站在2026年1月，不论是原有巨头还是全新AI公司，组织方式基本变成一样，各个团队整合在一起进 行联合设计，共同设计硅基生命的感知/大脑/心脏/神经/软件本体/硬件本体。和过去做软件做硬件的 方式发生了根本性变化。完全不同于互联网移动互联网时代。 都会有Infra团队来确保足够的算力和数据稳定性，相当于硅基生命的云端心脏器；都有基座模型团 队，相当于硅基生命的大脑，都会去做视频音频多模态，做机器人的大脑。 都需要招大量的研究员，都以校招生为主，且发现本科生也行。都需要做预训练与后训练。 在2025年下半年，逐渐都形成一个软件本体团队，组织中出现专门负责造手的团队，构建完整的工具 链和SaaS调用能力，让模型具备在数字世界的执行力。 免费提供数字世界所有使用的工具，免费提供一个完整的团队，如Lovart提供完整的设计团队，从想 法一直到最后发布的效果；Claude Code从需求分析到架构设计/前端/后端/部署/验证都做。 都要做所有的微调，context工程与记忆，从而把一个很好的脑子变成一个人，配合工具能够去大规模 生产。 都要评估模型的能力。 很多做应用做Agent的团队有两种错误的做后训练方式 1.类似 ...

理想2028年战略目标 在高端市场，包含眼镜以及未来可能的人形机器人市场都要保三争一。 公司进化为具身智能企业，拉高技术门槛，研发的组织方式变成真正的AI公司的方式。 在具身感知、基座模型、推理芯片、操作系统要实现计划。要构建真正的软件本体，去服务用户大规 模生产，围绕用户完整软件生态，持续研发和训练系统级的通用Agent。手机上所有的应用，都 应该 跑在车上，而不是只是定制的一些东西。对这个生态要做到完全的丰富。 硬件本体加深电池电机碳化硅心态主动式转向刹车悬架自研。 聚焦中高端的市场。做好20万以上的SUV/MPV，提供家一样的空间体验具身智能的主动服务。 空间机器人和人形机器人一些团队从水面下浮到水面上。 去招聘最好的人。把原来由于没有机器 人，看到了很多机器人创业公司的一些人再招回来。 以用户为中心，强化具身智能的品牌定位。不再是创造移动家，而是理想汽车和家赋予生命。真正要 做的是去创造硅基的人。 完善具身智能产品布局，让用户生活能被理想所覆盖。 坚持直营。 加速海外市场拓展，构建全球化的组织能力。 解决客户的关键问题，创造高频的用户价值，改善用户的成本和效率 使命：Be Proactive, Cha ...

同样都是2000MPa热成型钢，理想通过自研材料，获得了1500MPa弯曲角，在冲击测试中，可以不断 裂，有最好的吸能。 和特斯拉一样，理想是行业中极其罕见的专门建立材料博士研究员团队，潜心研究各类创新材料群， 形成底层技术领先。 理想是新能源车企中少有的将材料和底盘、电池列为同等级部门的企业，因为理想认为材料是底层科 学，能从根本上提升整车性能，达到更高的效率和天花板。 举三个例子： 理想已经自研了三代自研不锈钢UFHS-X用于高压油箱，此前油箱可能会面临底部的一些戳穿，理想 现在开发的材料强度提高1倍，通过高分子材料解决摩擦异响和振动，在底层把材料配方改了。 TOP2在与理想材料技术负责人段吉超交流过程中得知，理想是 理想是自研材料种类最多、量产应用 最广的车企，没有之一。一位群友是某直接供应商，反馈理想是最早尝试把铝合金电池pack上盖更换 成玻纤复合材料的车企，已完成新材料全面替代，当前在电池pack材料中已实现大幅度降本降重成 果。横向对比各家车企，在材料应用的更新验证速度上，理想是反应最快的先驱者之一。 目前首发行业创新材料30+，申请百余项专利，覆盖电驱、增程、车身等各大系统。 汽车大约涉及上千 ...

