Redian新闻
>
理解人工智能的13个关键词

理解人工智能的13个关键词

公众号新闻



很多人可能不明白,为什么如今是这些工作容易被改变,理解以下的13个关键词,或许会为你带来一些启发。“人工智能”是一个庞杂的动态概念,各种研究流派和新名词层出不穷。储备一些基本的专业词汇,能帮助我们更快理解人工智能领域的新突破究竟意味着什么。

即将举办的2023中国绿公司论坛将通过“开启AI普及应用时代”、“人工智能与产业机遇”、“人工智能的应用式创新”、“AI机器人及产业互联网”等议题,开放企业家和学研界人士研讨人工智能的发展趋势、业界困局和解决方案。

来源 | 三联生活周刊
人工智能 主要流派

· 符号主义(Symbolicism)

符号主义又称为逻辑主义、心理学派或计算机学派。符号主义人工智能是第一代人工智能,它主张人类思维的基本单元是符号,人类认知的过程是符号运算,表现为知识表示和推理,主要通过逻辑进路来研究。符号主义曾在很长一段时间内一枝独秀,为人工智能的发展做出过重要贡献。

(插图 :老牛) 

· 连接主义(Connectionism)

又称为仿生学派或生理学派,其主要原理为神经网络及神经网络间的连接机制与学习算法。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型,开创了用电子装置模仿人脑结构和功能的新途径。由于受到当时理论模型、生物原型和技术条件的限制,脑模型研究在20世纪70年代后期至80年代初期落入低潮。1986年,鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法,连接主义再次兴起。现在,对人工神经网络(ANN)的研究热情仍然较高。

· 行为主义(Actionism)

又称为进化主义或控制论学派,认为人工智能源于控制论。控制论思想早在20世纪40~50年代就影响了早期的人工智能工作者。早期的研究工作重点是模拟人在控制过程中的智能行为和作用,如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究,并进行“控制论动物”的研制。这一学派的代表作是布鲁克斯(Brooks)的六足行走机器人,它被看作是新一代的“控制论动物”,是一个基于感知-动作模式模拟昆虫行为的控制系统。

《机器人总动员》剧照

人工智能 如何训练

· 数据集(Data Set)

数据集是机器学习的核心。根据数据类型,可以分为数值数据、分类数据、时间序列数据和文字数据等。按照在机器学习过程中的用途,数据集被分为训练、验证和测试集,分别用于训练和测量模型的性能。

· 基准测试(Benchmark)

基准测试可以理解为一套出给人工智能的能力水平测试题,用来衡量AI模型在特定问题上的性能。随着深度学习的流行,基准测试也成为关注焦点,目前主流的基准测试包括ImageNet(用于评估图像分类系统)和GLUE(公共语言理解评估)。但在这些基准测试中表现良好,并不等于AI拥有和人类一样的理解语言和视觉信息的能力,它们的评估范围仍然限于具体的、特定环境下的任务。

《她》剧照

 热门深度 学习模型

· 生成对抗网络(GANs)

GANs是一种能够自动判断生成结果好坏的机器学习模型,解决了人工标注成本高、效率低的问题。GANs主要用于图像生成技术,模型由生成器(Generator)和判别器(Discriminator)两个部分构成,前者生成数据(通常是图片),后者判断数据是真实的还是机器生成的“假数据”。通过不断训练,GANs能够生成越来越“真实”的图片。

· 变换器(Transformer)

变换器是一种使用“自注意力机制”的深度学习模型,各类变换器模型本质上都是预训练语言模型,均采用自监督的方式在大量的生语料(raw text)上进行训练。自监督学习是一种根据模型输入自动计算的训练方法,不需要人工标注数据。近年来变换器已经取代循环神经网络(RNN)等模型成为自然语言处理(NLP)领域的主要训练模型。ChatGPT中的GPT(Generative Pretrained Transformer)就是其中一种。

《智能学习》剧照

· 生成扩散模型(Diffussion Models)

生成扩散模型和GANs同属生成模型,它通过连续添加高斯噪声来破坏训练数据,然后反过来让机器学习去噪声过程来生成数据。生成扩散模型解决了GANs图像生成缺乏多样性、训练时间长等问题。通过在生成扩散模型中嵌入变换器,就能实现文字到图像的转换,结合二者优势,在保留图像的语义结构方面表现更好。

 人工智能的学习方式

· 机器学习(Machine Learning)

根据亚瑟·塞缪尔(Arthur Samuel)1959年提出的定义,机器学习研究和构建的是一种特殊算法(而非某一个特定的算法),能够让计算机自己在数据中学习从而进行预测。机器学习按照训练方法大致可以分为三类:监督式学习、无监督式学习和强化学习。监督式学习根据已知的输入和输出训练模型,让模型能够预测未来输出;无监督式学习不给出正确答案,机器的任务是从输入数据中找出隐藏模式或内在结构;强化学习更接近生物学习的本质,关注的是智能体如何在环境中采取一系列行为。

纪录片《探寻人工智能》剧照

· 人工神经网络(Artificial Neural Network)

一种教计算机以人脑运转的方式处理数据的架构。它是一个具有相连节点层的计算模型,其分层结构与大脑中的神经元网络结构相似,计算机使用该系统来从错误中进行学习并不断改进。人工神经网络可以尝试解决复杂的问题,特别适合执行模式识别,用以识别语音、视觉和控制系统中的对象或信号并对其分类。神经网络既可以是监督式也可以是非监督式学习,取决于训练集是否对输出结果进行标注。

 深度学习(Deep Learning)

深度学习是一种以人工神经网络为架构,对数据进行表征学习的算法。与特征学习相对,表征学习不只让机器认识特征,也学习如何有效提取特征,可以理解为“教机器如何学习”。深度学习与20世纪90年代由认知神经科学研究者提出的大脑发育理论(尤其是皮层发育理论)密切相关,即大脑中的神经元组成相互连接的不同层次,层层传递信息。此处的“深度”是指使用多层神经网络,构建和人类大脑相似的结构。深度学习常常被看作是通向真正的人工智能的重要一步,目前它最广为人知的应用包括人脸识别和语音识别。

热门人工智能 研究领域

· 自然语言处理(Natural Language Processing)

自然语言处理(NLP)是一种机器学习技术,主要研究如何让计算机能够解读、处理、理解和运用人类语言,理想状态下是一种简单直接的人机交互方式。自然语言处理的难点包括分词、消除歧义、句法模糊性等等。早期自然语言处理的主要成果集中于翻译领域,深度学习的发展和语料库的建设推动了该领域的突破,目前自然语言处理越来越多地使用自动学习的方式让机器获取语言知识。

《#27》剧照
· AIGC(AI Generated Content)

指利用人工智能技术生成的内容,也是当下最热门的新型内容生产方式之一。现在热议的“文字生成图像”和ChatGPT都属于AIGC的范畴。随着深度学习模型的完善、大模型商业化应用的实现,AIGC可能正在揭开机器创作时代的帷幕。



