这次访谈是之前理想高管老汤哥和范皓宇继MEGA复盘后的第二期节目，原视频请微博/B站搜索flypig查看，深入探讨了理想汽车在智能座舱和智能驾驶领域的最新进展。以下是对视频内容的整理总结，讨论核心围绕三个主题展开：
-
1.理想同学的全面升级 ：从一个简单的语音助手进化为具有情感、记忆和执行能力的智能伙伴，背后是校招生团队的创新推动
-
2."三好学生"产品理念 ：将复杂的技术能力简化为"好用、好玩、好聪明"三个维度，让用户更容易理解和接受
-
3.VLA技术架构 ：代表着智能驾驶的未来方向，通过融合视觉(V)、语言(L)和动作(A)，实现真正可理解、可沟通的自动驾驶
二、核心问题及回答整理
1. 理想同学的形象设计与产品理念
Q：理想同学毛绒玩具形象是怎么来的？
范皓宇透露这是校招生团队的创新产物 ："这是一些校招生，他们的创新和产物...整个这个项目组，基本上全部都是校招生"。形象设计经历了从图标到写实的演变，最终选择了毛绒形象的三个关键原因：
-
•写实化让用户把它当人沟通 ："如果只是个图标，你不会觉得它是个人。但是它写实以后的话，有毛茸茸的，有眼睛这些东西以后，你会觉得它是个人"
-
•加入双手代表执行能力 ："形式即功能...它两个手出来以后，我确实可以帮你点击，帮你去干一些事"
-
•帽子代表角色切换 ："帽子代表了职业和角色...默认的帽子是胡迪的那个牛仔帽，代表了自由"
Q：什么是"三好学生"概念？
范皓宇解释这是将座舱价值具象化的传播策略：
-
•好用 ：基础系统、硬件设计、响应速度、3D环视、HUD等基础体验
-
•好玩 ：影音娱乐功能，"有个老大哥...已经把他的流量用爆好多好多了"
-
•好聪明 ：AI能力，真正的人机对话和执行能力
他强调："我们不再去比什么第一，比什么行业领先...我只用看说，谁能认认真真的把这三个好真正做到最好"。
2. 技术能力与产品落地
Q：小剧场功能的技术原理是什么？
范皓宇介绍这是端到端语音技术 的应用："从音频到音频，不再是音频ASR转译，然后再回NLU，再去TTS播报...类似于OpenAI的ChatGPT语音模式"。
[隐含信息] 理想在语音技术上已经达到国际先进水平，是"全球第一个"实现这种端到端语音的车载系统。
Q：记忆系统是如何设计的？
范宇详细介绍了记忆体系的复杂性：
-
•个人记忆与家庭记忆分离 ："Face ID以后的话，你的所有的沟通聊天是...在系统级做了切割存储的"
-
•结构化存储 ："我们认为120多个槽位，基本上对于这个人的描述已经很详细"
-
•受Switch启发的框架 ："既能兼容个人，还能兼容离线...还能够兼容今天的我的这些共有的东西"
3. DeepSeek的影响与应对
Q：DeepSeek出现后有挫败感吗？
范皓宇的回应出人意料："我其实是很亢奋的，因为我们应该是全中国接入DeepSeek在手机...用了全中国最短的时间"。但他也反思了产品定位问题：
-
•用户定位不准 ："理想车主没有来，就来得不多...因为这个东西确实跟他的理想汽车没有什么关系"
-
•产品价值不清晰 ："如果今天我们就做了一个chatbot...我们每天为这些用户去付出推理成本，and then？理想的收益是什么？"
[隐含信息] 理想在追逐AI热点时一度迷失方向，现在正在重新聚焦核心用户价值。
Q：为什么不急于将DeepSeek上车？
范皓宇坚持品质优先："要思考五到八秒才能出的东西，我是不可能让它上车的...经过大量工程以后，我们才把我们真的深入思考上到车里去"。他们将查询分为长、中、短思考三类，分别优化响应速度。
4. Agent能力与CUA
Q：CUA（Cockpit Using Agent）是什么？
范皓宇简洁回答："小程序，用户可以用一句话让它把那个东西都点完了"。