2026年1月24日BigBite思维随笔发文《 为什么说Tesla FSD就是一个端到端大模型 》，主要针对《 刘延说特斯拉FSD是近200个小场景模型的组合 》的回 应 理想自动驾驶负责人郎咸朋在BigBite思维随笔这篇文章评论区评论"赞"。 以下为原内容： green发现的FSD模型参数文件信息 这里可以发现B核神经网络参数远多于A核，同时A，B共用的只有61个参数文件，也就是 说早年Al Day上分享的A，B核互成冗余的设计实际上在Tesla V12端到端化之后神经网络 规模急速膨胀之后已经很难实现完全的A，B核冗余（其实传说中V11阶段就很难实现完全 的冗余备份了）。 "Speaking to the location specific models, we still have a generalized approach, and you can see that from ... the deployment of FSD supervised in China where, with this very minimal data that's China specific, the mod ...

内容来自理想电池性能开发负责人罗博士的三个视频。 长时间大功率充电过程中电池自身会有很大发热，控制不好电池温度会影响电池长期寿命。 控制温度核心两点 1.降低电池发热（降低电池内阻） 2.提升电池系统冷却能力 理想组建专项攻关小组，花1年时间攻克。 建立高精度电芯内阻解耦模型，行业常规将电芯内阻拆解2层，5-6项的组份构成。理想拆为3层17项。 罗博士说做到了有史以来最精细的电芯内阻拆解。 通过对这17项逐一去寻找优化方案，花1年时间成功实现0.30 mΩ。 设计目标单颗电芯内阻0.30mΩ，当时行业普遍是 0.5mΩ，找了五六家电池供应商去评估，初步反馈都是没办法。行业最领先的 电池供应商预估可以做 到 0.38mΩ。 这是理想在5C开发过程中遇到的最核心最难的技术要点，做不到 0.3mΩ，整个5C开发项目就会失败。 理想MEGA OTA升级 与充电速度NPS 12min500km 19min充满电 22min充满电 95.2 91.6 96.9 100 de s 93.1 91.7 91.5 80 ୧୦ 理想MEGA量产 OTA6.0升级 40 20 0 2024/4 2024/6 2024/8 15mi ...

TOP2不掌握任何非公开信息，纯粹基于公开信息推理。 根据理想官网，理想正在急招 灵巧手机械设计[1]/算法研发[2]/嵌入式软件工程师[3]，嵌入式软 件工程师-传感器[4]，关节模组嵌入式软件[5]/机械设计[6]工程师，嵌入式硬件工程师[7]，双足 算法研发工程师[8]，全身运控算法研发工程师[9]。 TOP2基于这9份岗位描述推理，理想在研发一款面向工业制造场景的高性能人形机器人(双足+灵巧 手)，谋求量产，不是谋求Demo展示或科研场景，也不是谋求面向普通家庭的消费级产品。 本文侧重分享推理出理想主观诉求的过程，不涉及分析到底这个人形机器人到底能不能做出来。 机械设计工程师-关节模组[6]要求候选人负责解决试产及量产阶段的结构性问题(如装配干涉、密封失 效等)，并要求参与材料选型及供应商技术评估。 在嵌入式硬件工程师[7]要求候选人必须具备大功率 电源产品成功量产的Layout经验，并需要解决DFM(可制造性设计)和DFA(可装配性设计)相关问题。 只有进入正式量产流程的产品，才会对DFM/DFA和供应商评估提出如此具体的要求，Demo不需要考 虑这些。 嵌入式软件工程师-灵巧手[3]机械设计工程师 ...

Core Viewpoint - The company is actively recruiting for various engineering positions related to humanoid robotics, indicating a strategic focus on developing advanced robotic technologies. Group 1: Job Positions and Responsibilities - The company is hiring for roles including dexterous robotic hand design, algorithm development, embedded software engineering, and joint module engineering, suggesting a comprehensive approach to humanoid robot development [1][5] - Specific roles emphasize the need for experience in bipedal walking algorithms, coordination of body parts, and the design of multi-joint systems, indicating a focus on complex motion control [1][8][9] Group 2: Technical Specifications - The robotic hand will utilize a direct drive structure rather than a cable-driven system, highlighting a preference for advanced motor technologies such as hollow cup and brushless DC motors [2] - The core driving mechanism will involve high-power joint modules with hundreds of amperes and a hybrid architecture combining reinforcement learning and model predictive control, emphasizing the importance of advanced algorithms in motion control [3] - The system architecture will incorporate STM32 or TI C2000 series microcontrollers, with real-time operating systems like FreeRTOS and RT-Linux, indicating a focus on high-performance computing and real-time processing [4] Group 3: Design Challenges - The design of the dexterous hand requires independent control of fingers and the ability to handle multimodal data from visual and tactile sensors, which presents significant engineering challenges in terms of bandwidth and latency [4] - The integration of high-torque direct drive motors in compact spaces while managing heat dissipation and wiring issues is a critical design challenge, necessitating collaboration between mechanical and electronic engineering teams [4]

