作者｜張婷婷

進入2023年以后，新能源汽車賽道也終于迎來了一個熟悉的詞匯：“卷”。越來越多的大品牌推出純電汽車產品，殺入這一賽道。曾經并肩作戰，一同做大新能源汽車蛋糕的造車新勢力們，在前有追兵、后有堵截的戰勢下，也不知不覺開始出現了分化。

(資料圖片)

從第一季度表現來看，理想汽車還算過關。2023年1-5月，理想汽車累計交付10.65萬輛，在國內新能源汽車廠商中排名第三。從財務數據看，根據2023年Q1財報，理想汽車總營收187.9億元，營收同比大增96.5%。扣除股權激勵，凈利潤為14.1億元，自由現金流達到67億元。

此時，產品層面的競爭，其實是企業一系列綜合實力所反映的結果。如果追根溯源，理想汽車創始人、董事長兼CEO李想認為，除了產品和技術，新勢力更需要關注的是產品背后的東西，比如組織流程的數字化建設。

汽車是個遵循木桶理論的行業，任何一個方面出現問題，都有可能成為企業最短的那塊板。因此，除了產品智能化的競爭，組織流程的數字化建設，同樣有可能成為未來的勝負手。

李想的思考是，企業發展到一定規模，需要解決的是“人心”和“人性”的問題。組織流程的數字化，就是為了用理性的方式去解決人性的問題。

更重要的是，組織流程的數字化同樣具有成長性。李想認為，組織流程數字化是BT和IT之和，BT就是業務流程，IT就是把業務流程數字化。搭建組織流程就是在給企業未來的發展修路，企業只有先修出來千億規模的路，才能夠讓團隊在這條路上去運輸價值，實現千億的規模。

2023年是變局之年，卻未必是決勝之年。李想用智能手機普及的例子來類比新能源汽車行業，“到2025年的時候，一輛車如果不具備足夠智能化的智能座艙和智能駕駛，客戶可能完全不會考慮買它。”

理想汽車具體是如何進行產品智能化和組織流程數字化建設的？為此，虎嗅智庫對理想汽車創始人、董事長兼CEO李想進行了深度對話，希望能通過理想汽車在產品智能化和組織流程數字化建設方面的實踐，為汽車行業的數字化轉型帶來一些啟示。

以下為理想汽車創始人、董事長兼CEO李想對話精華部分：

流程是企業服務員工的數字化產品

虎嗅智庫：近半年來理想汽車都在做組織變革，您能談談目前主要在做哪些工作么？

李想：流程變革是我們最近在做的核心工作。對理想汽車來講，我一直在強調要做好兩個產品：一個是對內的組織流程，這是給內部員工的產品；另一個就是對外的汽車產品。這兩個產品都要以服務用戶為導向，遵循把用戶的價值放在第一位的原則。

流程服務的用戶是員工，應該以激發員工創造價值為根本，而不是為了大家管理起來更容易。汽車產品面向的是我們的客戶，需要通過產品力的提升來為用戶創造價值最大化。

產品是需要更新迭代的，因此，對內的流程需要隨著企業規模的發展進行變革，對外的產品也需要根據我們價值主張的調整進行智能化迭代。

虎嗅智庫：流程在公司組織管理過程中扮演什么樣的角色，是如何為組織管理賦能的？

李想：本質上而言，流程就是這家企業服務員工的產品，建立流程就相當于是在給企業的未來發展修路。

當企業的發展速度起不來的時候，首先應該反思是不是自己沒有把路修好，或者根本就沒有修這個路。企業只有先修出來千億規模的路，才能夠讓團隊在這條路上運輸價值，實現千億的規模。

流程同樣有自己的價值觀。同樣遵循把用戶的價值放在第一位，以讓員工創造價值為根本，而不是為了大家管理起來更容易。通過流程，讓大家用協作的方式解決所有的問題，相當于是把協作直接放在流程里，讓每一位員工都經歷完整的訓練過程，如果大家都是經驗主義上來就干，那就亂套了。