版权声明:文章来源于公众号“三联生活周刊"。本微信号所提供的信息仅供参考之用,如果您认为此文涉及侵权或标注与事实不符,请告知我们。

1242在造车新势力中,理想汽车的李想也是个异类——身为CEO在微博上高强度冲浪,不时与黑粉激情对线;打造产品时与行业“逆行”,选择非主流技术。在中国的汽车行业,李想背负的争议可能仅次于马斯克。而特斯拉举办投资者日同一天,理想召开春季沟通会,李想对着5页PPT,一口水不喝进行了近两个小时的脱稿演讲,输出了超过2万字观点,发言不改直率本色,包括但不限于:“汽车电商的失败在于根本没有创造新的价值;智能电动汽车企业的毛利率要达到20%才算健康;智能电动车真智能要到2024年城市高阶智驾跑通;传统车企根本没有电动车的技术积累。” 图片 虽然火力依旧凶猛,但李想更多的篇幅用在阐述理想所做的种种抉择之上。据说,李想在演讲前向媒体收集了上百个问题,然后从能源、智能、品牌、经营、组织五个层面,解释了理想如今的选择。理想的员工告诉我们,这次演讲是李想在内部的员工培训基础上进一步迭代而来。此前,国内没有车企CEO会这样长篇累牍地向公众剖析业务的底层逻辑。但李想自己给出了解释:企业从0到1的阶段,只需要获得内部员工和部分消费者的认同;而要成为更大规模的公司,前提必然是获得更大社会层面的理解。因此,李想的2万余字演讲,其实是一次李想阐释理想如何造车的答疑会。因篇幅太多,我们选择将其切分为“电动”、“智能”、“品牌”、“经营”、“组织”五个部分,并将李想针对每个部分的演讲归纳“问题-回答”形式,并补充了部分背景。读者可选择自己感兴趣的主题阅读。为便于阅览,我们对演讲内容进行了不改变原意的删改。电动篇 图片 1、为什么要加入新能源汽车创业,创办理想?看到了什么趋势与需求?李想:要进行一次新的创业,肯定要看最核心的一个大趋势。人类过去几千年发展,最主要的影响有两个方面,一个是能源,一个是信息技术的发展。智能电动车为什么那么受关注?智能电动车是少有的一个行业,既涉及到能源又涉及到前沿的信息技术。从用户的角度而言,能源的需求其实是三个层面。第一个层面是能源获取的便利性。我们经常看到不同的电动车用户会对他们的电动车给出完全两级的评价:有充电桩的会说真香,很多没有充电桩的用户会表示后悔。为什么会产生两级的声音?因为用户的使用便利性不一样,任何有充电桩的用户,整个思考方式完全不一样。第二点是用户能源获取的成本。能源获取成本其实有两个方面,一是我买的这个产品是不是更贵,这里边是电池价格的组成。另一个是使用成本,电动车的使用成本非常低,这也是过去这么多年,尤其在当下经济背景下,会有越来越多的消费者选择电动车的原因,因为每年能省的钱就能多买一个iPhone,iPad。这个节省对于整个经济增速放慢以后是非常关键的。第三点是舒适、环保、零污染,但是和政府讲的碳中和、碳排放又是不一样的。例如,电动车在日常堵车的时候,没有变速箱更舒适,这是大家都认可的。用户认为环保是什么?比如我们在夏天自己开车去接孩子放学,如果我开着空调,到处都是味道,这就是污染,而我开个电动车开着空调就会很好,这是用户货真价实的需求,这些需求满足得越好,电动车的普及率越高。另外一方面在政府,有三个方面需求。第一是核心技术的自主可控。第二是能源供给的安全。我们生产全世界超过60%的电池、但是我们的碳酸锂储储量不到10%,我们用了全世界20%以上石油,但我们石油的储备大概是2%不到3%。第三是政府需求,正如领导人讲的“金山银山不如绿水青山”,其实就是碳达峰和碳中和。因此,这也造就了中国无论是整个电动车行业、全产业链,包含电机、电控、然后包括第三代半导体,也包括后面的电池、新的电池技术,以及像光伏这样的全产业链,我们已经跑到全世界领先的位置,都是基于整个政府有这样一个核心的愿景。2、新能源车企在“电动”层面要面对的关键挑战是什么?理想为什么选择了增程路线?李想:归根到底就跟我们2016年在做理想ONE立项的时候做的判断是一样的,其实我们面临所有的挑战就两个。第一个挑战是充电难的问题,我指的充电难是替代燃油车的标准来开展充电,因为消费者没有任何义务,在买一辆电动车以后,整个的体验、行使半径,效率是比燃油车下降的。所以,我们思考从完全替代燃油车的角度来看充电挑战。第二个挑战就是电池成本高。因为电池是有核心贵金属的大宗商品组成,所以它就会呈现一个什么样的现象?就是电动车卖的越好,比如说去年下半年开始更强的爆发性增长,所以就会变的越来越贵。正如今年一二月份有些朋友在微博上所讲一样,虽然各家降价并没有帮助自己胜利,但可以打击对手。所以,整个消费者购买观望态度就非常明显,几乎每一家企业定的全年目标,两个月过去,普遍仅完成了4%-5%。这时候,碳酸锂的价格就明显地下降了,从55万一吨现在降到39万一吨。我们判断,整体的成本肯定不会再降到原来的4-5万/吨,20-30万每吨是个长期稳定的价格。这样的话电池成本还是没有办法大幅下降,甚至今天的电池成本比2018年的时候还要贵得多。所以我们自己的解决方案就是两个,但我们从最开始的时候分析我们认为有三条路径是可以解决这个问题的。第一条路径也是我做蔚来汽车董事的时候,换电。换电是一个非常好的方式,因为第一,换电体验可以无限接近于加油的体验。第二,用户很多担心的问题都得以解决。另外一方面,换电可以让消费者买一辆电动车的成本甚至比一辆燃油车还低,整个体验就会完全不一样了。当然,换电也会出现建换电站要准备更多的电池、包含要承担电池涨价、降价大幅波动的风险,我们当时的钱并不多。我们在想一个问题,能不能把它直接放在产品端,而不依赖于服务端,所以我们就做了增程电动车。当时,增程技术跟今天大家看到的不一样。因为当时无论是增程像雪佛兰Volt,还是PHEV车型普遍都是50到60公里(续航),我们当时想的一个问题是,如何能够把用户的体验和这种出行效率结合在一起?所以我们当时做了一个最重要的选择是做大电池(40度起)。今天我们所有卖的车都可以做到200公里以上的CLTC续航里程。我们特别希望的一个真实场景,就是在城市里用电,大家可以看到我们总交付量近29万辆车,装出去的充电桩已经达20万,所以用户选择安装充电桩的比例非常高。另外一方面我们所面向的家庭用户,非常需要出行足够的方便,他能够带着一家人出行的时候不需要到处去找充电桩,不需要排队充电。所以这是我们解决方案之一,因为增程可以用更少的电池也可以把车重的车辆控制下来,也能够解决这种长途出行充电的问题,跟我们SUV更相符。3、高端新能源品牌都在铺设自己的专用充电网络,为什么理想还没有开始?(背景:无论是特斯拉、蔚来、小鹏,还是保时捷等品牌,为在补能体验上看齐燃油车,都在加大自营公共充电桩的建设,尤其对大功率超快充的铺设。是否拥有自有快充网络,目前成为一个新能源汽车品牌是否高端的标志。) 李想:今天充电桩还有另外一个问题,就是绝大部分企业充电桩都是不赚钱的。充电桩这个生意很容易计算,一天大概做到6单到7单,基本上就收支平衡,如果做到10单基本上一根充电桩的盈利会好于加油站。但是,如今一天普遍2到3单,基本上是赔钱。那大家普遍做的方式包括企业的融资方式,就是这个充电桩明明只能用5年,但是我把它分摊到10年的成本上去,用这样的方式来把整个盈利和亏损减少。充电桩的原理其实跟饭店一样,就是一个翻桌率。用户充电的话需要大量的等待时间成本,很容易造成一天就普遍2到3单的情况。测算一下,如果能够把用户的时间缩短在20分钟之内用户就不会离车,如果缩短到10分钟充它一个够使用的里程,那用户体验就基本上跟燃油车是一致了,所以这是我们做的一个判断。要想做到这一件事情,有这两个核心,第一个核心是必须用高压平台,用高压平台才能做到这样的充电速度。同时,高压平台第二个好处就是当我们使用碳化硅配合高压平台以后,再配合比较好的风阻系数,电池成本可以大幅的下降,效率可以显著的提升。比如,目前销售最好的一款中大型SUV大概是有100度电,做到600公里,但我们用800伏的高压平台配合更好的风阻系数,以及碳化硅和整体效率的优化,我们大概用80度电就可以做到同样的续航里程,而车辆也会更轻,因为车更轻了以后就可以减少铝的使用,成本下降大概在3到4万块钱。这背后也跟我们自己来做碳化硅的模块、三合一的电机都是相关的。当把这一些东西做好以后,相比今天传统的400V主流电动车,在相同尺寸、相同驱动形式下,大概可以一辆车降低3到4万块元零部件成本,大家到时候可以看得到我们推出800V高压平台电动车,大概可以做到跟增程相同的价格。这可能跟大家想象的不一样,今天大家都认为800V碳化硅是一个更贵的价格,其实不是,它可以节省非常多的成本。这是我们自己的两个核心路线,无论是我们做的增程电动,还是做的高压纯电,其实核心目的第一个解决充电的问题,当我们使用4C电池的时候可以做到10分钟充电400公里。另外一方面我们今天到了这样一个规模以后,我们自己始终坚信,如果要推出电动车,充电桩对我们而言它是产品,不是服务。充电桩是产品本身,如果我们提供4C,但是没有4C的完善充电网络,那其实就相当于我们买了一部4G手机,但还仅有2G网络,所以我们认为它属于产品本身的事情,大家完全不用担心我们铺设充电桩的速度和决心,因为背后没有大家想象的那么贵。往后看2030年我们仍然会坚持两条路线同时往前走,然后把增程效率做的更高,做的更好。另外一方面在整个高压纯电上做的更好,根据用户自己的选择提供两种需求。智能篇 (背景:今年1月末,李想发布公司全员信,提出在2030年成为全球领先人工智能企业的愿景。他认为“具备自动驾驶的智能电动车也将会成为最早的人工智能机器人,以及创造出物理世界人工智能的母生态”。) 图片 4、为什么理想要成为一家人工智能公司?李想:很多人不理解我们为什么那么重视人工智能。在理想汽车,我们有四支人工智能的算法团队,分别解决四个领域的问题,包含1. 去年建立的智能座舱团队,做多模态算法;2. 智能驾驶;3. 智能工厂;4. 零售端智能。关于第三个“智能工厂”为什么要做人工智能,原因是我们在产线上,每天一个的生产工序里会有几百个检验人员,都可以通过人工智能算法取代;同时,还能帮助我们用算法来解决质量问题,从一个量化角度来看,每辆车在质量成本的分摊上,大概是同样售价的奔驰、宝马、奥迪的约50%。另外,这套算法还能帮助我们对于各种事故的分解。如果大家问问身边开理想ONE的朋友,会得到一个重要的反馈——我们的保险甚至比燃油车还要低,一般电动车的保险价格是比燃油车更贵的。