AI从L9Livis开始，理(想进)入具身智[能时]代

理想 L9 Livis

过去几年，理想汽车最擅长的事情，是把复杂的技术包装进一个足够具体的家庭场景里。

增程是为了消除家庭用户的里程焦虑，冰箱、彩电、大沙发是为了重新定义一辆家庭 SUV 的使用边界，理想过去的成功很大程度上来自这种能力。

但全新理想 L9 Livis 的上市，透露出一个新的信号。理想这一次想讲的，已经不只是 " 家庭旗舰 SUV 如何再升级 "。在李想最近关于具身智能的表达中，全新理想 L9 Livis 更像是一个阶段性样本，理想试图把过去围绕家庭场景建立的产品能力，进一步延伸到更底层的技术和组织体系中。

如果说上一阶段的理想，回答的是 " 怎样造一辆更懂家庭用户的车 "，那么这一次，它想回答的问题变成了：当汽车具备更强的感知、判断和行动能力之后，一家车企的边界会被推到哪里？

李想把这个方向称为具身智能。他提出，" 自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场 "。这句话听起来像一个宏大的技术判断，但放到理想自身的发展脉络中看，它其实指向一个更现实的问题。理想已经不满足于只做一款爆品车型，而是希望围绕芯片、模型、操作系统、感知系统和执行机构，建立一套面向未来十年的底层能力。

对具身智能行业来说，人形机器人仍处在较早期阶段，距离大规模进入家庭和开放环境，还需要跨越成本、可靠性、泛化能力和安全性的多重门槛。而汽车已经是一个成熟的万亿级产业，因此自动驾驶的突破，很可能成为具身智能产业走向规模化的前置试验场。

全新一代理想 L9，正是这个转向的第一个集中落点。它也是理想第一次把自研芯片、感知模型、VLA 司机大模型、线控底盘、主动悬架和操作系统，放进同一套产品逻辑里。

它仍然是一辆家庭 SUV，也仍然要面对高端新能源市场最直接的销量竞争。但在产品背后，理想正在完成一次更深的身份转换，从一家擅长定义家庭用车需求的汽车公司，走向一家试图掌握 " 物理世界智能化 " 底层能力的科技企业。

理想为什么要讲 " 具身智能 "

理解理想的具身智能战略，或许可以从产业逻辑开始切入。

过去十年，AI 主要改变的是信息世界。文字、图像、代码、搜索、知识管理，都已经被大模型重新塑造。但物理世界的变化相对缓慢。人们日常生活中的环境交互，仍然依赖人来完成。

汽车正是 AI 进入物理世界的关键入口之一。相比人形机器人，汽车拥有更成熟的产业链、更明确的使用场景，以及更大规模的数据闭环。它天然具备 " 身体 "：有传感器感知环境，有计算平台处理信息，有控制系统执行动作，有操作系统协调各个模块。从这个意义上说，一辆具备高阶自动驾驶能力的汽车，本身就是一种具身智能产品。

李想已经把具身智能的发展拆成了一条较清晰的产业路线图：上半场是自动驾驶汽车，下半场是通用人形机器人。

在自动驾驶汽车这个上半场里，理想将其划分为三个阶段：2018 年至 2023 年，是 L2 辅助驾驶阶段；2023 年至 2028 年，是 L3 自动驾驶阶段；2028 年至 2033 年，是 L4 无人驾驶阶段。

到了下半场，通用人形机器人又会进入新的三个阶段：2030 年至 2035 年，具备相当于 6 岁儿童的泛化能力；2035 年至 2040 年，达到 12 岁水平；2040 年到 AGI 实现前后，具备接近 18 岁成人的泛化能力。

按照理想自己的技术划分，2023 年至 2028 年的 L3 阶段，对应的是 2D ViT 感知、预训练模型、端到端控制，以及约 2000TOPS 级别算力；而 2028 年至 2033 年的 L4 阶段，才进一步走向 3D ViT 感知、稳定的预训练模型、全线控系统，以及接近 10000TOPS 级别算力。