虎嗅智庫：修好路之后，車輛在行駛過程中需要遵守紅綠燈等交通規則，那么在流程管理當中是否也需要通過一些數字化工具進行節點的管理？

李想：數字化是我們的血液，流程是BT和IT之和，BT就是業務流程，IT就是把業務流程數字化，只有流程設計好了，血液才能流暢的運行。我經常跟大家講一句話：有系統、有數字化才能運營，無系統不運營。

數字化的本質就是在BT流轉的過程中，在IT系統里產生的所有指標。只要把業務流程設計出來，這些數字自然就產生了。很多的公司并不知道怎樣開發IT，是因為沒有BT。只有讓很專業的人把BT畫出來，把關鍵的節點梳理出來，IT才能有效的開發出來，否則如果讓IT直接去開發BT，IT怎么可能懂業務？這是很多企業招一堆人也做不好數字化的根本原因。

虎嗅智庫：從設計研發制造到整個供應鏈，再到產品交付、OTA等，我們如何借助數字化的手段進行這種長鏈條流程管理，閉環控制所有質量的？

李想：數字化對我們而言不是新的概念，因為我做汽車之家的時候就解決了。數字化是最底層的，是像空氣一樣的存在。

在理想成立之初，我就提出一個要求：把所有能裝的傳感器全裝上，把所有能夠獲得的原子級和質子級的數據都保存，這是我們和別的車企不太一樣的地方，理想不是需要什么才保存什么，而是要把所有數據全部保存，比如我們的整車質量檢驗，不是抽檢，而是全部要過系統，實現“一車一庫”，這樣能精準地保障每臺車的產品質量。

我們構建流程分為三個階段：第一個階段是構建流程，是從0~0.1的過程；第二個階段是構建訓練體系，是從0.1~1的過程；第三個階段，是從1~10的過程，讓大家能夠在流程中高速跑起來。

第一個階段是構建流程。我們為什么會很重視構建流程，是因為在最初構建理想汽車的時候，我們團隊的人來自于各行各業，語言也不相通，沒有辦法協同工作，所以首先要統一工作的方法論和流程，不是有什么先見之明，是因為真沒法管。

我講一個例子，同樣一個流程的字母叫sop，就是量產交付，你會發現通用、大眾和國內品牌的定義都是不一樣的，每個人都覺得自己是對的別人是錯的，所以我覺得流程在第一個階段是幫我們統一語言。

第二個階段，是構建流程的訓練體系。這套訓練體系跟自動駕駛和AI的訓練是完全一樣的，也要經歷4個過程。第一個過程是向外做全面的感知，比如做自動駕駛，就需要感知各行各業的自動駕駛都怎么做，技術路徑和人才體系是怎樣的，有好的感知，才有好的認知，通過這種方式為每個人建立訓戰的能力。第二個過程是制定目標并進行規劃，比如做一個發布會，首先要明確目標是什么，我要獲得多少百度指數及曝光量，針對這個目標需要制定怎樣的計劃，就像是自動駕駛的規控。第三個過程是執行和優化，預測結果，跟目標的差異點在哪里，需要如何調整。第四個過程是復盤，需要把前面完整的過程進行記憶和沉淀，對執行的結果進行衡量，做得好就強化，做的不好我就要進行調整，直到解決這個問題。我們所有流程都是這樣在訓練。

第三個階段，升級和擴建流程。當業務規模變大后，每個人在流程中運輸的價值也變大了。過去規模小的時候，相當于每個人是在小區里運輸價值，規模變大后，相當于是在市區運輸價值，規模更大時，就需要在全國運輸價值，這個時候不修出高速路，是有問題的。

