李想劃下具身智能分水嶺：一個(gè)堪比“電動(dòng)化上下半場”的產(chǎn)業(yè)新定義

在中國新能源汽車產(chǎn)業(yè)的發(fā)展史上，很少有某個(gè)單一論斷能像一塊界碑一樣，清晰地劃分出一個(gè)時(shí)代。

如果說有，王傳福在數(shù)年前提出的“電動(dòng)化是上半場，智能化是下半場”便是其中之一。這個(gè)簡潔而有力的框架，在彼時(shí)行業(yè)仍對“電動(dòng)車是不是趨勢”爭論不休的背景下，將產(chǎn)業(yè)的注意力從動(dòng)力來源拉向了體驗(yàn)與能力。

此后數(shù)年，中國車企在電動(dòng)化領(lǐng)域完成超車，隨即全力撲向智能化的軍備競賽——城市NOA、大模型上車、艙駕融合……一切都在驗(yàn)證這個(gè)定義的先見之明。

然而，當(dāng)一個(gè)定義成為全行業(yè)的共識與起點(diǎn)時(shí)，也意味著它作為方向標(biāo)的使命已經(jīng)完成。行業(yè)需要新的路標(biāo)。

時(shí)間來到2026年。當(dāng)大多數(shù)車企仍在智能化的牌桌上激烈博弈，試圖通過更先進(jìn)的輔助駕駛、更流暢的語音交互來確立優(yōu)勢時(shí)，理想汽車董事長兼CEO李想在近期一場與羅永浩的深度對談中，拋出了一個(gè)更具縱深感、也更具野心的新框架。

“自動(dòng)駕駛是具身智能的上半場，通用人形機(jī)器人是具身智能的下半場。”李想用一句話，將智能化這個(gè)已然擁擠的賽道，向下延伸到了更廣闊的產(chǎn)業(yè)圖景中。

這一判斷結(jié)構(gòu)之清晰、階段劃分之明確、技術(shù)路徑之具體，讓人不禁聯(lián)想到當(dāng)年王傳福的“上下半場論”，二者同樣是對一個(gè)宏大產(chǎn)業(yè)進(jìn)程的階段性拆解，同樣具有定義賽道、引導(dǎo)資源配置的力量。

當(dāng)然，李想的“上下半場論”并非對王傳福定義的否定或替代，而是一次在更長時(shí)間維度上的延展與深化。如果說王傳福為中國汽車產(chǎn)業(yè)劃定了從燃油到電動(dòng)再到智能的賽道，那么李想則為這個(gè)賽道找到了一個(gè)更宏大的終點(diǎn)：從智能汽車，到物理世界的通用智能體。

如何理解李想“上下半場論”

理解李想的“上下半場論”，首先要理解他對當(dāng)前AI技術(shù)階段的判斷。

在與羅永浩的對談中，李想指出：過去十年，AI在信息世界取得了巨大進(jìn)展。ChatGPT和DeepSeek改變了文字創(chuàng)作，Seedance改變了圖像設(shè)計(jì)，Codex和Claude Code改變了代碼編寫。但一個(gè)根本性的問題始終存在，即物理世界中人類的日常生活并未發(fā)生本質(zhì)變化。

AI能夠?qū)懺姟嫯嫛⒕幊蹋鼰o法幫你倒一杯水，無法替你接一次孩子，無法在物理空間中完成任何任務(wù)。

李想認(rèn)為，這正是當(dāng)前AI技術(shù)最大的“缺口”，也是下一個(gè)十年最大的機(jī)遇。AI正在經(jīng)歷一個(gè)從Chatbot向Agent的進(jìn)化過程：過去它只能“出主意、拼想法”，但現(xiàn)在它必須能夠“行動(dòng)”，才能真正服務(wù)于生產(chǎn)和生活。