这样来看，上半场积累的感知、模型、芯片、操作系统、控制能力，未来都可能成为下半场机器人的底层能力。理想将自动驾驶汽车和通用人形机器人都视为具身智能产品的核心形态，并判断未来 L4 自动驾驶用户与通用人形机器人用户存在较高重合度。

所以，理想这一次真正值得关注的地方，并不只是 " 做了自研芯片 "、" 做了线控底盘 " 这么简单，而是这些技术能力已经部分超过了当前阶段的基础要求，它代表着理想对未来增长曲线的重新设计。

战略背后的组织能力调整

如果只看产品和技术，理想的战略动作容易被理解为 " 加码 AI 研发 "。但从前不久李想与罗永浩的对谈内容看，理想更深层的变化，是用 AI 重构组织和生产流程。

李想在对谈中多次提到，过去两百多天最重要的事情是学习 AI。他不仅自己使用 AI 工具，也在公司内部推动员工使用 Claude Code、OpenClaw 等工具，并通过培训和分享让 AI 进入真实工作流程。

李想并不完全认同 " 一个人公司 " 的概念。他认为，建立稳定生产环境很难，AI 并不会凭空创造东西，而是附着在真实业务流程中，提高研发、协同和交付效率。这也是理想内部推动 AI 的关键逻辑，他不把 AI 当成个人效率工具，而是把它嵌入研发、运营、产品和管理链条。

这对一家车企尤其重要。汽车是复杂工业品，涉及硬件、软件、供应链、制造、质量、安全、渠道和服务。单点效率提升固然重要，但真正困难的是跨部门协同。

理想在 2026 年年初完成研发体系变革，从按软硬件功能划分，转向按照 " 造具身智能 " 的方式重构，并打通传统研发中软硬件团队之间的壁垒；变革后，智能辅助驾驶模型训练迭代周期从两周缩短至一天。

可见，智能电动车竞争正在从产品定义能力，转向组织迭代能力。

李想对 AI 人才的判断也值得注意。他在对谈中提到，公司内部 token 消耗量靠前的人，并不一定是过去标准下最顶级的员工；有些人表达能力不强、过去获取资源有限，但 " 脑子极强 "，一旦有 token 和业务环境，就可以改造很多东西。

这说明理想正在重新定义组织里的生产力。过去企业看重汇报能力、管理层级和资源协调；AI 时代，真正能用 AI 改造业务流程、构建生产环境、完成闭环的人，可能成为新的关键人才。

所以，理想从车企向具身智能企业的转型，不能只理解为产品转型。它更是一场组织工程：把人、AI 工具、业务流程和技术平台重新组合起来。最终目标不是用 AI 替代人，而是让组织拥有更高密度的创造力和执行力。

全栈自研是具身智能的入场券

理想的具身智能战略，最容易被质疑的一点是：一家车企为什么要做这么重的全栈自研？

在传统汽车工业中，车企的核心能力很大程度上是定义产品、整合供应链、制造和渠道能力。发动机、变速箱、底盘、电控等，各个模块都有成熟供应商体系。车企可以通过采购和集成，快速推出有竞争力的产品。

但具身智能的难点在于，它不是单个模块的智能，而是一个系统如何实时理解世界并作用于世界。感知、模型、算力、操作系统和执行机构之间的协同效率，会直接决定车辆在复杂场景中的表现。

李想用人体来类比这套系统：芯片是心脏，模型是大脑，感知系统是眼睛，底盘是手脚，操作系统是神经系统。具身智能产品的能力上限，取决于整套系统能否被统一设计、统一调度、统一迭代。

这正是理想坚持全栈自研的底层原因。

以芯片为例，理想自研的 5 纳米马赫 M100 芯片，采用数据流架构，双颗算力达到 2560TOPS。但对理想来说，自研芯片的意义并不只是 " 算力更高 "，而是芯片和模型可以协同设计。未来智能驾驶模型越来越复杂，如果芯片架构与模型需求不匹配，就可能出现算力很高，但实际效率不足的问题。

