#飞机先生唠唠#理想 2023 春季沟通会（汇总） 一、能源 能源、信息技术是影响目前人类发展的两大重要核心，而智能电动车刚好跨越这两个领域。 首先用户在能源需求上，有能源获取的便利性、成本（使用成本）、舒适环保零污染的理念； 在政府需求上，包括核心技术的可控、能源供给的安全性、实现碳达峰与碳中和。 在车企上，车需要第一个解决的是充电难的问题，第二个是电池成本。我们认为三个路径可以解决： 第一是换电。换电可以无限接近于加油的体验，用户成本也比较低。 第二是增程。我们做的是大电池，不是过去主流的 50-60的电池，满足城市用电的场景。 第三是高压纯电。家里慢充、城市快充以及长途超充。 所以我们做了增程以及高压纯电转变： 高压纯电商配合高压平台以后，再配合比较好的风阻系数，其实电池的成本还可以大幅下降，效率比显著的提升。 在充电上： 4C 电池可以做到 10 分钟 400 公里； 2C 电池可以做到 20 分钟 400 公里。 在成本上： 相比目前传统的 400 V主流的电动车，相同尺寸相同的驱动形式下大概可以降低 3 -4万块钱零部件成本。到时候 800 V高压平台以及 4C 的特性，碳化硅的使用会把整体的成本可以做到和增程相同的价格。 在充电桩上： 充电桩对我们而言是一个产品。你提供 4C 这个也没有大家想象的贵，所以大家不用怀疑我们铺设的决心。 二、智能驾驶 1、软件 2.0 的迭代 利用白盒的判断规以及黑盒的影子学习模式，来改变传统的基于规则的智能驾驶。 车端的数据与云端的分类、学习，实际算法的团队会更少，大模型后的自动化，训练不是对和错，而是训练质量的变化。训练后会重新进入到车上和人的开车效果对比，最后才会部署到车辆上。只要端到端样本足够多，安全体验会变得越来越好。 2、未来智能驾驶将会有三个部分的比拼： -降低计算平台和传感器的成本，做到标配。特斯拉 FSD 的成本1500 美金，双 Orin 已经 4000 美金以上了。 -端到端的闭环数据量更多，需要端到端，还要包括多地区、多国家的数据。 -大模型的训练。其实 GPU 不是大模型训练效能最高的方式，大概只是发挥了五分之一左右，英伟达也在构建专属的训练芯片，成本大概只有 A1000 的 六分之一。 未来 Ai 的操作系统、BPU（小脑）以及训练端的 TPU （大脑），将会是未来最核心的竞争。 3、城市 NOA 将会带来核心体验的改变 李想预测 2024 年主流的中高端车型，基于大模型、BEV 技术，城市 NOA 会面向所有城市覆盖的时候，体验会有很大变化。 城市 NOA 不是变得完全自动驾驶，而是堵车情况，60%左右的场景让它开。就像你买了一个 20-30 层楼房一样，开始有电梯和没电梯的区别了。 今年年底大家都会会发布用户城市 NOA 测试系统，达到 2021 年特斯拉的水平，2024 年能做到 2023 年年初特斯拉在北美的水平。 我们提供城市 NOA 的时候就会所有城市的覆盖，基于大模型的技术，不会采用目前主流的单个城市的覆盖。 三、产品 产品共有四个层面，包括品牌、研发、交互以及毛利率。 1、毛利率是血，健康的门槛是 20% 。 特斯拉、比亚迪都是超过 20%，只有毛利率好的时候才能投入研发，而不是依赖资本。 2、研发。 毛利率够了，才能投入研发，理想共经历三个阶段： -产品研发。就是 0-1 的理想 ONE 。 -平台化研发。L 系列，2019 年做的最重要的决定，是全力以赴做平台化。 -系统研发。基于软件来做操作系统，包括背后的处理芯片，算法已经在自己手里了。 增程电动、高压纯电、智能驾驶以及智能座舱四大平台，以及子电气的小平台，而且是复用的，所以我们 OTA 的效率很高，因为只有一个平台。过去都是供应商的现成方案。 智能驾驶起步是 10 亿美金起，做到城市 NOA 都要 20 亿美金起步。早期供应商方案可以和多车企合作分摊成本，但自研只有一个人兜底，但换来的供应链管理、更新效率会更强。 