在中國新能源汽車產業的發展史上，很少有某個單一論斷能像一塊界碑一樣，清晰地劃分出一個時代。

如果說有，王傳福在數年前提出的“電動化是上半場，智能化是下半場”便是其中之一。這個簡潔而有力的框架，在彼時行業仍對“電動車是不是趨勢”爭論不休的背景下，將產業的注意力從動力來源拉向了體驗與能力。

此后數年，中國車企在電動化領域完成超車，隨即全力撲向智能化的軍備競賽——城市NOA、大模型上車、艙駕融合……一切都在驗證這個定義的先見之明。

然而，當一個定義成為全行業的共識與起點時，也意味著它作為方向標的使命已經完成。行業需要新的路標。

時間來到2026年。當大多數車企仍在智能化的牌桌上激烈博弈，試圖通過更先進的輔助駕駛、更流暢的語音交互來確立優勢時，理想汽車董事長兼CEO李想在近期一場與羅永浩的深度對談中，拋出了一個更具縱深感、也更具野心的新框架。

“自動駕駛是具身智能的上半場，通用人形機器人是具身智能的下半場。”李想用一句話，將智能化這個已然擁擠的賽道，向下延伸到了更廣闊的產業圖景中。

這一判斷結構之清晰、階段劃分之明確、技術路徑之具體，讓人不禁聯想到當年王傳福的“上下半場論”，二者同樣是對一個宏大產業進程的階段性拆解，同樣具有定義賽道、引導資源配置的力量。

當然，李想的“上下半場論”并非對王傳福定義的否定或替代，而是一次在更長時間維度上的延展與深化。如果說王傳福為中國汽車產業劃定了從燃油到電動再到智能的賽道，那么李想則為這個賽道找到了一個更宏大的終點：從智能汽車，到物理世界的通用智能體。

如何理解李想“上下半場論”

理解李想的“上下半場論”，首先要理解他對當前AI技術階段的判斷。

在與羅永浩的對談中，李想指出：過去十年，AI在信息世界取得了巨大進展。ChatGPT和DeepSeek改變了文字創作，Seedance改變了圖像設計，Codex和Claude Code改變了代碼編寫。但一個根本性的問題始終存在，即物理世界中人類的日常生活并未發生本質變化。

AI能夠寫詩、畫畫、編程，但它無法幫你倒一杯水，無法替你接一次孩子，無法在物理空間中完成任何任務。

李想認為，這正是當前AI技術最大的“缺口”，也是下一個十年最大的機遇。AI正在經歷一個從Chatbot向Agent的進化過程：過去它只能“出主意、拼想法”，但現在它必須能夠“行動”，才能真正服務于生產和生活。

汽車，恰恰是讓AI走出屏幕、進入物理世界執行任務的最成熟載體。一輛具備L4級自動駕駛能力的汽車，本質上就是一個在真實物理世界中自主移動、感知、決策并執行任務的機器人。它不再是能對話的交通工具，而是一個具備行動能力的智能體。

由此，“自動駕駛是具身智能的上半場”這一論斷的內在邏輯便清晰了：自動駕駛，是AI從虛擬世界走向物理世界的第一個大規模、可商業化、技術邊界清晰的落地場景。它不是具身智能的全部，但它是通往通用人形機器人必須經過的訓練場和試驗田。

如果將中國智能汽車產業的關鍵戰略論斷排一個序列，王傳福的“上下半場論”和李想的“上下半場論”無疑會占據兩個重要的里程碑。二者在結構上有著驚人的相似，但在內涵上又有著本質的遞進。

相似之處在于，二者都是對一個長期產業進程的階段性拆解,都為產業提供了一個清晰的、分階段的、資源配置優先級明確的路線圖。

王傳福告訴行業：你先解決動力電池和電驅動的問題，再談自動駕駛和智能座艙。李想則告訴行業：你先解決好汽車在物理世界中的自主移動（自動駕駛），再談通用人形機器人在家庭和商業場景中的復雜操作。

