每經專訪理想汽車：L4級自動駕駛的實現將是汽車行業真正的“iPhone 4時刻”，理想預計三年內推出首款L4級自動駕駛汽車

全球資本市場正經歷以人工智能為核心的新一輪科技投資熱潮。

今年8月，《國務院關于深入實施“人工智能+”行動的意見》發布之后，黨的二十屆四中全會審議通過的《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》，再次明確提出全面實施“人工智能+”行動。

當前，全球汽車產業正經歷一場由人工智能技術驅動的深刻變革。從產品形態到用戶體驗，從生產方式到商業模式，人工智能技術正在全方位重塑汽車行業的每個環節。

試想一下，當一輛沒有司機的汽車穿梭在繁華的街道，人工智能可以帶來哪些新的出行場景？車企們是否做好了相關技術準備？圍繞這一系列問題，理想汽車相關負責人（以下簡稱理想汽車）接受了《》記者（以下簡稱NBD）的采訪。

汽車將從交通工具轉變為AI時代的“空間機器人”

NBD：我國當前大力發展“人工智能+”，未來5至10年，對汽車、對汽車行業最大的改變是什么？

理想汽車：我們認為，未來5至10年，“人工智能+”將從根本上重塑汽車行業。汽車將從一個工業時代的交通工具，轉變為AI時代的“空間機器人”。這不僅是技術的升級，更是產品形態和產業范式的革命。

對行業而言，電動化是過程，AI才是終局。競爭的核心將從傳統的硬件制造，轉向軟件和人工智能技術驅動的全面能力。企業需要具備構建覆蓋模型、算力、操作系統和硬件本體的綜合體系能力，這四大要素相輔相成，缺一不可。

對于車主而言，最大的體驗變化將來自于AI從“輔助工具”躍升為“生產工具”。

具體來看，首先是徹底的駕駛解放。通過VLA（視覺—語言—行動）司機大模型，AI將像一個真正的“司機”一樣工作。用戶將從駕駛任務中完全解放，在出行途中可以自由地進行工作、休息或娛樂，車輛將成為一個安全、可移動的自由空間。

其次，自然的人機交互。用戶可以使用自然語言與車輛溝通，如同與人類司機交流一樣簡單直接。例如，直接發出“走收費站的人工通道”“停在停車場的C3區域”等復雜指令，車輛都能理解并執行。

最后是超越人類的安全與舒適。通過“超級對齊”和“世界模型”等技術，AI司機不僅能遵守交通規則，還能對齊人類的駕駛習慣和價值觀，其目標是實現比人類駕駛更安全、更舒適的出行體驗。

L4級自動駕駛的實現將是汽車行業真正的“iPhone 4時刻”

NBD：不少人認為，L3是一個技術上的“偽命題”或過渡階段，車企應全力奔向L4，您怎么看？

理想汽車：我們認為，L3級有監督智能駕駛并非偽命題，而是通往L4的必經之路和關鍵先導程序。它是一個不可或缺的過渡階段，讓AI系統在真實世界中學習、驗證和迭代，為最終實現全無人駕駛積累必要的經驗和數據。

要實現L4級自動駕駛，我們認為需要在以下方面取得關鍵突破。

核心技術的突破方面，依賴于VLA司機大模型這一核心算法的成熟。它需要具備完整的視覺感知、語言理解和思維鏈推理能力，能像人類一樣處理復雜的交通環境。

算力資源的巨量投入，是實現AI突破的物質基礎。理想汽車在人工智能的模型、算力與基建方面，一年投入超過60億元，在汽車行業屬于最高的投資級別之一。強化訓練需要大量的推理卡，車端模型的參數規模也需持續升級，這對算力提出了極高要求。

數據閉環的規模效應方面，需要足夠大規模的車隊在路上行駛，持續收集海量的包括極端情況在內的駕駛數據，用于模型的持續訓練和優化。

NBD：有市場觀點指出，未來3至5年內一定會出現沒有駕駛座的車，你如何看待這一觀點？

理想汽車：我們三年內會推出L4定義車型。對于市場上關于“未來3至5年內一定會出現沒有駕駛座的車”的暢想，我們給出了明確而積極的回應。根據公司的規劃，理想汽車將在三年內，即2028年左右，推出首款為L4級自動駕駛定義的汽車。

這款車型的推出，將意味著汽車的設計理念將發生根本性的變革。由于車輛具備了完全自主的駕駛能力，傳統的駕駛艙、方向盤、踏板等部件將不再是必需品，從而為車內空間的設計提供了無限的可能性。

屆時，汽車將真正從一個“駕駛機器”，轉變為一個純粹的“生活空間”或“工作空間”。

理想汽車董事長兼CEO李想甚至進一步暢想，到2030年，公司有50%的概率會推出一款人工智能超級跑車。這表明，理想汽車對于“沒有駕駛座的車”這一未來趨勢，不僅有著清晰的規劃，更充滿了信心和期待。公司認為，L4級自動駕駛的實現，將是汽車行業真正的“iPhone 4時刻”，將引發一場深刻的產業革命。

