何小鹏去年做了个“惊天豪赌”

把花了数年、耗资数十亿的技术体系一刀砍掉，这需要多大的胆子？

小鹏集团创始人兼CEO何小鹏在5月28日播出的播客节目《张小珺商业访谈录》中，详细披露了2025年三四季度那场鲜为人知的内部技术革命。

他在节目中直言："物理世界的CEO不敢赌，我可能胆子比较大，我们做了一个巨大的赌注，我们把以前的那套体系就停下来了，那套体系花了小几十个亿。"

这场豪赌的背景，是小鹏汽车在2025年宣布更名为"小鹏集团"，并将自身定位为一家"物理AI（Physical AI）企业"。更名背后，是一次从底层技术架构到组织架构的彻底推倒重来。

为什么要砍掉旧体系？

何小鹏将旧体系称为"AI缝合怪"。

他解释道，过去全行业推崇的端到端自动驾驶，包括小鹏自己在做的，本质上是"用软件工程、软件流程，加上AI算法和AI工具"拼出来的产品——

你是用软件的方法论使用AI的工具箱做出来，是一个更强力的软件，我认为它叫做AI缝合怪。

他用了一个直白的比喻："就像你修一个房子，你会有更多的材料，更多的工艺，用AI的，但是他还是修一个老的房子的方法论，他修出来的还是一个原来的房子，只是可能修得更快一点。"

这套体系的致命缺陷，在于上限太低。何小鹏说，旧体系的能力上限大约只有1000分，在地下停车场、复杂路面等场景下会立刻暴露短板。他的结论是："我认为它无法做到无人驾驶，我认为它也不可能让机器人真正的泛化。"

这个判断，在2025年年初逐渐在他脑中成形。他说，当时他看到行业里很多公司用"更简单的方法论和更快的效能"做出了"凑合可用的自动驾驶"，但"做了一年到两年之后，他就会发现，为了解决很多短板，他限制了他自己的长板，所以他发现他永远做不到Level 4或者Level 5"。

他的判断是："这条路是一条捷径，但是不是一条大道，是一条小路。"

新路子：上限打开，但下限惨烈

小鹏在2025年同时开发了两代新系统，内部分别称为"VAA第一代"和"VAA第二代"。

第一代是在原有端到端框架上扩大模型规模、降低软件规则比重，属于渐进式改良。

第二代则是完全不同的路径——抛弃端到端逻辑，用更大的Foundation Model（基础大模型）全盘驱动，以AI原生的方式重构整个自动驾驶体系，即VLA系统。

两者的差距，何小鹏用分数来描述：旧体系上限1000分，下限900分，"能力不错"；新体系上限可达10万到100万分，但初期下限只有100分——"工程bug极多"，比旧体系的下限还要低。

本来你期望做一个产品，上限1000分，下限900分，这个时候你的能力是不错的。但是那个时候下限可能只有100分，工程的问题有非常多。

面对这个局面，他做了一个在他自己看来"非常巨大的赌注"：坚定押注第二代，同时将第一代乃至整个旧体系全部叫停。

他说："当我把第二代VAA，我认为应该把它放大，并且最后坚定的把第一代甚至都完全停止它，从业务到技术，甚至到组织，那么是一个巨大的心理上跟物质上的双重压力。"

内部阻力：有人"用脚投票"离开

这个决定在公司内部并非一帆风顺。

何小鹏透露，当时大部分非AI背景的主管认为"不管做A还是B，可能都错了"；AI相关主管中，也有人持观望态度，"不确认这是不是能够做到一个落地的效果"。

最激烈的反对，不是发出声音，而是沉默地离开：

最大的反对声音就是有很多用脚投票……他们不相信这个事情，他们觉得做不到，他就离开了。

对此，何小鹏的态度是：想清楚了，就要彻底动刀，"切记不要小刀砍大树，慢慢砍。想清楚了，砍掉它。从组织到流程，到方向，全部改"。

在2025年三季度末，小鹏对整个自动驾驶中心的核心组织架构进行了全面重组。他解释这样做的原因："每个人都有原来的惯性，你会习惯用过去的方法，想用最新的工具跟技术去做出更好的东西……但有很多时候你的工作方法论都得改。"

为什么是他敢赌，别人不敢？

何小鹏在访谈中提到一个他认为物理世界CEO普遍面临的困境：与纯数字AI公司不同，造车的人有太多"板"要顾——质量、成本、法规、工程、供应链——单个长板突出没有用，短板会直接拖死整体。

物理世界的CEO，要不然不敢赌，要不然觉得我还有好多块板，我怎么办？我觉得我可能胆子比较大。

他说自己当时也不确定新体系能不能补上短板，但仍然押了下去：

我们做了一个巨大的赌注，我们就觉得，我相信物理的AI，换一个思路，换一种流程，底层要换一种组织方式，有可能能够做到不一样的点。

他还引用自己在2022年低谷期给自己立下的两条原则解释这种判断逻辑——"绝不服输"和"愿赌服输"——两者并不矛盾，而是一种在高压下维持行动力的平衡方式。

这场赌注的逻辑：软件价值要占到50%

何小鹏押注新体系，背后有一个更长远的商业判断。

他认为，在过去的智能电动汽车时代，硬件占用户所需价值的比例远超50%。但在未来十年，如果能用AI原生的方式重新驱动软硬件体系，软件的综合价值有可能上升到50%。

他举了一个具体的设想："用户愿意说，我买一个30万的车，其中15万算你的硬件，15万算你的软件的综合能力，有没有这样的车？现在没有。但是我觉得一定在这个十年会变化。"

这也是小鹏从"AI汽车企业"更名为"物理AI企业"的核心逻辑——不再用电动或汽车的方式去考虑智能，而是"换了一种逻辑"，从战略规划到研发过程全面调整。

对于这场赌注的结果，何小鹏坦言仍在验证中，也承认自己当时"不知道他能不能解短板"。但他的判断是：越犹豫，越等待，成功概率越低。

你越犹豫，越等待，越想观察，越想再说过6个月，你有可能越难成功。

结果如何？初步数据已现

何小鹏在访谈中援引了一组近期数据：2025年3月底，小鹏发布了第二代VAA的第一个版本。4月，中国汽车销量整体同环比下跌约20%，而小鹏当月销量涨了约50%至70%，"这里面有相当部分跟第二代VAA相关"。

他表示，这条路能否最终走通，还需要时间验证，但方向上他没有动摇：

我觉得在今天的过程中间，这个第一，每家公司走的是各自的道路，它是不能复制的。

访谈文字转录如下：

节目简介：

本集是小鹏汽车董事长兼CEO何小鹏的返场。在我们此前的节目（《张小珺商业访谈录》播客70集）中，何小鹏形容，造车就像在"在血海里游泳"。在过去1年中，除了汽车这场血海战役，小鹏汽车也要面临AI和机器人这场未来之战——后者的战线更漫长，造人形机器人的胜率也要比造车低得多。对此，何小鹏在2025年下了更大的赌注。我们这次从"赌"开始聊起。他也聊了聊人形机器人Iron的诞生与意外、技术变革下CEO的心路、新车GX等话题。不过，对于正在发生的事，他有一些顾忌，也有一些尚且不能说的秘密。接下来，就是我对何小鹏的访谈。

何小鹏 00:00

物理世界的 CEO 不敢赌，我可能胆子比较大，我们做了一个巨大的赌注，我们把以前的那套体系就停下来了，那套体系花了小几十个亿。

张小珺 00:10

直接来讲，何小鹏 Skill 的一个缺点会是什么？

何小鹏 00:13

我觉得每个人 Skill 的话之后都会发现这个人实际上是有非常多的缺点的。

张小珺 00:18

机器人对于小鹏来说意味着什么呀？

何小鹏 00:20

我觉得这个世界上可能有非常多的解法，而我们选了一个最像人的人形机器人。

张小珺 00:26

你觉得你的胜率有多大？

何小鹏 00:27

我们大概有个两成。

张小珺 00:29

在这样一个技术剧烈变革的时代，你焦虑吗？

何小鹏 00:32

当然焦虑，因为你会发现你以前的很多的逻辑论，甚至你逻辑论的底层的定理。范式，甚至到公理层，你的价值观、人生观、世界观，在这些东西的变化下，不是那么work。

张小珺 00:44

你今天从血海里游出来没有？

何小鹏 00:46

我觉得都在游，我也不觉得有谁出来了现在。

张小珺 00:53

哈喽，大家好，我是小珺。魏晋之约是一档由微博财经和语言及世界工作室联合出品的访谈节目。今天我们的嘉宾是小鹏集团的创始人兼 CEO 何小鹏，我们一起来聊聊他在物理 AI 上的探索，但是他还有很多不能说的秘密。在节目正式开始之前啊，我想先对于你最近对于 AI 的体感来做一个小的调研。你最近使用最多的几个 AI 产品是什么？

何小鹏 01:21

那我还真不多，还是在非常传统的 AI 产品哦新手入门注意事项，千问豆包。但是在 Coding 方面呢，我们现在团队内部用的非常的多，但是我自己个人，我不愿意使用。为什么？他们就跟我去问，哎，小鹏你自己要去用。我实际上举了一个非常有趣的例子，我说我们当年在做互联网产品的时候。如果你天天用产品，你很快会到细节去。比如说你会觉得 Scales 哪里不好用。如果你了解它，你会去思考，认为它的优点将来还会非常的长，非常的多。但你再用进去，你会看到它的缺点跟问题。你会聚焦怎么去解决，比如说多人协作的扣点的问题等系列的问题，反而不能让你向远方看。所以我对于科技快速变化的很多产品跟能力，我自己认为要用，不要太深度的用。特别是做一号位，但是基层的或者说有一些产品线跟他强相关的，你就要鼓励什么方式都可以上，最后要看结果，在最后慢慢的把它归一，这样才是比较好的。