遞進之處在于，王傳福的定義是“并列關系”（上半場與下半場是不同的技術重心），而李想的定義是“承繼關系”（上半場的技術、數據、模型，直接構成下半場的基礎能力）。

李想在對談中直言，為什么機器人公司要從自動駕駛公司挖人？因為兩者之間的連接關系非常清楚。自動駕駛積累的感知能力（看懂三維世界）、模型能力（理解場景并決策）、仿真能力（在虛擬環境中訓練）、以及線控執行能力（精準控制物理運動），幾乎可以平移到人形機器人身上。

基于此，李想甚至給出了一個具體的判斷：未來L4自動駕駛的用戶，與購買家政機器人的用戶，重合度高達90%。這意味著市場、場景和生態的天然閉環。

相比之下，王傳福的“上下半場”中，電動化積累的三電技術與智能化所需的高算力芯片、算法模型，更多是接力而非復用。李想的“上下半場”，則是一種能力的縱向遷移與升級：你在做自動駕駛時練就的“眼睛”（3D感知）、“大腦”（VLA模型）和“手腳”（線控執行），正是做人形機器人最稀缺的三大核心能力。

從這個意義上說，李想的“上下半場論”為那些具備自動駕駛技術深度積累的企業，指明了一條清晰、低損耗、高確定性的第二增長曲線，從造輪式機器人到造雙足機器人，核心能力棧的重疊度遠超外界想象。

理想怎么拆解“上下半場論”

如果說“自動駕駛是具身智能的上半場，通用人形機器人是具身智能的下半場”，那么如何將這份宣言轉化為工程師可以執行、產品可以承載的具體技術指標？

理想汽車的做法是，將“上下半場”分別拆解為三個階段，并為每一個階段設定了精確的算力、模型架構和響應速度目標。

第一階段（2018至2023年）是L2輔助駕駛，讓AI“看見”平面世界。

這一階段的技術特征可以概括為“從無到有”。感知層面，主要依賴CNN（卷積神經網絡）和2D視覺，車輛能夠識別車道線、交通標志、行人等平面化的道路元素。模型層面，采用規則算法和MCU控制器，決策邏輯由工程師預先編寫。算力需求較低，通常在100TOPS以內。

理想汽車在這一階段的實際產品對應為理想ONE（2018年10月發布）及后續L系列早期車型。彼時的核心突破是讓車輛首次擁有了感知能力——麥克風、雷達、攝像頭讓車“能聽、能看、能交流”。這一階段的積累，為后續向高階自動駕駛過渡提供了數據基礎和工程經驗。

第二階段（2023至2028年）是L3自動駕駛，讓AI“理解”二維場景。

這是當前行業正在經歷并將持續到2028年的關鍵階段。技術躍升體現在三個層面，一是感知升級，從CNN 2D視覺進化為2D ViT；二是模型升級，從規則算法演進為“預訓練模型+模仿學習”，并采用端到端控制架構；三是算力躍升，需求達到約2000TOPS，較第一階段提升一個數量級。

理想汽車在這一階段的標志性成果包括：2024年10月，其端到端+VLM雙系統輔助駕駛正式交付，成為國內首個端到端智能輔助駕駛大模型量產上車的車企；2025年8月，其VLA司機大模型隨理想i8交付，實現了“大腦”級別的能力上車；2026年3月，其下一代自動駕駛基礎模型MindVLA-o1發布，進一步提升了感知距離、推理深度和控制穩定性。

第三階段（2028至2033年）是L4無人駕駛，讓AI“置身”三維世界。這是理想汽車定義的“上半場終局”，也是真正意義上“汽車成為機器人”的起點，這一階段算力目標接近10000TOPS，較第二階段再提升5倍，核心技術特征與前兩個階段也有本質區別。

特征一是感知革命，從2D ViT進化為3D ViT。李想對此的解釋是：過去2D ViT無法真正理解物理世界，只有做到3D ViT，車輛才能真正“像人一樣置身真實3D空間感知世界”。

特征二是模型進化，從模仿學習升級為穩定的預訓練模型，具備理解與學習能力，而非簡單的模式匹配。理想汽車在馬赫VLA模型中引入了多模態思考能力，可在道路施工場景果斷繞行、面對前車爆胎防御性減速、禮讓倒車等復雜交互。

