理想汽车董事长兼CEO 李想
理想汽车智能空间AI负责人 陈伟
腾讯新闻科技主笔 张小珺
李想，这位公认的理想汽车产品“天花板”，怎么就觉得自己成了“瓶颈”？
决定“All in AI”的李想，期待实现AGI（通用人工智能）的“iPhone 4时刻”，让普通人也能轻松使用。他强调简洁的产品设计、长期的技术投入和坚定的用户价值导向，还对汽车行业竞争、企业管理和个人成长有了新的认识。
全力以赴迈向“成为全球领先的人工智能企业”的目标，李想的欲望只有成长。腾讯新闻科技主笔张小珺深度对话理想汽车董事长兼CEO李想、空间AI负责人陈伟，以下为访谈节选。
01到Agent阶段，才是真正的“iPhone 4时刻”。
张小珺：你第一次用ChatGPT是什么时候，当时是什么感受？
李想：发布的时候就用了，当时一个最大的感觉就是，人工智能应该有的样子。
张小珺：如果让你做OpenAl的CEO，你会比Sam做得更好吗？
李想：不会，我觉得Sam Altman他们做得非常成功。
张小珺：如果现在让你做OpenAI的CEO，你会做什么？
李想：今天还是OpenAl定义的AGI（通用人工智能）第一个阶段：聊天机器人，我觉得OpenAl完全按照这个定义做了最好的产品体验。第二个阶段是推理者，到第三个阶段Agent（智能体）的时候，才是真正的“iPhone 4时刻”，普通老百姓都能用了，它能独立地、持续地、连续地完成任务，而不需要靠密集的提示词。但这时候产品应该是个什么交互，对于所有的这些头部企业，都是应该要认真去思考的。
02让人和Al之间的交互，像人与人交互一样自然。
张小珺：为什么一个车企要自研大模型？这个决策是怎么做出的？
陈伟：这个事情也是逐渐达成共识的，我们当时已经把线上的关于自然语言处理的技术，切换到了预训练的模式下，任务型对话能够在车里面，做车控、媒体、导航这样非常多垂域的覆盖，上面用预训练的模式能够快速高效地、高质量地完成这样的能力。
2022年年底，ChatGPT发布了，我们看到了大模型带来的认知智能和语言智能上突飞猛进的变化，这件事情对我们来说是有非常大震撼的。我们内部也在想，为什么我们没有快速地考虑把这个模型架做得那么高那么大。
后来想哥就提了一个话题，他说现在我们应该回归用户体验，核心的问题在认知智能上面。那么认知智能这件事，我们就需要考虑怎么把技术做升维，能够用更厉害、更先进的技术，把理想同学的认知快速拉上来，把天花板拉高。这件事对于我们后面去做基座模型，我觉得是指引性的状态。
所以我们必须要从基座，从底层开始建设，这样未来我们在做更多技术创新的时候，产品和研发才能有更快速的迭代，体验才能持续地去做创新，而不是只做行业的一个平均水平。
张小珺：作为一个后来者，你们准备怎么追赶ChatGPT？
陈伟：我觉得OpenAl现在是整个行业的标杆，除了目前OpenAl宣称进入L2（推理者）以外，绝大部分的团队现在还停留在L1（聊天机器人）这个阶段。在这样的一个状态下，技术处于早期，而我们在做一个无限游戏。探索边界还不清晰的情况下，我们最重要的事情就是把握住目前的第一性原理Scaling Law（规模效应）。
我们的迭代也非常快，去年年底12月OTA 5.0之后一直到现在，Mind GPT 云端的大模型已经迭代了30多次。
张小珺：Mind GPT 是怎么迭代的？
陈伟：Mind GPT 到现在为止一共经历了三代。
2023年4月，Mind GPT 1.0的第一版模型出来，到2023年年底的时候，我们车机的OTA 5.0发布了这个大模型的上车，是行业第一家把大模型推动上车的公司，也是（汽车行业）首家通过国家大模型备案的。2023年年底上车的时候，其实已经经历了第六个版本。
