世界聚焦：理想硅谷宣讲会实录：范皓宇、张骁、郎咸朋、勾晓菲都讲了啥？

5 月中旬，理想汽车高管们抽空去到硅谷做了一次分享会，参与分享的有前不久刚升为产品部高级副总裁的范皓宇、产品规划部高级总监张骁、智能空间副总裁勾晓菲、自动驾驶负责人郎咸朋等。他们在会后还和已经离开理想汽车的原总裁沈亚楠、原算力平台负责人许迎春一起吃了饭、留了影。

这几位都是陪着李想起于草莽的功臣。

(资料图片)

范皓宇的背景是阿里巴巴集团云 OS 事业群产品专家，目前负责理想汽车整个大的产品部，辅助李想从 0 到 1 去规划理想汽车多个产品线；

张骁是理想汽车第一位整车产品经理，现在是理想 L9 的 PDT（产品研发小组）代表；

勾晓菲主导了理想 ONE 和理想 L 平台的座舱设计，曾在乐视汽车担任首席架构师；

郎咸朋的背景是百度的高级技术经理，曾在理想内部发起过 " 卫城计划 "，带领团队第一次完成理想自动驾驶的自研任务。

值得一提的是，这次分享会距离理想汽车推送 AD Max 3.0 早鸟测试只剩下半个月，距离理想汽车年底自动驾驶落地 100 个城市也只剩下半年的时间。

沟通会地点在 160 East Tasman Drive，距离蔚来美国办公楼很近，离斯坦福大学也只有半小时车程。在被问到为什么要来硅谷、以及是否会在美国设分部，范皓宇给出的答案是 " 硅谷在沸腾，我们既然坐到了这里，意思也很明确，肯定是会往前再推一步。"

以下是沟通会的要点纪要（雷峰网做了不改变原意的整理）。如需查看 150 分钟宣讲会未删减版的全文纪要，可添加作者微信 ysl10745442629、编辑微信 Gru1993 获取。

01 范皓宇：未来两年内，我们会进入 20-30 万的市场区间

国内车企非常卷，我们现在长期处于国内霸榜阶段，已经在公布周销量了，基本上 40 万以上我们就已经是 NO.1。现在我已经不看销量数字了，没必要，确实一骑绝尘。在 30 万到 40 万区间里面的话，我们非常稳健。下一步我们会进入 20- 30 万的市场区间。

在这个市场里，比亚迪是王者，它从 15 万区间攻上来，现在走的很稳。去年特斯拉降价，从 30 万区间直接跳到了 20 万区间，让全中国的新能源车企都非常吃惊。理想增程模式，基本上不会受到纯电的影响。

5 年前，当时奔驰的董事长带了 30 多个董事会成员，我们给他们讲智能化、中国的发展，他们给我们报以礼貌的微笑，觉得我们还是很年轻。上个月奔驰的董事长又来了，仔细看了我们那几辆车，问我们奔驰在中国怎么做新能源汽车。5 年时间，前后改变非常剧烈。

这次过来，是因为我们觉得硅谷在沸腾。所有认识的朋友要么在创业，要么在创业路上，都是想要去做跟 AI 和通用人工智能相关的事情。

我想说，在太平洋另一边也很沸腾，汽车这个战场非常的激烈，我们理想是想要把全球第一大市场（中国市场大概 2004 万台的市场）干成是中国人的品牌。我们相信未来真正驱动发展的，不应该是那些依然使用非常固化的技术去生产不同产品的企业。未来，一定是以技术为驱动，技术的话就是电能和智能的技术。

以前我们做增程，当我们把理想 ONE 做出来的时候，全行业没有人能相信，市场、政府也不相信。我们跟政府讲增程，政府说什么叫增程？我们解释说，增程就是给一个电车装了一个燃油充电宝。电车就是每天你背着 300 多公里的续航电池来回跑，但你只跑 60 公里，其实每天你都是电池的搬运工。增程就是每天给你 200、100 多公里的续航，让你能够去远方。