特征三是控制革新，從端到端控制升級為全線控系統，響應速度超越人類生理極限。李想給出的量化對比是：人類從看到障礙物到踩剎車執行到位，約350-400毫秒；而全線控系統可將感知到執行的全鏈路延遲壓縮至300毫秒左右，比人快近一倍。

這一階段的技術底座，已經在2026年5月發布的全新理想L9 Livis上部分實現，包括3D ViT感知架構、雙馬赫M100芯片（合計2560TOPS）、完全體線控底盤等。按照理想的時間表，2028至2033年間，這些技術將逐步成熟并規模化部署，最終實現L4級無人駕駛。

為什么是由理想率先提出

在全行業都在談論“AI大模型上車”、“城市輔助駕駛開城”的當下，為什么是理想汽車這樣一家以增程和家庭用戶著稱的車企率先以如此系統和決絕的方式，提出“具身智能上下半場”的完整框架？

答案不僅僅在于李想的個人遠見，更在于理想汽車在過去數年的技術布局中，這已經客觀上為該定義積累了最底層的支撐。

根據官方信息，理想汽車從2022年便開始自研芯片（馬赫M100），從2023年開始自研基座大模型，同時自研了操作系統星環OS和完全體線控底盤。這些投入的方向，從一開始就不是為了“把輔助駕駛做得更好一點”，而是為了打造一個能夠感知3D世界、自主決策、并比人類更快執行物理動作的智能體。

換言之，當友商仍在用第三方芯片、通用模型和傳統底盤來優化L2+體驗時，理想已經、按照“造機器人”的邏輯，重構了從芯片到操作系統再到執行器的全棧技術體系。李想之所以敢于提出“自動駕駛是具身智能的上半場”，是因為他的技術團隊已經在用“下半場”的架構，來開發“上半場”的產品。

這正是這一定義具有行業說服力的關鍵所在，它不是對未來的暢想，而是對已有技術路線的一種理論總結。理想已經將3D ViT感知、數據流架構芯片、全線控底盤、自研操作系統等具身智能的核心技術全部量產裝車。定義，不過是果；技術落地，才是因。

需要關注的是，理想汽車在芯片上的選擇，不是采購行業現成的高算力芯片，而是從2022年起立項自研。2026年3月，理想汽車自研的5納米馬赫M100芯片論文入選ISCA 2026（國際計算機體系結構領域最具影響力的會議）工業分區。理想汽車是該會議工業分區論文錄用的全球首家汽車企業。這一學術背書，說明其技術路徑得到了頂級學術界的認可。

李想將未來汽車競爭壁壘類比手機行業：“蘋果的核心壁壘是芯片和操作系統，手機行業的核心壁壘是高通芯片和安卓系統。到了具身智能時代，芯片和模型變成技術的制高點。”自研芯片，不是為了炫技，而是為了掌握從算力到算法到應用的完整閉環，這是通往L4乃至人形機器人的必經之路。

如果說芯片是“心臟”，那么線控底盤就是“手腳”。李想對“手腳”的要求非常明確：必須比人更快。

全新理想L9 Livis搭載的“完全體”線控底盤，由線控轉向、后輪轉向和EMB線控機械制動構成。其核心變化在于：轉向、剎車由電信號取代機械連接。與傳統液壓制動系統不同，EMB線控機械制動直接由電機驅動卡鉗，響應時間大幅縮短。理想給出的量化數據是：120公里/小時高速制動距離縮短3米以上。

理想汽車在技術落地上的節奏感也值得注意。從2022年芯片立項、主動懸架立項，到2023年大模型立項，到2024年星環OS量產交付、端到端大模型上車，再到2025年VLA模型上車，直至2026年5月全新理想L9 Livis發布。

這是一條持續4至5年的技術投入長線，而非為了某個新品發布而臨時拼湊的“噱頭配置”。

為“造硅基人”重構組織

在商業史上，一家公司可以喊出最宏偉的愿景，但戰略與組織錯位的案例不勝枚舉。理想汽車的獨特之處在于，它不僅為“具身智能上下半場”制定了詳細的路線圖，還為此徹底重構了自身的研發組織。