而理想ONE作为一个30多万的车,第二年续险时商业险的部分是3300块钱人民币,如果加上交强险等等整体就是4300,这一价格甚至跟很多10万块钱左右的新能源汽车的保险是差不多的,这背后的就是得益于我们整套算法体系。回到我们为什么要做这样一套体系,其实是跟我之前做汽车之家有关。做汽车之家时,基本上所有产品都成功了,但唯一一个失败得一塌糊涂的就是汽车电商。而且,不仅我们在汽车电商方面失败了,包括易车、淘宝和京东,以及当时好多汽车电商创业公司同行和二手车电商也全失败了。这也不只是国内的品牌,还包括过去几年在美国一直做到了五六百亿美金市值的Carvana二手电商,今天又掉到了十几亿美金,我们去学习美国的True CAR也都没有成功。我们反思为什么会出现这样的问题时,有一个很重要的思考,汽车电商整个业务链条中90%,甚至95%是发生在线下的,线下的仓储、库存、物流、交付的体验环节,我们当时没有做任何的改造,整个成本甚至比传统的汽车经销商还要高,我们只是在线上多花了5000到15000块钱的CPS(Cost Per Sales,销售成本),剩下的什么都没改造。也就是说,在整个商业链条里面,我们除了多花了一部分钱之外,剩下什么价值都没创造。而同样的问题在过去大家认为很火的新零售方面,比如社区团购以及打车软件等,也都是相同的问题。无论是美国的Uber还是中国的滴滴,今天的市值都远远不及它当时融资的市值,其核心问题是过去的时候是软件1.0,没有办法解决线下物理世界的问题。我们定义的软件1.0是什么?就是人类自己来制定规则,人类自己来编程,然后编完程程序给人类自己使用,无论是我们使用互联网、还使用APP、或者其他终端,都是一个相同的原理,主要核心就是运行在一个数字世界,但是物理世界发生的一切我们改变不了。我们可以在美国非常快地拿Uber打一辆车,但是这辆车从A到B点中间发生的一切,我们叫TCO(总拥有成本)没有任何下降,甚至比出租还高,因为空驶率更高,所以这些平台公司就会出现一个问题,当它要想获得高速增长和份额时,它就会亏损,如果它想赚钱,唯一的方法就是剥削司机,比如美国收30%、中国收25%,而之前的出租车公司只收20%,所以他们现在比出租公司向司机收了更多的钱。零售电商则不一样,当把这种昂贵的商场卖货挪到一个库房就能卖货,整体的成本下降35%到40%,只是整个的行业的35%到40%被三个分割了,首先就是消费者拿走了一部分,让零售价格更便宜了;其次是平台方拿走一部分,造就了像阿里、亚马逊这样万亿美金级别的企业,第三个就是这些品牌——用新零售方式做电商的品牌。所以,我们就在思考什么可以改变物理世界?我们发现,只有AI。AI是可以改变物理世界的,因为AI的核心其实是学习,它不是编程,不是逻辑,是依赖于其对人类的模仿和学习。我们又把AI分成了两大类别:第一个类别是基于长期进行分析和观察,做到拟人的状态。因为人在物理世界的工作,大概有两种学习的方式,一种是行为学习,就是小脑为主、大脑为辅。我们用大脑来思考和训练自己,但是训练成功以后小脑就能处理任务,就像我们开车或者生产线上做一些检测等,其实很多时候都不需要进行大脑完整的思考。另一个类别,就是大家最近比较流行的基于Open AI,比如ChatGPT,当然也包含车里的“理想同学”和蔚来的“NOMI”等,它们的工作方式是认知学习,认知学习是大脑为主、小脑为辅的。当你给出一个复杂命令,它要回到云端去处理,然后经过训练后有相对确定性的执行,而如果放在车端的,它就通过GPU或者BPU(注:李想用BPU来代指车端的推理芯片/神经网络处理器NPU,后文同)就可以给出去结果。这是两种不同的方式,如果是基于第一类别的AI,也就是小脑处理执行动作的,一旦它犯了错,可能就是一场交通事故,可能就是一个人员的伤害,错误的后果完全不同。5、自动驾驶可以显著地改变物理世界,但其复杂度非常高,不能单纯归入行为学习或者认知学习。李想:还是拿开车来举例子,先要了解人类自己是怎么学开车的,怎么在物理世界以行为的方式来进行工作的。第一就是三维的感知,就是人类通过两个眼睛和两个耳朵并配合大脑的处理,对整个的三维世界进行信息的获取和信息的处理。我们人类眼中的成像和其他动物眼中是不一样的,是因为各自的“传感器”和“处理器”处理的结果是不一样的。而我们用这样的眼睛看车,车前面到底是车还是石头,是运动的车还是静止的车,首先就需要有一个三维感知的能力。其次,我们还需要让车对看到的东西和结合自身的状态进行一个判断决策,如果看到前面是一辆车,就踩刹车减速,如果前面是一个事故车或者是一个石头,就判断要躲开。第三,我们要通过小脑以及神经系统去执行,应该怎么打转向去躲开它,打多大力度和速度,或是应该怎么去踩刹车,刹车踩成什么样的一个力度;第四,是结果和反馈,反馈其实就是训练。如果刚才整个操作体验非常顺畅安全,我就会逐步训练成强化自己的本能,但如果我用上面的操作,不小心追尾了,我们一般三年之内很难再追尾,因为我们会调整自己的下一次行为,以后但凡遇到这样的情况我会提前踩刹车。其实,我们小的时候学走路、学拍球都是类似这样的学习过程,一旦经过这种先有问题反馈、后经过大脑训练的过程,后面我们小脑就能处理了。回到自动驾驶也会经历两个阶段,行为学习阶段和认知学习阶段。第一个阶段,由于整个的传感器,还有整个算力并不强,我们用的Mobileye两个TOPS的算力,用了前视只有200万像素的摄像头。第一,它没有办法做三维的感知,它是在视频里识别一张张二维图片,因此感知的环节只能做二维,运用到AI技术也只是识别二维的图片,其余的能力都没有。同时,也是在用“二维测距”,一张图片越宽就距离我越近,图片越窄距离我就越远,但是车在行驶过程中会出现各种的抖动,因此也会出现识别不准。大家的解决方案是成本比较低的方法,放一颗毫米波雷达距,每一张图片反馈一次和物体之间的距离。总之,这就是最开始,或者说其实到今天为止,跑的中国路面上99%的车都是这么工作的,哪怕今天已经上了Orin这一套计算平台,也包含特斯拉在中国的AP都是以这样的方式来工作。这被我们戏称为是一个2.5D的工作方式。所谓“2.5D工作方式”就是像蝙蝠,用雷达测量我离各种障碍物和目标物体之间的距离,以此来成为下一步的前提。因此,今天路面上所有的量产交付的车判断决策也都跟AI没有关系,它们都是规则制,哪怕它有算法,也都是白盒子的算法,是人类写的透明规则的算法。这就意味着,如果根据我的车速来判断,当我遇到加塞进车道我会怎么处理,当我认为它离开车道我要怎么处理,它距离我近了怎么处理,它距离我很远时我又该怎么处理等等。这些东西都是靠大量的人在调试,依靠人类进行编程来实现的。所以,今天体验好不好依靠的是谁写入更多的规则而不是AI算法。这样的第一阶段,是需要更多的测试场景,靠人类写入更多的规则,有一个确定结论就是,规则之内可以解决,规则之外一律解决不了,出现事故是消费者自己的责任,因为我只是个辅助驾驶。第三个部分,在整个的执行控制方面也是一样,完全规则制的。因此就会出现当遇到一段堵车路段,如果跟的紧就会有点晕车,因为它的刹车更急、起步更快一些,以便防止别的车加塞。做得比较舒适的车,加速都会比较稳,但是很容易在堵车的时候被别人加塞,各大车企都是不停的在调,去寻找这两者之间的平衡点。第四个部分,反馈成长。这块就是分为两大部分,第一是由于我收集了更多视频,背后雇一个标注团队,比如说特斯拉的标注团队是放在的印度,而中国品牌的标注团队也都是外包的,大量的标注团队都在贵州。这个阶段的工作,就是根据视频来进行人工标注,比如人识别出这是一个桩子,立着是一根桩,倒下来以后它也是一个桩,给立着和倒着都画同样的框框,之后车就能“识别”它都是桩。有轱辘且有两个轱辘的能被识别出来是车,后来发现压路机只有一个轱辘,当我们完成标注以后,也能识别出来,说这是个车,不能直接撞上去了。而如果没有标注,它就可能认为前面没有物体,策略就会是继续行驶,导致直接撞上去。因此,在这个阶段,这行业里无论是做视觉的人工智能,还是做语音的人工智能,我们内部开玩笑的说法是——有多少人工就有多少智能。6、逻辑上,要实现自动驾驶就要让AI进入认知学习阶段,但要怎么做?李想:目前的阶段本质上跟“自动驾驶”没什么关系,它就是辅助驾驶,无论“L2点儿几”也都是只是L2。这个阶段发生本质的一个变化是从特斯拉的FSD,以及它的自动驾驶算法的高级总监,AK(注:Andrej Karpathy,目前已回到Open AI)被马斯克从Open AI招过去,特斯拉的智能驾驶才有了本质的变化。AK之前是在斯坦福跟着李飞飞学3D视觉的。同时,FSD芯片效率很高,因为FSD是专用的BPU,虽然只有144TOPS,但是它的有效算力基本上是跟两颗Orin一样,它的有效算力是我们用GPU大概3倍的水平,两颗144 TOPS的FSD,其实基本上是跟两颗508 TOPS的Orin X性能差不多。同时,特斯拉在那个时候已经升级成了360度的摄像头,它用“大模型”的方式开始做BEV的3D,变成了三维的视觉,整个的三维视觉像素占用和像素移动之间的过程,包括背后这种占用网络都是类似的。这样一来的好处,就是车开始以跟人相似的方式来观察这个世界了。当然,它和人还是有一定的差别,它有比人更好的地方、也有比人差的地方。比人差的地方是它的像素目前只有200万像素,后面升级到800万,人的眼睛是1.5亿-2亿像素。但好处是你不需要回头看,摄像头是360度的,所以它在整个观察范围里,其实比人更有效。只是往前看的效率比人更低,因为人看到400-500米之外是没什么问题的,而今天所有摄像头大概看到100米左右基本上就是极限了,尤其是在晚上的时候。当然,我们相信无论是视觉传感器,还是其他传感器,也都会继续高速发展,算力也会高速发展,这些问题可以等时间来解决。有了这样的三维感知以后,接下来的判断决策就不一样了。在整个判断决策上其实分成两层:一层会是白盒子的,就是编程制的,用于遵守交通规则、遵守法律。另外一层是从三维感知,到判断决策,再到执行控制形成一体,我们叫“端到端”,它可以清晰地看到人类是怎么做的,人类看到什么样的东西,做了什么样的判断,进行什么样的执行,这套整个的过程就可以被记录下来了。我认为,这是一个本质的变化,我们把这称之为“影子学习”。它是个学习的过程,而且需要你的终端,包括今天用的GPU或是专用的BPU有一个闭环的能力,能够获取整个过程。这以后,整个“反馈成长”的层面也就不一样了,它会把这种已经变成结构性的数据回传到超算平台进行训练,而这里的训练是个黑盒子的过程。