我不能只給他一個小區的路，卻找他要高速的行駛速度。所以這時候，我們需要將流程升級到一個更高的維度，建立經營的流程，將DSTE、IPD，管理產品研發，管理供應鏈，管理銷售服務，然后管理流程、管理hr、管理財經，然后是戰略管理，都納入流程內，遵守流程規則，讓整個團隊的行駛速度變得更快。

閉環數字化流程幫助我們實現精準交付

虎嗅智庫：理想汽車從月銷幾千輛到今天的近3萬輛，隨著規模變大，對于供應鏈的管理有沒有遇到一些棘手的問題？數字化在供應鏈的不同階段都起到哪些作用？

李想：我覺得供應鏈前后會銜接兩個部分，向前銜接需求，就是到底能賣出多少輛車，向后銜接交付，最后能造出來交付多少車，供應鏈是中間的一個環節。對于供應鏈的管理可以分為三個階段。

第一個階段，是選擇好的供應商進行合作。我們想要造一輛好車，獲得更好的質量，離不開好的供應商，一個好的供應商可能會幫我們解決70%-80%的問題。這個階段成本是非常高的，但卻是我們能夠活下來、樹立品牌和產品力的關鍵。

第二個階段，實現了兩個升級，第一個是一些頂級供應商愿意為我們做獨立開發，比如采埃孚為我們研發了國內第一個帶安全冗余的轉向，博世為我們做了中國第一個帶安全冗余的剎車；另一個是我們有很多創新東西是國際上的一些廠商沒辦法滿足的，我們就會選擇一些合作伙伴共同研發，這些伙伴必須是細分領域的領先者，并且創始人自己還在公司里干活，最好還要是一個準上市公司或上市公司，比如像地平線、禾賽、德賽西威這樣的企業，因為我們基本處于相同的狀態，大家都想再進一步。

第三個階段，要實現精準交付，我們向全世界最好的企業學習，發現這些優秀企業都是通過升級流程來實現精準交付的，我們引入了IC，就是集成供應鏈的管理，也會邀請像艾森哲等頂級咨詢機構介入，建立整個供應鏈的預測采購分析等流程，建立產品從銷售到供應的完善的聯合計劃體系，在這個體系下去優化所有的工作，最終實現精準預測，所以我們在供應商中口碑也就比較好，因為我們的預測基本都是精準的。

虎嗅智庫：您剛才提到埃森哲等機構會幫我們做一些供應鏈管理的流程設計，但其他車企可能也會請埃森哲幫助他們做供應鏈管理，為什么我們能夠做到預測更準確，您認為差異點有哪些？

李想：第一，我們不做局部流程，從最開始就做最小的閉環流程，包括我們的IPD產品研發管理、我們的IPMS、銷售服務管理和我們的整個工藝制造管理，包括我們的戰略管理是一起推進的，所以不會出現解決了這個問題，卻存在別的短板，可能恰好就是這個短板影響了全局。所以我們要科學的去看流程變革，它不是簡單的頭疼醫頭腳疼醫腳，而是要全面的去看待問題。

第二，我們會把流程變革當成一個一把手工程去推進，由我帶著各個業務線的一號位來解決這個問題，而不是我們找一幫這方面專家，讓他們自己去做。每一個關鍵點我都要參與討論和跟進的。因為沒有人愿意變革，但是當我拉著所有的業務一號位共同推進，他就不得不變革。

虎嗅智庫：理想汽車的數字化轉型都經歷了哪些過程？

李想：我們經歷了5個階段。

第一個階段，我們覺得自己跟別人不一樣，一些小的流程我們員工自己來發明，比如PEA，包括我們早期的戰略分析法，我在湖畔大學跟曾教授學完以后就變成自己的了。這個階段會覺得自己挺強的，不愿意向外看向外學習。

第二個階段，我們發現很多問題自己解決不了，就會選擇向外看，向先進的企業學習。在電動車領域，我們在學習特斯拉和比亞迪，在汽車品牌塑造方面，我們學習寶馬和奔馳，此外，在一些更長遠的創新方面，我們比較關注蘋果和華為這兩家企業，學到一些簡單的流程，但是也有很多流程我們看不懂，比如蘋果團隊、三星團隊是怎么管理的，我們都看不懂，就會困在原地。