增程是个标准的新能源汽车，我们现在正在挑战发动机的极限，现在全球很少有人做发动机了，但是我们还在搞，因为我们要挑战 40% 的热效率极限。

之前很长一段时间不做纯电，是因为我们觉得纯电技术还没准备好，这就像在 2G 时代造了一台 iPhone，技术和产品不匹配很让人难受。现在不一样了，纯电相关的技术已经进入了下一阶段了。前两天马斯克发了一个 Twitter 说，他们自己现在这个纯电其实并不是最优解。他们下一代平台 Model Q 或者 Model 2 以后可能会用 800V 平台，充电十分钟完成 80% 的充电，充电速度的话远超于现在所有平台。

关于出海，我们内部基本上已经讨论过 4 年了，每年都会聊好几遍。这个问题很像大模型，它里面有很多参数。如果剥离到政治因素的话，我们肯定是想来美国的。

我们很深刻地探讨过增程要不要来美国，因为我觉得在美国辽阔大地上非常适合增程这款车，它的电池能够让你城际出行非常舒适，同时也让你没有任何的里程焦虑，可以去任何你想去的地方。每次来硅谷都感觉回老家一样。我们总部在顺义，顺义那边跟洛杉矶差不多，又大又空，没车没法活，路子又宽又大，地铁距离又远。

对我们来说，目前要做的事情是要先把中国做得很深刻，因为中国是全球第一大市场，而且是高速成长的市场。

02 张骁：一场仗打不赢，就不要去打第二场仗

刚才皓宇提到出海的问题，因为我们一直把商业效率管理放在第一位，大家可以看到的是我们专注在中国，我们一直还有一个理念，如果一场仗打不赢，就不要去打第二场仗，多线作战对资源消耗非常大。中国如果拿不下，我们没脸出去。我肯定先把大本营安营扎寨，打得足够好。所以，我们觉得在 2030 年拿下 30% 的市占率，才是达到比较稳妥的水平。

马太效应会导致你的市占率只会越来越高，集中度也会越来越高，所以也会面临更残酷的淘汰。比如说最近的起亚，它在美国、欧洲表现非常好，在中国已经没有了市场。技术变革有些无情，有一些人转不过身来就会被碾压。这些企业没有在中国真正去投入足够多的重视度，就很难在中国市场有回报。

我们一直说理想是豪华品牌，外边不一定认。过去一个季度，理想汽车的平均成交价是 38 万多，这个比蔚来要高，蔚来的平均成交价是 37 万。很多用户看到我们的店觉得没有那么气派，因为我们效率很高，会考虑 ROI ，得保证投入的每一块物料都要赚钱，要保证能够自负盈亏才行，烧钱是烧不起的，造车太贵。我们以后还是会专注在豪华品牌领域里，进行更多的产品覆盖，两条腿一起走。

关于谁在买车这个问题，大家如果要创业，定位你的用户是谁很重要，如果你的用户没有搞清楚，你很难给他们提供所谓超越用户需求的产品。我们的目标用户是有孩子的家庭用户，中国基本上 80% 的新车都卖给了有孩子的家庭用户。

市场有很多细分的方法，我们对市场判断方法其实特别简单，画个坐标轴。

纵轴是消费能力，即价格，经济是第一性的，有多少钱办多少事。

横轴就是人生阶段（上学、毕业、单身、恋爱、成家、有孩子）哪个阶段是必须要买车，想来想去只有生孩子必须要买车，其他环节都有替代方案，一旦有孩子，你会发现有小孩之后你不得不买一个车，因为你要保证它完全的可靠和自由。

接着是关于经济结构的划分，这是根据人生阶段的横轴推出来的。

用户的需求不分高低贵贱，无论有钱没钱，需要的东西都是一样好的。只是碍于经济能力，会适当的让步一些，我的需求并不是不想要它，只是负担不起。所以我们的产品从第一天起就坚持一个配置一个价格，没有高低配，我们坚持不做跟传统市场高低配的方式，我们的价格也是跟苹果学习，都是透明的，采用直营方式，没有折扣，不用去勾心斗角谈价格。我们自己买车都原价，没有任何的内部折扣，顶多就送你一个水杯。用户有一个心理是：用不用是我的事，给不给我是你的问题。

你可以给我，我可以永远都不用，但你不能不给我。自从我们这么干之后，这个其他市场的 BOM 成本就控制不下来了，因为他们也得跟呐，一跟他们就很贵，他们效率很低，他们就不挣钱。只有我们这样效率才可以支撑我们这样的商业模式。

