对何小鹏的第二次访谈：更大赌注、人形机器人 Iron 诞生、那场意外、技术剧变下 CEO、GX 和缝合怪

概览

本期围绕何小鹏在 2025 年对“小鹏集团”的重新定位展开：从“AI 汽车企业”转向“物理 AI 企业”，核心问题是汽车、机器人和 AI 在下一个十年如何重新组织。何小鹏反复强调，物理世界的 AI 不只是把数字 AI 的工具搬过来，而是要重构模型、数据、组织、工程和商业化路径。

访谈中最关键的判断是：过去自动驾驶大量依赖软件规则叠加 AI 算法，他称之为“缝合怪”，难以真正走向无人驾驶和机器人泛化。因此小鹏停止了原有投入很大的体系，转向上限更高但下限一开始更低的新路线。

后半段重点转向人形机器人和新车 GX。何小鹏解释了为什么选择最像人的通用人形机器人、为什么发布会后要证明“里面不是人”，也谈到机器人商业化比造车更难，但一旦成立，规模化速度可能超过汽车。

分段落总结

[00:03] 开场与核心议题

[事实] 主持人介绍这是对小鹏汽车董事长兼 CEO 何小鹏的第二次访谈，延续上一期“造车像在血海里游泳”的讨论。 [事实] 本期话题包括更大的赌注、人形机器人 Iron、技术剧变下 CEO 的变化、新车 GX，以及“缝合怪”式技术路线。 [事实] 何小鹏在开场片段中说，物理世界的 CEO 往往不敢赌，而他认为自己胆子比较大。

[02:03] CEO 如何使用 AI 产品

[事实] 何小鹏说自己常用的 AI 产品并不多，仍是通义千问、豆包等较传统的 AI 产品。 [事实] 小鹏内部在 coding 方面使用 AI 很多，但他个人不愿深度使用，因为一号位太深入细节后容易只看到产品缺点。 [推测] 他把 CEO 的 AI 使用定位为“了解能力边界、保持远方判断”，而不是亲自沉入工具细节。

[03:20] AI Coding 的价值边界

[事实] 何小鹏认为 AI Coding 当前主要是初级程序员的辅助工具，未来两三年可能逼迫初级程序员向高级程序员升级。 [事实] 他认为在智能辅助驾驶等强 AI 能力上，AI Coding 只是应用层工具，核心仍是算法、体系和工程能力。 [推测] 这说明他不把 AI Coding 看作物理 AI 的根本突破口，而是效率工具。

[04:03] Token、算力与数据成本

[事实] 何小鹏说小鹏不太以员工使用多少 token 作为核心指标，而更关注 H100 等算力如何被高效率、高效能地用于业务。 [事实] 他提到物理 AI 训练的数据规模很大，公司一年在数据上的直接刚性成本接近 10 亿元以上。 [事实] 小鹏会专门管理数据和算力，区分哪些数据有价值、哪些临时有价值、哪些需要快速使用。 [推测] 对小鹏而言，AI 成本管理的核心不是“人用 AI 花多少钱”，而是机器训练、数据治理和物理世界模型迭代的成本。

[08:20] “何小鹏 Skill”与 CEO 可替代性

[事实] 被问到如果训练一个“何小鹏 skill”需要什么数据时，他说基础白领和基础蓝领更容易被 skill 化。 [事实] 他认为如果 CEO 能被清晰 skill 化，意味着更高端的蓝白领岗位也会有巨大风险。 [事实] 他指出把个人能力 skill 化的难点在于，模型很难判断这个 skill 的输出到底对不对。 [推测] 访谈把“AI 替代 CEO”从噱头拉回到评价体系问题：越复杂的岗位，越难定义正确答案。

[10:48] 小鹏的 AI 含量与企业定位

[事实] 何小鹏说，在物理世界企业里，AI 占比不应无限放大；小鹏在泛 AI 上花 15% 到 20%，包括自动驾驶和机器人。 [事实] 他把汽车企业能力拆成硬件研发、软件研发、AI 研发和制造研发，而不是简单在 AI 企业和制造企业之间二选一。 [推测] 小鹏的新定位更像是把 AI 放进制造和物理产品体系中，而不是放弃汽车制造属性。

[12:14] 从 AI 汽车到物理 AI

[事实] 何小鹏说，小鹏过去十年的核心是“智能、电动、汽车”，而 2025 年开始重新思考物理 AI。 [事实] 他认为过去汽车智能化发展很快但高度不够，很多方案仍是 AI 算法加软件规则的组合。 [事实] 他把这种方式称为“缝合怪”，因为它不是用完整 AI 模型驱动系统设计。 [推测] “物理 AI”在这里指向的是从底层模型、数据、组织和工程方法重新做，而不是给原系统加 AI 工具。