张小珺 02:37

AI coding 对于一个企业的一号位来说，有任何的意义吗？你觉得它会对不管是小朋友也好，或者是汽车产业也好，或者是智能驾驶的行业也好，会带来什么变化吗？

何小鹏 02:50

我觉得它是对初级程序员。的一个非常好的，目前来说还是一个辅助工具。但是也许两到三年后，会逼迫初级程序员都要上到高级程序员。但是我觉得对于像智能辅助驾驶，或者像其他的强 AI 的能力，我认为它的帮助是比较小的，它只是其中的一个工具。真正要把整个的 infa 建好。整个的体系建好。实际上本身来说，你可以认为。它是在最应用层来帮大家的，那是 AI coding。但是你如果在内核层，比如说你想写个操作系统，我认为它的最核心还是整个的infa，而不是在扣点。

张小珺 03:38

你现在每个月会使用多少token？公司会使用多少token？

何小鹏 03:42

我们不太看这个事情，实际上这个事情有好多人在过去的一年都在提。我认为数字化的中小型公司提这个事情会非常多，我觉得应该特别重要。我觉得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的支持的业务可能不一定是数字化的，可能有非数字化的。一个非常有趣的就是，在非数字化的公司，对 token 需要多少？

张小珺 04:11

对。

何小鹏 04:12

你看我们的车，我们之前做了一个有趣的小统计吧，我们新一代的 VAA 一天只用三四个小时的话，会用多少token？我现在准确数字已经不太记得了，当然它只是内循环的，你可以认为。那么换一个角度，实际上也就是说，在数字 AI 能用 AI 使用的 token 数量远远低于在物理世界 AI 自己需要用的 token 数量。但是实际上这个是没有意义的，因为它不是用人，用 AI 来去满足它的需求，自动驾驶的汽车你可以认为是一台自动的machine，它去用 token 来去用多少。

何小鹏 04:54

所以我在这两个领域里面认为是两个不同的角度，所以在物理世界，我认为的 token 的使用将来会是 machine 自己使用多少token，产生多少对 machine 和人的价值。而人用多少 token 产生对人和企业的价值，是另外一个维度。

张小珺 05:14

所以它的指标应该是不一样的，它的北极星指标，你觉得多少是一个合理的数量？

何小鹏 05:19

我不知道，我在内部尽量不给大家控制token，很多人问说不控制token，一个季度就把一年的费用全 cost down 了。我觉得如果他真的能做到，我最重要是管理最异常的 top ten 的四种情况。其他的我都觉得可以开放，因为你不确认一个月一个人花 1000 块人民币，还是1万块人民币是最有价值的。而我们每个人的每个月的工资。很有可能远远超过这个数，如果他真的有能力花了更多钱，产生更大价值，为什么你要限制他？

张小珺 05:55

现在公司的 Token 分配主要在哪里？

何小鹏 05:57

我觉得主要还是GIC，上次我们的自动驾驶跟座舱团队的合并，他们团队又大，我觉得 Token 是对一个企业内部员工的术语，我们实际上某种角度你可以说用了多少张H100，一张 H100 我不知道一天能够用多少 Token 呢？这个我还没有把这个换算比例，我们算的是，比如说我给你3万张H100，或者5万张，你使用什么业务能够以高效率和高效能的使用？在这个里面，我们来看这个算力的使用的情况，我实际上不太使用 token 的使用情况。

张小珺 06:32

你刚才提到异常值，有什么样的异常值？

何小鹏 06:35

我举个例子吧，我觉得我们最近专门对于 data 做了一个整个的控制。很多人都说数据的价值，我觉得极少有公司现在看到数据的巨大的成本，因为在数字 AI 领域里面的数据量很小，几十个 TB 就可以来训练。在我们训一次数据。几十个 TB 到几百个TB，所以对数据的怎么的管理、使用、存储是一个巨大的钱，可能我们一年在数据上投入都，从直接的刚性成本都接近 10 个亿以上，所以哪些数据是有价值的？哪些数据是临时有价值的？哪些数据是需要非常快速的使用？哪些数据是可以有一些 warm up 在起在使用的？每一个使用的钱的数量都是千万级的，那你可以来进行分析，然后来进行优化，商业巨大的可提高效率、可降低成本和提高效能的逻辑论。

何小鹏 07:39

实际上算力也是一样，我们对数据对算力都是有不同的 team 去专门去管这个事情。但是我们不太care，我看到有很多公司说是公司的工程师使用 token 的数量，我觉得那个数量跟 machine 使用的 token 数量和物理世界 AI 模型训练的时候需要的 token 数量，那都是非常小的数字。

张小珺 08:01

最近 Skilll 非常的出圈，如果把你训练成一个何小鹏Skilll，你觉得应该给他提供哪些训练的数据啊？那个 Skilll 会是什么样的？

何小鹏 08:13

实盘股票配资

我觉得数字的模型跟物理的模型，今天还是让基础的白领和基础的蓝领比较容易 Skillls 化。如果把我都能够现在有清晰的逻辑论去 Skillls 化，意味着什么？意味着不光是基础的蓝白领，就是更高端的蓝白领，是吧？都会有巨大的风险。

张小珺 08:34

嗯， CEO 可以被替代。

何小鹏 08:36

也许过数十年或者过 100 年，类似我的能力是，的确可以被Skillls，但是那个时候可能我们每个 CEO 也都会有更强的、更综合的能力，他可能丢掉了ABC，但是获得了新的DEF。因为你这个问题，实际上是我们不光是想过，我们是深度思考过，因为我们在做很多的机器人的事情。因为实际上换个角度，我觉得在这个里面，实际上是它有两个非常重要的矛盾体，我觉得是对于大部分的人会觉得我如何把我或者把他的能力 Skilll 化，但是对于一个模型角度来看，我怎么知道你 Skilll 化的这个能力是一个对的能力，并且不断的OL，例如在物理的仿真模型里面可以去做强化。实际上在这个里面，它跟。 Coding 或者跟自动驾驶都是不一样， Coding 跟自动驾驶相对来说是比较清晰的。我知道什么是错的。

张小珺 09:29

对。

何小鹏 09:30

但是比如说把何小鹏 Skilll 的话，你很难判断这个 Skilll 的话怎么是对的或者是错的。是非常困难的，所以在这样的一个体系里面，就是我们在构建体系，而不是在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角度，实际上是。

张小珺 09:49

直接来讲何小鹏 Skilll 的一个缺点会是什么？缺陷。

何小鹏 09:53

我觉得每个人 Skilll 的话之后都会发现这个人实际上是有非常多的缺点的。

张小珺 10:00

你的呢？

何小鹏 10:01

当然都有啊。

张小珺 10:03

作为一个CEO，你觉得你今天的 AI 的含量够吗？

何小鹏 10:06

我不知道啊，这个。我觉得在数字世界的很多公司里面，我觉得他可能可以把 AI 的含量放到小百分之几十。我觉得在物理世界不应该，小鹏是一家数万人的企业，我觉得 AI 上面花 15% 到20%，而且我讲的 AI 是一个泛AI，包括了我们的自动驾驶，包括了我们的机器人，我们觉得在这块都是算是 AI 的整个的范畴，我觉得是他足够了。

张小珺 10:36

因为我今天很想跟你讨论一个话题，就是人工智能企业如果在一边，制造业企业在另一边，你的天平应该是怎样的摇摆呢？你在里面会有纠结和拉扯吗？你到底选择做一个 AI 企业，还是做一个制造业汽车企业？

何小鹏 10:52

我还不是这样理解的，抱歉啊。我把汽车认为有几种研发。我觉得第一个是硬件的研发，第二个是软件的研发，而 AI 只是其中的之一，软件之一。我觉得还有一个就是叫制造研发，刚刚小君你所说的。硬件的研发跟制造是两种不同的能力。比如说你有能力设计出一个很漂亮的桌子跟椅子，但是你可能无法制造出来，这是两种不同的能力，实际上是。所以我觉得一个汽车的企业里面，实际上在这四种能力的研发是一个基础，甚至将来可能要到第五种，这是我的看法。

张小珺 11:34

你们去年还在说你们是一个 AI 汽车企业，今年小鹏汽车刚刚完成了改名，叫做小鹏集团，你们说你们是一个物理 AI 企业，这个名字的转化背后的原因是什么？从一个 AI 汽车企业到一个物理 AI 企业，它的变化是什么呢？

何小鹏 11:49

我觉得这个变化刚刚开始啊，还有很多都不能清晰的描述，但是我可以来说一下，比如说在过去的小鹏汽车的前面的 10 年的创业的生涯中间，实际上他都在做核心三个词，六个字，也就是智能电动汽车。所以在过去的 10 年的创业里面，我们做出第一款车，把它量产，卖出第一个 10 万台，做出第二款车等等，它会进入这样的一个循环。

何小鹏 12:19

但实际上在 12 年前，也就是小鹏汽车创业的时候， 2014 年。基本上没有人相信智能化，但是也有少数人相信电动化，更多人相信汽车是个大生意，实际上是。那么在 2025 年，也就是去年的时候呢，所有人都相信了电动化是未来，因为大家看到的中国，看到的全球在新能源上的一个变化。那么在过去的数年里面，实际上智能化虽然发展的非常的快，在汽车领域，但实际上我认为也发展的非常的不尽人意，因为。

何小鹏 12:58

从。更早年就有很多的公司，从丰田到Google，到中国的百度，海外的做汽车的特斯拉跟中国的小鹏等，我们都在自动辅助驾驶做了很多的事情。某种角度我觉得是，他做到了效果，但是没有足够的高度。也就是说，那个时候我认为还是 AI 的算法，加上软件的规则。的能力的组合，我把它细称为叫缝合怪。对。实际上不是用整个 AI 驱动来设计集成，也不是用整个 AI 的模型的能力。去来构建这个体系的，就是还是以软件为主的逻辑。

何小鹏 13:37

小鹏呢，在去年我们觉得也碰到了一个非常大的变化，就是说我们当时同时在做两代的新的自动辅助驾驶，我们所以在内部叫 VAA 的第一代， VAA 的第二代。像 VAA 的第一代，实际上是在过去的端到端的领域里面，把它放大，把模型放大，把软件的规则降低，把使用的场景跟范围变强，增强了后端的能力，例如强化。例如后训练，这是一种方向。但实际上另外一种方向就是说，我如何抛弃掉原来那一个端到端的逻辑，实际上是用一个更大的 Foundation model。在更多的思考如何去把自动驾驶的上限先打开。