这是我们所说的这个 20 万以上的市场，对应美国就是 2.5 万美金的市场。中美市场不太一样，美国的汽车市场非常成熟，新车市场价格是一个橄榄型，中间大，两边小。在美国买车，你会发现便宜的车不便宜，贵的车就不太贵，但是所有车都集中在 2 万到 5 万美金中间。

中国不太成熟，因为中国新车市场才发展了二三十年，中国的价格是贵的车特别贵，便宜的车特别便宜，拿 1 万美金也可以买到一些很好的车。

我们现在做的事情和 iPhone 当年做的事是一样的。 iPhone 当年也不便宜，整体手机的平均成交价是比当年诺基亚时代高很多，但 iPhone 提供了非常好的产品来支撑它的价格。技术变现需要这些引领的企业。

03 郎咸朋：自动驾驶里程数据超过 5 亿，2023 年底将达到 10 亿公里

我说一下自动驾驶。

人工智能的三要素，算法、算力和数据。2017 年李想找我聊，问我自动驾驶什么要素是最关键的。我的回答是数据。如果没有数据做区分的话，再好的算力、再好的算法也发挥不出来。

在算力方面来说的话，大家最终是趋同的，任何一个人能拿到的，其他的两家也都会有。然后如果说拿不到，大家都拿不到。算法方面的话，我觉得没有什么意义，大家都差不太多。最后最主要的还是看大家在数据方面的积累如何。这个数据不单单是数据本身，它其实是暗含的是一套这种获取数据、处理数据以及应用数据的一套系统。我们把它叫做数据闭环系统，或者说数据驱动系统等等。

我们现在拥有中国最多的自动驾驶数据，这个数据是从 2019 年的 Q4 交付第一天开始通过实际销售的车去做数据的采集和收集。每一辆用户车辆都是数据采集车，也是我们产品的使用车辆。不管是训练的里程数，还是这个车内测试，数量在中国都是最多的。

我们在 2017、2018 年就定了自动驾驶的战略，理想汽车是最坚定地去执行规模化量产自动驾驶战略的公司。

从第一天开始我们所有自动驾驶的软件、硬件都是标配的，因为有了这个基础，它才能让我们的每辆车都拥有数据收集、采集能力，也拥有这样自动驾驶功能的应用能力。除了特斯拉和理想之外，其他的车厂都不是这么做的，都是有一些额外的订阅费用。

目前里程数据已经超过 5 亿了，这是上个月的事情，到今年年底给我们估计一下，会有 10 亿公里以上的数据。

这个数据是怎么采集的？不是说很简单的每隔多少秒收集一下数据，他其实跟特斯拉做得非常像。我们是通过 trigger （触发的规则和条件）来进行数据的采集和回传。比如发生接管、急刹之类的被认为是重要场景，因此需要触发这一段数据的采集和回传。我们在车上的 trigger 有 100 - 200 个。云端还有一个高度自动化的 pipeline（数据自动处理的流程）去处理、挖掘里面的有用信息。比方说它会把这些数据传来之后自动地切分成一个小的数据段，把里边的关键帧抽出来，再去做里边云端的大模型。

在云端用大模型，把很多相关数据的信息可以自动化地再挖掘出来。现在这里面我们有了四五亿公里的数据里程，这 5 亿公里实际上包括了超过 10 亿的数据段，整个训练时长是 1000 多万小时，相当于一辆车自己跑一两千年的水平。

我们整个 AD 的发展实际上是从 2019 年开始默默地做，其实从 2021 年开始才有对外的全能自研的产品出来。今年第一季度，我们把整个算法进行了再次升级。

我们也有一套高效迭代的数据系统、闭环系统运营。这个系统的运营，2018 年就开始研发了，到现在已经五年了，这个优势和能力是其他竞对公司学不来、也赶不上。

年底之前会在中国 100 个城市覆盖自动驾驶，能这么做的原因是因为理想已有的技术栈是不依赖于高精度地图的。这是我们今年年底的规划，这个规划如果一旦真的做到了，不管是中国还是全球都会认为理想的自动驾驶绝对是第一。

我们这套东西还是免费的，因为我们有个理念，自动驾驶的系统和产品是用户的资产，你买我的车，你就能获得这个资产，这就跟买房一样。买了一个房子，房子里边的每一样东西都是你的，当你出售房子的时候，所有东西你都可以把它转让给其他人。买你房子的人，他也可以用你的资产。