[14:20] 自动驾驶路线的大转向

[事实] 小鹏内部同时做过两代新的自动辅助驾驶路线：一类是在端到端方向上放大模型、减少规则，另一类是用更大的 Foundation Model 打开上限。 [事实] 何小鹏说新路线一开始上限可能从十万分到一百万分，但下限很惨烈，工程问题很多。 [事实] 小鹏最终停下了以前已经花了小几十亿元的体系，转向新的路线。 [推测] 这是一场典型的“用短期确定性换长期上限”的技术赌注。

[17:30] 为什么原路线无法到达无人驾驶

[事实] 何小鹏认为原来的强规则加少数 AI 算法，无法做到无人驾驶，也无法让机器人真正泛化。 [事实] 他举例说，现有自动驾驶在陌生地下停车场仍很难流畅行驶，很多能力依赖记忆路线。 [事实] 他认为物理世界的数据量无法被人类语言充分概括、描述和还原。 [推测] 他把数字 AI 和物理 AI 的分歧归结为数据形态不同：语言世界可以压缩，物理世界必须面对海量感知和交互细节。

[20:00] 长板、短板与窄板

[事实] 何小鹏说数字 AI 更重视长板，而物理 AI 还要同时处理下限、广度、品质、成本、材料细节和法规。 [事实] 他提出物理世界要把短板变长、窄板变宽、长板做得更长。 [事实] 他认为未来十年汽车的软件综合价值可能达到整车价值的 50%。 [推测] 这套判断解释了为什么小鹏要把汽车、机器人和 AI 放在同一个物理 AI 框架里看。

[24:00] 组织变革与下注时机

[事实] 何小鹏说这个重大决策没有一个标志性会议，更多是在脑中形成判断后全力以赴。 [事实] 他提到去年三季度末小鹏对自动驾驶中心核心组织架构做了很大调整。 [事实] 他认为每个人都有原来的惯性，会习惯用过去的方法和最新工具做更好的旧东西。 [推测] 组织调整的重点不是换工具，而是切断原方法论的惯性。

[27:10] “决不服输”与“愿赌服输”

[事实] 何小鹏说 2022 年底小鹏遇到挑战时，他给自己两个想法：决不服输，愿赌服输。 [事实] 他认为在重大下注时，越犹豫、越等待，可能越难成功。 [事实] 他说每家公司都要找到适合自己的路，不能简单学习 A 公司或 B 公司。 [推测] 他的风险观不是更喜欢冒险，而是认为关键时刻延迟下注本身就是风险。

[30:00] AI 转型不是所有企业的同一答案

[事实] 何小鹏不完全认同所有企业都必须立刻 AI 转型。 [事实] 他认为今天 AI 最容易帮助三类角色：简单分析师、简单程序员、简单设计者，而且主要仍是辅助和提效。 [事实] 他认为物理 AI 世界中哪些岗位会率先落地，很多人还没有想清楚。 [推测] 他反对把数字 AI 的转型叙事直接套到物理世界，因为物理世界还涉及环境、法规、工程、产品和规模商品化。

[34:00] 内部反对与组织动刀

[事实] 何小鹏承认去年下注时公司内部有负面声音，非 AI 主管很多并不确定路线是否正确。 [事实] 他说最大的反对声音是“用脚投票”，即有人不相信这件事，选择离开。 [事实] 他认为组织调整不能“小刀砍大树”，想清楚后要从组织、流程到方向全部改。 [推测] 这段说明小鹏的转型不是口号层变化，而是影响人员、流程和权力结构的深层调整。

[37:00] 技术剧变下 CEO 的焦虑

[事实] 何小鹏说自己当然焦虑，因为过去很多逻辑、范式甚至价值观、人生观、世界观都变得不那么 work。 [事实] 他区分了三种能力：看到问题、解决问题、构建既有上限又能堵住下限的体系。 [事实] 他提到过去越做自动驾驶越觉得 L5 永远到不了，但用 AI 重构后又觉得它可能存在。 [推测] 他的焦虑来自底层假设被重写，而不是来自单个产品或竞争对手。

[41:12] 小鹏机器人路线的三阶段

[事实] 何小鹏说机器人业务大致分三阶段：2018 到 2020 年是独立团队，2020 到 2023 年尝试多种机器人方法，2023 年后进入新逻辑。 [事实] 2023 年之后，小鹏从不相信机器人“大脑”能成功，转向坚定从大脑驱动机器人设计。 [事实] 他预计 2027 年可能是高等级机器人商业量产的第一个元年。 [推测] 机器人路线的变化与自动驾驶路线相似，都是从规则和工程缝合转向更完整的 AI 驱动。