2026年1月，理想汽車進行了一次重大的組織調整。這次調整的核心邏輯是，不再按傳統的軟硬件功能劃分部門（如軟件部、硬件部、測試部等），而是按照創造數字人和硅基人的方式來組織研發體系。

李想對此的表述非常直接：“本質上‘造產品就是在造人’。我們按照人體結構重構了四大體系。”

具體來看，臟器系統對應馬赫M100芯片（心臟）、星環OS（神經系統），以及支撐模型訓練的大規模數據集（肺，提供氧氣/數據供給）。腦系統對應MindVLA、MindVLA-o1等基座模型，負責從3D感知到決策規劃的所有認知功能。軟件本體對應理想同學、自動駕駛Agent等應用層軟件，負責調用底層模型和執行器，完成具體任務。硬件本體對應完全體線控底盤、800V主動懸架、以及未來人形機器人的關節、驅動等物理執行部件。

這種劃分方式，與傳統車企“動力總成部門”、“底盤部門”、“電子電氣部門”的架構有著本質區別。它的出發點是：一個具身智能體（無論是自動駕駛汽車還是人形機器人）的能力上限，取決于其“大腦”、“心臟”和“手腳”的協同效率，而非任何一個單點的局部最優。

因此，組織必須按照系統集成的方式重構，讓負責模型的人、負責芯片的人、負責執行器的人從一開始就坐在一起，而不是在部門墻之間遞交接力棒。

任何組織調整的效果，最終都要用研發效率來衡量。理想汽車給出了一個量化指標：調整前，智能駕駛模型的訓練迭代周期約為兩周一次。調整后，這一周期縮短至一天一次。

李想對此的解釋是：“雖然團隊在一開始不理解，但最近大家都發現工作效率變得更高了……團隊之間的協作也完全不一樣，過去還有部門墻的各個團隊，今天大家真正坐在一起協作。”

在傳統架構下，數據團隊、模型團隊、部署團隊、測試團隊分屬不同部門，一次模型更新需要跨部門協調、排期、聯調，耗時以周計。而在新架構下，所有相關團隊歸屬于同一個“腦系統”大體系下，且與軟件本體、硬件本體團隊的接口被標準化（如MCP協議），迭代速度自然大幅提升。

更重要的是，這種組織模式為“具身智能上下半場”的能力遷移提供了制度保障。當理想汽車從自動駕駛（上半場）向通用人形機器人（下半場）擴展時，其腦系統團隊積累的3D感知、VLA模型等能力，可以無縫對接到硬件本體團隊正在開發的人形機器人執行器上。

這是因為，雙方從一開始就在同一套組織框架下工作，遵循同樣的接口協議（如MCP），共享同一套基礎設施。這種“基因級”的組織協同，是那些臨時組建機器人事業部、或通過外部收購來布局機器人的企業所無法比擬的。

這一組織重構，最終指向的是理想汽車在“具身智能下半場”的終極目標：通用人形機器人。根據官方信息，理想汽車已正式立項研發人形機器人產品，且采取“兩條腿走路”的策略。

李想將人形機器人的能力演化分為三個階段：6歲泛化能力、12歲泛化能力、18歲泛化能力（接近AGI），他預計這是一個15到20年的過程。

普世化超級富豪的生活

在商業與技術分析中，人們很容易沉迷于算力數字、芯片制程、模型參數這些硬指標，而忽略了這一切投入的終極目的。

理想汽車的“具身智能上下半場”定義，如果僅僅停留在技術路線圖和組織架構層面，它仍然只是一個產業戰略，而非一個值得被廣泛記住的價值主張。

但李想為這個宏大的技術敘事賦予了極其實、也極具感召力的終極目標。他用一句平實的話，將一系列技術術語，還原為一種人人可以感知的生活方式。

“過去那些超級富豪有什么？有司機——不只是開車，還是生活助理，幫你接孩子、跑腿；有家政、有保姆，回家就能吃飯，衛生有人打掃。我們要做的，就是用L4無人駕駛替代司機，讓家政機器人進入家庭，讓幾億人、幾十億人都能消費得起這種生活。”

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。