车也是，买了理想二手车的人，他仍然可以继续使用车上的自动驾驶的产品，而不是花钱去买上面的服务。如果是收费的话，用的人就会越来越少。很多人自动驾驶还没做，就想开始收费。

如果想做更好的自动驾驶，理想这边我们坚信的还是要有拥有足够多的基础，这个基础包括海量的数据，包括数据闭环系统，也包括大量的车在不断地给我们提供产品的反馈和数据的上传。

在蔚来、小鹏、理想三家里，一两年之前，大家肯定都会把理想排在最后面，觉得理想在自动驾驶的投入、研发的进展不如其他两家，但是从今年开始，这种声音会慢慢会有一些变化。

04 勾晓菲：基于触控的交互方式不一定适合车

前段时间大家聊天说到了一个挺有意思的话——特斯拉用它的销量向大家证明了只有把自动驾驶做好，车才能卖得好；比亚迪用它的销量向大家证明了自动驾驶做不好，车照样能卖得好。

换位思考一下，比亚迪大概花了 10 年的时间，投了大概 500 多亿在电池技术上，他们在做的一件事叫重新定义新能源汽车。特斯拉也做了一件一样的事，他是在重新定义智能汽车。如果我们要以终为始的去看待这件事的话，那么最后用户买车买的是什么？

买车和买房的逻辑很类似，无非是买多大面积、是买装修的还是简装修的，这辆车能够给我带来什么样的服务体验？重新定义智能汽车，新能源、智能驾驶是必要条件，同时还有智能座舱，座舱最终才是能够给用户提供所有服务的载体。

座舱会给大家提供什么样的服务，最核心的点就是它能够承载什么样的交互形式。汽车的交互，一直都在学习消费电子。消费电子的交互方式是从命令行、到图形界面的交互，再到以触控为主的交互。汽车也是一样。

我们回过头来去想，这样的交互形式到底适不适合汽车？触控这样的交互使用最普遍的设备是手机，其次就是 Pad，但这样的设备有一个最明显的特点，是设备可以跟着人走，人在哪设备就在哪，它很适合交互。但是车上的这块屏它并不具备这样的特点，相反，车是屏在哪人就得在哪，你得挨到他边上去操控他。

车更像是家里的电视，很难想象今天我在客厅里坐着看电视，我想要去换一个频道的时候，需要走过去，触碰它，可以看到电视没有引入触碰这个技术，因为电视特点决定了它就不适合这个技术，汽车和电视也是一样的。

手机、 pad 、电脑这些终端基本上是一对一的服务关系，永远都是一个人在用手机。但是车不一样，车是一对多，就是车需要服务车里边的每一个人。而且车是一个三维的空间，手机或者 pad 是一个二维的空间，车需要拥有一个独特的、更适合自己这种产品形态的交互方式。

我们和物理世界做交互，主要靠五感，每一种感知其实都有数据带宽的，视觉占到 83% ，听觉占 11%，嗅觉 4%，其他两个是 1%。也就是说我们和世界做交互，主要是通过看获取到的。

我们把交互过程简单分成三步——感知、理解、表达。

感知，就是通过视觉、听觉拿到的信息；理解，就是要根据自己的一些知识储备或者价值观去做一个逻辑推理和判断；表达就是用各种方式去表达自己的认知和判断。

传统的手机或者电脑是二维的终端，感知物理世界的核心方式是触觉，之前预埋了一个什么样的控件，人点到了那个控件，手机 / 电脑就会执行一个预埋好或者预设好的程序。这是传统的判断，以前所有的机器、所有功能，所有能力都是程序员预埋好的，这个时候他也不需要很大的算力以及很强的理解力，因为所有东西都是预设好的，我只要把预设的能力执行好就行了。

在手机 / 电脑里，表达主要是通过显示屏、扬声器，从听觉和视觉两个层面上去给大家输出能力。基于这一套逻辑，我们以前用电脑或者用手机主要用来获取信息，我们没办法给他输入大量的信息，让他去学习，我们主要是从这些终端上去获取一些信息。

但是汽车不一样。在感知的维度上，舱内有 3D 的相机，他能看到舱内所有景象。还有多音区的麦克风，可以通过声源定位的技术，听到来自车里不同位置的声音，再去判断这个声音是从哪个区域来的，甚至是哪个角色发出的声音，同时它还保留了数控。