虽然同样有算法,但有的算法是白盒子,我们认为它属于1.0或者1.5阶段,但是完全黑盒子的算法,我们认为那才是2.0,这是一个本质的变化。在车端进行学习,足够多的样本放到云端进行训练,这种云端就会做自动化的标注、自动化的分类还有自动化的训练,不再需要那么多人了,也不需要养那么多人了。其实,特斯拉算法团队的人数非常之少,包括Open AI的算法团队人数也非常少,跟中国大部分的四小龙AI公司人数差别巨大,是因为“大模型”以后的自动化完全不一样。同时,由于它是一个黑盒子,所以整个训练观察的不是它的对和错,而是观察它整个训练质量的提升程度。当机器进入了学习的时候就不是在看对和错,只有编程能看对和错,核心是看质量的变化。这时候会在整个超算端进行训练,训练完以后也不会直接到车上去部署,过去还有仿真系统,现在也会进入到另外一种仿真的方式,会再回到车上,去做影子的验证。就是跟大量的人类的操作行为做验证,从而来看看我的算法质量是否得到了提升。当验证这个算法质量有显著的提升之后,才会部署到车辆上去,因为这样做才安全。只要这种“端到端”训练的样本足够多,整个驾驶体验和安全性就会变得越来越好,它就像人类在各种各样的场景下怎么工作,去进行学习。这时候,这个车企在智能驾驶方面的比拼其实就是三个部分:第一部分,你如何降低车端的计算平台和传感器成本,从而尽可能做到每辆车的标配,只放个摄像头什么都训练不了,所以是背后整个车端的能力。其实,特斯拉今天的成本很低,特斯拉和我们的智能驾驶的成本是包括传感器(雷达、摄像头)+计算平台的,特斯拉是1500美金,理想是4000美金(注:双Orin芯片平台)。第二部分,是比谁的“端到端”闭环数据多,只拿到一部分数据是没有用的,只有做到刚才讲的完整的端到端的训练才可以,而且不同的国家、不同的场景的训练都是不一样的,不能简单的挪过来就复用。这就要求企业得卖出去足够多的,装满这些传感器和计算平台的车才能完成这部分。第三个,成本更高、挑战更大的是整个大模型的训练。因为美国从去年开始就限制中国训练芯片的发展,以及限制英伟达向中国出售高带宽的训练芯片。包含训练芯片以后也不一样,今天无论是在车端我们使用GPU,还是我们在云端使用GPGPU,其实对于大模型而言都不是效能最好的方式,它只有20%左右的效能,也就是理论上另外80%的成本都是被浪费掉的。因此,其实像特斯拉,做自己的BPU,以及做自己的D1训练芯片,以数据流的方式来做大模型的训练,基本上整个体系构建起来以后,大概能做到英伟达A100 1/6的成本,复制整个计算集群,而且可扩展性变得更高。我觉得这可能是以后真正要下决心去做人工智能的企业可能必须去面对、解决和投入研发的部分。其实除了我们真正去做好产品,做好平台,做好背后的算法和应用,我们认为以后真正的竞争会出现在最底层,AI的操作系统。因为AI的操作系统要求的是硬实时,就是在这个规定的时间、规定的地点我必须去执行,在物理世界的运行不能是手机那种延迟操作系统。车端不允许出现延迟,因为可能延迟0.5秒就会车毁人亡了。到那个时候,整个全系统链条都是实时操作系统,这样的操作系统在跑各种全新的大模型算法时候,效率就变得很关键了。另外一方面最底层的竞争是车端的BPU,BPU就是典型的小脑为主,大脑为辅的工作方式。以及训练端的TPU,专用的云端训练芯片,也就是以后的超级中央大脑。这是我们看到整个人工智能往后发展的根本。7、自动驾驶如此重要,但2022年之前理想对自动驾驶的重视程度和资源投入与一些同行比是有明显差距的,原因是什么?李想:很多人说我们在人工智能方面比较小心翼翼,但是其实我们是长期在这方面做深入的感知,确定这条路线可行以后,我们就会All-in来做。我们其实真正核心的智能驾驶的自研投入,是从特斯拉把大概的逻辑模型跑通以后,我们才开始正式投入的。而当我们在做这件事情的时候,包含为什么我们的L系列开始,车里会做多模态,我们会有ToF,会有阵列式麦克风,原因都是我们在车内开启了自己的算法,我们开始逐步放弃之前用的算法以后,在自己车内用大模型训练,因为只有大模型才能够实现我们想要的、真正的人工智能2.0。关于这一块,我们还有一个关键判断,就是关于智能电动车何时真正进入“智能时代”。今天很多人会看到,你看好的很多企业在AI方面发展得很好,或者说投入得很早,但是它并没有体现在销量上。其实这时候,我们要找到一个精准的用户体验的价值点,从那之后才会全面爆发。我认为智能手机同时满足三个条件就可以快速发展。第一个是3G网络、第二个是2008年7月App Store上线,第三,2010年iPhone4发布后提供的OTA技术。当三个条件都具备以后,从2010年开始,手机才真正从触屏时代进入到了智能手机的时代。回到智能电动车,什么时候智能电动车才真正智能?终端不算智能,终端只是延续了手机的功能,为什么延续手机功能?因为安卓构建了一个非常好的生态,消费者不是为了用安卓,而是为了用安卓背后的生态,因为里面有地图的生态、娱乐影音的生态、大量应用软件开发者的生态。但是我觉得真正属于智能电动车的变革时代要从真正2.0能跑动开始。我自己做一个预测,我认为这个时间点,尤其是对于中高端车,会出现在2024年。真正的基于大模型,基于BEV技术实现的城市NOA。如今,理想汽车已经算做的比较好的了,整个辅助驾驶的使用率是超过13%。因为高速场景有限,虽然高速场景下我们的辅助驾驶使用率已经超过50%了,但是在市区里没有办法使用。我觉得一个技术只有用户每天使用,里程使用率稳定超过60%,这个技术就会变得让用户再也离不开了。城市NOA什么样的结果呢?其实不需要它变成完全的自动驾驶,而是每天上下班堵车的时候它都可以帮助驾驶员提升解决体验。一个是城市里面60%以上甚至80%以上的车交给这个功能来开,而且安全性也没问题,除非别人违章,哪怕出现肇事,大概率也都是小的刮蹭。这时候就会产生一个巨大的变化,正如消费者买了一幢20-30层的楼房一样,有电梯没电梯是根本差别。我觉得今年的一个现象,使用Orin计算平台这些企业,基本上都会在今年四季度的时候交付最早用于测试的NOA,基于大模型的。因为它需要丰富的训练,并不是单纯把计算平台放上去就可以。我个人认为到今年年底,大部分头部企业能够做到2021年年底特斯拉的水平,到2024年的时候,大家普遍能做到2022年底2023年初特斯拉在北美的水平。我觉得这以后,至少中高端车,如果不能提供城市NOA,会影响消费者购买决策了。在这个时间点,首先从中高端车开始,彻底进入到智能自动车时代,基于软件2.0的智能电动车的时代。这是我们做一个简单的小预测,我们不会提供基于原来的方式做的城市NOA,一个城市一个城市地标定,不会这么来做,我们提供城市NOA的时候,就会提供这种基于大模型的全部城市覆盖的NOA功能。品牌篇 (背景:曾经的理想和今天的理想有着显著的差别,其品牌定位并不如今天这样聚焦,第一款产品也本该是价格低廉的两座微型纯电小车SEV,但因为政策为主的问题夭折,在那之后理想All in“家庭豪华”。据说,李想本人会以月度的频率,向新入职的员工阐释如今品牌战略的选择。) 图片 7、理想为什么选择从家庭用户市场切入?李想为什么要同时给员工和消费者高频率“上课”,解释理想是谁?李想:作为一个从0到1的企业,最重要的事情是品牌,因为我们的品牌要回答对内对外两面的问题。第一,我们要向内回答,因为我们还没有教会员工,我们是谁,我们要到哪里去,我们以什么样的方式走过去。另外一方面,必须要向消费者回答清楚,我们是谁,我们提供什么样的价值。这是我认为一个品牌最重要的事情,因为他决定了企业效率,所有人是不是相信你所做的事情,大家是不是心往一处使。理想汽车核心的,如果从企业层面,我们企业的使命是什么?我们为什么要创办这家企业?其实从注册那一刻开始就有了,我们的公司名叫“车和家”,我们希望通过人工智能和可再生能源的技术,改变两个最重要的空间,一个是车,一个是家,所以我们的使命是“创造移动的家,创造幸福的家”。第二,什么是企业愿景?企业愿景就是我们中长期希望自己成长为何种企业。当时我们在2015年制定了15年后的计划,到2030年,我们致力成为全球领先的人工智能企业,无论是头部有三家企业还是五家企业,我们希望我们一定是其中的一家。无论是产品层面,还是平台应用层面,还是底层系统层面,我们必须得具备特斯拉、苹果这样相同的能力,方可立足。第三,什么是企业的价值观?企业的价值观就是我们所拥有的,属于自己的,能持续帮助我们获得成功的能力。一般的企业价值观,不是缺什么补什么,而且企业价值观比较好的梳理阶段,是经过了一定验证周期以后,你才能提炼出来我们到底拥有什么。当时秦致2007年加入时,汽车之家已经把产品库做到了行业第一,论坛做到第二,资讯做到第三。但是秦致说,我们为什么能在那么短的时间之内做到这种成绩,背后原因是什么?我们就找了最开始所有的元老同事,然后我们就在黑板上写为什么能够做到这些,每个背后都有很深刻的故事。当时决定了,第一条是把消费者的利益放在第一位;第二条是做正确的事,不做容易的事。第三条,先做到60分,再去做100分。回到我们这里也是一样的,最开始我们做理想ONE的时候很多人提出为什么要做家庭,为什么要做六座,为什么后面要引入OKR,为什么要使用丰田工作法(TBP),背后其实都蕴藏我们的思考。我们总结出来,理想汽车的核心价值观是超越用户的需求,打造最卓越的产品和服务,因为汽车这个产业周期太长了,只是满足需求,很容易过时,就被替代掉。什么叫超越用户需求?在我们2016年的时候如果去做用户的调研,问道需不需要增程式电动?用户肯定会说,你们的选择无意义。然后问用户,需不需要四屏,用户会说需要更多按键。用户是否需要六座车?因为那时候没有六座SUV,只有MPV上有中间两个座椅的,用户会说我为什么不买五座和七座,而多花钱买少一个座位的。我觉得这就是我们要看到的,用户自己不知道,但是可能他有这方面的需求。直到用户开上了六座SUV以后,带着老人和孩子发现,原来上下车如此方便,老人还可以自己调自动座椅,当用户用了多屏以后,副驾驶会发现原来长途出行体验变得非常好,用户用了增程以后发现其实可以像燃油车一样方便,但是整个驾驶体验都是电动车的,所以慢慢就会有更多人跟进,也包括大家今天看任何一个企业卖SUV三排座椅一定是6座的,7座基本上卖不出去了,这是我们要做的。当然背后还有一些我们行为准则,始终把用户价值放在第一位,绝对不是需求。第二,是做正确的事,不做容易的事。为什么很多东西要先思考,因为周期太长,在理想汽车必须进行深刻的洞察和思考以后再去行动,是正确的事,而不是上来就行动。