何小鹏 14:25

再去收敛下限。实际上收敛下限就是说少错误，按照你的约定，按照你的期待去能够行动，能去运动。但是实际上它的泛化能力是有很多地方是做的很差的。比如说举例，在今天。就没有一家自动驾驶公司的。软件能够在地下停车场能够很流畅的开，所有的停车场开的都是叫记忆辅助驾驶，实际上它是开了一次之后，它知道你的停车位在哪里，你的大概的行车路线是什么样的。实际上它对于整个的物理世界的了解度是非常之低的。

张小珺 15:02

就核心还是不够智能。

何小鹏 15:04

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，但是他们可能都在 1000 分左右，就是我，只是一个假设。所以换个角度，在去年差不多就是这个时候吧，我们的另外一代VAA，我觉得是让我打开了一个新的变化，我认为它的上限可能。可以 10 万分到 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，这个时候你的能力是不错的。但是那个时候下限可能只有 100 分，所以它比其他的我们自己的产品的下限上要更低，它的工程的问题，有非常多的问题。

何小鹏 15:45

但是我们最后下了一个非常巨大的赌注，我们就说以前是用软件的工程，用软件的流程，加上 AI 的算法和 AI 的工具，包括刚才您所说的Coding。你可以认为它是在一个业务流还是软件的，在部分重要的工具环节和流程环节是用 AI 的，但是我们认为它是错误的。

张小珺 16:17

这还是缝合，是吗？

何小鹏 16:19

它做出来的软件还是软件。因为你是用软件的方法论使用 AI 的。工具箱做出来是一个更强力的软件，我认为它叫做 AI 缝合怪。所以我们在去年做了巨大的转型跟赌博。我们把以前的那套体系就停下来了。实际上那套体系花了小几十个亿。

张小珺 16:52

去年的什么时间？

何小鹏 16:53

大概就是现在。

张小珺 16:55

原因是什么呀？

何小鹏 16:56

我认为它无法做到无人驾驶，我认为它也不可能让机器人真正的泛化。比如说我们今天到了一个陌生的场馆，机器人可以走过来说，小军你好，坐下来，你说，我就不给你递一杯水了，他说，对，我不需要。我觉得他可能是一个强规则加少数算法使用 AI 的一个能力。那一刻我们判断，自己实际上智能电动汽车，我们所做的期待是一个非常聪明的汽车。但是我们用的方法是永远不会无限聪明。

张小珺 17:34

为什么去年才意识到呢？小鹏已经创业了 11 年了，对吧？你们做智能化也非常的早。

何小鹏 17:40

我觉得绝大部分不是站在物理 AI 的角度去看一个事情的。我觉得我对于数字 AI 能够改变很多东西，我觉得和物理 AI 和改变很多东西是完全两种不同的方法论跟不同的路径的。但是绝大部分人还是以科研的角度去看数字AI，数字 AI 实际上某种角度是用人类的language，物理 AI 不是用人类language，数字 AI 是人类的语言是被高度概括跟浓缩的。没错。所以语言即世界，但是在物理世界，我们每个人每一天看到的数据量根本无法用语言概括描述。还原跟复制，它太大了。

何小鹏 18:26

换一个角度，我们以前在汽车领域里面的一个CEO，很容易用数字世界的AI，了解了之后，觉得，嗯，我好像懂它逻辑了。去把它映射、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真的有多少的有效。因为你要知道，在数字 AI 的市场里面，很多模型就是跑个分、比比分。我觉得在物理而言那是可笑的，因为他不。不光要比上限，比如说跑个分，他还要比下限。

张小珺 19:03

嗯，他要保住下限。

何小鹏 19:04

啊，他还要拼广度，比如说你的品质、你的成本、你的材质、你的细节、你的政策法规的允许度，这全是叫做短板、长板跟窄板。窄板要做宽，短板要做长，长板要做的更长。所以在数字世界里面，核心看的是长板，不太看另外两块板。所以物理世界的CEO，要不然不敢赌，要不然觉得我还有好多块板，我怎么办？我觉得我可能胆子比较大，我在那个时候我也不知道他能不能解短板，能不能让我的窄板变宽。

何小鹏 19:42

我们做了一个巨大的赌注，我们就觉得，我相信物理的AI，换一个思路，换一种流程，底层要换一种组织方式，有可能能够做到不一样的点。所以我们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应用的公司，走的都是完全。不同的道路，所以这也是为什么我觉得 Token 都是应用型的公司，他们所 care 的，我们上早早都不是这个维度。

何小鹏 20:13

因为在以前我做智能电动汽车的时候，我总觉得有一个很痛苦的点，就是无论怎么看，硬件占一个客户所需要的比例都远大过50%。对。我认为在，如果在下一个 10 年，很有可能硬件和软件可能可以过占到50%，所以要用 AI 的方式重新驱动。你的组织，设计你的软硬件的合体。并且获得更大的 AI 的价值。只有这样，可能在新的 10 年里面，软件的综合的表现力、价值，就是用户愿意他为他付费的价值，才会占到，例如一个车或者一个机器人的50%。我觉得这是一个非常大的改变，所以这也是为什么小鹏开始来思考，如何把 Physical Physical 含汽车，也不仅仅只限于汽车和 AI 能够巨大的融合。我们的 AI 实际上。对数字AI，我觉得基本上都是使用啊。比如说 Cloak 非常好，我会用Cloak。如果 Deepseek4 能够在某些方面也非常好，且成本也非常棒，那我就会把那一部分切换过去。我们上做了一个hub，可以很容易的切换。

何小鹏 21:38

但是在PhysicalAI， PhysicalAI 的 model 是不一样的， PhysicalAI 的 data 是不一样的， PhysicalAI 的音法是不一样的，那么它最后出现的效果，如果能够把刚才讲的三块板都能够拼好。有可能做出不一样。这就是我们大概的一个能说的框架吧。再多说就不说了。

张小珺 22:01

去年4月到底发生了什么呀？为什么是去年4月下了一个这么大的赌注？受了什么刺激吗？是。

何小鹏 22:06

没有，实际上就是体验不同的能力了。去年 3 月份，我当时就在思考，为什么所有的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好像凑合可用的自动驾驶。他是对的，但是当他做了一年到两年之后，他就会发现。为了解决很多短板。他限制了他自己的长板，所以他发现他永远做不到 Level four 或者 Level five。这是当时在去年年初的一个想法，就是说，可能这条路是一条捷径，但是不是一条大道，是一条小路。那我们要找到一条大道，真正能做到， maybe 刚才所说的 50: 50 的硬件加软件的value。我讲的这个 value 不是技术人员思考的，是客户愿意为此买单的。

何小鹏 22:56

用户愿意说，我买一个 30 万的车，其中 15 万算你的硬件， 15 万算你的软件的综合能力，有没有这样的车？现在没有。但是我觉得一定在这个十年会变化，所以像物理的变化和像 AI 的变化，重新的思考，我觉得是一个非常重要的点。所以这一次我们小鹏在新的十年里面，大家会看到，我觉得智能电动汽车可能我们继续会提，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，并且我们所有所思考的企业的，从规划，应该叫做所有从战略的规划。到研发的过程都会逐步的来进行调整。

张小珺 23:39

去年三四月份有哪个标志性的会议吗？在公司内部，你下了这个非常大的赌注。去年上半年应该属于小鹏的销量回暖的时候，是吗？开始更多的思考下一个 10 年的方向。

何小鹏 23:52

我觉得没有一个会议，基本上在脑袋里面拍，全力以赴，我觉得大概在去年的三季度末。实际上三季度末我们做了一个非常大的动作，是我们把整个的自动驾驶中心，核心的组织架构全改了，每一个时间窗口期。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，想用最新的工具跟技术去做出更好的东西。我觉得大部分时候这是对的，但有很多时候你的工作方法论都得改，所以我觉得调整方法论，调整mindset。

张小珺 24:32

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一个非常标志性的会议，或者一个节点。但在你脑子里形成这个决策之后，你紧接着做了什么呢？就是你所谓的这个 AI 驱动的组织，用 AI 来做设计，软硬件的一体化，紧接着要做什么呢？对于这么大的一个组织来说。你能不能把你的步骤跟我们分享一下？

何小鹏 24:55

对，这些都不能说，抱歉。这就是我们正在做的，当然也是分阶段做的事情，但是我只能告诉大家，在不同的业务要有不同的节奏，相同的业务也核心是能跟组，干部跟组织的问题，实际上它是一个非常困难的事情。

张小珺 25:12

为什么一定要 AI 驱动呢？就之前的惯性会导致什么呢？

何小鹏 25:16

实际上你只是在软件的逻辑里面去做一个更复杂的缝合怪，就像你修一个房子。你会有更多的材料，更多的工艺，用 AI 的。但是他还是修一个老的房子的方法论，他修出来的还是一个原来的房子，只是可能修得更快一点。我们想要的是不一样的东西，有很多不一样东西的最基础的时候，是大家要看到，所以他才相信。但是作为企业的CEO，我觉得是，有时候你要相信，过程中间部分的节点让大家看到，因为可以提高信心，可以提高领导力。有很多时候是因为你相信去做布局，但作为一家小型的公司跟一家大型的公司是不一样的。小鹏汽车虽然是一家创业公司，但是从。规模角度，就人员规模角度，已经不算小了，数万人。所以如何把这样的人分节奏去做，我觉得是有非常不一样的这样的一个行为的。我很难在物理 AI 上对于规划组织来做分享，所以刚才这也是为什么，你问我问题，我都说我没法答的问题。第一，我们在尝试，在testing。第二，任何的规划跟目标都是不会对外分享的。

何小鹏 26:24

为什么有很多事情不需要讨论？因为很难有一个人准确的可以跟你讨论，你只能去听了很多人的想法意见，他们可能大部分是错的，因为他们都不是。从全局角度去给你的建议，都是从某个角度，但全局是自己把握的，各个角度是不同的朋友和自己的思考逻辑论，你要把它汇聚起来，最后你还要下赌注，就像创业一样。

张小珺 26:48

我听说你在过去三年变得更敢赌了，是吗？

何小鹏 26:52

那也不是，我觉得只是有很多时候呢，知道如果当你要下注的时候，早点下会更好，倒并不是更敢赌了。 2022 年底吧，当时小鹏碰到了很多挑战的时候，当时给了自己有两个想法，跟赌都有关系啊，第一个就叫绝不服输。