比如 L7、L8 、 L9 除了车壳和座椅以外，其他都是一样。 3、销售模式 直营的三大挑战： -现金流 -开店速度 -避免吃大锅饭 4、供应能力 爬坡限制最大还是三电。目前供应有三个分类： -基础的供应：后视镜、保险杠等，这个和燃油市场没有太大区别 -芯片类：例如域控制器，这个体系制造效率很高，目前很成熟 -三电：L 系列一个车型要三个电机，一年一台车要 30 万台的需求，三台车就是 90 万台，没有一个供应商敢接，所以我们自己建。800V 的碳化硅的自研也是类似，外供也是不够的。北京的新工厂也要生产我们的纯电车型。 供应链自制率也不能过高，30%的自制率是比较健康的，包括自研后也会让供应商生产。 5、组织能力 组织决定了效率以及正反馈。 最底层是懒惰，如何把懒惰变成主动； 第二层是惯性，例如利用燃油车的标准来做电动车，如果把惯性变成必要性； 第三层是无知，如何把无知变成认知。 解决认知，知己知彼 制定目标、规划 更高的执行与系统 我们会经历五个阶段： 我们老觉得自己和别人不一样，其实就是不向外看 当你向外看的时候，你会看不明白 这时候开始找顾问以及专家去看明白 看明白后就去做，也会出问题 最后才会真正看明白 QA: 1、一季度比较难，因为 12 月份透支了需求，补贴以及燃油购置税的取消，上海政策变化。第二是降价。这两个影响了车市的变化。 第二是我们的产品竞争力。销量等于市场将占用率，产品力等于产品价值除以产品价格乘以 NPS，产品力越强销量自然越高，NPS 越高销量会越好。如果想要提升销量，不动产品力，最好的方式就是降价。而我们其实在产品力中价值体现是比较多的。 2、这个行业压力肯定打。头部两个企业都能打价格战。如果把 b 级 suv 卖到 30 万以上肯定就没有量了，比亚迪不是过分便宜，而是放在用户合理的价值期内。我们为什么理想 ONE 为什么不降到 30 万内？也是类似，大家一定会认为你有问题的，这是 用户的认知。第二个用户和用户之间的认知，可能会觉得你穷。 所以不能定价太贵、也不能太便宜。 我们当时担心的不是汉兰达，而是一个集团有三款中大型suv，就是凯迪拉克的 XT6 、昂科旗以及开拓者，好在昂科旗一来就降到 20 多万。 3、理想 ONE 是一个增量市场，我们做了多款产品后，加入了 40-50 万后其实是抢存量市场。比如 L7 面对存量市场，如果 L7 增长的话奥迪 Q5 肯定会下降。我多的肯定是别人少的。 4、大模型做城市 NOA ，城市 NOA 再去解决高速的问题，真正的关键是用户的使用时长占比，这就像一次考试，还是开卷的。今年年底大家就开始交这个卷子。 5、自研和自制是两个纬度，包括增程电动、高压平台、智能空间。供应的物料会根据不同的策略，保证我们核心技术能够落地以及供应安全。自研自制控制 25%-30%。 6、Orin 的tranformer 的效率不会很高，我们可以和英伟达优化可以做提升，相当于你用一个弱的平台花很多的功夫。下一代的芯片是 2025 年，算法可以延续，模型训练也是可以延续。 7、20-30 万的成本挑战会更大，一个月 3-4 万的时候去打才更有效，我们的产品策略会继续延续，长期下去效率才会更高。 8、超充没有大家想象高，同时也有五年分摊。如果一个 480kW + 三个250 kW 只有 100 万人民币，五年分摊也就是 20 万，一年 1000 座也就 20 亿，只有 2% 的成本。 家里家充， 城市用 200kW 快充（加油站附近布局），高速长途才是 480kW 超充，其中超充会开放给第三方 800V 车型。收费价格上肯定是不赔钱的，赚钱就看各自的表现。 9、技术路线和 FSD 完全一样，训练为主，人工的干预只是辅助。但只有 AD Max 只能跑通，AD Pro 只能跑 2.5D 算法+高速 NOA 的工作方式，不是三维 BEV 的算法。