回望中国新能源汽车产业的发展，能像界碑一样清晰划分时代的论断并不多见。

如果说有，王传福多年前那句“电动化是上半场，智能化是下半场”绝对算一个。在那个行业还在为“电动车是不是未来”争论不休的年代，这个简洁有力的框架，成功将产业的焦点从动力来源转向了体验与能力。

随后几年，中国车企在电动化领域实现超车，旋即全力投入智能化的军备竞赛——城市NOA、大模型上车、舱驾融合……每一步都在印证这个判断的前瞻性。

然而，当一个定义成为全行业的共识与起点时，也意味着它作为方向标的使命已经完成。行业需要新的路标。

时间来到2026年。当大多数车企仍在智能化的牌桌上激烈博弈，试图通过更先进的辅助驾驶、更流畅的语音交互来确立优势时，理想汽车董事长兼CEO李想在近期一场与罗永浩的深度对谈中，抛出了一个更具纵深感也更具野心的新框架。

“自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场。”一句话，将已然拥挤的智能化赛道，向下延伸到了更广阔的产业图景。

这个判断结构清晰、阶段明确、路径具体，不禁让人联想到当年王传福的“上下半场论”。二者同样是对宏大产业进程的阶段性拆解，同样具备定义赛道、引导资源配置的力量。

当然，李想的论断并非对前者的否定或替代，而是一次在更长时间维度上的延展与深化。如果说王传福为中国汽车产业划定了从燃油到电动再到智能的赛道，那么李想则为这条赛道找到了一个更宏大的终点：从智能汽车，到物理世界的通用智能体。

如何理解李想“上下半场论”

要理解李想的“上下半场论”，得先看他如何判断当前AI技术的发展阶段。

在对谈中，李想指出，过去十年，AI在信息世界取得了巨大进展。ChatGPT和DeepSeek改变了文字创作，Seedance改变了图像设计，Codex和Claude Code改变了代码编写。但一个根本性问题始终存在：物理世界中人类的日常生活，并未因此发生本质变化。

AI能写诗、能画画、能编程，但它无法帮你倒一杯水，无法替你接一次孩子，无法在物理空间中完成任何实质性的任务。

李想认为，这正是当前AI技术最大的“缺口”，也是下一个十年最大的机遇。AI正在经历从Chatbot（聊天机器人）向Agent（智能体）的进化：过去它只能“出主意、拼想法”，现在它必须能够“行动”，才能真正服务于生产和生活。

而汽车，恰恰是让AI走出屏幕、进入物理世界执行任务的最成熟载体。一辆具备L4级自动驾驶能力的汽车，本质上就是一个在真实物理世界中自主移动、感知、决策并执行任务的机器人。它不再只是能对话的交通工具，而是一个具备行动能力的智能体。

于是，“自动驾驶是具身智能的上半场”这一论断的内在逻辑便清晰了：自动驾驶，是AI从虚拟世界走向物理世界的第一个大规模、可商业化、技术边界清晰的落地场景。它不是具身智能的全部，但它是通往通用人形机器人必须经过的训练场和试验田。

如果将中国智能汽车产业的关键战略论断排个序，王传福和李想的“上下半场论”无疑会占据两个重要的里程碑。二者在结构上惊人相似，但在内涵上又有着本质的递进。

相似之处在于，二者都是对一个长期产业进程的阶段性拆解，都为产业提供了清晰、分阶段、资源配置优先级明确的路线图。

王传福告诉行业：先解决动力电池和电驱动的问题，再谈自动驾驶和智能座舱。李想则告诉行业：先解决好汽车在物理世界中的自主移动（自动驾驶），再谈通用人形机器人在家庭和商业场景中的复杂操作。