第三個階段，我們會找一些咨詢公司來做我們的顧問，幫助我們去看蘋果是怎么管理的，三星是怎么管理的，他們在不同階段遇到什么問題，如何解決，他們是怎么培訓、怎么做激勵的，我們慢慢看懂了這些東西了。

到了第四個階段，當遇到一些問題，我們認為自己能自己干，就會選擇自己去干，但其實這幫人過去是做業務的，做業務的都是開車的，不是修路的，開車人并不知道怎么修路，包括我們自己也都是開車的，強行讓開車的人去修路，所以把自己折騰的一團糟。

進入第五個階段就徹底通透了，明白不能又開車又修路，這是不現實的，要借助外部力量。尋找一些專業修路的人、為頂級企業修過路的咨詢公司，比如BCG、埃森哲，讓他們來幫助我們修路，也會從一些成熟企業邀請一些真正在修路和運營路的人加入這家企業，然后慢慢步入正軌，開始產生良性循環。

當把流程想明白后，所有分工也就清楚了，大家就能訓練起來了。

數字化就是用理性的方式解決“人性”的問題

虎嗅智庫：在學習的過程中，不同學習對象可能在特定領域有一個比較先進的認知，理想汽車如何將從不同企業學習到的東西融會貫通，并能夠不產生自我矛盾的推行下去？

李想：我們內部經常說一句話：吃羊肉，吃牛肉，要長自己的肉。（學來的）所有東西，不管從創新、技術、還是各種服務產品的角度，可以分成兩個層面，一個是如何圍繞用戶構建價值，另一個是如何圍繞員工構建價值。

我們需要考慮學來的東西能不能結合我們的用戶和用戶價值主張去創造價值，我覺得這是背后的核心。比如我們分析特斯拉使用BEV和transformer大模型這種端到端的方式，能夠更好地實現智能駕駛更多場景覆蓋和提高安全性，我們就會果斷的選擇這種路徑，因為這對用戶是有價值的；再比如說我們認為蘋果的CEO辦公室管理方式，是一種非常有效的企業組織戰略的決策方式，我們就會學習并構建這種方式，還有像華為經常對外講的大戰略和研發，也有很多研究華為的書，我們就會學過來。

學習不是簡單的只看表象，而是要看完整的、不同階段遇到的不同問題，以及對應的解決方法，避免跟我們自身出現節奏和類型上的錯配，我們也會進行有效的取舍和階段的選擇來為我們所用。

總之，一方面是能不能幫助我們創造用戶價值，另外一方面是能不能解決我們發展中的問題，跟我們自身要結合在一起。但是我們對自己是有一個要求的，就是無論學什么東西，我希望最后還能做得更好，并不只是簡單學過來就可以。

虎嗅智庫：在推進數字化變革的過程中，遇到過哪些困難？

李想：最難的是說服團隊來相信流程的重要性。說白了，企業發展到一定規模的時候，需要解決的其實是人性和人心的問題。很多企業會犯的一個錯誤，就是拿人心去解決人性的問題。我們去看全世界所有偉大的企業，其實都是在用理性的方式去解決人性的問題，用感性的方式解決人心的問題。

數字化的作用就是用理性的方式去解決人性的問題，對內就是建立組織流程，對外就是做好產品。流程是契約制的，大家在一個透明的流程里，使用共同的語言，進行透明的訓練，得到公平的待遇，形成好的信用，不斷地吸引更多優秀的員工。做產品也是同樣的道理，好的產品能夠獲得好的nps，就會有更多的用戶來買我們產品。