今年年中，我们完成了 Mind GPT 2.0的变化，对于我们算法团队来说，除了关注模型效果的提升以外，还要关注整个训练效率和推理效率。Mind GPT 未来的模型架构，肯定会是一个MoE（混合专家模型）加Transformer的结构，会持续往前迭代，我们在MoE模型上线的时候，相较于 Mind GPT 1.0大概翻了一倍，但是推理成本跟 Mind GPT 1.0基本保持一致。这样在效果和效率上，就达到了一个我认为是双赢的局面。Mind GPT 2.0的重点在语言的理解和知识上，另外一块是在长上下文上有了比较大的突破，也就是在逻辑推理能力上做了进一步的强化。
今年年底，我们会上线 Mind GPT 3.0，这是我们的第三代的 Mind GPT 的能力。Mind GPT 3.0相较于前面两代的核心不同在于，以前我们的重点放在了语言模型上，但是我们认为未来的在人机交互的过程中，它应该是一个多模态的端到端的大模型，应该融合了整个人机交互的体系里，像语音、视觉、语言这样的模态进去，能够理解不同的模态，然后能够在一个模型内完成从感知到认知再到表达的完整能力。这样的好处就是它能够让人机交互的延迟，从以前的比如说几秒钟变成可能500毫秒以内，这样人和机器、人和Al之间的交互，就能像人与人交互一样这么自然。
张小珺：这是多大规模的数据量？
陈伟：我们现在的预训练数据规模量已经到10万亿Token的规模了，有了高质量的课本知识以外，我们还需要给大模型提供一个由简单到复杂、由粗到精的一个过程，让它逐渐地一步一步去学习。所以我们在预训练后训练阶段，也要构建一套分段学习的逻辑，同时在数据的构建上，我们要考虑怎么能给它建立一套好的学习逻辑，所以现在重要的就是要尽快地把强化学习后训练的事情做好。
张小珺：你们有一些特色化的数据吗？
陈伟：第一个是多模态的数据，有自动驾驶的，也有理想同学的对话模态，这些数据是独有的。第二个是用户在产品里自己使用的数据，代表了你的场景或产品本身场景的一些特性，这也是自己独有的，所以我们也在构建自己的数据飞轮，争取能够把这些数据的能力进一步发挥出来。
03不做人工智能，我们就什么都不是。
张小珺：理想同学跨越到L3（智能体）的点会是什么？
陈伟：对于逻辑推理来说，更重要的是做好子任务分解以后，还要让它针对自己的思考方式去做更多的发散性思考，在每一个思考路径上做出自己的反思，做到自我纠错。甚至忽然间碰到死胡同的时候还能回溯回来，所以我觉得这是一个非常强的思考能力。
我们的重心是希望能够实现从L1 ChatBot（聊天机器人）到L2（推理者）的变化。我们定义L1有两个核心的特点，第一个是能够实现多模态，因为人就是能听会看的，所以我们认为语音和视觉加入到大模型是非常关键的。第二个是指令遵循的能力，能够听得懂人在跟它讲什么，再复杂的命令也能听得懂，并且能够比较准确地执行。
所以支撑理想同学的技术，就是 Mind GPT 的多模态智能体的技术，理想同学走到L3的时候，Mind GPT 应该长成的样子，就是一个多模态智能体。
张小珺：现在大家都觉得预训练的Scaling Law（规模效应）达到了天花板，这对于中国团队的影响是什么？
陈伟：如果我们想做好后训练，我们依然需要有个好的基座模型，因此我们依然需要去具有自己的预训练的Scaling Law（规模效应）。
这件事情短期内会出现，会传出来有些公司在模型做得更大以后，效果可能没有想象中的明显，但我认为这个可能还是一个从AI的算法到Al的infra之间，目前的有些要待攻克的问题。
第二个点我觉得Scaling Law（规模效应）本身在解决的问题是模型的效果和数据和模型规模之问的关系。我们越来越觉得数据不只是规模的，需要有高质量的数据才能把规模做上去，才真正有价值。
所以这个过程中可能大家对于Scaling Law（规模效应）的看法也会有一个粗到精的过程，理解才能更深刻，但是我认为这个肯定会是大模型时代的第一性原理