递进之处在于，王传福的定义是“并列关系”（上半场与下半场是不同的技术重心），而李想的定义是“承继关系”（上半场的技术、数据、模型，直接构成下半场的基础能力）。

李想在对谈中直言，为什么机器人公司总从自动驾驶公司挖人？因为两者之间的连接关系非常清楚。自动驾驶积累的感知能力（看懂三维世界）、模型能力（理解场景并决策）、仿真能力（在虚拟环境中训练）、以及线控执行能力（精准控制物理运动），几乎可以平移到人形机器人身上。

基于此，他甚至给出了一个具体判断：未来L4自动驾驶的用户，与购买家政机器人的用户，重合度可能高达90%。这意味着市场、场景和生态的天然闭环。

相比之下，王传福的“上下半场”中，电动化积累的三电技术与智能化所需的高算力芯片、算法模型，更多是接力而非复用。李想的“上下半场”，则是一种能力的纵向迁移与升级：你在做自动驾驶时练就的“眼睛”（3D感知）、“大脑”（VLA模型）和“手脚”（线控执行），正是做人形机器人最稀缺的三大核心能力。

从这个意义上说，李想的“上下半场论”为那些具备自动驾驶技术深度积累的企业，指明了一条清晰、低损耗、高确定性的第二增长曲线——从造轮式机器人到造双足机器人，核心能力栈的重叠度远超外界想象。

理想怎么拆解“上下半场论”

如果说“自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场”，那么如何将这份宣言转化为工程师可以执行、产品可以承载的具体技术指标？

理想汽车的做法是，将“上下半场”分别拆解为三个阶段，并为每一个阶段设定了精确的算力、模型架构和响应速度目标。

第一阶段（2018至2024年）是L2辅助驾驶，让AI“看见”平面世界。

这一阶段的技术特征可以概括为“从无到有”。感知层面，主要依赖CNN（卷积神经网络）和2D视觉，车辆能够识别车道线、交通标志、行人等平面化的道路元素。模型层面，采用规则算法和MCU控制器，决策逻辑由工程师预先编写。算力需求较低，通常在100TOPS以内。

理想汽车在这一阶段的实际产品对应为理想ONE（2018年10月发布）及后续L系列早期车型。彼时的核心突破是让车辆首次拥有了感知能力——麦克风、雷达、摄像头让车“能听、能看、能交流”。这一阶段的积累，为后续向高阶自动驾驶过渡提供了数据基础和工程经验。

第二阶段（2024至2028年）是L3自动驾驶，让AI“理解”二维场景。

这是当前行业正在经历并将持续到2028年的关键阶段。技术跃升体现在三个层面：一是感知升级，从CNN 2D视觉进化为2D ViT；二是模型升级，从规则算法演进为“预训练模型+模仿学习”，并采用端到端控制架构；三是算力跃升，需求达到约2000TOPS，较第一阶段提升一个数量级。

理想汽车在这一阶段的标志性成果包括：2024年10月，其端到端+VLM双系统辅助驾驶正式交付，成为国内首个端到端智能辅助驾驶大模型量产上车的车企；2025年8月，其VLA司机大模型随理想i8交付，实现了“大脑”级别的能力上车；2026年3月，其下一代自动驾驶基础模型MindVLA-o1发布，进一步提升了感知距离、推理深度和控制稳定性。

第三阶段（2028至2033年）是L4无人驾驶，让AI“置身”三维世界。

这是理想汽车定义的“上半场终局”，也是真正意义上“汽车成为机器人”的起点。这一阶段算力目标接近10000TOPS，较第二阶段再提升5倍，核心技术特征与前两个阶段也有本质区别。

特征一是感知革命，从2D ViT进化为3D ViT。李想对此的解释是：过去2D ViT无法真正理解物理世界，只有做到3D ViT，车辆才能真正“像人一样置身真实3D空间感知世界”。

特征二是模型进化，从模仿学习升级为稳定的预训练模型，具备理解与学习能力，而非简单的模式匹配。理想汽车在马赫VLA模型中引入了多模态思考能力，可在道路施工场景果断绕行、面对前车爆胎防御性减速、礼让倒车等复杂交互。