张小珺 27:14

绝不服输。

何小鹏 27:15

第二个是愿赌服输。实际上你如果把这两条都能够比较好的放在一起去平衡它，意味着即使面对巨大的困难，你都要坚持，也许你再努一把力它就过了。但是你要把心态做的非常好，就像刚才我所说的，当我把第二代VAA，我认为应该把它放大，并且最后坚定的把第一代 VI 甚至都完全停止它，从业务到技术，甚至到组织，那么是一个巨大的心理上。跟物质上的双重压力啊，你在这个时候。你越犹豫，越等待，越想观察，越想再说过 6 个月，你有可能越难成功。所以在这个里面的度量的判断，真的是非常有意思的一个点。但是我相信再过几年，等我们更好的成功，也许再来讲。

何小鹏 28:09

我觉得在今天的过程中间，这个第一，每家公司走的是各自的道路，它是不能复制的。所以我觉得今天中国说学 A 公司，学 B 公司，我觉得都是错误的。以我们今天的规模来看，要分析思考。找到一条适合自己的道路是最重要的。第二个数字 AI 里面。所做的所有的事情，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，仅仅是从一个数字世界去分析物理世界的定律规律，去做一个物理世界的AI，我觉得它还是一个窄义的物理世界，这个物理世界还有很多是跟人相关的事情。

何小鹏 29:02

人跟人相关的物理世界的环境、法规，最后还有商业，它形成了一一个事情，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，但如果你从工程角度，甚至跳到从产品角度，再跳到商品角度，再跳到规模的商品角度，你就必须去思考的要更广更深，而不是仅仅是两到三块长板的逻辑。所以这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 的CEO。他们都不会告诉你，他们在 AI 里面转型的思考逻辑的。因为不知道能不能成功，第二，不会分享给大家。

张小珺 29:45

但是这是今天大家面临的一个普遍的问题，对吗？就是我们一定得转型。

何小鹏 29:52

我不完全认同这句话。今天数字 AI 在哪些方面可以得到好的转型？哪些方面不用？对一家大的企业，如果1万人或者5万人，转型晚 3 天，可能成功概率提高了15%。对一家微型公司，他今天如果用同质化的方法论，同质化的组织。他没有变化。他可以去读。因为他小，而且今天的 AI 能够去帮助我们的，无外乎三种。第一种我觉得就是简单的分析师，就是现在我有很多地方我已经不用分析师了， AI 在帮我分析。第二个简单的程序员。第三个简单的设计组，实际上他还是辅助为主，提高了效率，提高了效能，他并没有取代，他更没有超大规模的协同效应，他根本还没到达。所以换个角度，对于这三个方向的小微型公司。我觉得适合度更高，速度应该更快。对于跟这三个方向不相关的，可能再晚一点。

何小鹏 31:02

而对于物理AI，今天大家根本都没有想清楚物理 AI 世界是什么岗位？刚才我讲的是三个岗位。是什么岗位最容易跟最优先在什么地方落地？绝大部分我看到的讲颠覆这个世界，用 AI 来去提高效率的，根本没有概念。所以我自己认为是，从某些角度它是对的。从某一角度，它是完全没有逻辑论的。我们尚觉得物理世界有很多的岗位都会变化，远超过数字世界。因为在这个世界上原来，如果说 360 行有 36000 个不同的岗，我们觉得在数字世界的岗是相对有限的。那很多人会不，不是这样的判断，很多人说，会白领不是比蓝领的岗位更多吗？白领有很多也是在跟数字世界和物理世界交融的岗位，实际上是。某种角度，我觉得今天。我们如果看物理世界，假设啊，我先来说， Google 下注自动驾驶是 2009 年，到了现在 17 年。我觉得 Waymo 是一个既好又很不好的解决方案。

张小珺 32:15

为什么？

何小鹏 32:16

好是我认为它的技术能力不错，我觉得它很难全球化，我觉得在过去的时间里面， Level 4 的技术，它天然就是一个更高级的缝合怪，它很难在 AI 里面做到极其高强度的泛化，我认为它不是一个。极度聪明的方法论。当然了， Google 现在在新的大模型里面做了很多的事情。我认为在将来可能会他们会变化，但是目前我并没有看到。所以换个角度，我只是想举这个例子，就是说即使是让司机更轻松、更安全、更快捷地开车，我们每个人都是司机，就光这个事情做了 17 年，没有一家公司能够做的奇好。

何小鹏 33:00

好，换个角度，很多很小型的公司，几条枪，十几个人，就说我要用 AI coding 去改变。我自己觉得是，他们完全低估了物理世界改变的多样性跟复合性。就像我们最开始从移动互联网冲到汽车行业，都觉得我把一个事情做到极致，再极致一点就很好了。no，因为你考虑的维度不对。它是一个物理的维度，你是一个数字的维度，你在数字维度做到极致，它的价值点可能极小。

张小珺 33:34

你在去年下这个关键赌注的时候，公司内部有负面的声音吗？有反对的声音吗？

何小鹏 33:38

那肯定的，我觉得大部分的非 AI 的主管。是觉得你不管做 A 还是B，可能都错了。因为那个时候他们对 AI 的认知不够强烈。我觉得大部分跟 AI 相关的主管，有些人觉得yes，有些人觉得no，但大部分是属于中间态，就是不确认它是不是一个好的节奏。不确认这是不是能够做到一个落地的效果。实际上那个时候连我都是一样，但是这就是创业的乐趣啊。每个人的创业不就是在你当时的能力上赌你 10 倍到 1000 倍的可能性吗？如果你要赌 1000 倍，对不起，你的概率是1，如果是 10 倍，你的成功概率可能是 1/ 10。所以就像创业最初始的赌注一样，随着你的创业的规模变大，你一样需要去赌，只是说那个时候你不应该赌 1000 倍的概率论，你可能是赌数倍到 10 倍之间。

张小珺 34:34

你听过最大的反对声是什么样的？

何小鹏 34:37

我觉得最大的反对声音就是有很多用脚投票。

张小珺 34:42

怎么说？

何小鹏 34:44

用脚投票的意思就非常简单，他们不相信这个事情，他们觉得做不到，他就离开了。去做其他的事情。在今天我觉得是，在一个企业里面，我觉得对于组织的思考，切记不要小刀砍大树，慢慢砍。想清楚了，砍掉它。所以在某些上面你就敢下注，从组织到流程，到方向，全部改。

张小珺 35:15

全部改。

何小鹏 35:16

对。

张小珺 35:17

所以去年动刀子动的是很大的，对吗？

何小鹏 35:20

对，大家所看到的可能都是最上层的，对。业务层或者应用层，但是内部看到的就是一直到根上面去。所以我一直还是想说，上次如何利用 AI 驱动某些业务是非常之重要，而不是利用硬件去驱动整体的体系。我听到你的很多节目，基本上都在讲数字AI。对。对，就是基本上没有能在一个数万能大量跟现实世界产生强交互的角度去思考AI。我想说的是，把他们的方法论复制到物理AI，我认为有很多的地方是不够适合的。可能有一部分的业务逻辑是对的，但是他们还不够全面跟充分。这是最大的问题。

张小珺 36:07

这个时候我特别想问你的，就是物理 AI 到底应该怎么做呀？在一个成型的组织里去推动它。

何小鹏 36:13

我觉得我说不出来，因为我也在探索中。在我的角度来看，今天 AI 有四个主要的方向，大家要去探索数字上的 AI 怎么变化，我觉得这一块有很多人都在思考跟行动。我觉得第二个就是物理AI，它比数字 AI 可能难 100 倍，但是我觉得2027、 2028 开始，大家会看到物理 AI 的效果。会开始出现类似 ChatGPT 啊，Sora、Pika。等数字 AI 上的巨大的变化，也就是说到底对什么岗位产生了巨大的帮助，甚至长期来看有一定的取代。

何小鹏 36:54

我觉得这是第二个，我觉得第三个就是今天大家没有人真正，我觉得除了 Google 在对人体的AI，把它两个非常好的耦合，因为医药行业是个非常复杂的行业，包括养老，我觉得人体上不光是内部的循环，还有外部的循环。我觉得第四个一个很难的就是企业跟 AI 怎么耦合。实际上部门跟 AI 的耦合，中心跟 AI 耦合都相对简单，但企业是更难。但是我看到现在有很多小型的企业，大概在 1000 人以内的。我觉得他们开始来更多的探索，我觉得这是一个非常好的点，像我们也在不断的观察学习，在合适的时间点一样要做。所以我觉得企业的 AI 今天对于小中大型公司都是一个机会。

张小珺 37:44

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 37:49

对，而且是一个在长期的变革期，技术的变化可能一个月就可以变完了。组织的变化，我讲的是不是一个小型组织啊？首先，如果是一个全球。模化的中型组织，我觉得三年变完都已经是极其可怕的速度了。我甚至认为 5 到 10 年都已经是一个快的速度。

张小珺 38:09

在这样一个技术剧烈变革的时代，你焦虑吗？作为一个CEO。

何小鹏 38:15

当然焦虑。

张小珺 38:16

有多焦虑啊？

何小鹏 38:17

因为你会发现你以前的很多的逻辑论，甚至你逻辑论的底层的，你心目中的定理范式。甚至再往底层，可能甚至到公理层，就是你的价值观、人生观、世界观，你都会觉得，嗯？在这些东西的变化下，好像以前的这一套逻辑不是那么work，但是他该怎么去work？记住，看到问题和解决问题和构建体系去，既有上限又能堵住下限的避免问题，这是三种完全不同的能力级。

何小鹏 38:56

很多人只看到问题，我当年没创业的时候，我也看到无数问题。当你作为一个创业者，你发现有很多问题，它是天然应该存在的。你根本没法解决问题，你是个CEO，你一样解决不了，你是一个更大的一个有权力的人，你都解决不了，因为你看到的问题是世界的问题的某一个角度的某一环而已。所以这是一个非常有趣的话题，所以你刚才讲的焦虑就是，你会不断的重构你的定理，甚至公理。