汽車，恰恰是讓AI走出屏幕、進(jìn)入物理世界執(zhí)行任務(wù)的最成熟載體。一輛具備L4級自動(dòng)駕駛能力的汽車，本質(zhì)上就是一個(gè)在真實(shí)物理世界中自主移動(dòng)、感知、決策并執(zhí)行任務(wù)的機(jī)器人。它不再是能對話的交通工具，而是一個(gè)具備行動(dòng)能力的智能體。

由此，“自動(dòng)駕駛是具身智能的上半場”這一論斷的內(nèi)在邏輯便清晰了：自動(dòng)駕駛，是AI從虛擬世界走向物理世界的第一個(gè)大規(guī)模、可商業(yè)化、技術(shù)邊界清晰的落地場景。它不是具身智能的全部，但它是通往通用人形機(jī)器人必須經(jīng)過的訓(xùn)練場和試驗(yàn)田。

如果將中國智能汽車產(chǎn)業(yè)的關(guān)鍵戰(zhàn)略論斷排一個(gè)序列，王傳福的“上下半場論”和李想的“上下半場論”無疑會(huì)占據(jù)兩個(gè)重要的里程碑。二者在結(jié)構(gòu)上有著驚人的相似，但在內(nèi)涵上又有著本質(zhì)的遞進(jìn)。

相似之處在于，二者都是對一個(gè)長期產(chǎn)業(yè)進(jìn)程的階段性拆解,都為產(chǎn)業(yè)提供了一個(gè)清晰的、分階段的、資源配置優(yōu)先級明確的路線圖。

王傳福告訴行業(yè)：你先解決動(dòng)力電池和電驅(qū)動(dòng)的問題，再談自動(dòng)駕駛和智能座艙。李想則告訴行業(yè)：你先解決好汽車在物理世界中的自主移動(dòng)（自動(dòng)駕駛），再談通用人形機(jī)器人在家庭和商業(yè)場景中的復(fù)雜操作。

遞進(jìn)之處在于，王傳福的定義是“并列關(guān)系”（上半場與下半場是不同的技術(shù)重心），而李想的定義是“承繼關(guān)系”（上半場的技術(shù)、數(shù)據(jù)、模型，直接構(gòu)成下半場的基礎(chǔ)能力）。

李想在對談中直言，為什么機(jī)器人公司要從自動(dòng)駕駛公司挖人？因?yàn)閮烧咧g的連接關(guān)系非常清楚。自動(dòng)駕駛積累的感知能力（看懂三維世界）、模型能力（理解場景并決策）、仿真能力（在虛擬環(huán)境中訓(xùn)練）、以及線控執(zhí)行能力（精準(zhǔn)控制物理運(yùn)動(dòng)），幾乎可以平移到人形機(jī)器人身上。

基于此，李想甚至給出了一個(gè)具體的判斷：未來L4自動(dòng)駕駛的用戶，與購買家政機(jī)器人的用戶，重合度高達(dá)90%。這意味著市場、場景和生態(tài)的天然閉環(huán)。

相比之下，王傳福的“上下半場”中，電動(dòng)化積累的三電技術(shù)與智能化所需的高算力芯片、算法模型，更多是接力而非復(fù)用。李想的“上下半場”，則是一種能力的縱向遷移與升級：你在做自動(dòng)駕駛時(shí)練就的“眼睛”（3D感知）、“大腦”（VLA模型）和“手腳”（線控執(zhí)行），正是做人形機(jī)器人最稀缺的三大核心能力。

從這個(gè)意義上說，李想的“上下半場論”為那些具備自動(dòng)駕駛技術(shù)深度積累的企業(yè)，指明了一條清晰、低損耗、高確定性的第二增長曲線，從造輪式機(jī)器人到造雙足機(jī)器人，核心能力棧的重疊度遠(yuǎn)超外界想象。

理想怎么拆解“上下半場論”

如果說“自動(dòng)駕駛是具身智能的上半場，通用人形機(jī)器人是具身智能的下半場”，那么如何將這份宣言轉(zhuǎn)化為工程師可以執(zhí)行、產(chǎn)品可以承載的具體技術(shù)指標(biāo)？