2026年1月19日知乎用户刘延发布《 智驾行业学习笔记|特斯拉FSD模型的非共识 》 最关键的一点是基于X用户green在2025年4月发的推文，如果认可green说的为真，则V13就一定有189个神经网络模型。 节点 A 包含 189 个神经网络，而节点 B 包含 110 个神经网络，61 个神经网络为节点 A 与节点 B 所共享。 HW3 与 HW4 平台之间共享的神经网络数量总计达到 135 个。HW3 平台在当前的 v12.6 版本中，其节点 A 大小为 1.2G， 节点 B 大小为 3.1G；HW4在v13版本中，节点 A 大小为 2.3G，节点B 的大小增至 7.5G。 Got a bit of free time over the weekend and noticed that HW4 size of NNs in v13 ballooned from 2.3G total in v12.x to 7.5G on just node B in v13 (and 2.3g on node A). 由 Google 翻译自英语 周末有点空闲时间,注意到 v13 中 NN 的 HW4 大小从 v1 ...

Core Insights - The article discusses Li Auto's ambitious growth plans for 2026, targeting a 40% increase in sales, which translates to approximately 550,000 units sold [1] - The upgraded L9 model features a battery capacity exceeding 70 kWh, a range of over 400 kilometers, and significant enhancements in size and chassis design [1] - Industry insiders predict that the L9 could achieve sales of over 100,000 units [1] Group 1 - Li Auto is focusing resources on the next-generation L9 model while streamlining its range of extended-range vehicles [1] - A new all-electric SUV is set to launch in 2026, with a product focus returning to extended-range vehicles [1] - The company anticipates that its market share in the 200,000+ price segment will not return to the 40%+ levels seen in 2022 and 2023, but aims to regain a leading position in market share by 2026 [1] Group 2 - The i6 model is expected to have a production capacity of 3,000 units per month [1] - Li Auto is undergoing a systematic review of its offline sales network, with plans to close underperforming retail locations and not renew contracts [1]

Core Viewpoint - The article discusses the expansion plans of Li Auto, highlighting the growth in the number of supercharging stations across various provinces in China, with a target of 1,680 high-speed supercharging stations by the end of 2026, representing a potential increase of approximately 40% from current numbers [1]. Summary by Relevant Sections Expansion Plans - By January 2026, Li Auto aims to have approximately 1,104 service area supercharging stations (excluding nearby highway stations) and plans to build 1,680 high-speed supercharging stations by the end of 2026 [1]. - The company is focusing on increasing its presence in provinces with high highway mileage and service area supercharging stations [1]. Provincial Breakdown - Six provinces have over 90 high-speed service stations: Chongqing (135), Zhejiang (121), Jiangxi (113), Hebei (93), Anhui (92), and Sichuan (92) [1]. - Eight provinces have an average of one Li Auto supercharging station within 120 kilometers in one direction: Chongqing (33), Tianjin (42), Zhejiang (46), Jiangxi (61), Anhui (65), Hebei (94), Tibet (102), and Sichuan (112) [1]. - Fourteen provinces have fewer than 15 service area stations, with the lowest being Inner Mongolia, Heilongjiang, and Liaoning, each having no stations [1]. Highway Mileage and Service Stations - The article provides a detailed table of highway mileage and the number of service area supercharging stations for various provinces, indicating the average distance between stations [2][3][5][6][7][8][9][10]. - For example, Chongqing has 4,500 km of highways with 135 service area stations, averaging 33 km between stations, while Tibet has only 407 km of highways with 4 service area stations, averaging 102 km between stations [2][10].