张小珺 39:28

推翻过过去什么样的公理啊？有什么过去觉得非常坚定相信的，今天觉得它在这个时代下不work。

何小鹏 39:36

我举一个跟这个不相关，但是又有一点点关联的例子吧。比如说，当小鹏做了自动驾驶，做了很多年之后。你越做下去，你越会觉得好像 Level five 永远不会到达。对。因为你觉得用软件在全球所有的场景法规，人机，股票配资，多空杠杆，炒股杠杆配资，双向交易我讲的人机应该叫人机工程的那个人机，就是人跟世界的交互，你会发现它是无限循环的。但是当你真正用 AI 重构这个事情之后，你觉得它可能存在的。好，当它可能存在的时候，你会对于很多的原来的。所谓的壁垒逻辑都会产生新的想法。我只能点到这里了，再不详细说了。

张小珺 40:28

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了，我们先聊聊你们的机器人吧。你们机器人去年在国内外都挺火的，能不能讲讲这个产品是怎么诞生的？我听说你们是在 2023 年 bet 了通用人形机器人的这个方向，对吗？

何小鹏 40:46

算小鹏的机器人算分三个阶段，第一个是 2018 到2020，它是一个独立的团队，那个时候跟中国的很多其他机器人团队是一样的。

张小珺 40:57

是你收购的，对吧？

何小鹏 40:58

对，那时候大概有四五家都在做四足。 2020 年呢到 2023 年是第二个阶段。我们差不多花了三年半到四年之间做了三个不同的MileStone。我觉得是，我觉得这是第二个阶段。在这个里面我们试过很多，我们用基层的方法做基层，用汽车的方法做基层，还中间做了一些缝合的方式做基层，我们都取得了不同的成功跟失败。我觉得在这个里面，到了 2023 年之后，又是一个新的逻辑，就是说。

何小鹏 41:33

当我们在 2022 年看到了这个新的模型，我们觉得机器人原来我们觉得不可能成功大脑，就是没有大脑成功的可能性。因为实际上小脑的复杂度都远高过大家。但今天大家有很多人说在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的行走，我觉得那不是小脑，那是脊椎，或者你的脑干只是保持平衡，你还远远连小脑都不是。他们说那也叫小脑，他说你的运动的小脑，实际上是大脑，OK，anyway。我认为实际上只是不同的统计逻辑吧。

何小鹏 42:09

所以 2023 年之后，小鹏的机器人。重新进入到一个从四足坚定的开始往进入到双足，从不相信大佬，就像当时不相信 Level 5 一样，进入到一个坚定的觉得从大佬去驱动机器人的全新的设计。然后再加上我们在汽车领域里面看到了，技术好不代表产品好，产品的好不代表商品好，商品好不代表你可以 Scale up。因为汽车有一套比较完整的从规划到设计到 ET 到 PT 到 SOP 到 SOD 的一个全的流程，虽然我们。今年年底，我们就期望进入到机器人类似汽车的SOP。

何小鹏 42:51

明年 2027 年很有可能是机器人在高等级机器人上面进入到商业量产的第一个元年，不管是中国还是美国，都会去太，training。我觉得在过去的以运动遥控型的机器人的时代，就会随着高等级机器人出现，会逐渐的适度下行。我觉得会进入的一个差分的阶段，实际上是，实际上所有人都是期望物理AI。中间最核心的代表机器人，它能够帮助人类到底实现什么样的价值？

张小珺 43:24

能干活。

何小鹏 43:25

这个价值在过去是情绪价值。对。情绪价值是有价值的，但是更重要的是物理的价值加上情绪价值的组合。所以我觉得明年是可能开始的元年。

张小珺 43:37

23 年发生了什么，让你从不相信变成相信了？

何小鹏 43:40

23 年是因为我认为在当时，如果我们用一个对机器人非常懂、非常熟悉的团队，没有能力做出一个好的。全新一代的机器人。

张小珺 43:53

当时用了LC。

何小鹏 43:55

我们当时把 300 人的团队，只留了不到 60 个人。我们把它解散了，出去了，听说他们跟我说有 10 个创业的团队，大部分都拿到钱了，现在是，这个像中兴拿了好多轮钱了。我自己认为要去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，但是也不能啥都不懂。

张小珺 44:21

那应该用什么样的人呢？

何小鹏 44:24

我不知道，所以我当时选了另外一个全新的团队。他既懂点AI，又懂点汽车，又懂点工程，又懂点机器人，尝试去来做一个全新思考的机器人的逻辑。

张小珺 44:40

为什么当时选中他呀？

何小鹏 44:41

我觉得有很多时候是命运啊。

张小珺 44:43

你不能说因为他既不是专门做机器人的，他也不是专门做智能驾驶的，所以我选他，对吧？

何小鹏 44:48

那他真都不是。我当时觉得他的象限跟我的思考的象限比较吻合，所以他是我的在象限内思考选择的几个人之一。首先你选择他，他也要选择你呀。他的选反向选择，我认为我觉得可以try。所以我经常看到很多外面集成的 demo 或者演示，或者是video，或者说他们很多还在我们的可能第三代或者第四代的技术站上去做testing。我自己就是说，也许他能成功，但是我是试过了，所以我觉得小鹏在持续的创新里面，我们是非常既有耐心也有勇气。

何小鹏 45:35

去长时间投入，所以今天的有很多基建公司，他很快速做出一个demo，就是nothing，对我来看的话，就像 2017 年的时候，中国那个时候有很多 Level 4 的数据公司。就跟今天机器人一样。是。当然机器人更多了，实际上是，不代表这些技术最终能够看到真正的价值，所以这是一个简单类比吧，因为这个这样的对比也不好。

张小珺 46:02

你选了这个机器人的负责人，他对你后来的选人标准有过任何的影响吗？你觉得这是一个可以沿用的方法吗？因为你讲的这个，我会想到说马斯克他特别喜欢用通才型的人，他不喜欢用那种专家型的人。

何小鹏 46:18

我觉得可能在 Tesla 的硅谷更容易找到更多可选的通才型人吧。我觉得在绝大部分的国家、城市或者行业是很难的。我想说这是第一个。我觉得 LC 他非常注重，他的说法叫人才的密度。我实际上是认为是人才的潜力。他基本上都用最好的人。比如说去年的年底到今年的上半年，我们大概类似三清的博士这样的毕业生，就光一个部门招了接近 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，你要愿意支持他们的长期的探索，你要相信这一群年轻的小伙子或者女孩，他们能够创造奇迹。我认为叫人才的潜力，他认为叫人才的密度，我觉得要用超级聪明的人去做超级困难的事情，而不是说用非常清晰的方向，或者流程，或者工具，去来去锻造。我觉得在某些阶段就是非常对的。

张小珺 47:27

那个时候要 bet 通用人形机器人，你。选择的理由是什么呢？在 23 年，为什么是一定要是通用人型呢？

何小鹏 47:34

我觉得这是每个公司选择的道。对，我觉得我很开心，我跟我的团队 LC 都是一样， LC 比我还 crazy 啊。他一直跟我说，他想是造人，而不是造机器人。就是绝大部分人把一个机器人当做一个商业的产品，但是我认为他没有思考到机器人最终在这个社会，在这个宇宙的参与感，或者跟我们每个人的情绪价值的连接度。就像 2014 年，很多人觉得智能汽车的智能是没有价值的，我觉得站在今天，也有很多人第一不相信通用机器人。会到来。第二也根本不愿意看到，通用机器人也许在 20 年、 50 年以后，会跟人类的各个领域强相关。

何小鹏 48:18

今天刚才我们所讨论的数字AI，只是辅助人类的，可能以 3 个为主的岗位，可能还有数十个很微小的分支岗位。但是物理 AI 可不是这么一点点，可能是它的数十倍到数百倍的规模。每个人都会变老啊，我算对机器人里面一个很重要点是，机器人对老人。的将来，我觉得是绝对最重要的两个因素，我觉得第一个因素就是人体AI，如何让老人不生病？更长寿、更开心。第二个，我觉得在物理 AI 上，机器人对老人的影响度会非常大，老人很有可能把机器人作为他唯一的依赖。我觉得极少有人会这样思考吧，我觉得小鹏的机器人的思考道路跟很多公司是不一样。

张小珺 49:03

去年那波爆炸性的讨论，有出乎你的意料吗？你当时还挺委屈的。

何小鹏 49:08

对，我们是没有想到，我们实际上想法非常的技术化，因为去年那款机器人是我们前年。一季度开始去做的，对我们来说它只是我们的一个中间版本，这个中间版本我们只是想认证，如果一个机器人有人这么多的关节，像我们这关节还是比人少很多啊，人应该有 200 多个关节，且还有肌肉，且还有皮肤。

何小鹏 49:32

我可以告诉大家，今天我们看到的很多机器人，他们的对外的行走，如果他上有肌肉跟皮肤之后，他的行走的效果会极大幅度的变化跟缩减，因为这是完全不一样的事情。换个角度，我们只是想。去探索一下，如果在这样的情况下，它是不是能够更容易的进入到我们的生活，或者我们的工作情绪中间。

何小鹏 49:55

我举一个例子吧，比如说我们以前做的四足机器人，做过狗，做过马，不管是这四足的是个什么，它进到你的房间它都不行。如果你让一个大概长度有 1 米 1 到 1 米 2 左右的一只机器狗进到你的房间，你的房间很快出了很多问题。比如说它在你的床头柜那里，它无法原地掉头。如果你家里有一只金毛，它在掉头的时候，它的尾巴，它的。

张小珺 50:26

会往上动一下。

何小鹏 50:28

它会抬起。而且它会刮到墙跟你的床，你不会觉得它会受伤，你也不会觉得你的床会受伤。但是一只机器狗，它 100% 会让你们两个都觉得受伤。

张小珺 50:40

那狗做小一点呢？

何小鹏 50:41

如果它做的非常的小，它的能力级就非常的差，它就是轻度陪伴。还有一个问题是续航特别短，那么这是第一个，第二个我再说一个，如果是一个双足的机器人。全身有了盔甲，很威武， 1 米8。好。今天，你即使跟它一起，你是它的设计者，你也不愿意跟它只隔了 1 厘米行走。