理想汽車的做法是，將“上下半場”分別拆解為三個(gè)階段，并為每一個(gè)階段設(shè)定了精確的算力、模型架構(gòu)和響應(yīng)速度目標(biāo)。

第一階段（2018至2023年）是L2輔助駕駛，讓AI“看見”平面世界。

這一階段的技術(shù)特征可以概括為“從無到有”。感知層面，主要依賴CNN（卷積神經(jīng)網(wǎng)絡(luò)）和2D視覺，車輛能夠識別車道線、交通標(biāo)志、行人等平面化的道路元素。模型層面，采用規(guī)則算法和MCU控制器，決策邏輯由工程師預(yù)先編寫。算力需求較低，通常在100TOPS以內(nèi)。

理想汽車在這一階段的實(shí)際產(chǎn)品對應(yīng)為理想ONE（參數(shù)丨圖片）（2018年10月發(fā)布）及后續(xù)L系列早期車型。彼時(shí)的核心突破是讓車輛首次擁有了感知能力——麥克風(fēng)、雷達(dá)、攝像頭讓車“能聽、能看、能交流”。這一階段的積累，為后續(xù)向高階自動(dòng)駕駛過渡提供了數(shù)據(jù)基礎(chǔ)和工程經(jīng)驗(yàn)。

第二階段（2023至2028年）是L3自動(dòng)駕駛，讓AI“理解”二維場景。

這是當(dāng)前行業(yè)正在經(jīng)歷并將持續(xù)到2028年的關(guān)鍵階段。技術(shù)躍升體現(xiàn)在三個(gè)層面，一是感知升級，從CNN 2D視覺進(jìn)化為2D ViT；二是模型升級，從規(guī)則算法演進(jìn)為“預(yù)訓(xùn)練模型+模仿學(xué)習(xí)”，并采用端到端控制架構(gòu)；三是算力躍升，需求達(dá)到約2000TOPS，較第一階段提升一個(gè)數(shù)量級。

理想汽車在這一階段的標(biāo)志性成果包括：2024年10月，其端到端+VLM雙系統(tǒng)輔助駕駛正式交付，成為國內(nèi)首個(gè)端到端智能輔助駕駛大模型量產(chǎn)上車的車企；2025年8月，其VLA司機(jī)大模型隨理想i8交付，實(shí)現(xiàn)了“大腦”級別的能力上車；2026年3月，其下一代自動(dòng)駕駛基礎(chǔ)模型MindVLA-o1發(fā)布，進(jìn)一步提升了感知距離、推理深度和控制穩(wěn)定性。

第三階段（2028至2033年）是L4無人駕駛，讓AI“置身”三維世界。這是理想汽車定義的“上半場終局”，也是真正意義上“汽車成為機(jī)器人”的起點(diǎn)，這一階段算力目標(biāo)接近10000TOPS，較第二階段再提升5倍，核心技術(shù)特征與前兩個(gè)階段也有本質(zhì)區(qū)別。

特征一是感知革命，從2D ViT進(jìn)化為3D ViT。李想對此的解釋是：過去2D ViT無法真正理解物理世界，只有做到3D ViT，車輛才能真正“像人一樣置身真實(shí)3D空間感知世界”。

特征二是模型進(jìn)化，從模仿學(xué)習(xí)升級為穩(wěn)定的預(yù)訓(xùn)練模型，具備理解與學(xué)習(xí)能力，而非簡單的模式匹配。理想汽車在馬赫VLA模型中引入了多模態(tài)思考能力，可在道路施工場景果斷繞行、面對前車爆胎防御性減速、禮讓倒車等復(fù)雜交互。

特征三是控制革新，從端到端控制升級為全線控系統(tǒng)，響應(yīng)速度超越人類生理極限。李想給出的量化對比是：人類從看到障礙物到踩剎車執(zhí)行到位，約350-400毫秒；而全線控系統(tǒng)可將感知到執(zhí)行的全鏈路延遲壓縮至300毫秒左右，比人快近一倍。