回到人心的層面，就需要我們打造好的企業文化和品牌，樹立好的價值觀，大家都在這個價值觀下面去做事情就會產生信任。用品牌和文化來解決人心的問題，這是一種感性的方式。

理性和感性需要同時存在，二者是相輔相成的。好的流程會助長好的文化，好的文化又會反哺好的流程，流程是為了把業務和用戶服務好，讓價值創造最大化，而不是為了私利。二者都做好，企業發展就會螺旋上升，有一個產生問題的時候，就需要專業去解決，然后繼續前進，當二者都出現問題的時候，這家公司就會快速的衰落。

很多時候，痛苦來源于我們用錯誤的方式去解決問題。假如今天我們業務上遇到很多問題，規模上遇到了挑戰，我們只能用流程去解決，并不是好心好意就能解決。

虎嗅智庫：剛才您提到流程變革是您作為一把手親自去推動的，除了這部分工作之外，還有哪些業務是您作為一把手去推動的？

李想：你看我管的團隊就行了，我管的團隊有戰略團隊、品牌團隊、產品團隊、商業團隊、還有供應團隊。可以想成是個2+3的結構，用戰略去解決理性的問題，戰略是最重要的，然后用品牌去解決人心的問題，還有三個最主要的業務，即產品研發、銷售服務和供應制造。

我不會直接掌握團隊，而是配合這幾個業務的負責人進行管理，這就需要業務負責人具備兩個條件。第一，他們在掌握流程，因為流程決定了行為的必要性，另外他們成為一個作戰指揮部，能夠調用我們商業體系里的所有能力，包括銷售服務、零售交付服務、充電網絡，然后包含研發的環節，包含造型設計、電動平臺研發，自動駕駛平臺研發、操作系統研發，到了供應環節也是一樣的，他要具備調用采購、供應鏈、制造、質量、包括我們零部件廠商所有的這些能力。

所以我管理公司的方式，就是我掌握主流程和作戰指揮部，不直接管龐大的團隊，而是由群組的負責人把相關類型的業務都管起來。群組負責人需要樹立兩個重要的目標，一個是真正的參與作戰，第二個是要持續構建自己的專業能力，內部要不停地去創新，讓供應鏈能力越來越強，讓制造能力越來越強，讓研發能力越來越強，讓AI能力很強等。

大模型為汽車智能化帶來新機遇

虎嗅智庫：新能源汽車進入智能化下半場，智能駕駛和智能座艙對于產品競爭力的影響是怎么樣的？

李想：當前階段，智能駕駛和智能座艙對于產品競爭力的影響，就好比新能源汽車發展初期，電動化相較于燃油汽車的地位。在汽車電動化階段，最早只有3%的嘗鮮者，后面隨著BEV（Blade Electric Vehicles, 純電動車）市占率的提升，電動化技術不斷被驗證，才開始慢慢普及開來。

我認為自動駕駛和智能座艙也會經歷類似的過程，從早期的嘗鮮者，到早期的試用者，再到大眾普及。比如我們即將推出的城市NOA功能，也會先推行早鳥計劃，先讓嘗鮮者使用，然后再向外推廣。

在早期的時候，智能駕駛和智能座艙不會成為客戶選車的決定性因素，大家甚至覺得它沒什么用，但到2025年的時候，一輛車如果不足夠智能化，客戶可能完全不會考慮買它。類似早期的手機，大家只要求能打電話就行。

虎嗅智庫：基于大模型的智能駕駛可以分為哪幾個階段？

李想：我覺得基于大模型的智能駕駛可以分成三個階段。

第一個階段是賦能。今天我們依然叫它智能輔助駕駛，賦能駕駛員，讓駕駛變得更安全和便捷。跟ChatGPT類似，是人機共駕的一個狀態，也正是通過人機共駕的過程去訓練大模型。這一階段的價值會變得越來越高。

第二個階段，它會形成半機器人。當我們越來越多地使用輔助駕駛，它可能不會完全比人開得好，但是能解決一些酒駕、疲勞駕駛的問題，實現比人類駕駛安全5到10倍，相當于產生了一個垂直領域的專家，并且它可以直接輸出了，在自動駕駛里就相當于出現了真正免費的司機。