张小珺 51:07

有压迫感。

何小鹏 51:08

你觉得它可能危险，你觉得它可能会很烫，你觉得它身上可能有电，你觉得它身上可能很脏，反正有各种各样的原因，你会跟它保持距离感。如果连我们这样的成年人都会，那如果老人跟小朋友会怎么办？他在社会上的安全跟法律法规该怎么去解决？在工业版的机器人可以做成这样的一个逻辑。因为它本身就不是在家庭或者商业里面去，所以很多人在工业版机器人里面去，他说我避开了A、B、 C 的问题，刚才我讲的都是A、B、 C 的问题。但是工业版机器人商引发了一个新的问题，就是手部的能力要很强，它会引量一个低的新问题。

何小鹏 51:49

我还是回过头来说，在未来的时间，机器人如果走入到人类社会，在很多岗位，如果对基础蓝领跟基础白领都会产生价值，它一定要走入我们的身边，所以我们选了一条很难的道。所以我自己来看，今天中国的很多机器人公司，无论在质量安全，包括最近的运动会，可以看到，就光一个热管理就会出现一个这么有趣的现象。还是在大脑的思考逻辑，还是在它如何进入到真正的物理 AI 的思考逻辑？我觉得可能我们在两三年前都已经看到了，并且在做调整。但是我们选了一条很痛苦的道路是。这条道路你看得越深，你越难实现。

张小珺 52:40

为什么不做一些中间态啊？

何小鹏 52:42

我觉得我们已经在做中间态了。我们的中间态只是说，如果你想把基臣真正可以简单的泛化带入到这个人间，我们已经是在选择最容易做的中间态了。

张小珺 52:56

这人应该多高？

何小鹏 52:58

你看我们现在这一代的基臣，大概在 1 米 69 到 1 米 70 之间。

张小珺 53:03

他要让男生和女生都比较舒适的身高。

何小鹏 53:06

是的，而且他要可以穿衣服，他甚至有头发，但是他不能有自己的脸。他必须要跟人要有一定的差距。

张小珺 53:15

为什么不能有自己的脸？

何小鹏 53:17

有一些是恐怖谷效应，也有些是其他的法律和社会的学的效应。所以实际上现在大家所看到的。小鹏机器人和小鹏正在做的机器人还是有蛮大的差别。我觉得都等到今年的下半年吧，我期待我们在一个很深度的思考，做的一个最简单的中间态，用全公司之力，全小鹏公司之力能够做的好，这是现在的一个情况。

张小珺 53:43

去年的发布会，你说你很纠结要不要证明这里面是不是真人，要不要剪开给大家看？你为什么要纠结啊？在纠结什么？

何小鹏 53:49

我倒不纠结，我的团队很纠结。我认为就是马上就应该说，我的团队说。你越说，大部分人越会觉得你是有问题的，因为你会觉得清者自清，浊者自浊，这是一种团队的看法。第二种团队看法说，可以再观察，等个 24 小时，再看一下该不该说。我等了几个小时，我已经受不了了，我说在中国，在全球，好多地方都在讨论这个事情。就是它已经扩散的速度非常的快，我说当 24 个小时之后，可能这个子弹已经不知道飞到哪去了，非常简单，因为我们在旁边的开发使用。的人，我们都知道他绝对不是一个人。说实话，那一个集成也是一样，它的热管理是有问题的。它很烫，但是它只是我们中间的一个 milestone 而已。对，我们上知道后面的版本会很好，所以我当时的纠结是我如何让内部能够齐心？因为内部很多人是觉得可以不说，因为我们自己知道就觉得，但实际上这个世界上 99.99% 的人，他是没有办法跟他 touch 到的。我记得当天晚上是我给我们的团队电话，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，在早上临时加了一个事情，这个事情之后，的确有了，有些人相信，也有更多人反而不相信，后来我们就再做了一场，但是速度是非常快的。

张小珺 55:19

为什么选择剪这个方式？

何小鹏 55:21

因为网上有非常多的人呢，有各种各样的方法说，如果你是A，你肯定是因为这样的原因，是一个真人，你如果是B，可能是那个原因。我们觉得最容易的就是把他的腿，而且是左腿，因为左腿是大家可以看到他，从左往右走路嘛，左腿是最容易看到的，这个是一个。真的机器人。所以我们当时做了这样一个动作。

元股证券:ygzq.hk

张小珺 55:46

去年那个爆炸性的舆论给你带来了什么信号呢？在机器人的研发上。

何小鹏 55:51

我觉得有非常多有趣的结果，我们后来去看了中国的很多社交媒体，他们对这个机器人的价值的认同感，绝大部分年轻人都期望进到家庭帮他干活。我认识的不在社交网站上发帖的中年以上的男人和女人。就是跟我这个岁数，甚至比我还大的，很多人在考虑等他老了之后，这个机器人有什么用？我觉得这是非常不同的，就是在以前没有经过这么大的观点，它是没有这么大的 data 的。我自己觉得这都是不同的视角去看的一个事情，对。

张小珺 56:33

有改变你们这款机器人的走向和流程吗？

何小鹏 56:36

我觉得它是加速了，实际上在机器人行业里面有非常多的非常优秀的人都加入小鹏。机器人是一个跟汽车创业有个非常非常大不同的，这个我现在还不能跟你分享，我觉得过个三四年，等很多很多公司都踩了坑之后，大家会看到。

张小珺 56:55

不同是什么？

何小鹏 56:56

我觉得就是再过 30 年之后，你会看到机器人的竞争。会陷入到一种什么样的状态？小鹏的集成踩了好多好多的坑，它不是你理解就能够避开的，它是真正你踩上去之后你才知道它的整个逻辑。所以集成创业，我甚至认为远超汽车的创业的难度。汽车的创业已经很难了，我个人来看，集成的创业大概是汽车公司创业难度的 20 到 100 倍。你看我还给了一个最低 20 倍，所以我自己的认为就是，即使以小鹏的能力，去年年底出现了这次集成的营销之后，我觉得都让我们成功概率提高了一点点。我觉得是非常之好的，有价值的。所以我还是想说，这个事情的挑战对于每家公司，包括我们自己，都是非常有趣，但是也非常大的挑战。

张小珺 57:46

今天机器人公司太多了，我觉得远超于当年你们造车时候的新成立的车企，你觉得呢？数量上。

何小鹏 57:54

当年造车的时候有统计，最多的时候 300 多家，但是呢，我自己感觉就 100 来家。可能有很多家都是胎死腹中的吧，我怀疑。我觉得机器人公司现在已经成立的，据说就 200 多家，实际上可能比当年汽车公司 double 了。但是我自己还是想说的，机器人跟汽车不一样，因为汽车里面的分类可能是乘用车，举例啊，新能源车、商用车或者专用车或者微型车，你看这是分类吧？我觉得机器人的分类远不止这么七八个分类，机器人可能有无数的分类，比如说做医疗的机器人。

何小鹏 58:32

对。机器人的体系里面做专门的货运的机器人，或者货检的机器人，我觉得都是可能有，而且机器人的逻辑里面有一个非常有趣的特点，我认为机器人有很多机器人不需要是人形的。这个我也很认同。只是说我们选了一个最像人的人形机器人，我们选了一条这个道路，所以在这条道路上我们小鹏在走，但是有很多条道路，我认为也能走出差异化和商业化，所以换一个角度，我觉得今天的机器人公司，我自己觉得如果走通用人形机器人， 99.99 会死掉，但是走各种差异机器人，我觉得这个世界上可能有非常多的解法。

张小珺 59:14

哦，那机器人的胜率还挺高。

何小鹏 59:16

我觉得比乘用车高。这是我的看法。

张小珺 59:19

那你们为什么要选一个这么难的，最难的那条路呢？

何小鹏 59:22

你想做什么？你有能力做什么？你觉得该不该做？你不做什么？和你觉得你如何做到有最好的概率论？你把这 5 个能力组合，不就是你的企业或者产品战略？

张小珺 59:35

在你看来，通用人形机器人，你的对手是谁？

何小鹏 59:38

我觉得通用人形机器人现在没有对手，全都是自己。因为每一家做机器人公司，最重要要让自己的能力最强。你自己能力，从底层就是组织嘛，再往上就是英法嘛，再往上你的整个的。体系，包括了技术、产品、商品的体系能力，然后再往上是你的工程。

张小珺 59:57

我觉得去年你们机器人让非常出圈的一个核心原因是因为它做的非常的拟人，你觉得这背后的最关键的一些技术的 BAT 是什么呀？以及它是在什么时间做的呀？

何小鹏 01:00:07

对，我可以讲一小部分呢，比如说举例，我觉得绝大部分人都低估了在机器人的运动控制，实际上在汽车领域里面，运动控制是一个很多人在过去的 100 多年里面都觉得已经解的事情，所以很多乘用车的公司去做汽车，他们都是买谁谁谁的运动控制的能力，去进行组合集成。机器人在过去的时间可能来自于 2018 年某些开源的运动控制， MPC 啊等等这样的一些事情。

何小鹏 01:00:38

所以他们为什么看起来有很多的共事性？我觉得最终的一个集成，真正要做好了，他应该完全比汽车的下下代还要能够做的更好，因为汽车实际上是由不同的控制域去做单点控制，它的整体上是没有全协同的，它只是说它把边界做到极好。所以他把他分工能够分好，你做A，我做B，我们两个有清晰的边界。

何小鹏 01:01:07

但实际上，比如说举一个例子，如果一个自动驾驶的汽车，在左轮胎是雪地，右轮胎是草地的情况下，要转一个 47 度 5 的弯，该怎么转？这个对人都很难，因为你左边是雪地，右边是草地的粘着力，你整个四轮的控制，整个运动的平衡，整个时延的管理，如果刚好转弯的时候，前面有车，左边有人，是极其容易滑车就追尾上去了。

何小鹏 01:01:43

所以汽车今天的运动控制，我想说的是，是非常好，但是还远远还没做到足够的全能，就是还有很大的提高空间的。如果把机器人来说的话，机器人还处于可能一九，我都不知道是一九几几年的汽车，可能一九三几年，一九二几年的汽车，以 maybe 在那个时候可能是梯制梯形车那个时代。