NBD：要實現“沒有駕駛座的車”，還要克服哪些難題？

理想汽車：盡管“沒有駕駛座的車”前景廣闊，但其落地仍然面臨著巨大的技術挑戰和市場考驗。

在技術層面，L4級自動駕駛的實現本身就是一項極其復雜的系統工程，需要在感知、決策、控制等各個環節都達到極高的可靠性和安全性。此外，車輛的冗余設計、網絡安全以及與外部環境的協同交互等，都是需要攻克的難題。

在市場層面，消費者對于完全無人駕駛的接受度、相關法律法規的完善以及保險責任的界定等，都是制約其大規模商業化落地的重要因素。

然而，挑戰與機遇并存。一旦這些技術和市場障礙被克服，“沒有駕駛座的車”將開啟一個萬億級的全新市場。

它將徹底改變人們的出行、工作、生活方式，并催生出無數全新的商業模式和服務。為迎接這一天的到來，我們不僅在技術上全力沖刺，也在積極參與相關政策法規的討論和制定，希望在技術成熟之時，能夠順利地推動其商業化落地。

國內VLA技術與海外頂尖技術存在算力“代差”

NBD：當前汽車產業在生產端的AI應用多為點對點，模型針對性強，換個場景就難以適用。應如何推動模型泛化，讓它能適用于多場景、多環節，避免企業重復投入？

理想汽車：解決“點對點”模型泛化能力差的問題，關鍵在于構建通用的AI基礎模型和能力平臺。

我們的實踐路徑是深耕VLA基礎模型，目前正致力于研發VLA模型，希望構建一個能夠深度理解物理世界的“世界模型”。這個模型一旦成熟，其核心能力可以復用到制造、供應鏈管理等多個環節。例如，通過視覺分析自動檢測生產缺陷，或通過語言理解優化物流調度。

此外，堅持技術自研與開源協同。我們堅持在關鍵領域進行自研，構建底層能力。同時，我們積極擁抱開源，并回饋開源，如將自研的“理想星環OS”操作系統開源，目的是避免行業“重復造輪子”，讓大家能夠站在彼此的肩膀上共同創新。

NBD：理想汽車推出的“VLA司機大模型”可以理解人的語言。國內的VLA技術與海外的人工智能技術還有哪些差距？

理想汽車： VLA模型作為通往高階智能駕駛乃至通用人工智能的關鍵技術路徑，正成為全球科技巨頭和車企競爭的焦點。我們通過自研Mind VLA模型，已將其應用于量產車型。

然而，盡管國內企業在VLA技術的應用和迭代速度上展現出強大的競爭力，但與以美國為代表的海外頂尖AI技術相比，在算力基礎設施、數據閉環構建等多個維度上，依然存在顯著的差距與挑戰。這些差距不僅決定了技術發展的天花板，也直接影響著未來自動駕駛產品的安全性、泛化能力和用戶體驗。

首先是算力基礎設施的差距。算力是訓練大模型的“燃料”，其規模和效率直接決定了模型迭代的速率和能力上限。在這一核心要素上，國內車企與海外頂尖玩家之間存在明顯的“代差”。中國車企在算力基礎設施上的總體規模和投入仍有較大差距。

另外，在數據閉環與模型迭代方面。數據是AI模型的“養料”，高質量、大規模的數據閉環是驅動模型持續迭代、提升泛化能力的關鍵。

自動駕駛系統尤其是VLA模型，其性能高度依賴于從真實世界中采集的海量、多樣化的駕駛數據。這包括常規場景和大量的長尾場景數據。構建高效的數據閉環，即“采集—標注—訓練—部署—反饋”的循環，是頭部車企構建核心壁壘的關鍵。預計2025年需要2000萬Clips（視頻片段）的數據以實現L3級自動駕駛，而L4級別則需要至少500萬輛能夠采集數據的車輛。

盡管中國在數據規模和市場應用上具有優勢，但在數據處理的效率和閉環構建的完整性上，與海外頂尖企業仍有差距。

傳統、強調流程和節奏的人力資源管理模式無法適應AI時代

NBD：理想汽車最近出現的人力資源部門整合，也引發外界關注，這與適應當下的AI人才競爭有關嗎？

理想汽車：為了更好地適應“人工智能+”時代對人才和組織的要求，理想汽車在2025年進行了一次深刻的組織架構調整，其中最引人注目的變化是CEO李想開始親自直管人力資源部門。

這一調整的背后，也是我們對AI時代組織建設的深刻思考。李想認為，傳統的、強調流程和節奏的人力資源管理模式，已經無法適應AI時代對組織敏捷性和創新性的要求。通過將人力資源部門并入產品與戰略群組，并直接向CEO匯報，理想汽車希望將人才戰略與企業整體發展戰略更緊密地結合，確保在關鍵領域能夠精準、快速地配置人力資源。

除了人力資源部門的調整，我們還在進行一系列更廣泛的組織變革，來構建一個能夠適應“人工智能+”時代的敏捷、高效的組織。

我們正在從傳統的職能部門制，向更加靈活的矩陣型組織架構轉型，打破部門壁壘，促進跨部門的協同和創新。同時，公司也在不斷優化其內部的流程和機制，例如，通過簡化審批流程、下放決策權等方式，提升組織的反應速度和執行效率。

此外，理想汽車還在積極營造一種鼓勵創新、寬容失敗的企業文化，鼓勵員工大膽嘗試、勇于探索，從而激發整個組織的創新活力。