這一階段的技術(shù)底座，已經(jīng)在2026年5月發(fā)布的全新理想L9 Livis上部分實(shí)現(xiàn)，包括3D ViT感知架構(gòu)、雙馬赫M100芯片（合計(jì)2560TOPS）、完全體線控底盤等。按照理想的時(shí)間表，2028至2033年間，這些技術(shù)將逐步成熟并規(guī)模化部署，最終實(shí)現(xiàn)L4級無人駕駛。

為什么是由理想率先提出

在全行業(yè)都在談?wù)摗癆I大模型上車”、“城市輔助駕駛開城”的當(dāng)下，為什么是理想汽車這樣一家以增程和家庭用戶著稱的車企率先以如此系統(tǒng)和決絕的方式，提出“具身智能上下半場”的完整框架？

答案不僅僅在于李想的個(gè)人遠(yuǎn)見，更在于理想汽車在過去數(shù)年的技術(shù)布局中，這已經(jīng)客觀上為該定義積累了最底層的支撐。

根據(jù)官方信息，理想汽車從2022年便開始自研芯片（馬赫M100），從2023年開始自研基座大模型，同時(shí)自研了操作系統(tǒng)星環(huán)OS和完全體線控底盤。這些投入的方向，從一開始就不是為了“把輔助駕駛做得更好一點(diǎn)”，而是為了打造一個(gè)能夠感知3D世界、自主決策、并比人類更快執(zhí)行物理動(dòng)作的智能體。

換言之，當(dāng)友商仍在用第三方芯片、通用模型和傳統(tǒng)底盤來優(yōu)化L2+體驗(yàn)時(shí)，理想已經(jīng)、按照“造機(jī)器人”的邏輯，重構(gòu)了從芯片到操作系統(tǒng)再到執(zhí)行器的全棧技術(shù)體系。李想之所以敢于提出“自動(dòng)駕駛是具身智能的上半場”，是因?yàn)樗募夹g(shù)團(tuán)隊(duì)已經(jīng)在用“下半場”的架構(gòu)，來開發(fā)“上半場”的產(chǎn)品。

這正是這一定義具有行業(yè)說服力的關(guān)鍵所在，它不是對未來的暢想，而是對已有技術(shù)路線的一種理論總結(jié)。理想已經(jīng)將3D ViT感知、數(shù)據(jù)流架構(gòu)芯片、全線控底盤、自研操作系統(tǒng)等具身智能的核心技術(shù)全部量產(chǎn)裝車。定義，不過是果；技術(shù)落地，才是因。

需要關(guān)注的是，理想汽車在芯片上的選擇，不是采購行業(yè)現(xiàn)成的高算力芯片，而是從2022年起立項(xiàng)自研。2026年3月，理想汽車自研的5納米馬赫M100芯片論文入選ISCA 2026（國際計(jì)算機(jī)體系結(jié)構(gòu)領(lǐng)域最具影響力的會(huì)議）工業(yè)分區(qū)。理想汽車是該會(huì)議工業(yè)分區(qū)論文錄用的全球首家汽車企業(yè)。這一學(xué)術(shù)背書，說明其技術(shù)路徑得到了頂級學(xué)術(shù)界的認(rèn)可。

李想將未來汽車競爭壁壘類比手機(jī)行業(yè)：“蘋果的核心壁壘是芯片和操作系統(tǒng)，手機(jī)行業(yè)的核心壁壘是高通芯片和安卓系統(tǒng)。到了具身智能時(shí)代，芯片和模型變成技術(shù)的制高點(diǎn)。”自研芯片，不是為了炫技，而是為了掌握從算力到算法到應(yīng)用的完整閉環(huán)，這是通往L4乃至人形機(jī)器人的必經(jīng)之路。