张小珺 01:02:06

今天梯形车有了吗？在机器人里。

何小鹏 01:02:08

我觉得梯形车在机器人里面肯定还没有，但是我觉得我只是说从底盘运动控制角度。也许还是属于那一代。回到你刚才的问题，我觉得是要有一个全姿态拟人，能够全 AI 组合的运动控制是极其困难。比如说举一个例子，今天你看的所有的机器人，它要不然是走，要不然是打架，它的两种运动控制可能是要调节的。你说你要有五种运动控制，没了。你要有，实际上对一个人，一个人有 200 多种关节，它的组合是无限循环。就像我现在是两个拳头一样，而且他还有表情包，手眼脚，你的灵魂跟情绪的协同。

何小鹏 01:02:57

所以我自己觉得就是，我们实际上在运动控制领域里面，是非常期望像人一样去思考全部的运动，如何能够用 AI 来控制，而不是用软件控制。而且这个控制如何能做到平衡？就是像人的本能一样，当一个人学会走路，学会跑步，他是有本能能力的。当他看到一个地面，可能是有一个雪地或加上草地，他会甚至试探的走一下，来感受一下摩擦力和整个的体感，可能是一个有开水和一个有冰水的两块地，同时两个脚在走。

何小鹏 01:03:38

所以在机器人领域里面，就是要去对这样的各种情况都要去做思考，来去思考运动控制。所以我我上次觉得小鹏可能的运动控制有点像汽车的下下代，所以这也是某种角度，为什么我们认为绝大部分机器人还是在。很多年前的运动控制的汽车上面去。所以他自然只能用软件去来去缝合他，他自然他很难做出好的机器人的综合能力。

张小珺 01:04:08

机器人对于小鹏来说意味着什么呀？他是小鹏的远方？

何小鹏 01:04:12

我不是这样认为，我们觉得小鹏新的十年有三条曲线吧，第一条曲线是汽车，把汽车干到完全的智能体。我觉得第二个是机器人，机器人本身就是智能体，实际上汽车还在证明，也许要花 10 年证明软件能力占50%。但是我觉得机器人不用证明。如果一个机器人软件能力很差，你基本上不会要它。当然了，硬件能力很差，你也不会用。这个，我觉得第三条曲线我们是弄为全球化。

何小鹏 01:04:41

实际上机器人跟汽车有一个很大的不同，绝大部分人都忽视了，就是说一旦机器人有能力规模化，它的规模化的速度会远超过汽车。汽车在过去的 100 多年里面是逐步逐步规模化的，因为它有道路要建设，第二有交通法规要建设，第三个量产的难度很高。就比如说你今天做了一个特别好的车。一天卖了 10 万台，对不起，你没有能力下个月造出 10 万台。另外你也不敢过了三个月真造出一个月 10 万台，因为你不知道。后面能不能卖出 10 万台？这是汽车的一个本身的规律。

何小鹏 01:05:20

但是我觉得机器人不一样，机器人有可能做的特别好，在某一个点，我记住是一个点，不是一个面，我觉得它是有可能会有非常大的爆炸效应。就像我认为去年最大的在数字AI，就是 Soroban 的Coding。就是非常短的时间，就是大概不到 18 个月，从前年的下半年到去年年底就有巨大的变化。我自己认为机器人也有可能性，虽然比它慢，因为它还是一个数字世界和一个物理世界，但是还是有可能的。

张小珺 01:05:50

对。它会比汽车还慢吗？

何小鹏 01:05:52

我觉得机器人如果能够软件能力到达，硬件的速度会远超汽车。当然了，换个角度，因为晓光是一家汽车厂商，我们做机器人跟很多公司做机器人，我们是 80% 的硬件都自研。我们手啊、芯片呢、关节我们都参与自研。只是说我们跟，可能跟很多公司的合作， T1 是我们，我们可能跟他的更上游的 T2 合作，只有这样的话，你才能够把质量和规模做好。

张小珺 01:06:22

今年下半年你们要量产吗？你觉得现在难点是什么？

何小鹏 01:06:25

有很多点吧，我觉得是，硬件上能不能做到相当的可靠跟稳定。我觉得第二个就是高等级的多个大模型能不能可以很好的拟合？我觉得第三个实际上还有一个很难的是商业化能不能证明？实际上机器人都是无数个坑，所以为什么说它比汽车难的多？汽车你只要造出来，假设没有竞品，假设有用户需要，你一定相信它是个可以卖出去的东西，但是机器人你不敢说。

张小珺 01:06:53

嗯，机器人还没有被定义清楚到今天。

何小鹏 01:06:56

市市场也在等待，市场等待就是你有没有一个类似 maybe 像 iPhone 4 一样的手机？出现，但是我相信第一款商业量产的机器人，我认为还达不到 iPhone one，但是 iPhone one 毕竟是一个工具，它可以取代，因为在那个时年代还有很多其他的手机工具，有诺基亚、有摩托罗拉、有索尼爱立信，但是机器人有可能出来的时候，很多人都没有做到类似的东西，我觉得，所以它又是一个不是完全可比的事情。

张小珺 01:07:32

你觉得你的胜率有多大？这么长期的一个战役中。

何小鹏 01:07:35

那要看你的目标有多大，才能知道你的胜率有多大。我觉得我自己的觉得是，我们大概有个两成。

张小珺 01:07:46

两成。

何小鹏 01:07:46

的胜率，我觉得这已经是我看到中国企业里面，我自己认为是最高的胜率。

张小珺 01:07:52

你前天还在跟我说造车像在血海里游泳，那做机器人呢？

何小鹏 01:07:57

现在还没进入血海，血海还在前面，但是我觉得机器人有一个很大的不同，就是机器人里面的 AI 所占的能力很强，而原来在血海里面的游泳的那一群跟你一起游泳的人，实际上绝大部分人都不太懂AI。今天在汽车行业里面，很多人说，因为我不懂软件，所以我找一个好的T1，在汽车里面是 work 的。在机器人里面是不 work 的，所以机器人的血海就像当年的互联网竞争一样，会很快从血海到蓝海。就它的进展的速度会极快啊。

张小珺 01:08:32

刚才我们说的是机器人，那今年你们也会发多款新车，包括你们的GX，我们要不要聊聊你这个产品？

何小鹏 01:08:38

对， GX 是小鹏再一次做高端，对，这也是我们第一次做一款全尺寸六座的。大SUV，也就是我们旗舰叫做旗舰SUV。非常有趣啊，今年的北京车展大概有 30 款这样的全新的全尺寸，我自己的，在我的脑袋里面大概有几款吧。小鹏实际上在这个里面做的有很多的跟他们的差别，我觉得我们第一次是在思考我们如何把汽车、飞行汽车跟机器人的很多能力在这一代新的智能汽车里面把它贯通起来了。我举一个例子吧，我们把飞行汽车里面的飞行的核心零部件冗余。带到了这一款车里面去。当然了，这一款 GX 我认为是全中国第一个整车厂做了一个前装的Robotaxi，所以它有 8 个全安全冗余。也就是说你开到野外去，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。它就像飞机一样，它允许你有冗余。

何小鹏 01:09:46

我觉得第二个，比如说举例，我们把汽车的线控底盘跟我们新的 EEA 体系，跟我们的 VAA 的自动驾驶关联起来。它可以使。新的底盘能够在 VIA 的执行过程中间提高下限，也就是说安全级别更高，时延更短，控制的灵敏度可以提高接近百分之好几十，实际上是。

何小鹏 01:10:11

这是我们比如说举的一个例子，那么第三个很快了，我们把机器人里面的思考，就机器人是要听一个任务，比如说小军说，你帮我拿瓶水。那这是一个任务，他首先要判断你是谁，你不是我主人，我不听你话。水在哪里？你要喝什么水？拿完水之后去哪里拿？怎么给你等一系列的这个事情。

何小鹏 01:10:32

汽车在未来不远的将来就会看到，所以今天我们对外没有去讲这个。太多，实际上它是本身是来源于机器人，当然它还来源于我们很多从汽车上的能力了，比如说举例，这个车它的第三排空间可以完全的推平，变成一个两排车，或者变成一个 2.5 排车，我们叫做四座、五座、六座都可以去坐的车。所以实际上你会看到它是把小鹏的自己的很多能力，分汽车的很多能力，集成的能力，上次做了一个非常有趣的融合，然后也加上了我们很多我们合作伙伴，比如说我们跟福耀玻璃做了隐私玻璃，我们跟美的做了新一代的车载的冰箱，我觉得有特别多的。很有趣的能力的组合，所以实际上我们上一直都觉得，做一个外表很大，有一部分好看，内饰很粗糙，细节不用固化，拼凑了很多能力的车，我觉得是，那是叫血海，某种角度，实际上在车展里面看的特别多的这样车。但是你怎么能够，就能做成不一样呢？它需要一个全维度级。

何小鹏 01:11:46

每一个点，有的人说我这个点是 60 分，那个点是 80 分，还有个点是85，你可能你最差的点是80，然后还有更多的 90 分跟95，你才有可能在这个战争中间胜出。所以这是一个非常有趣的一个事情。

张小珺 01:12:02

这个价格是怎么定的？开始就想好了，还是最后定的？

何小鹏 01:12:05

没有车在一开始就想清楚了一个逻辑。它一定都是一个规划，这个规划取决于你期望吃掉一个什么市场。你期望这个市场有什么样的规模？期望有什么样的利润？另外在这个市场里面可能会有什么样的市场的player？我觉得大概这几点吧，而且现在是个预售，应该5月 21 号，我们会正式的发布，发布会上会看到我们更清晰的配置跟价。

张小珺 01:12:32

担不担心重蹈旧旧的覆辙？

何小鹏 01:12:35

我不担心，因为那个时候的思考跟逻辑跟这个时候是思考逻辑，我觉得差别非常的大，特别多的东西，从过几年来看，如果你的能力到达一个更高的维度。你大概率你都可以分析出来以前的问题在哪，以及大概率认为现在的问题在哪，我认为是。而且我们到了今天，不会是一个像以前一样，当你的体系能力越强，你越难在某一两个点上弄轻松的失败。

张小珺 01:13:05

你个人说你也挺喜欢这款车的，并且你希望是给朋友造的一款车，这都是一群什么样的人啊？你的目标画像是谁？

何小鹏 01:13:12

我觉得 30 岁以上，比较勇敢，很多人做的很好。有的是创业者，有的是好的经理人员。好多的专业人员，他们愿意探索新的科技，体验新的科技的豪华，跟我们蔚来比较相近的逻辑，我觉得他是我们的第一批的用户。所以我们这款车实际上更期望是用面向家庭的科技豪华。