技术实现路径：
-
•基于小程序生态 ："支付宝小程序base的"
-
•采用视觉识别技术 ："用了CUA基本框架就是图形识别"
-
•第一个场景是点咖啡 ："我们要用最短路径去验证，这件事情是OK还是不OK的"
[隐含信息] 理想选择了最务实的技术路线，而非追求技术的先进性。
5. VLA技术架构详解
Q：一句话说明VLA是什么？
范皓宇的解释经历了从复杂到简单的过程：
技术层面："在预训练阶段，就让这个司机，这个脑子就具备了一些语言的沟通能力"
核心原因："仅仅靠V（Vision）搞不定...交规是语言啊...我该让还不该让，那是个语言啊"
Q：VLA与端到端的关系？
范皓宇明确表示VLA是端到端的升级而非颠覆 ："端到端的架构没有动...它是下一步"。
VLA解决了三类问题：
-
•静态 ：路面、障碍物等（端到端已经做得很好）
-
•动态 ：移动车辆、行人等（端到端已经做得很好）
-
•超时距 ："有些事情的话是人可以理解...VLA是完美的去解决这个问题了"
举例说明超时距能力："在地库里绕一圈...我说要停到C座去...我看到了有一个标识...要理解这是个C，并且知道这不是C车位，不是C++自习室"。
Q：VLA的训练数据是什么样的？
范皓宇用"炼丹"来形容训练过程：
-
•视觉数据 ："精挑细选出来一些关键的视觉信号"
-
•语言数据 ："人类常识信息...跟交通、行驶相关的一些文本"
-
•平衡很关键 ："如果你太多的全是视觉的话，就会对这个模型有干扰"
[隐含信息] 理想在VLA训练上投入了大量精力在工程细节优化上。
Q：VLA会带来体验倒退吗？
范皓宇的态度非常坚决："我们不能接受任何的倒退...就像是不能接受上DeepSeek，让这个车五秒钟之后再反应一样"。
Q：不同芯片的兼容性？
范皓宇给出了令人惊讶的承诺：
-
•Orin、Thor统一适配 ："不会（做不同版本）...全面兼容"
-
•包括老车型 ："22款的老客户都要有"
flypig评价："鼻烟壶里边画国画"，形容工程难度之大。
6. 概念澄清与类比
Q：司机agent、VLA、司机大模型的区别？
范皓宇最终用ChatGPT类比说明：
-
•司机大模型 = GPT （能力本身）
-
•司机agent = ChatGPT （用户可见的产品）
-
•VLA = Transformer （技术架构）
他总结用户真正关心的只有两点："开车开得好不好，话能不能听明白...IQ和EQ"。
7. 产品哲学与反思
Q：理想汽车的科技平权体现在哪里？
老汤哥的回答很有深度："在理想汽车上面...最科技平权的，和售价无关的东西，就是智能座舱和智能驾驶"。他用人体比喻："都有眼睛，都有耳朵，但是有些人的眼睛就很锐利...配置都一样，但是能力不一样"。
Q：为什么现在的思维方式还很像苹果？
flypig观察到："堆砌是最简单的事情。你们现在思维方式还是很苹果"。
范皓宇回应："什么人干什么事吧"，暗示这是团队基因决定的。
[隐含信息] 理想虽然不再明说学习苹果，但产品理念和方法论仍深受苹果影响。
8. 未来展望
范皓宇对VLA的信心："这是个行业共识...它是很常识很常识一个东西...能看见，能语言能听见，然后你还有行动"。
关于L4的思考："在L4课题里边...无论怎么自动驾驶...都会遇到那个千分之一的那种火山爆发...需要云端去接它"，可以通过"遥操"或"模型接管"解决。
三、关键洞察
-
1.理想正在从功能堆砌转向体验设计 ，"三好学生"概念是这种转变的体现
-
2.校招生成为创新主力 ，带来了新的产品思维和执行力
-
3.VLA代表了理想在智能驾驶上的技术路线选择 ，强调可理解性和可沟通性
-
4.工程能力是核心竞争力 ，体现在对老车型的兼容承诺上
** **