如果說芯片是“心臟”，那么線控底盤就是“手腳”。李想對“手腳”的要求非常明確：必須比人更快。

全新理想L9 Livis搭載的“完全體”線控底盤，由線控轉(zhuǎn)向、后輪轉(zhuǎn)向和EMB線控機(jī)械制動(dòng)構(gòu)成。其核心變化在于：轉(zhuǎn)向、剎車由電信號取代機(jī)械連接。與傳統(tǒng)液壓制動(dòng)系統(tǒng)不同，EMB線控機(jī)械制動(dòng)直接由電機(jī)驅(qū)動(dòng)卡鉗，響應(yīng)時(shí)間大幅縮短。理想給出的量化數(shù)據(jù)是：120公里/小時(shí)高速制動(dòng)距離縮短3米以上。

理想汽車在技術(shù)落地上的節(jié)奏感也值得注意。從2022年芯片立項(xiàng)、主動(dòng)懸架立項(xiàng)，到2023年大模型立項(xiàng)，到2024年星環(huán)OS量產(chǎn)交付、端到端大模型上車，再到2025年VLA模型上車，直至2026年5月全新理想L9 Livis發(fā)布。

這是一條持續(xù)4至5年的技術(shù)投入長線，而非為了某個(gè)新品發(fā)布而臨時(shí)拼湊的“噱頭配置”。

為“造硅基人”重構(gòu)組織

在商業(yè)史上，一家公司可以喊出最宏偉的愿景，但戰(zhàn)略與組織錯(cuò)位的案例不勝枚舉。理想汽車的獨(dú)特之處在于，它不僅為“具身智能上下半場”制定了詳細(xì)的路線圖，還為此徹底重構(gòu)了自身的研發(fā)組織。

2026年1月，理想汽車進(jìn)行了一次重大的組織調(diào)整。這次調(diào)整的核心邏輯是，不再按傳統(tǒng)的軟硬件功能劃分部門（如軟件部、硬件部、測試部等），而是按照創(chuàng)造數(shù)字人和硅基人的方式來組織研發(fā)體系。

李想對此的表述非常直接：“本質(zhì)上‘造產(chǎn)品就是在造人’。我們按照人體結(jié)構(gòu)重構(gòu)了四大體系。”

具體來看，臟器系統(tǒng)對應(yīng)馬赫M100芯片（心臟）、星環(huán)OS（神經(jīng)系統(tǒng)），以及支撐模型訓(xùn)練的大規(guī)模數(shù)據(jù)集（肺，提供氧氣/數(shù)據(jù)供給）。腦系統(tǒng)對應(yīng)MindVLA、MindVLA-o1等基座模型，負(fù)責(zé)從3D感知到?jīng)Q策規(guī)劃的所有認(rèn)知功能。軟件本體對應(yīng)理想同學(xué)、自動(dòng)駕駛Agent等應(yīng)用層軟件，負(fù)責(zé)調(diào)用底層模型和執(zhí)行器，完成具體任務(wù)。硬件本體對應(yīng)完全體線控底盤、800V主動(dòng)懸架、以及未來人形機(jī)器人的關(guān)節(jié)、驅(qū)動(dòng)等物理執(zhí)行部件。

這種劃分方式，與傳統(tǒng)車企“動(dòng)力總成部門”、“底盤部門”、“電子電氣部門”的架構(gòu)有著本質(zhì)區(qū)別。它的出發(fā)點(diǎn)是：一個(gè)具身智能體（無論是自動(dòng)駕駛汽車還是人形機(jī)器人）的能力上限，取決于其“大腦”、“心臟”和“手腳”的協(xié)同效率，而非任何一個(gè)單點(diǎn)的局部最優(yōu)。

因此，組織必須按照系統(tǒng)集成的方式重構(gòu)，讓負(fù)責(zé)模型的人、負(fù)責(zé)芯片的人、負(fù)責(zé)執(zhí)行器的人從一開始就坐在一起，而不是在部門墻之間遞交接力棒。