张小珺 01:13:42

你开出去朋友有什么反馈吗？

何小鹏 01:13:44

我的朋友圈很多人很喜欢，像明天我在北京有一群的朋友都约着一起来看一下我们的车，然后很多人跟我说，他说小鹏，你们早就应该做一款这么大的车了。他说虽然我跟我的家人虽然很想去用一款大车，然后他们可能在过去的时间有人开过，有人坐过小鹏其他车，实际上他们都很期待有一款更大的车满足他们的需求。

张小珺 01:14:07

怎么面对跟理想的竞争？

何小鹏 01:14:08

我觉得我们跟每一家都是友商，也都是同盟者，也可能是竞争者。今天我还跟李想去他的展台去看了一下。新的 L9 也是非常不错的车，我相信。昨天我去了李斌那里看了ES9，我觉得蔚小理在大九系这一次会都会给出各自不同的看法跟认知。

张小珺 01:14:32

你有从 G9 上复盘到什么，然后用到这一代车型里吗？

何小鹏 01:14:36

我觉得太多了，我们的组织也调整了，产品的规划也调整了。我们的。对客户的认知也调整了，对商业的逻辑也调整了，我觉得太多了，真的是，这已经隔了 3 年半了吧，从 2022 年底到现在，我觉得太多了。

张小珺 01:14:55

这么自信？

何小鹏 01:14:56

就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的、人性的、经营的大集成体系，所以为什么他说是制造的明珠？所以。在这个领域里面学习的越深，总结的越深，你会看到很多。不一样的点，实际上在很多小型的硬件或者消费级的硬件，他们是看不到的，他们把很多的制造交出去了，他们有很多的供应能力靠供应链，它的组合可能性不高。所以在汽车领域里面，为什么我对于从 2022 年到 2026 年，我自己的认为是巨大的质的提高。

张小珺 01:15:44

如果有人说小鹏的车丑，你怎么想？

何小鹏 01:15:47

每一辆车都会说，碰到其他人说他的车丑，审美是一个主观性的逻辑。

张小珺 01:15:54

你觉得小鹏的车好看吗？

何小鹏 01:15:56

我觉得在越来越好看的路上，其他的信息我不。国国主对丑美的信心，我还是很有信心。

张小珺 01:16:03

你说颜值第一啊，在内部。

何小鹏 01:16:06

颜值是一个相对论，对。要在多个领域做到第一才有可能，颜值是其中一个领域。

张小珺 01:16:13

为什么不选一个做少而精的车型的策略呢？为什么今年要做 4 款车？

何小鹏 01:16:19

我觉得每一个公司都有一个道。我觉得你不能去问， A 公司为什么不做少而精， B 公司不会做大而全，都有不同的逻辑论。

张小珺 01:16:29

你今年感觉整体都很自信啊。

何小鹏 01:16:32

我觉得做企业没有不自信的吧。

张小珺 01:16:35

嗯，你现在花时间最多在哪里呢？在车、在机器人、在AI，还是在哪里？还是在组织？还是在采购？

何小鹏 01:16:42

你所讲的都有参与，但是我觉得都不是，我觉得最多的，我觉得还是在战略跟规划，就是未来是什么样的？就像刚才你问了很多问题，谁是成功的等等，可能他们以后会更成功，但是今天在我角度来看都不叫成功。就像汽车里面，规模算成功吗？是成功的代表之一，不一定都成功。这个利润算成功吗？有些利润可能是临时的，也很痛苦。所以企业家里面对成功的概念是有非常大的不同，所以换个角度。我可能花的更多的思考是整个的企业的、产品的和商业的战略和规划的问题。但是这些规划问题它需要你的技术问题、你的组织问题、你的整个市场的问题等系列的组合能力，才能最后去做到。大概是这样。

张小珺 01:17:34

今年对你来说最重要的一件事情是什么呀？没有。都很重要。

何小鹏 01:17:39

很多都很重要。实际上汽车是一个很复合的问题。他比一个个人或者一个清晰的企业，他所说我只要把这一件事情做好就可以了。汽车做好一件事情不代表能做好，这是一个很痛苦的问题。就跟你讲长板、短板跟宽板的问题一样。很多人会想说你应该做好一个长板，在绝大部分时候是对的，但绝大部分时候这个问题在汽车里面回答，它是一个复合的机器，你做好一个没有用。好，比如说你把自动驾驶做得极好，做到 Level 4 行不行？第一，一般我大概认为，谁说今年做得到，我觉得吹。第二，我认为就算他做到了，他也没有对他有巨大的价值，因为他的价值的体现是要逐步体现的。

张小珺 01:18:29

那你觉得 L4 什么时候会实现？

何小鹏 01:18:32

我大概率认为 18 到 24 个月。

张小珺 01:18:35

这是对你们来说，还是对全行业来说？

何小鹏 01:18:38

我觉得对我们。

张小珺 01:18:39

实现以后会带来什么呢？会带来车的更多的销量吗？

何小鹏 01:18:42

销量更多是 100% 的，销量多多少，我需要认证，即使多了销量，也不代表长期的价值。你看这里面都是不同的问题，比如说举例，我们上个月。3月底我们发布了第二代 VAA 的第一个版本，我最近在车展跟大家分享的数据， 4 月份实际上中国的汽车的销量，同环比都是下跌 20% 左右的，我们大概涨了 50% 到70%，这里面有相当部分跟第二代 VAA 相关，它好不好？我觉得不错，那么如果做到L4，能够把这个能力提高多少倍？一倍？ 5 倍？ 10 倍？我觉得我都很难判断这是好还是不好。第二个，它到底是。对社会，对行业的冲击是什么样的？今天实际上我们有很多的在这个里面的看法是不一致的。我还是想说的是，汽车股企业的最后的成功不是仅来自于 AI 里面的一个能力，或者硬件里面的一个能力，或者在销售里面的一个能力，我觉得都不是。

张小珺 01:19:44

余凯老师经常说你是他最难磕的一个用户，他觉得车企最终都应该用第三方，你怎么看他的观点？

何小鹏 01:19:52

余凯同学跟我们关系都很好啊，这个我觉得他走在一条很有趣，很有希望，但是也许也很有挑战的道路。要看这个世界上最终汽车机器人的公司是多还是少。越多，我觉得于凯的道路会越广，越少，于凯道路会越痛苦。

张小珺 01:20:12

你倾向于认为是哪一种？

何小鹏 01:20:14

我可能认为是越来越集中。如果从用户角度去看一个事情，因为我们是从一个企业角度看一个事情，用户角度只是我们可能几十个角度之一啊，所以从用户角度都会觉得需要有更多的车企，有更多的友商的产品的可供选择，有更多的不一样的东西。但是在这个世界上，汽车这个事情太复杂了，如果它是一个比较简单的事情的话呢，我觉得。它很快就会归一，我讲的归一就是苹果的手机，我觉得啊，这个话说的不是很好听，就是在最近的数代里面，苹果手机上变化不太大，但照样能够很稳定。对。整个手机市场的变化，现在我买手机已经，除非我手机坏了，否则我已经不是因为手机哪个能力的提高，我一定要去买这样的一个情况。但汽车还远远没有到达这个点，甚至我认为将来可以一年 1000 亿的研发费用，在持续的做巨大的创新的价值都是有。所以在这样的一个领域里面。

何小鹏 01:21:14

我觉得在过去的汽车公司有很多公司实际上是不自研的。他说你去看这些汽车公司里面，他做了很多研发，他花了很多钱呢，他有很多人呢。我说但是他不做自研，他做集成。所以你说他们做集成是不对，你去自研，实际上你会发现自研更不对，因为汽车太复杂了，你有很多很多人都有研发，所以你还不如说有些地方你没有基因的，你还不如找 A 合作，找 B 合作。这个话对，但是换个角度就看他到底是你汽车的战略还是你的战术。如果是战术，你不应该自研。如果是战略，你应该自研。回到一个终极的问题，刚才你一开始问的，比如说 10 年后，我们的汽车软件占不占汽车价值的50%？如果占，那一两家 T1 就可以帮助合作伙伴做到 50% 吗？

张小珺 01:22:03

他当然希望是这样。

何小鹏 01:22:04

对，我觉得也许可以，也许做不到。我们在汽车里面有一个叫做跨域融合，是把很多能力一起融合，有硬件、有软件、有制造、有设计、有服务、有运营，这些都是完全不同关联的。你把它融合在一起。有很多人说那这个怎么融合呢？比如说举例，为什么在汽车里面听到的很多几合一？它就是把不同的东西合在一起。为什么在软件里面多合一？ N 合一？它可能把几十种能力合一。合在一起的整个这些体系都不一样，它不是哪一家公司可以做的到的。比如说你原来跟三家公司可以有合作，来一起提供一个 total solution，很容易。但对不起，你要跟 300 家公司一起合作。提供一个个性化的思路，你是非常痛苦的。小鹏的道路跟余凯地平线的道路都有可能成功。我觉得今天不知道，我觉得余凯做地平线做的公司做的好，产品也做的好，这个我首先都非常认同，但是我还是想说的是，最终这条道路的战略的终局，或者说看得到的终局市场。

张小珺 01:23:19

你觉得汽车或者机器人最终会集中到多少家？这是一个多少多少多少年周期的事情？

何小鹏 01:23:24

我觉得不同企业差别太大了，我这个机器人我先不说，我一直说 30 年中国可能就 5 家有规模的汽车企业。不代表其他汽车企业会倒闭，但是我想说的规模的下行会导致越来越难进入到这种超高强度的竞争。

张小珺 01:23:41

你今天从血海里，游出来没有？

何小鹏 01:23:43

我觉得都在游，我觉得。出来了没？没有，我也不觉得有谁出来了。在我的定义里面，首先你不要问我我的定义是什么，我认为没有一家游出来。

张小珺 01:23:55

机器人挑战只会是它的 10 倍，对吧？

何小鹏 01:23:58

我觉得机器人反而会稍好一些，因为机器人的同质内卷的可能性会低，低它的软件价值会很。很大，这个大家都毋庸置疑。第二，我不认为有一个非常好的开源能够帮助一个集成公司做好。软件。