上来就行动是容易的事,我们很多错误选择都是这样造成的。第三,用协作的方式解决所有的问题,我们为什么要上OKR,为什么要上IPD,是因为协作是一切,不仅要跟自己协作好,还要跟所有合作伙伴协作好。产品要跟技术、跟制造、跟服务都能协作好,这样才有效。这是我们自己的核心价值观。另外一方面,我们面向的消费者是谁?提供什么价值?核心定位是家庭首选的豪华电动车品牌,这里面包含两个关键要素,一个是豪华,跟BBA一样只在20万以上的用户群。家庭意味着什么?20万以上用户群里面79%是家庭用户,其实就像奔驰致力于豪华,宝马致力于驾驶,沃尔沃致力于安全。我们不是电动车行业的开创者,所以要有一个鲜明的形象来做这个事情。当然,我也认为做家庭这个事情,是我们比较擅长的,因为理想汽车创始人团队几位合伙人家庭中平均有三个孩子。所以对六座场景、多人出行的场景非常了解,因为自己感同身受,没有能够满足我们自己的产品,所以就先选择自己把这个产品做好,所有伙伴就相信这个东西。整个品牌理念,无论是向内、向外要梳理清楚,而且要天天得讲,才能让所有的资源投入、精力团结一致,也让大家知道如何做观念的取舍,因为在这个行业里面取舍是非常重要的,想清要什么、不要什么。如果一个企业方向不清楚、选择不清楚,你会发现各种各样的人在开辟自己想要的事情,而不是用户需要的东西,而不是对企业更有价值的事情。这是我们的品牌理念,有了之后无论从零到一,还是从一到十,我们都拿这张图来诊断我们作为一家智能电动车企业必须要面对每一个方面能力的提升、挑战和竞争。因为智能电动汽车是超级大产品,我们把30多万、40多万产品交付到用户手里,要确保它的安全,要确保它的保值率,要确保它好的体验,这可能跟很多快销产品不一样,作为工业上的一颗明珠它尤其专业的属性。经营篇 (背景:在理想ONE发售之前,李想多次说过理想只有一次出牌的机会,因为新势力造车的犯错成本太高,一款车失败可能就会万劫不复。蔚小理曾经都犯过错,所幸当时行业处于快速上升期,且李想、李斌、何小鹏三人都有过往创业经历背书, 资本市场对新势力也尚且宽容。但今年智能电动汽车的淘汰赛已进入白刃战阶段,犯错出局的风险更甚以往。) 图片 8、智能电动车企,如何降低犯错的概率?李想:我们怎么来做自我观察和自我诊断?有时候我们做的非常自嗨,但其实有严重的问题。我们画了一个十字架构的模型,第一就是刚才大家讲的品牌,大家都知道有300多家造车新势力,但在品牌上基本过关的,我觉得别说5%、10%,也就1%。过去300多家造车新势力,只有1%企业在品牌方面是合格的,大部分连基本的常识都不具备。今天跟你讲我要家用,第二天就跟你讲我三秒加速,所有的逻辑都是乱套的,后面影响了它的产品和经营所有的环节,基本上所有品牌是折在品牌上。你可以看到基本上出问题的企业,内部管理都乱的一塌糊涂,因为每个团队的人都各怀鬼胎。但我们做到连工区里星巴克的员工都知道我们这家企业要做什么。第二点是产品,有了品牌就要有产品,品牌是脑袋,产品才是身体。我觉得作为汽车这个产品,大概分成三个层面,没有什么奥秘,都是常识,但很多人不尊重常识。第一个层面必须是安全。第二是产品价值,包含空间、舒适性、配置,这里面又分成两部分,一个是软件部分,一个是硬件部分。软件部分核心就是,当我能做到中央域控制器、智能驾驶控制器全都自研,包括背后整个软件都自研的情况下,软件不是问题,用户有什么需求都可以满足,甚至我们现在让用户自己做产品经理,就是我们提供任务大师。苹果的捷径只能调取APP软件功能,我们的任务大师是硬件和软件可以一起调用。是不是自研?就看任务大师里面能调用多少功能,有些功能是供应商不给你开放的,只有你自己自研才可以调用所有的功能,并把这些功能组合在一起。最难是硬件的部分,汽车的硬件相当于52张扑克,你每多一个功能就得去掉一个功能,并不是说我想加成本就可以。举一个例子,很多人说为什么L7不做成联动座椅,像奔驰S级和宝马7系那样,我调椅背的时候,坐垫自动往前延伸,因为它是另外一种骨架方式。要想保证结构的安全同时使用联动的方式,无论是宝马7系、奥迪A8,还是奔驰S级,这些车第二排的椅背都不能放倒,作为一个家庭想要运输一些东西,就变得非常的困难。这时候就要做一个取舍,你到底服务老板,还是服务于家庭用户,这种取舍关系就容易做了。硬件是一个取舍,怎么做这个取舍,要围绕你的品牌,围绕你的用户,而不是为了研发团队自己的存在感。一定是为了用户的价值来进行取舍,为你用户群的价值做取舍。同时一定要建立完整的验证体系。在理想汽车我一个人要改一个什么东西,根本不可能的,跟你们想象的完全不一样,是一个非常严谨的过程,我们要有PEA,要有需求分析。我们需求分析会写到连这个东西研发需要多少周期,所有竞争对手是怎么做的,实际上线之后产生什么价值,这个价值怎么计算,都要做。一个软件和硬件都要做完整的PEA分析,很多传统汽车厂商的员工来我们这里做产品之后就明白,传统汽车厂商产品根本没有办法超越我们。因为我们做的工作比传统汽车厂商完善的多,从需求的分析到需求的验证,再到零部件的SOR,再到后面零部件的验证,再到整车的验证,我们整个流程非常完整,没有任何人可以跳过去,不做完整的分析绝对不会立项,研发也根本不会去做。在做的过程当中,研发团队、包括后面供应链都跟产品提前介入,我们想做一个新的功能一定要到供应商里面,到研发里面拿到所有关键的细节才能往下走,这是怎么做好产品的关键,一定要知道怎么去做取舍,以及建立完整的验证体系。第三,是品牌的特殊向往感。我们想要做成移动的家,我们在移动的家这方面就不能蜻蜓点水,我们认为它如果像一个家,就要最大、最舒适的空间,如果想做智能化一定要放更多的屏幕,因为在家里每个人抱一个屏幕,为什么在这个空间里面不行?另外一方面,如果想做智能驾驶一定要上激光雷达,上双Orin,我们把NOA变成每辆车的标配,这是核心。千万不要蜻蜓点水,一定要做超额的投入、超额的配置。否则用户没有感知,你觉得你挺好,别人感觉不到。这是整个产品的三个层面,安全的层面、产品价值层面,还有产品向往感的层面。请你相信我,消费者完全感受得到这些东西,一点儿都不假。只不过你不能看非用户群体,你真正的消费者对这个东西是可以非常好的理解和认同的。这就是我们怎么向用户交付一个足够好的产品。9、理想为什么比其他新造车企业更关注短期内的毛利率?李想:你要想成为一个留在牌桌上的汽车企业,基本上你要有几千亿的收入,你要想成为世界头部的企业,基本上一定是上万亿收入的。请问这样的收入规模怎么来经营?这就变得很关键了,不能永远靠融资,小的时候几十亿收入、几百亿收入可以靠融资,再大怎么靠融资?而且我们看历年汽车行业发展历史可以看得清楚,当车最难卖的时候,比如遇到经济危机,车最难卖,融资也根本融不到的时候,就会出现哪怕像通用和克莱斯勒这样大的企业,在2008年经济危机的时候,汽车销量大概掉了40%,这两家企业都破产了。除了收入以外,就是杠杆用的过多,包括后面就把德尔福这样的企业都拆出来了,自己承担所有的杠杆,所以销量下滑40%几乎全由自己承担。什么是毛利率?毛利率就是销售收入减去销售成本之后,剩下的都是公司可以投资的钱,是提升自己能力的部分。回到车的角度,作为智能电动车企业,我们认为一个健康的门槛是20个点,我们研发投入基本上在10个点以上,销售管理费用做得非常好也要7到8个点,同时还要承担一定的风险,还有资本的投入,比如建工厂。我们认为20个点是比较健康的,目前来看特斯拉是超过20个点的,我们也是稳定的超过20个点,比亚迪也是超过20个点。比亚迪的销售网络并不是直营的,如果把经销商费用一起算进来,比亚迪车的毛利率也是超过20个点的,我们认为这是比较健康的,否则怎么投研发。不能说资本市场好的时候投研发,资本市场不好就收缩研发,汽车不是这样的,汽车做任何计划都应该是五年以上的周期,所以毛利率是这里面的关键点。当然,毛利率越高企业经营难度越大,毛利率越低越容易,负毛利率相当于送钱,是最容易的。我们看到的是,20个点是一个企业能够长期健康发展的最低毛利率,大家可以看到特斯拉在过去那么多年一直赔钱,但从Model S、Model X,甚至从Roadster开始,毛利率一直稳定在20%以上。我可以花很多钱,但始终坚持毛利率在20%以上。特斯拉只有一年是降到十八点几,应该是2018年,Model 3难产的一年。尽管特斯拉今年已经大规模降价,但是在年报会议上他讲,今年仍然保持20个点以上的毛利率,因为只有这样企业才能健康的发展,当企业做任何长期投资的时候,才可以不怂,才可以坚定的往下投。10、理想用占收入10个点的资金投入研发,如何分配,什么是重点?李想:有了毛利率之后,钱到底怎么花?这是两部分了,毛利率是我们的造血能力,第一重要是投研发,而且根据不同阶段,参考智能手机、参考特斯拉都是一样的。我们把研发分成三层(注:产品、平台、系统)。最基础的研发,是产品研发。就跟所有的传统主机厂做的一样,我利用供应商各种的东西,把产品做出来。这是我们来做理想ONE的阶段。理想ONE的平台研发只做了增程,因为没人能给我们做,但剩下的其实都是用的集成方式。对,但是到了新的 L 系列的时候,我们在 2019 年做了一个最重要的决定,全力以赴做平台。我们的平台化比传统汽车厂更平台,因为传统平台化只是底盘怎么去共用。我们平台化更极致,基本上是按照 iPhone 的方式来做,所以我们把整个平台其实分成了 4 个,我们有增程电动平台,我们有高压纯电平台,我们有智能驾驶平台,还有智能座舱平台。还有一些辅助的小平台,像我们的电子电器架构的平台,它们是完全通用的。所以为什么我们 OTA 效率高,因为只需要匹配一款车,不需要匹配四五款车。这也避免像智能手机早期的时候,如果你把苹果的 iOS 的操作系统团队给到诺基亚也没有用,因为他们光匹配了几千个不同的屏幕,不同的处理器,基本上就疯掉了。但是平台化的投入特别高。过去燃油车时代的平台化谁在做?不是传统汽车厂商,而是超大的供应商。几乎欧洲的每一家汽车厂商的 PHEV 系统都是买的现成的,不是他们自己做的。千万别说什么他们有什么电动车的储备,根本就没有。他们的自动驾驶都是买的现成的解决方案。到了智能电动汽车时代的时候出现了问题,我们想要的增程电动系统没有供应商能做出来,我们只能自己来做。所以包括五合一电驱,包括增程器,包括后边所有的控制都是我们自己来做的。包括智能驾驶也是一样的,那些交给供应商做的是一个什么样的结果?更不要说后边要做大模型的训练根本不可能的。但是供应商过去做一套L2的辅助驾驶,可能需要投资5-10亿美金,如果要做大模型这套东西可能需要10-25亿美金。