特征三是控制革新，从端到端控制升级为全线控系统，响应速度超越人类生理极限。李想给出的量化对比是：人类从看到障碍物到踩刹车执行到位，约350-400毫秒；而全线控系统可将感知到执行的全链路延迟压缩至300毫秒左右，比人快近一倍。

这一阶段的技术底座，已经在2026年5月发布的全新理想L9 Livis上部分实现，包括3D ViT感知架构、双马赫M100芯片（合计2560TOPS）、完全体线控底盘等。按照理想的时间表，2028至2033年间，这些技术将逐步成熟并规模化部署，最终实现L4级无人驾驶。

为什么是由理想率先提出

在全行业都在谈论“AI大模型上车”、“城市辅助驾驶开城”的当下，为什么是理想汽车这样一家以增程和家庭用户著称的车企，率先以如此系统和决绝的方式，提出“具身智能上下半场”的完整框架？

答案不仅仅在于李想的个人远见，更在于理想汽车过去数年的技术布局，客观上已经为这一定义积累了最底层的支撑。

根据最新信息，理想汽车从2024年便开始自研芯片（马赫M100），同年开始自研基座大模型，同时自研了操作系统星环OS和完全体线控底盘。这些投入的方向，从一开始就不是为了“把辅助驾驶做得更好一点”，而是为了打造一个能够感知3D世界、自主决策、并比人类更快执行物理动作的智能体。

换言之，当友商仍在用第三方芯片、通用模型和传统底盘来优化L2+体验时，理想已经按照“造机器人”的逻辑，重构了从芯片到操作系统再到执行器的全栈技术体系。李想之所以敢于提出“自动驾驶是具身智能的上半场”，是因为他的技术团队已经在用“下半场”的架构，来开发“上半场”的产品。

这正是这一定义具有行业说服力的关键所在——它不是对未来的畅想，而是对已有技术路线的一种理论总结。理想已经将3D ViT感知、数据流架构芯片、全线控底盘、自研操作系统等具身智能的核心技术全部量产装车。定义，不过是果；技术落地，才是因。

需要关注的是，理想汽车在芯片上的选择，不是采购行业现成的高算力芯片，而是从2024年起立项自研。2026年3月，理想汽车自研的5纳米马赫M100芯片论文入选ISCA 2026（国际计算机体系结构领域最具影响力的会议）工业分区。理想汽车是该会议工业分区论文录用的全球首家汽车企业。这一学术背书，说明其技术路径得到了顶级学术界的认可。

李想将未来汽车竞争壁垒类比手机行业：“苹果的核心壁垒是芯片和操作系统，手机行业的核心壁垒是高通芯片和安卓系统。到了具身智能时代，芯片和模型变成技术的制高点。”自研芯片，不是为了炫技，而是为了掌握从算力到算法到应用的完整闭环，这是通往L4乃至人形机器人的必经之路。

如果说芯片是“心脏”，那么线控底盘就是“手脚”。李想对“手脚”的要求非常明确：必须比人更快。

全新理想L9 Livis搭载的“完全体”线控底盘，由线控转向、后轮转向和EMB线控机械制动构成。其核心变化在于：转向、刹车由电信号取代机械连接。与传统液压制动系统不同，EMB线控机械制动直接由电机驱动卡钳，响应时间大幅缩短。理想给出的量化数据是：120公里/小时高速制动距离缩短3米以上。

理想汽车在技术落地上的节奏感也值得注意。从2024年芯片立项、主动悬架立项，到2024年大模型立项，再到星环OS量产交付、端到端大模型上车，直至2025年VLA模型上车，2026年5月全新理想L9 Livis发布。这是一条持续数年的技术投入长线，而非为了某个新品发布而临时拼凑的“噱头配置”。

为“造硅基人”重构组织

在商业史上，一家公司可以喊出最宏伟的愿景，但战略与组织错位的案例不胜枚举。理想汽车的独特之处在于，它不仅为“具身智能上下半场”制定了详细的路线图，还为此彻底重构了自身的研发组织。

