AI从L9 Livis开始 理想进入具身智能时代

智能电动车产业的竞争维度正在发生根本性位移，单纯的场景包装已无法构建长久的护城河，行业焦点正从表层的产品定义下沉至底层的系统能力。理想汽车提出的“具身智能”战略，正是对这一趋势的回应，其核心逻辑在于将汽车视为AI进入物理世界的首个规模化载体。在李想的规划中，自动驾驶是具身智能的上半场，而通用人形机器人则是下半场，前者为后者积累了感知、决策与控制的全部底层要素。

这一战略转型并非空穴来风，而是基于对产业成熟度的精准判断。相比尚处于早期阶段的人形机器人，汽车拥有成熟的万亿级产业链、明确的使用场景以及海量的数据闭环，天然具备感知、计算、执行与协调的完整“身体”结构。通过在自动驾驶阶段解决机器在道路环境中的感知与行动问题，理想实际上是在为未来进入更复杂的家庭与工厂场景进行技术预演。

要实现从“造车”到“造具身智能”的跨越，全栈自研是唯一的入场券。传统汽车工业依赖供应商集成的模式，难以满足具身智能对系统级实时协同的极致要求。只有将芯片、模型、操作系统与执行机构进行统一设计与调度，才能打破单一模块的智能孤岛，实现系统效率的最大化。这也是理想不惜重金投入自研芯片与操作系统的根本原因。

以算力底座为例，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。其核心价值不在于参数的堆砌，而在于实现了芯片架构与AI模型的协同设计，避免了高算力低效率的困境。配合作为“神经系统”的星环OS，理想试图打通感知、决策与控制的完整闭环，确保车辆在全线控阶段具备毫秒级的响应速度与安全冗余。

这种重资产的技术路线背后，是理想对未来增长曲线的重新设计。数据显示，理想汽车2025年研发投入达113亿元，其中AI相关投入占比高达50%，2026年这一投入预计仍将将维持在120亿元左右。虽然短期内面临巨大的现金流压力，但从长期看，掌握底层技术架构是在同质化竞争中建立技术代差的必经之路，也是连接未来L4自动驾驶与人形机器人业务的桥梁。

然而，技术架构的升级必须依托于组织能力的同步重构。智能电动车作为复杂工业品，其研发难点在于跨部门的高效协同。理想在2026年年初完成了研发体系的深度变革，打破软硬件团队壁垒，转向按照“造具身智能”的逻辑重构组织。这一变革直接带来了效率的质变，智能辅助驾驶模型的训练迭代周期从两周大幅缩短至一天。

在组织内部，AI工具的深度嵌入正在重塑生产力定义。李想推动将Claude Code、OpenClaw等工具引入真实业务流程，旨在提升研发、协同与交付效率。值得注意的是，AI时代的人才标准也在发生偏移，那些擅长利用AI改造业务流程、构建生产环境的员工，正逐渐取代传统的资源协调型管理者，成为组织中的关键节点。

全新一代理想L9 Livis的上市，正是这一系列战略变革的集中落地。它不再仅仅是一款家庭旗舰SUV，而是理想具身智能能力的阶段性样本。在产品逻辑上，L9 Livis首次集成了自研芯片、VLA大模型、3D ViT感知、线控底盘与主动悬架，证明了“AI控制物理世界”已具备坚实的硬件基础。

从技术演进的时间轴来看，理想将2023年至2028年定义为L3自动驾驶阶段，对应2D ViT感知与约2000TOPS算力；而2028年至2033年则是L4无人驾驶阶段，将升级至3D ViT感知与接近10000TOPS算力。L9 Livis所展示的技术能力，正是理想在这一关键过渡期向L4阶段发起冲击的技术储备。

展望更长远的未来，具身智能的终局是通用人形机器人。按照理想的路线图，2030年至2035年机器人将具备6岁儿童的泛化能力，2035年至2040年达到12岁水平，直至2040年前后接近18岁成人水平。未来L4自动驾驶用户与机器人用户将存在高度重合，而当前在汽车领域积累的感知与控制能力，将无缝迁移至机器人业务。

因此，理想汽车此番转向，本质上是从一家擅长定义家庭用车需求的制造企业，向一家掌握“物理世界智能化”底层能力的科技企业蜕变。汽车不再是终点，而是物理世界AI最先规模化的训练场。通过在汽车这一高价值载体上验证技术、回收成本、迭代模型，理想正在争夺下一轮科技产业与汽车产业融合的入场券。

在行业普遍陷入同质化竞争焦虑的当下，理想给出的答案清晰而笃定：只有建立起连接感知、判断与执行的完整系统，才能在未来的竞争中立于不败之地。正如李想所言，“做AI不是冒险，不做才是冒险”。这不仅是对技术趋势的判断，更是对组织进化方向的终极确认。