但他们的处理方式是怎样的?是一个一般的开发方案,然后给你配合标定的人,他会以1-2亿来卖给你,并持续提供完整零部件。他商业模式的好处是什么?可以找到 20 家、 30 家企业来进行分摊,所以每家企业只要出1-2个亿就可以了,成本非常低。但是我们做的话,10 亿美金起,如果要把自动驾驶做到做好城市NOA,基本上投资大概要20亿美金,包括去年年度都算上, 20 亿美金起。但是这件事情只有我一家企业能摊,别人都摊不了。所以在早期的时候,你能不能去投入这样平台,整个毛利率在你的整个财务结构里会变得非常的关键。你有没有决心持续的去投下去?这为企业长期回馈上来的整个效率就不一样了,包括更新速度会变得更快,开发效率会变得更高,供应链管理会变得更容易,用户体验会变得更好,质量也会变得更好,成本也会更好地下降。所以确实说句实在话,L7、L8、 L9除了车壳和座椅以外,剩下都是一样,跟你买的 iPhone 14、14 Plus、 14 Pro Max,背后的东西都是一样。平台研发基本上占了我们 7- 8 个点的成本,就远远高于传统汽车厂商的研发费用。因为产品基本上两个点就够了,并不像大家想象中花那么多钱,当然这跟我们的SKU少有关系。第三个是系统研发。随着平台化让成本下降,我们可以再探入更深的一层。包括我们到底是用凑合着能用的系统,还是自己来开发基于软件2.0的操作系统。包括背后的推理芯片,如果我自己做推理芯片,是不是也可以做到像特斯拉一样的成本,因为算法上在你自己手里边,不需要生态。也包含后边什么训练平台、训练芯片,你有没有能力自己来做。所以长远而言,我们认为其实研发是这三个层面,只有把这三个层面都做到了以后,对你才能够其实变成像苹果,像华为,像特斯拉这样级别的企业,你的竞争才有优势。每高一个维度,针对低一个维度都是降维打击。如果三星在和华为没有遇到巨大的问题,我们认为大概率同时拥有底层这三层能力的苹果、三星、华为,几乎在每个市场都能吃到 90% 以上的(智能手机)市场份额。这就是研发竞争的残酷性。所以我们为什么要保持这么高毛利,是我要保证始终能去投资。遇到任何的经济状况不好,任何的资本市场不好的时候,我都可以坚定去投资,绝不停下来。11、然而智能汽车比智能手机更加复杂——不仅仅是研发,还包括更复杂的渠道,更复杂的供应链,更庞大的组织体系,这些层面如何投入资源?李想:研发之后,很重要就是我们交付能力,汽车整个链条太长了,不仅仅是复杂,而是长链条、长周期,试错成本极高,高到难以置信的程度。可能一个产品发错了,这个公司的估值就掉了80%,这都是很正常的。因为所有人都是在一个游戏规则下来玩这个游戏,这里面我们要把产品能够交付出去,并不是只研发出来就可以,还需要有很多能力的提升。首先商业能力的提升。商业能力包含所有服务和销售相关的,很多人说营销到底重不重要?营销当然重要,因为你那么多人,几千人在过去三年时间里花了几十亿研发费用,没日没夜地干做出来一个产品,营销决定你是把100%价值传递给消费者,还是把30%的价值传递给消费者。所以这个钱并不单是营销的钱,而是整个研发的钱。但大部分企业选择打个两到三折随随便便就讲出去了,连最基本的产品都讲不明白,我觉得这是非常严重的问题,也包含整个用户服务的环节。比如我们卖一款产品的时候,用的是一个中央管理的方式,现在卖多款产品的时候,我们开始出现“省长”。我们会比传统汽车厂商更进一步,并不是做到大区,而是做到省一级,省长能够分配所有的关键资源。我们用直营的方式怎么有效的管下去,挑战是不一样的,因为直营会面临三大挑战:第一,现金流,这一点过去都压在经销商那里。第二,开店速度。第三,怎么避免吃大锅饭,怎么能够把激励模式构建起来。这都需要我们不断升级能力、升级体系。我们在2月份所有支撑店面的工作人员已经做到了接近7辆车的人均销售能力。如果把管理人员去掉,那么人均超过10辆车,大概是新势力同行的大概三倍以上,这样我们就有机会让我们员工做三个人的活挣两个人的钱,所以我们的人现在是最难挖的。包括刚才讲的充电网络,我们在整个结构里面看的是战略的必要性,并不是走哪儿算哪儿,是必须要建,必须要建到什么样的程度。一条高速全线下来,必须一个省所有网点全部建下来,绝不能走哪儿算哪儿,这是商业能力部分的升级。其次,升级也包含供应能力部分。为什么我们产能爬坡比较快,限制爬坡速度最关键的还是三电。我们把车所有零部件分成四个部分,第一是传统的后视镜、保险杠,汽车行业本来一年就有2000多万乘用车的产能,给电动车、给燃油车没有区别,这不需要我们去做,给供应商就可以了。第二类是新的电子类、芯片类的,比如我们的域控制器,中国过去有非常好的代工体系,而且中国采购全世界大概40%的芯片,这个体系的制造效率很高,给我们一款车生产20万套、30万套域控制器没有任何问题,像富士康这样的企业都可以给你做到,解决起来也不复杂。大家都在讲缺芯片,但从来没有缺过高通的芯片和计算平台,没有缺过英伟达的芯片和计算平台,也没有缺过地平线的芯片和计算平台,缺的都是传统的小功能芯片,因为这方面中国还是非常成熟的,中国是全世界最强的电子代工厂。第三类问题比较麻烦,就是跟三电相关的。比如说我们开发L系列,一台车要用三台电机,两个驱动电机,一个发电机。如果一年卖30万辆,向任何一个电机厂下单90万台,他们都没有办法接,因为90万台意味着他要盖10个厂房,而如果生产出来我们不要了,那这些所有东西都是他们承担的。有一个非常有意思的现象,这些供应商在面对新势力的时候,我们给他们报的单量和他们计算的单量都是不一样的,他们会有一套分析系统,分析我们实际能够卖多少,他们才愿意生产那么多。当车企过去只卖1万台,但告诉供应商后面需要生产3万台时,他们是不会相信的。去年年底所有供应商都认为我们今年大概能做15万辆,直到我们证明了这个量之后,才给我们调到了25万辆。在这个情况背后,像三电,包括增程器,都是我们自己来生产,否则我们的供应商根本跟不上。所以我们在绵阳建了自己的增程器厂,我们L系列的前五合一电机就是在常州旁边自己生产的。我们会为800V自己生产碳化硅模块,也包括会做自己的碳化硅电机。这都是我们的供应能力。除此之外还有工厂,我们除了在常州有工厂以外,我们还会在北京建立工厂生产纯电动车的产品。供应能力需要有24个月的前瞻,否则来不及。包括拿土地、建厂房、招募人、试生产,基本上要24个月时间才来得及。跟供应商合作也是一样的,如果找一个欧洲厂商,一年只给我们做3到4万套空气悬架,我们跟他聊来聊去聊一年时间,可能最多也就能供应6万套。但我们一年需要几十万套,这时候我们就会跟中国的供应商一起,讨论怎么来建产线、厂房,确保二、三级零部件是到位的。供应链方面需要做的很到位,我们过去一年也做的不好,但有些方面我们的提前布局还是给我们带来了非常大的帮助。但是供应链还有一个问题,就是自制率也不能做得太高。全世界所有企业都经历过,比如说像丰田把爱信、丰田纺织拆出来和别人共用,也比如通用把德尔福拆出来。我们知道,现在很多零部件厂商都是拆出来的。因为如果自己做全自制,就意味着当销量下滑40%的时候,你要背负40%里的全部杠杆、全部成本。这时候就特别怕遇到经济危机这种大问题。所以,我们内部认为,30%的自制率是比较健康的,可以跟供应商一起合作,哪怕我们自研以后也可以是交给供应商来生产,而不是自己来生产。最后,最大的挑战是组织能力。因为车太复杂了,尤其是智能电动车。我们是一家汽车企业,我们还是一个互联网企业。我们是软件企业,我们还是人工智能企业,还是商业零售企业,还是制造企业。这样所有造车新势力工作的范畴会比传统汽车厂商还要多,比如新势力普遍都做了自己的直营体系,把经销商的事情也干了。所以,这时候组织就变成最大的挑战了。也是因为在2007年的时候,秦致加入以后给汽车之家带来特别好的组织,所以我们从最开始就比较重视组织。组织会决定我们的效率,决定是否可以带来有效的正反馈。组织篇 (背景:去年12月,李想宣布理想启动矩阵型组织升级,以应对从1到10的管理要求。他认为理想过去数年采用的IPD集成式开发已经不适用接下来的阶段,而90%的公司失败都是因为组织能力与规模、行业的变化无法适配。据称,理想在组织升级的过程中深度学习了华为的经验。) 图片 12、从燃油车到智能电动汽车是巨大的范式转变和多维度竞争,无论是新势力还是传统车企都会遭遇管理挑战,理想遇到的问题是什么?李想:我们认为,其实组织会遇到三类不同的问题。最底层的问题是懒惰,这是一个人的问题。再往上一层是从管理层面看到的惯性:我原来做燃油车的时候是这么做的,现在也这么做。比如说我们当时就遇到什么问题?由于我们最开始招的人都是做10万块钱的车的,所以在做30万块钱的车的时候也这么做。我们当时怎么处理的?我们买了一堆特别好的车,让大家天天开,千万不要像在原来的厂商那里,进车里拿尺子量量就走了,要把这车天天开,每天必须开,开3个月以上再来谈悬架到底应该怎么调。别把一个30万、40万的车,把一个全尺寸、一个中大型SUV非得调成紧凑型SUV的驾驶感受,这是不对的。要去试一试,看看宝马X7是怎么标定的,看看奔驰GLS是怎么标定的。我们要去打破他们的惯性。再往上一层,如果我们要解决经营层面的问题,最大的挑战是来自于无知,就是不知道自己不知道。这个复杂度就变得更高了。所以,到底怎么解决这个问题?我们会面临着整个业务三个层面:一,什么是专业?我自己可以把事情做好,我只需要管理好自己,这叫专业。二,什么叫管理?就是我既能做好事,又能带好一个团队,无论是项目还是一个部门,这时候就看到两个东西,一个是怎么做好事情,另外怎么用好人。另外还有一个是怎么用好钱,因为在管理层面的时候,我们看到都是费用,所以天天争费用,费用低怎么多拨点。再往上更难的一点,我们叫经营。到了经营层面的时候就不一样了,我们看到是资源,如何能够有效利用资源,如何通过创造更多收入优化自己的资源,那就不一样了。所以,我觉得企业的经营从0到0.1的验证,从0到1,再从1到10,其实也是在不停往上提升的,所面临的问题也是不一样的。13、理想怎么进行组织转变升级的方法是什么(part 1 流程)?李想:我们的挑战是什么?我们如何把懒惰变成主动,我们如何把惯性变成必要性,我们如何把无知变成认知。两个方式,全世界最好的企业都这么做的。第一个方式是流程。流程就是一家企业向内要运行的产品。全世界所有的流程其实都是为了解决这三类问题的,比如说我们解决具体业务的时候有专业流程,比如说PEA,用户需求分析,如果用好这个工具就会变得非常专业。