2026年1月，理想汽车进行了一次重大的组织调整。这次调整的核心逻辑是，不再按传统的软硬件功能划分部门（如软件部、硬件部、测试部等），而是按照创造数字人和硅基人的方式来组织研发体系。

李想对此的表述非常直接：“本质上‘造产品就是在造人’。我们按照人体结构重构了四大体系。”

具体来看，脏器系统对应马赫M100芯片（心脏）、星环OS（神经系统），以及支撑模型训练的大规模数据集（肺，提供氧气/数据供给）。脑系统对应MindVLA、MindVLA-o1等基座模型，负责从3D感知到决策规划的所有认知功能。软件本体对应理想同学、自动驾驶Agent等应用层软件，负责调用底层模型和执行器，完成具体任务。硬件本体对应完全体线控底盘、800V主动悬架、以及未来人形机器人的关节、驱动等物理执行部件。

这种划分方式，与传统车企“动力总成部门”、“底盘部门”、“电子电气部门”的架构有着本质区别。它的出发点是：一个具身智能体（无论是自动驾驶汽车还是人形机器人）的能力上限，取决于其“大脑”、“心脏”和“手脚”的协同效率，而非任何一个单点的局部最优。

因此，组织必须按照系统集成的方式重构，让负责模型的人、负责芯片的人、负责执行器的人从一开始就坐在一起，而不是在部门墙之间递交接力棒。

任何组织调整的效果，最终都要用研发效率来衡量。理想汽车给出了一个量化指标：调整前，智能驾驶模型的训练迭代周期约为两周一次。调整后，这一周期缩短至一天一次。

李想对此的解释是：“虽然团队在一开始不理解，但最近大家都发现工作效率变得更高了……团队之间的协作也完全不一样，过去还有部门墙的各个团队，今天大家真正坐在一起协作。”

在传统架构下，数据团队、模型团队、部署团队、测试团队分属不同部门，一次模型更新需要跨部门协调、排期、联调，耗时以周计。而在新架构下，所有相关团队归属于同一个“脑系统”大体系下，且与软件本体、硬件本体团队的接口被标准化，迭代速度自然大幅提升。

更重要的是，这种组织模式为“具身智能上下半场”的能力迁移提供了制度保障。当理想汽车从自动驾驶（上半场）向通用人形机器人（下半场）扩展时，其脑系统团队积累的3D感知、VLA模型等能力，可以无缝对接到硬件本体团队正在开发的人形机器人执行器上。

这是因为，双方从一开始就在同一套组织框架下工作，遵循同样的接口协议，共享同一套基础设施。这种“基因级”的组织协同，是那些临时组建机器人事业部、或通过外部收购来布局机器人的企业所无法比拟的。

这一组织重构，最终指向的是理想汽车在“具身智能下半场”的终极目标：通用人形机器人。根据最新信息，理想汽车已正式立项研发人形机器人产品，且采取“两条腿走路”的策略。

李想将人形机器人的能力演化分为三个阶段：6岁泛化能力、12岁泛化能力、18岁泛化能力（接近AGI），他预计这是一个15到20年的过程。

普世化超级富豪的生活

在商业与技术分析中，人们很容易沉迷于算力数字、芯片制程、模型参数这些硬指标，而忽略了这一切投入的终极目的。

理想汽车的“具身智能上下半场”定义，如果仅仅停留在技术路线图和组织架构层面，它仍然只是一个产业战略，而非一个值得被广泛记住的价值主张。

但李想为这个宏大的技术叙事赋予了极其实在、也极具感召力的终极目标。他用一句平实的话，将一系列技术术语，还原为一种人人可以感知的生活方式。

“过去那些超级富豪有什么？有司机——不只是开车，还是生活助理，帮你接孩子、跑腿；有家政、有保姆，回家就能吃饭，卫生有人打扫。我们要做的，就是用L4无人驾驶替代司机，让家政机器人进入家庭，让几亿人、几十亿人都能消费得起这种生活。”

免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。