我們是從一個企業角度看一個事情，用戶角度只是我們可能幾十個角度之一啊，所以從用戶角度都會覺得需要有更多的車企，有更多的友商的產品的可供選擇，有更多的不一樣的東西。但是在這個世界上，汽車這個事情太複雜了，如果它是一個比較簡單的事情的話呢，我覺得。它很快就會歸一，我講的歸一就是蘋果的手機，我覺得啊，這個話說的不是很好聽，就是在最近的數代裏面，蘋果手機上變化不太大，但照樣能夠很穩定。對。整個手機市場的變化，現在我買手機已經，除非我手機壞了，否則我已經不是因為手機哪個能力的提高，我一定要去買這樣的一個情況。但汽車還遠遠沒有到達這個點，甚至我認為將來可以一年 1000 億的研發費用，在持續的做巨大的創新的價值都是有。所以在這樣的一個領域裏面。

何小鵬 01:21:14 我覺得在過去的汽車公司有很多公司實際上是不自研的。他說你去看這些汽車公司裏面，他做了很多研發，他花了很多錢呢，他有很多人呢。我說但是他不做自研，他做集成。所以你說他們做集成是不對，你去自研，實際上你會發現自研更不對，因為汽車太複雜了，你有很多很多人都有研發，所以你還不如說有些地方你沒有基因的，你還不如找 A 合作，找 B 合作。這個話對，但是換個角度就看他到底是你汽車的戰略還是你的戰術。如果是戰術，你不應該自研。如果是戰略，你應該自研。回到一個終極的問題，剛纔你一開始問的，比如說 10 年後，我們的汽車軟件佔不佔汽車價值的50%？如果佔，那一兩家 T1 就可以幫助合作伙伴做到 50% 嗎？

張小珺 01:22:03 他當然希望是這樣。

何小鵬 01:22:04 對，我覺得也許可以，也許做不到。我們在汽車裏面有一個叫做跨域融合，是把很多能力一起融合，有硬件、有軟件、有製造、有設計、有服務、有運營，這些都是完全不同關聯的。你把它融合在一起。有很多人說那這個怎麼融合呢？比如說舉例，為什麼在汽車裏面聽到的很多幾合一？它就是把不同的東西合在一起。為什麼在軟件裏面多合一？ N 合一？它可能把幾十種能力合一。合在一起的整個這些體系都不一樣，它不是哪一家公司可以做的到的。比如說你原來跟三家公司可以有合作，來一起提供一個 total solution，很容易。但對不起，你要跟 300 家公司一起合作。提供一個個性化的思路，你是非常痛苦的。小鵬的道路跟餘凱地平線的道路都有可能成功。我覺得今天不知道，我覺得餘凱做地平線做的公司做的好，產品也做的好，這個我首先都非常認同，但是我還是想說的是，最終這條道路的戰略的終局，或者說看得到的終局市場。

張小珺 01:23:19 你覺得汽車或者機器人最終會集中到多少家？這是一個多少多少多少年周期的事情？

何小鵬 01:23:24 我覺得不同企業差別太大了，我這個機器人我先不說，我一直說 30 年中國可能就 5 家有規模的汽車企業。不代表其他汽車企業會倒閉，但是我想說的規模的下行會導致越來越難進入到這種超高強度的競爭。

張小珺 01:23:41 你今天從血海里，游出來沒有？

何小鵬 01:23:43 我覺得都在遊，我覺得。出來了沒？沒有，我也不覺得有誰出來了。在我的定義裏面，首先你不要問我我的定義是什麼，我認為沒有一家游出來。

張小珺 01:23:55 機器人挑戰只會是它的 10 倍，對吧？

何小鵬 01:23:58 我覺得機器人反而會稍好一些，因為機器人的同質內卷的可能性會低，低它的軟件價值會很。很大，這個大家都毋庸置疑。第二，我不認為有一個非常好的開源能夠幫助一個集成公司做好。軟件。

張小珺 01:24:14 你的典型的一天是什麼樣的？

何小鵬 01:24:16 我覺得跟很多企業家可能一樣吧。相對來說比較晚一點上班，很晚才走，每天會有很多個決策項，大部分的期望非常快速，到處交流思考，這是典型的一天。

張小珺 01:24:31 最近有看什麼書？

何小鵬 01:24:32 我不太看太具體的書，現在我的桌面上很多書，我可能就翻一章就過了。我覺得書裏面總結的規律在現在的組合裏面變化太快了。就他很難總結，當他寫好一本書，印刷出來之後，這個世界可能又變化了10%。在他的那本書的範圍內，假設啊，所以我覺得看書是應該在一個更穩定的環境去看。

張小珺 01:24:59 怎麼吸收知識？

何小鵬 01:25:00 實際上吸收知識最簡單的，我覺得是在實踐中間吸收。以前我自己總結吸收知識，讀萬卷書，行萬里路，聊萬次天，卷萬次袖子以及實踐。我覺得現在最重要就是你所看到的很多事情，如何在一個足夠大的平台上去做好你的快速循環的實踐。在企業內部的組織是做PDCA，但是在 AI 體系裏面要靠。全自動的循環， PDCA 的 C 都不能做了。就是他應該儘量降低人的任何一個環節的消耗。

張小珺 01:25:37 過去年有沒有什麼後悔的決策？

何小鵬 01:25:41 沒有。

張小珺 01:25:42 沒有。

何小鵬 01:25:46 這個世界上不需要去思考後悔的決策，因為犯錯的太多了。犯錯為什麼要後悔？我們經常決策說，哦，原來這個時候的一個東西是做錯了，那我們來一起思考為什麼現在錯了。但不用後悔。