好的流程不是告诉我们怎么去做,而是我们不要跳过这些事情,我们要做用户需求分析的时候,我们要向外去看这个功能目前是什么样的,要去分析找到数据,用户实际是什么样子的。我们要去接下来做规划,产品到底长什么样子,功能是什么样子的,研发需要多长时间,研发需要多少成本。要去做运营的规划,这个上了以后不要让它变成僵尸产品,它要产生什么样的价值,它有什么样的活跃性,它的使用率是多少,以及还有复盘的过程。就是怎么把这些东西最后变成自己的能力,变成产品能力,变成团队能力,它核心是让我们不要跳过这些重要的事情,去做容易的事情,因为大家上来就凭着经验上去就去做了,我觉得这是它的好处,只要按照这个东西来做,就会变得非常专业。我们会发现它始终在提供一个循环,就是做的产品越来越好,用户越来越满意,市场位置自然就主动了。所以,企业最容易出现什么问题?就是提供的流程和工具是低维度的,只给员工提供一个很专业的工具,但要管理结果。只给员工提供管理工具,要经营结果,这是企业不负责任。因为对应的能力和对应的维度根本没有提供,所以为什么要做组织的升级。包含有管理的工具,有了一个业务计划以后,怎么来分析到底需要什么人,要先去看一看市场中同行在做这个业务的时候用了什么样的组织结构,什么样的员工,甚至每个人的岗位给了什么样的薪酬,随后才有规划。根据自身的业务流程设计什么样的岗位,才能满足业务计划,这时候HR给你工作就变得清晰很多。因为,这个候选人为什么出现在这里,别的公司是什么样的,他应该得到多少报酬,招到什么样规格就都很清楚了。所以,就是让大家不要跳过这些东西,这样训练每一个管理者都有非常好的人力管理能力。再往上一层到了经营层。我们去学了很多大企业的一级流程,比如说IPD、DSTE,IPD就是集成产品研发管理,IPMS是集成销售服务管理,ISC是集成供应链管理,这些流程影响了经营结果,我们怎么有效分配钱和人的资源,并可衡量。为什么可衡量?可衡量的目的是两个,第一个在做的过程中确保资源真实到位,而不是临时再去申请。就是我们确定要干这事,就得真的把这资源给到,你必须得用下去。第二是你能有效的复盘,就是我最开始的规划,使用这些资源,达成这些目标和最后实际的差异是什么样的,做得好的就会强化成,跟智能驾驶一样驯化成为智能能力,做的不好的下一次改进,把它做到计划里去,要先解决这些能力的问题。所以,我们就会发现全世界所有最先进的流程,背后包含了我们讲的流程、工具、IT系统和各种方法论,都是一模一样的,都是前置帮我们解决每个层面的问题,解决懒惰的问题,解决惯性的问题,解决无知的问题。无论是我们刚才讲的战术层面,我们使用的自己产品需求分析,包含我们用丰田工作法,再往上一层我们使用的人才结构规划(LTP),人才结构规划,再往上到了一级流程像IPD,IPMS都是一样的,只是它用于解决不同层级以及不同专业领域问题的。所以,这时候我就跟团队讲了一个问题,生物和生物之间的差别是信息获取能力,信息处理能力的差别。我觉得组织和组织之间最大的差别是对于工具使用能力的差别。在用三维的工具就能轻松碾压那些只使用二维工具的企业,这是我们看到的背后的核心。所以,当讲明白这件事情,大家都知道流程变革,组织变革不是容易的事情,但只有你把这些东西梳理明白以后才能够发现这是必要性,只有这么做才能解决我的问题,只能这么做才能把供应链效率提升上去,只有这么做才可以把销售团队激励起来,才可以把每个店长变成一个经营者,而不是个专业人员。这时候面对不同的业务,不同层级就知道怎么适配了。这会带来的好处是,比如说我们原来的时候,从0到1阶段我们最注重的是管理。所以,当我们看比我们大的那几千亿、上万亿收入规模企业的时候,我们从一个二维的世界向一个三维世界看,看到什么呢?看到它们是又复杂、又僵化。但是当我们把自己的能力升级到三维世界的时候,你才发现原来那些是既简单又丰富,和我们在二维世界看到是不一样的。因为原理就这么些,做的所有流程工具都是第一步怎么去做向外的感知,我们得知道这个行业的对手,各种同行到底在干什么,遇到的挑战都是什么,能够做到知己知彼提升自己的认知。第二个阶段去设定目标,然后做规划,不只是做业务,还有欠缺的能力,组织能力是不是要跟得上,供应能力是不是要跟得上等。因为,自己在做认知的时候能看到这些差距了,所以不是简单的低着头就去做业务,这些资源怎么有效的分配,人的资源,钱的资源。第三步是做执行和协同,就是这资源怎么确定性地真正使用下去,协作如何真正能够完成。因为你发现当前两步做得非常好的时候,协同就会必然产生了。因为没有人不想做高效率的事情,目标设定清楚的事情,资源分配清楚的事情。第四个环节,所有这些好的流程,好的工具都一样,一定会做复盘。就把我们做的好的这些能力沉淀给团队,沉淀给流程,沉淀在公司这个产品上,保证你下一步在做东西以这个为起点,而不是随机的。14、理想怎么进行组织转变升级的方法是什么(part 2 心智)?李想:如上讲的流程相当于公司的产品,它要不停的升级、OTA,随着规模的变大要去解决不同的。另一个层面是解决人力,人最重要解决的问题是心智的问题。理想汽车其实是从汽车之家开始的,当时秦致为我们引入高效能人士七个习惯,这里面有汽车之家的同事当时就在学,我们到了理想汽车以后,把这东西更深化了。所以,我们跟高性能这七个习惯的公司直接合作,针对我们自己制定课程。有很多朋友可能很早就看过《高效能人士七个习惯》这本书,高效能这七个习惯其实就是对应着专业、管理和经营这三个层面来训练我们自己,它是一套非常有效的流程方法论体系。它前三个习惯是训练我们如何成为一个成年人,我们如何保证自己处在积极的状态,我们知道自己想要的是什么,以及我们如何构建目标,以及有效安排自己的思想。它的好处是我们先管理好自己,先能够处理好跟自己的关系,从而我们能成为一个成年人,我们出了问题不要向外去找原因,先向内找原因。基于此,所有人才愿意跟你一起来协作,跟你一起来共事。这是高效能七个习惯第一个环节。第二个环节是我们如何成为合格的管理者。就是理解别人是我们的义务,无论你带一个项目还是你带一个团队,你充分理解团队里面每一个人是我们的义务,作为一个管理者不能说员工为什么跟我不一样,我们说正是因为不一样才有价值,如果一样的话,管理者自己干就好了。所以,理解团队,理解团队里每一个人,理解合作的每一个人是我们的义务,从而我们才能帮助大家扬长避短,大家去完成共同的目标,你才能成为合格的管理者。再往上一层,到了我们解决经营层面问题的时候,它复杂度变得更高了。包含我今天为大家讲的内容,我是每一个内部培训都讲的。因为这个世界太复杂,大家一定要知道背后的为什么,就非常关键,大家就会心齐。第三个环节就是你如何成为一个领导者,你如何让更多的人来理解你,并且你能帮助大家获得胜利。我觉得这是对领导者的要求,所以最难的是让别人理解你,你千万不要抱怨说他为什么不理解我,我觉得这是有严重的问题的。其实很多人也不太明白,亚马逊贝索斯为什么要写致股东的信。其实亚马逊这么多年致股东的信只讲两件事情,第一件事情是亚马逊为什么要成为全世界用户体验最好的公司,他举各种各样例子,来讲明白他们为什么是全世界用户体验最好的公司。第二个讲电子商务企业应该以什么来衡量它的价值,叫经营性现金流,而不是拿它的盈利来衡量。所以,亚马逊获得了几百倍的市盈率,否则如果大家拿传统的PE,拿市盈率来衡量亚马逊的话,那亚马逊的资源跟今天完全不一样。巴菲特为什么给大家写股东信,股东信到底在讲什么,为什么让大家理解他,为什么那么多人愿意买巴菲特的股票,巴菲特就讲两件事情,第一什么叫价值投资,包括前两天出的仍然是,他一半以上在讲什么叫价值投资,第二讲他如何选择好的企业,几十年就只讲这两件事情,通过各种各样不同的故事来讲。我认为这是不同。包括乔布斯开iPhone发布会的时候是怎么讲的?就是我们为什么要造一台iPhone,是为了讲明白,iPhone是一台MP3播放器,iPhone是一个浏览器,iPhone是一台电脑,所有人一听就明白了,哪怕是孩子都能听懂,我觉得这是本事。这三个对应的能力,当我们是个成年人,并拥有专业的流程工具的时候,我们一定能解决懒惰的问题。当 我们成为一个合格的管理者,能够理解别人,处理好别人关系的时候,我们一定能做好管理,并解决惯性的问题,去看到必要性。当我们成为一个领导者,能让更多人支持我们理解我们,并一起创造成功的时候,我们就能够成为一个合格经营者,运用经营工具去解决各种无知的问题,不断的去提升团队的认知,变成团队的能力,变成团队的收获。所以,这是我们核心的组织的理念。15、李想在推动理想的组织升级的时候,个人的经验是什么?李想:拿这张图来结束跟大家的分享,以这样的一个十字架不仅来诊断自己,我们也可以向对手看到它的优点以及它犯过的错误我们怎么避免,它的优点我们如何去学习。包含品牌的层面,包含产品的层面,包含毛利率的层面,包含研发,细到我们的产品研发跟别人的差距,我们的平台研发跟别人的差距,我们的系统研发跟别人的差距,也包含我们整个交付能力,我们商业能力跟这些先进企业的差距,我们的供应链能力,我们跟特斯拉,跟比亚迪的差距到底是什么。以及我们的组织能力,跟那些领先的,几千亿收入、上万亿收入这些公司的差距,然后我们学就好了。我过去三次创业,会经历五个阶段,到今天我们要去挑战千亿收入的时候,我们也经历了五个阶段。第一个阶段,我们老觉得自己跟别人不一样,就是我们从来都不向外看,我们躲在一个井里。第二个阶段,是向外看的时候看不明白,这些搞复杂的流程、预研分析等。所以,第二阶段叫向外看,看不明白,看不懂。到第三个阶段,很多企业为了解决问题会找一些高级顾问或公司,让他带着我们看明白。所以,到了第三个阶段慢慢能看明白了。到了第四个阶段,就是看明白以后企业立马就做,那就出问题了,为什么?不是说随便招几个员工过来就能做的,从好的企业招几个员工过来就开始做,后来发现做不了。因为,你往往看到那些最先进的流程,要么都是跨国公司海外公司来做的,要么在这个公司在那个阶段有一群人来做的。所以能够规划路,修路和运营路的人和只在路上开车的人能力是不一样的。往往我们找到一帮开车的人来给我们修路,或者我们自己什么规划都没有上来就修路,所以这是第四个阶段又会趟了很多坑。到了第五个阶段,我们就很清楚的知道,这个公司过去的时候这个路的规划和修理用了哪些咨询公司,甚至哪个团队。还有当时在这个阶段的时候,这个公司用的是哪些人来做的规划路、修路和运营路的事情,我们把他招进来,从而慢慢地自己会规划路,会修路了。所以,这时候团队在上面来开车,来运输价值效率会变得更高。

