2025年12月27日，36氪发布《 失去的，宁德时代要拿回来｜深氪 》 压缩版： 宁德谋求更高的市场份额，基地生产不停，产品快速流通。 曾毓群对研发体系相当宽容，鼓励往前走，犯错也不要紧，对商业部门，则十分严苛。 考虑到售后保证金科目调整，2025年上半年宁德单瓦时毛利降下降20%。利润305亿。 铁锂报价比其 他厂高10%，成熟产品更小。三元高20%。 21年宁德国内全市场份额51%，今天43%。 SU7宁德占比9成，YU7可能占比五成。近期曾毓群近几年首次去小鹏总部，希望能供应电池。 2024年欣旺达在理想的份额已突破30%。2025年最多时，宁德溧阳工厂仓库里积压2万套理想增程电 池。 25年9月18日下午李想和马东辉去宁德，次日一早宁德公众号发布双方5年战略合作。"宁德要的还是 长期的大比例份额。" 2022年理想曾计划建立电池包生产线，宁德用优厚的返利条件，锁定其主要订单份额，理想的自 有电池布局被搁置。 蔚来此前谋求去宁德化，2025年宁德投资蔚来能源、蔚能电池， 产能紧缺时，优先调配洛阳、溧阳 等基地产线资源支持L90及新ES8交付。36氪从公开数据推算，宁德在蔚来每年锁单了100亿以上订 单 ...

昨天路边吃饭，听到一对中年女人抱怨没想到今年年底这么差，看起来像做业务的，但绝不是卖车 的。 A近期还遇到了好几个不同行业的人，都在类似抱怨。除了一个做活体宠物行业的，认为生意更好做 了。 据TOP2观察，A本身是一个积极乐观不倾向抱怨的人，推测不论流量算法还是身边人都会相对更容 易遇到积极的迹象。 申明：本文侧重分享一位理想资深店长A的观点，A的观点可能对可能不对。 观点：不特指理想，对汽车行业年底订单不利的归因网上绝大多数博主都归因为置换补贴，A倾向认 为整体购买力下滑是更大的主要矛盾。 观点锚点： A商会活动和一个做高档马桶/洗脸盆的老乡聊，这位老乡表示没想到为啥这两个月会这么差，以往该 行业是年底旺季。 A问底下的销售，如果有政策可以便宜一两万，能否快速有多个成单，均做了否定回答。 总结一下：A的核心视角是微观层面接触过多个不同行业都遇到了年底超预期表现不佳（这些行业并 不存在类似置换补贴的），理想和其他汽车同行都面临进店量大幅下滑，一线反馈体感大多数潜在消 费者不会因为便宜一两万就很有下单意愿。 加微信，进群深度交流理想实际经营情况与长期基本面。不是车友群。 A一方面会和其他汽车品牌的一部分人交流， ...

压缩版： 李想认为苹果是交互体验的标杆是做到了三点。1.定义了智能手机多点式触控的交互方式 2.优先关注 高频 3.克制 李想认为判断一个车机好用与否第一点是能否所有功能都用语音控制，李想自己90%以上功能用语音 控制 文字版： Q: 苹果为什么是交互体验的标杆？ 李想: 三点。 一、苹果定义了智能手机的交互方式，多点式触控。 当前AI多停留在语言智能阶段，缺乏对物理世界的感知。未来的方向是具身智能，即通过感知物理 空间（如识别乘客特征）提供主动服务（如自动调节座椅、主动接送），而非被动指令。目前AI发 展尚处于早期（类比1975年的PC或2007年的手机），仍有巨大进化空间。 当下的智能座舱只是手机搬上车，缺乏对物理世界的理解与端侧算力。 之后将没有车机座舱，而是将汽车定义为完整的具身智能（自动驾驶+空间智能+本体控制）， 本体 会从三电变成驱动三电，交互三电，操控三电 。AI座舱接下来将出现重大差异。 视频版： 克制其实很重要的，跟第一个也是结合的。 在苹果的软件商店不用担心点击到任何一个推广的广告 和一堆假的引导你下载。打开一个浏览器，也不会浏览器满屏幕都是广告。今天很多的手机浏览器连 输入网址都是个要 ...