任何組織調(diào)整的效果，最終都要用研發(fā)效率來衡量。理想汽車給出了一個(gè)量化指標(biāo)：調(diào)整前，智能駕駛模型的訓(xùn)練迭代周期約為兩周一次。調(diào)整后，這一周期縮短至一天一次。

李想對此的解釋是：“雖然團(tuán)隊(duì)在一開始不理解，但最近大家都發(fā)現(xiàn)工作效率變得更高了……團(tuán)隊(duì)之間的協(xié)作也完全不一樣，過去還有部門墻的各個(gè)團(tuán)隊(duì)，今天大家真正坐在一起協(xié)作。”

在傳統(tǒng)架構(gòu)下，數(shù)據(jù)團(tuán)隊(duì)、模型團(tuán)隊(duì)、部署團(tuán)隊(duì)、測試團(tuán)隊(duì)分屬不同部門，一次模型更新需要跨部門協(xié)調(diào)、排期、聯(lián)調(diào)，耗時(shí)以周計(jì)。而在新架構(gòu)下，所有相關(guān)團(tuán)隊(duì)歸屬于同一個(gè)“腦系統(tǒng)”大體系下，且與軟件本體、硬件本體團(tuán)隊(duì)的接口被標(biāo)準(zhǔn)化（如MCP協(xié)議），迭代速度自然大幅提升。

更重要的是，這種組織模式為“具身智能上下半場”的能力遷移提供了制度保障。當(dāng)理想汽車從自動(dòng)駕駛（上半場）向通用人形機(jī)器人（下半場）擴(kuò)展時(shí)，其腦系統(tǒng)團(tuán)隊(duì)積累的3D感知、VLA模型等能力，可以無縫對接到硬件本體團(tuán)隊(duì)正在開發(fā)的人形機(jī)器人執(zhí)行器上。

這是因?yàn)椋p方從一開始就在同一套組織框架下工作，遵循同樣的接口協(xié)議（如MCP），共享同一套基礎(chǔ)設(shè)施。這種“基因級”的組織協(xié)同，是那些臨時(shí)組建機(jī)器人事業(yè)部、或通過外部收購來布局機(jī)器人的企業(yè)所無法比擬的。

這一組織重構(gòu)，最終指向的是理想汽車在“具身智能下半場”的終極目標(biāo)：通用人形機(jī)器人。根據(jù)官方信息，理想汽車已正式立項(xiàng)研發(fā)人形機(jī)器人產(chǎn)品，且采取“兩條腿走路”的策略。

李想將人形機(jī)器人的能力演化分為三個(gè)階段：6歲泛化能力、12歲泛化能力、18歲泛化能力（接近AGI），他預(yù)計(jì)這是一個(gè)15到20年的過程。

普世化超級富豪的生活

在商業(yè)與技術(shù)分析中，人們很容易沉迷于算力數(shù)字、芯片制程、模型參數(shù)這些硬指標(biāo)，而忽略了這一切投入的終極目的。

理想汽車的“具身智能上下半場”定義，如果僅僅停留在技術(shù)路線圖和組織架構(gòu)層面，它仍然只是一個(gè)產(chǎn)業(yè)戰(zhàn)略，而非一個(gè)值得被廣泛記住的價(jià)值主張。

但李想為這個(gè)宏大的技術(shù)敘事賦予了極其實(shí)、也極具感召力的終極目標(biāo)。他用一句平實(shí)的話，將一系列技術(shù)術(shù)語，還原為一種人人可以感知的生活方式。

“過去那些超級富豪有什么？有司機(jī)——不只是開車，還是生活助理，幫你接孩子、跑腿；有家政、有保姆，回家就能吃飯，衛(wèi)生有人打掃。我們要做的，就是用L4無人駕駛替代司機(jī)，讓家政機(jī)器人進(jìn)入家庭，讓幾億人、幾十億人都能消費(fèi)得起這種生活。”