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
高空气球原理及其可能的军事用途两会圆满落幕,三个关键词引发全球媒体关注股价被低估?直击中国平安业绩发布会!马明哲时隔3年首度开腔,说了3个关键词企业家的两会建议,有四个关键词ChatGPT之外,人工智能的另一应用正迎来爆发!亲自“调戏”了一把ChatGPT,我发现人工智能的真正威胁根本不是失业!从亏损到百亿营收,鸭鸭总结了三个关键词盘点四大技术板块,洞察百项人工智能开源项目——InfoQ研究中心带你探秘中国人工智能开源领域4次飞天的景海鹏,和他身上的3个关键词震惊!马斯克2023年世界政府峰会专访:未来人工智能的威胁程度超过核技术…(附视频&摘要稿)同一个班上,真正拉开孩子差距的,是这5个关键词首个由人工智能生成的游戏和电影问世,探秘生成式 AI 如何发展(附相关人工智能产品集)2023年中国互联网公司的五个关键词【韭菜春卷】--#春到人间一卷之#上元雅集大导演是怎样炼成的?做好直播电商的四个关键词咀外文嚼汉字(201)日本人的“国民病”,“国民食”就可能的台海之战和中美军事冲突,人工智能ChatGPT如何解读?人工智能的可爱与暗黑:拒绝歧视,说谎,想变成人黑掉互联网,还爱上人类怎么搞定小学语文规划?2个关键词必须牢记!人工智能的前线、军火商和投机商|巴伦封面汪晖:国家、大同和立教,康有为思想世界的三个关键词课堂提质,抓住三个关键词,让学为中心真正落地凯文·凯利:未来20年的技术趋势,离不开这12个关键词了解,信任,偏好,做品牌的三个关键词瞭望丨三问ChatGPT如何影响人工智能的未来就连人工智能也建议暂时回避人工智能股票人工智能Midjourney,AI绘画全套关键词来了! [ 第370期 ]投资的100个关键词:优势聚焦趋势 | 未来3年管理怎么做?抓住这8个关键词帮扶与人工智能标注师: 有多少人工,就有多少智能|自由谈博鳌开幕讲话!总理的这个关键词,外媒都注意到了ChatGPT爆火背后,再看合成数据与人工智能的未来 | GGView 【直播预告】从ChatGPT到人工智能的前世今身
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。