群友：特斯拉FSD V14.2试驾感受。借着来美国加州旅游的机会，我们在旧金山硅谷特斯拉工厂和洛 杉矶的销售店分别试驾体验了最新版本的FSD14.2，车型是model y和Cybertruck，每次体验约20分 钟，每次距离约30多公里，包括城市道路和高速。美国试驾时全程都是客户自己试驾，没有工作人员 跟随，只是简单教你怎么操作，一两分钟就能掌握。 这两次试驾完全是车位到车位，我们从上车到下车，一次都没有碰过方向盘，刹车，电门（强调一 下，是一次都没有）。上车导航设定好目的地，点一下屏幕启动智能驾驶，然后车就自动驶出车位。 全过程驾驶员真的感觉很无聊，没有任何的驾驶乐趣了。 两次试驾我们一共4人，前排两人，后排两人，其中三人有理想汽车智能驾驶的体验。本次试驾后， 一致认为特斯拉的驾驶和乘坐体验远超理想汽车（当然也远超国内所有车企，真正的遥遥领先。启 动，加减速，刹车，变道，超车，拐弯，下匝道，红绿灯启停，进停车场找车位，泊车等等所有场景 都非常丝滑，比老司机还要稳准快，舒适，就是李想说的国宾级司机（当然是美国的）。 加微信，进群深度交流理想实际经营情况与长期基本面。不是车友群。 如果能在各种路况下稳定保持这种 ...

TOP2个人对激光雷达持有待进一步观察的基础观点。 关于激光雷达在自动驾驶应用上大致三个流派 1.完全不用派（特斯拉是代表，小鹏属于现在全系不用了，不过留了口子说将来或许会用） 核心逻辑链是：现阶段而言，纯视觉可以实现激光雷达的所有好处（主要指安全），且激光雷达带来了额外坏处（延时与scaling up效率降低），并不是 单纯的只有额外好处或额外冗余，额外坏处不包含更高的bom成本。 细化视角为： 光靠摄像头可以实现很高的安全水准， 任意时刻都全神贯注 开车的老司机的事故率远低于平均事故率。光靠摄像头能比全神贯注开车老 司机更安全。 2.激光雷达主要用于主动安全，当作一个类似安全带的安全件的定位，驾驶本身主要靠纯视觉。（理想是其中的典型代表） 3.激光雷达也要深刻参与自动驾驶本身（Waymo是代表，H此前也是，现在是什么状态不详） 本文将侧重分析纯视觉派与激光雷达安全冗余派的观点差异，不侧重激光雷达深度参与派的观点。 纯视觉派的常见叙事逻辑是：靠纯视觉不论博弈能力还是安全水平的上限都非常高，人类不需要激光雷达就能开车。 激光雷达安全冗余派的常见叙事逻辑是：XXX情况下，有激光雷达对主动安全很有帮助，当个安全件 ...

2025年12月25日Insta 360 CEO刘靖康朋友圈表示：研发的同事问我"如果创新要被黑到自闭，我们为什么要创新"，被问住了，想起了理想Mega.统 计了一下，过去3年我们才送了6，7个人进牢里，估计26年要猛增。我想对过去和未来要送进去的人说一声: TOP2备注：2025年11月Insta360运动相机全球市场份额43.3%。 . . . Merry Christmas. ...