[44:33] 重组机器人团队

[事实] 何小鹏说 2023 年把约 300 人的机器人团队只留下不到 60 人，其余有人出去创业。 [事实] 他选择了一个既懂一点 AI、又懂一点汽车工程、又懂一点机器人的新团队来重新思考机器人。 [事实] 他强调要用超级聪明的人做超级困难的事，并提到某部门招了接近 80 个顶尖博士毕业生。 [推测] 小鹏押注的不是单一专家路线，而是跨学科团队和高潜力人才密度。

[48:00] 为什么做人形机器人

[事实] 何小鹏说机器人负责人 LC 的想法比他还“疯狂”，想造人而不是只造机器人。 [事实] 他认为通用机器人未来会和人类各个领域强相关，不只是商业产品。 [事实] 他特别提到老人场景，认为机器人可能成为部分老人未来的重要依赖。 [推测] 小鹏选择人形机器人，是因为它想进入人类生活和情绪关系，而不只是完成工业任务。

[49:40] Iron 发布与“像人”的争议

[事实] 何小鹏说去年发布的机器人只是中间版本，目标是验证多关节、肌肉和皮肤条件下能否更容易进入生活和工作场景。 [事实] 他认为四足机器人进家庭会遇到空间、续航和安全问题，盔甲式双足机器人也会给人压迫感。 [事实] 小鹏当前机器人约 1.69 到 1.70 米，可以穿衣服甚至有头发，但不能有自己的脸。 [推测] “像人但不完全像人”是为了在亲近感、安全感、恐怖谷和法律社会风险之间折中。

[54:25] 证明“里面不是人”的那场意外

[事实] 发布会后，外界大量讨论机器人里面是否是真人，何小鹏本人认为应该尽快回应。 [事实] 团队一开始担心越解释越像有问题，但何小鹏要求第二天早上想办法证明这是真实机器人。 [事实] 最终团队选择剪开左腿，因为左腿在行走画面中最容易被看到。 [事实] 何小鹏说这次舆论让他们看到了不同人群对机器人的需求：年轻人期待进家庭干活，中老年人会思考老了之后机器人有什么用。

[58:14] 机器人创业的难度与分化

[事实] 何小鹏认为机器人创业难度远超汽车，可能是汽车创业难度的 20 到 100 倍。 [事实] 他认为机器人公司数量可能比当年造车新势力更多，但机器人分类也远比汽车更丰富。 [事实] 他判断通用人形机器人路线 99.99% 会死掉，但多种差异化机器人可能有很多商业解法。 [推测] 他并不否认非人形机器人的机会，只是认为小鹏选择了最难、也最符合自身目标的一条路。

[60:00] 机器人真正的对手是自己

[事实] 何小鹏说通用人形机器人现在没有真正对手，最重要的是让自己的组织、算法、体系、产品和工程能力变强。 [事实] 他认为很多人低估了机器人运动控制，机器人不能只靠软件缝合。 [事实] 他希望运动控制能像人一样，用 AI 控制全姿态、全组合的动作，而不是只支持走路或打架等少数动作。 [推测] 在小鹏的机器人框架里，运动控制不是底层小问题，而是决定“像不像人、能不能泛化”的核心技术。

[65:00] 小鹏新的三条曲线

[事实] 何小鹏说小鹏新的十年有三条曲线：汽车成为完全智能体、机器人本身作为智能体、全球化。 [事实] 他认为机器人一旦有能力规模化，爆发速度可能远超汽车，因为汽车受道路、法规和产能约束更多。 [事实] 他提到小鹏做机器人有约 80% 的硬件自研，包括手、芯片、关节等都参与自研。 [推测] 小鹏把机器人看作主业务曲线，而不是汽车之外的远期概念项目。

[67:00] 机器人量产、商业化与胜率

[事实] 何小鹏说机器人难点包括硬件可靠稳定、高等级多个大模型拟合，以及商业化能否证明。 [事实] 他认为第一款商业量产机器人可能还达不到 iPhone 1 的程度。 [事实] 被问胜率时，他说要看目标大小，自己认为小鹏大概有两成胜率。 [事实] 他认为机器人“血海”还在前面，但机器人里的 AI 能力占比更强，很多汽车行业玩家并不懂 AI。