到了第三個階段是AGI（通用人工智能），就是行為學習和認知學習會二合為一，大腦和小腦同時具備，這樣，機器能夠獨立獲取信息，形成自主迭代，我并不能預言這個階段何時到來，但是我們對這個階段是可以有預期的。

大模型的這一整套算法本質就是把人的能力賦予自動駕駛。在一個城市中，使用NOA功能的人越多，大模型在這個城市所擁有能力就越強，尤其是規控能力，就相當于是把這個城市所有駕駛員的能力匯集到了一起，當這個能力足夠強大的時候，就不再是原來編程制和規則制的方式了，真正進入到一種類似于人類學習訓練的方式。

虎嗅智庫：隨著對城市駕駛員能力的不斷匯集，您認為自動駕駛大模型的涌現能力會在什么時間凸顯出來，會不會產生一些極端駕駛情況或分歧點？

李想：所以我們使用大模型時候，不能完全放掉規則。規則制還是有的，但更多是為了遵守法律和倫理，作為一種約束，告訴自動駕駛不應該做什么。

我覺得在物理世界里技術并不存在完美。現階段智能駕駛仍然處于賦能階段，大家應該想明白一件事情，就是這個階段根本不可能跳過去的。

大模型的涌現能力取決于模型大小，而模型大小取決于學習和訓練。自動駕駛的模型，大概是3億左右的規模。

虎嗅智庫：大模型時代的AI在企業發展中扮演著越來越重要的角色，為此，我們在AI人員的團隊配置上做了哪些工作？

李想：我們目前有4支AI研究團隊，來自不同的專業，負責解決不同領域的問題。一支團隊在做自動駕駛，相當于在做行為學習，一支團隊負責智能座艙，相當于在做認知學習，第三個團隊在研究借助AI來解決制造領域的問題，以及店面的一些問題，比如人流的統計，以及用戶試駕的過程中遇到的一些問題，解決整個生產環節的問題。還有一個團隊在解決質量問題，利用車輛的數據來建立各種模型算法，解決車的質量的問題，這比靠人的經驗去解決更有效。

虎嗅智庫：汽車產業對于自動駕駛的態度由熱到冷，但理想一直在按照自己的節奏去推進，不快也不慢，這個過程中對于自動駕駛有沒有一些認知上的變化，未來是如何規劃的？

李想：我們致力于成為一家全球領先的人工智能企業，所以我們沒有被外界影響。

第一個階段，我們的融資能力有限，所以并沒有自己去開發自動駕駛，選擇了投資一家企業來做自動駕駛，但是用的過程中發現，它沒有辦法滿足我們成長迭代的需求。

進入第二個階段，我們開始構建自研體系，采用地平線的芯片，成為中國第一家用國產芯片做智能駕駛的企業。這個路徑特斯拉和我們的選擇是一樣的，也是從供應商采購到逐漸自研。這一階段還是用2.5d的思維方式去構建基礎的訓練體系，接下來我們開始構建能力體系，交付一些基礎的產品功能，比如高速NOA。

到了第三個階段，我們開始用大模型、BEV（Birds Eye View）來開發智能駕駛，但也是剛開始，同樣需要經歷從0~1和從1~10的過程。首先是機器向人類學習，機器學習人類的行為、感知和判斷，然后是機器根據學習訓練，自己制定規則和編程，最終形成一個司機。我們認為只有這種方式才能解決物理世界的問題，這是我們的一個判斷。

最大的認知變化，是我很早就明白的一個東西，我認為 AI 和過去傳統計算機的技術架構是完全不一樣的。首先是機器向人類學習，機器學習人類的行為、感知和判斷，然后是機器根據學習訓練，自己制定規則和編程，最終形成一個司機。我們認為只有這種方式才能解決物理世界的問題，這是我們的一個判斷。