在这些二维终端里，数控基本数据带宽是 1%，加上视觉和听觉，交互带宽基本可以达到 95%，我们可以认为是一个接近百倍的数据感知的差距。也就是说，未来汽车能够实时感知这个物理世界的信息量，是原来智能终端的近 100 倍。这么大的数据量需要我们有更强大的理解能力去处理这些信息，更多、更准地去命中用户的意图。

汽车未来需要具备一套全新的三维输入输出的交互能力。感知这一部分就不多说了，不管是在传感器上还是在算法上，都已经相对成熟。

在 " 理解 " 环节，我们认为，基于触控的交互方式不一定会适合车的这种载体，基于对话的交互方式显然更适合车。在车里边通过语音的方式去做交互，已经提了很多年了。很多车企都在打这张牌，为什么打得不好？直到今天为止，语音的这种交互方式其实都是可用不好用。从可用到好用它会有多么大的差异，我们可以简单举个例子，在 iPhone 提出这个多点触控技术之前，触控技术已经存在很多年了，只不过那个时候是基于电阻屏的单点数控，需要一根笔点来点，不灵敏，也不方便，这相当于触碰技术的 " 可用但不好用 "。

随着 iOS 的多点触控技术的落地，它让触控的这种交互方式从可用直接跨入到好用里。这个时候多点触控会被大众快速地接受和认知，技术快速、全面地普及。

语音也是一样的，之前语音更多主打感知能力，是怎么把这句话听完整，怎么把这句话听清楚。但到了理解这一部分的话，做得一直都不是很好，大家都会觉得语音很傻，他只是会单纯地执行我的命令，没办法去更深层次地理解我的意图。

ChatGPT 的出现，让我们对话的交互形式从可用跨度到好用。

如果我们在车里的主要交互形式从以触控为主、对话为辅，逐渐地切换到以对话为主、以触控为辅的话，那它会有一个什么样的变化？

以前的交互框架，比如设置屏幕亮度，这条命令执行的过程分好几个层级，一般是通过 " 通用—显示—亮度 " 的层级来执行。这相当于语音通过命令唤醒出来的是一个触控的 UI。

未来如果变成以对话为主，路径应该是，通过语音的命令唤出的 UI 应该是一个生成式的 UI，是完全根据我这句话生成的、和我这句话强相关的 UI。

我们在过去的终端（电脑 / 手机）上去获取服务的时候，第一个想到的是我先开哪个应用，再去找到相应的功能、节目。未来我觉得基于对话也好，或者是基于大模型的这一套全新的解决问题的思路也好，应用有可能会完全被打破，应用的边界不会存在了。

说一个我自己的个人判断，未来到底是 AI 给应用赋能，还是说 AI 的能力会越来越强，涵盖更多的服务能力，这是一个非常值得思考的问题。

我们认为，触控一定不是座舱最主要的交互方式，把触控做得再好，生态做得再好，它不适合在这个终端里，因此，基于触控生态的车机系统，就是在用正确的方式回答了一个错误的问题。

大模型的契机，真的会给行业带来颠覆性的变化。以前所谓的生态都是软件生态、应用生态，以后这种生态的局面会被打破。回看手机从 PC 机 到手机的生态过渡的过程，我们也能够发现一个规律，就是 PC 机 有一部分能力其实过渡到手机上了，但是有一部分能力还留在 PC 机上，手机上只是过渡了一部分能力，同时也孵化出一些核心的能力。

每一个终端都有特殊性，交互形态不一样，电脑更多的是在家里、在公司，他解决的是办公类的问题。手机解决的是我们日常生活的所有问题。汽车是我们出行会使用的终端，在汽车上会长出来一种有别于其他终端的特殊的场景和能力。我们比较坚定地认为，永远也不会存在这种情况，即汽车做得再好，上车之后就不会再用手机了。

汽车、手机、电脑所有的这些东西其实都是对人类数字生活的补充，它让人类的数字生活变得越来越完整，他们之间是互补的关系，绝对不是说有你没我，手机没有把电脑干死，电脑也没有把手机干死，各方其实是一个补充的关系。（我们长期关注主机厂，读者可添加作者微信 ysl1075442629、编辑微信 Gru1993 进行交流）

注：文章头图来源于范皓宇朋友圈

雷峰网雷峰网雷峰网

关键词：