再看操作系统。星环 OS 的价值，是想成为整车智能体的 " 神经系统 "。当车辆进入全线控阶段，转向、制动、悬架等执行机构都需要被 AI 实时调度，系统延迟、安全冗余和控制精度就会成为核心问题。这意味着，具身智能时代的车企竞争，核心在于把感知、决策和控制做成一个可靠闭环。

从产品角度看，全新一代理想 L9 Livis 最重要的变化，并非外观、座舱或者舒适配置，而是它第一次把理想所说的具身智能五大核心能力集中落地在一辆量产车上。

感知层面，L9 Livis 从 2D ViT 进化到 3D ViT，并将激光雷达的三维几何信息与摄像头语义信息在编码阶段统一。模型层面，理想引入马赫 VLA 模型。控制层面，搭载 " 完全体 " 线控底盘和 800V 主动悬架。这组技术放在一起看，理想想要证明 "AI 控制物理世界 " 的能力已经开始具备硬件基础。

这也是理想全栈自研的商业逻辑。短期看，全栈自研投入重、周期长、风险高；但长期看，它有机会形成技术代差和产品差异化。数据显示，理想汽车 2025 年研发投入达 113 亿元，其中 AI 相关投入占 50%；2026 年研发投入预计仍保持在 120 亿元左右，AI 相关研发投入占比约一半。

对理想来说，这相当于把未来十年的竞争壁垒前置建设。尤其在智能电动车行业进入同质化之后，只有掌握底层技术架构的企业，才有可能在体验、安全和成本之间建立更稳定的平衡。

当然，全栈自研并不天然等于成功。它需要持续高投入，也需要产品销量支撑现金流，更需要组织能力承接复杂研发。但李想在与罗永浩的对谈中说，" 理想汽车做 AI，不是冒险。不做才是冒险。" 这句话某种程度上概括了理想此轮战略转向的决心与笃定。

汽车正在成为物理世界 AI 的起点

理想选择在 L9 上集中呈现具身智能，并不意味着这套战略只服务于一款旗舰 SUV。更长远看，它释放出的信号是：当智能电动车竞争进入同质化之后，汽车产业正在寻找下一轮增长叙事，而具身智能可能成为科技产业与汽车产业重新交汇的方向。

过去十年，中国汽车行业完成了从机械产品到智能终端的转变。但到今天，续航、空间、配置、补能和智能驾驶都在快速趋同。行业真正的迷茫在于，下一步到底靠什么拉开差距。

理想给出的答案，是把汽车放进更大的科技产业坐标中重新理解。

在李想的判断里，自动驾驶解决的是机器如何在道路环境中感知、判断和行动；人形机器人要解决的，则是机器如何进入家庭、工厂和更复杂的开放场景。二者看似形态不同，本质上都指向同一个问题：AI 如何理解真实世界，并对物理世界产生稳定、可靠、可控的影响。

这也是理想重投芯片、模型、操作系统和线控底盘的原因。它们短期服务于汽车，长期则可能成为进入更多智能终端的底层能力。汽车是第一个成熟载体，因为它有高价值硬件、明确场景、持续数据反馈和足够强的用户支付能力。但汽车未必是终点，它更像是物理世界 AI 最先规模化的训练场。

当然，具身智能不是一个靠概念就能兑现的赛道。全栈自研意味着高投入，机器人业务也需要更长周期验证。市场最终看的，仍然是产品体验、安全可靠性和商业效率。汽车可以成为物理世界 AI 的入口，但前提是它必须先是一辆足够好、足够稳定、足够可信的车。

全新一代理想 L9 释放出的信号已经足够清晰：在行业普遍陷入 " 下一步卷什么 " 的迷茫时，理想试图把汽车竞争从单车产品力，推向更底层的系统能力竞争，今后真正的竞争可能会变成，谁能更早建立起连接感知、判断与执行的完整系统。

自动驾驶只是开始。汽车产业真正的新变量，是它正在成为 AI 进入物理世界的第一站。而理想想争夺的，也不只是一款旗舰 SUV 的市场份额，而是下