[69:20] GX：旗舰六座大 SUV

[事实] 何小鹏介绍 GX 是小鹏再次做高端，也是第一款全尺寸六座旗舰 SUV。 [事实] 他说 GX 融合了飞行汽车、机器人和汽车能力，例如把飞行汽车的冗余思路带到车上。 [事实] 他还提到线控底盘、新电子电气体系和自动驾驶结合后，可以提高安全下限、缩短时延、提升控制灵敏度。 [推测] GX 被包装成小鹏物理 AI 能力的集中展示，而不只是传统大 SUV。

[71:00] GX 的产品细节与用户画像

[事实] 何小鹏说汽车未来会吸收机器人任务理解能力，例如识别谁在发指令、任务对象在哪里、如何执行。 [事实] GX 的第三排可以推平，形成四座、五座、六座等不同使用形态，还与合作伙伴做了玻璃、车载冰箱等能力。 [事实] 他认为目标用户是 30 岁以上、比较勇敢、愿意探索科技、同时有家庭需求的人。 [推测] 这款车试图同时满足家庭大车需求和科技尝鲜需求。

[73:00] 高端车竞争与 G9 复盘

[事实] 面对是否担心重蹈 G9 覆辙，何小鹏说不担心，因为现在的思考逻辑和能力维度已经不同。 [事实] 他提到小鹏从 G9 复盘中调整了组织、产品规划、客户认知和商业逻辑。 [事实] 面对理想、蔚来等竞争，他称各家既是友商、同盟者，也可能是竞争者。 [推测] 他把这次高端化的底气建立在体系能力提升上，而不是单个配置或单点营销。

[77:00] CEO 当前最重要的工作

[事实] 何小鹏说自己花时间最多的是战略和规划，包括企业、产品和商业战略。 [事实] 他认为汽车是复合机器，做好一个长板并不代表能做好整车。 [事实] 他不认为规模、利润或某个单点能力本身就等同于企业最终成功。 [推测] 这延续了他对长板、短板和窄板的判断：汽车竞争最终是系统能力竞争。

[79:00] L4、自研与第三方方案

[事实] 何小鹏认为小鹏实现 L4 大概还需要 18 到 24 个月。 [事实] 他提到第二代 VA 的第一个版本发布后，在中国汽车销量环比下跌约 20% 的背景下，小鹏涨了约 50% 到 70%，其中相当部分与第二代 VA 相关。 [事实] 对于第三方智能驾驶方案，他认为如果某项能力是战术，可以合作；如果是战略，就应该自研。 [推测] 小鹏会在核心智能化能力上坚持自研，因为它关系到未来软件价值能否占到整车价值的 50%。

[83:50] 汽车行业集中与仍在血海

[事实] 何小鹏说他一直认为 30 年后中国可能只有 5 家有规模的汽车企业，但不代表其他企业都会倒闭。 [事实] 被问是否从血海里游出来时，他说大家都还在游，他不认为有谁真正游出来了。 [事实] 他认为机器人挑战可能是汽车的 10 倍，但机器人同质化内卷可能更低，软件价值更大。 [推测] 他对汽车竞争仍保持高度警惕，同时认为机器人虽然更难，却可能避开部分汽车行业的价格与同质化压力。

[85:00] 日常工作、学习与后悔

[事实] 何小鹏说自己的典型一天是比较晚上班、很晚离开，每天有很多决策项，并快速交流和思考。 [事实] 他现在不太完整看书，认为世界变化太快，书写完印出来后相关范围可能已经变化。 [事实] 他把吸收知识概括为在实践中快速循环，并说过去一年犯错很多，但不需要后悔，而是要一起思考为什么错。 [推测] 他的学习方式从知识输入转向实践迭代，更接近企业内部和 AI 体系中的快速反馈循环。

播客点评/总结

[推测] 这期访谈的价值在于，它不是只讨论某个车型或某个机器人 demo，而是把小鹏的汽车、自动驾驶、人形机器人和组织变革放进同一个“物理 AI”叙事里。对关注中国智能汽车和机器人产业的人来说，信息密度较高。

[推测] 亮点是何小鹏讲出了不少决策背后的约束：为什么停掉旧体系、为什么认为“缝合怪”到不了无人驾驶、为什么人形机器人要控制在接近人但又不能完全像人的状态。这些内容比单纯发布会话术更能解释小鹏的技术路线。

[推测] 局限也很明显：涉及组织改造、物理 AI 底层做法和部分战略细节时，何小鹏多次表示不能说，所以听众能看到方向，但看不到完整方法论和验证数据。适合对 AI 汽车、自动驾驶、人形机器人和科技公司组织转型感兴趣的听众。