核心人事变动 - 理想汽车第二产品线总裁张骁将于近期离职 张骁是公司早期员工 于2016年5月加入 曾深度参与理想ONE L9等车型的产品定义 与CEO李想合作密切 [1] - 张骁此次为主动提出离职 并非因特定项目“背锅” 其去年上半年也曾主动提过离职 此次离职后计划去创业 [2] - 张骁离职后 公司第一 第二产品线将合并 由“老汤”统一管理 此次合并也是因其提出离职而促成 [2] 公司组织与战略调整 - 公司求变的锚点之一是未来将不再严格按照整10万元价格段来划分产品线 按价格段划分产品线被认为会被人为束缚 [1][4] - 2025年除MEGA外 所有车型的交付量均未达到公司年初设定的预期 而MEGA年初预期为1万至1.5万辆 1至11月实际共交付17,602辆 [3] 内部文化与人员评价 - 有观点认为张骁是一个爱公司且不擅长维护自身利益的人 近两年公司内部氛围在一定程度上促使具备此类特质的人主动或被动离开 [4] - 尽管公众舆论对张骁多有批评 但有观点明确认为这些批评大部分有失偏颇 张骁背负了许多不应由其承担的责任 [4] 未来展望与关键节点 - 公司2026年的关键节点在于L系列车型改款后的市场反应 [4] - 企业发展过程中 责任如何分配并非最重要的事 核心在于能否有效解决用户需求 并探索先进用户价值的前进方向且有效执行 [4] - 张骁的离职本身 既不增大也不降低公司实现上述核心目标的概率 [4] 管理层状态与行业参照 - 有文章提及CEO李想可能正在经历“心力重塑” 并引用其他企业家的经历作为参照 例如比亚迪在2009年至2020年长达12年间 年销量一直在40万至50万辆区间浮动 [4][5] - 创业被描述为需要不断面对失败与自我怀疑 并重新振作的过程 引用了马斯克与黄仁勋的相关言论 [5]

文章核心观点 - 具身智能时代已拉开序幕 中国凭借其物理与数字世界的供应链响应速度 成熟度及人才优势 将成为世界具身智能中心 并诞生大量杰出人物 [1] - 维他动力发布的定价9988元人民币的机器狗“大头” 是具身智能时代开启的标志性产品 其高完成度与零毛利策略展示了中国供应链的强大能力 [1] - 具身智能的C端产品已可面向早期用户提供有用价值 其发展逻辑与自动驾驶技术有诸多相通之处 [4][6] 维他动力公司背景与产品 - 公司成立于2024年12月9日 核心团队由前地平线与理想汽车高管组成 包括CEO余轶南（前地平线副总裁） 联创赵哲伦（前理想智能驾驶产品总监）和宋巍（前地平线软件平台总架构师）[3] - 公司产品“大头”机器狗定价9988元人民币 以零毛利销售并提供终身质保 是首款万元级别可承载128TOPS算力的产品 [1] - 产品采用三元锂电池 支持240W Type-C充电 2.5小时充满 电池容量相当于8个2万毫安时充电宝 可为约32部iPhone充满电 安全性类比户外移动电源 [6] 产品定位与用户体验 - 产品定位为面向成年人的、可长期互动玩耍的伴侣 例如具备“遛狗”功能 但公司因当前文化背景未在宣传中强调成年人用户群 [4] - 产品能提供巨大情绪价值 公司CEO及机器人自媒体在体验中均表现出高度投入与喜爱 将其互动场景描述为“物理世界的塞尔达” [4] - 用户体验存在门槛 观看视频与线下实际体验差异显著 最佳体验需要公司人员引导 线下体验活动计划于2026年2-3月启动 [5] 技术路径与行业洞察 - 具身智能与自动驾驶技术逻辑相通 均利用AI理解并与物理世界交互 需对抗延迟与安全问题 算法架构相似 主要区别在于数据集类型 [6] - 中国已进入大量创业者以兴趣为第一驱动力的发展阶段 财富与名声并非首要目标 [5] - 公司团队被认为诚实且有底层驱动力 专注于发挥自身真实优势 而非刻意贬低竞争对手 [6]

文章核心观点 - 辽宁省高层领导与理想汽车董事长会面 双方就深化在新能源汽车产业领域的合作达成共识 辽宁希望吸引并支持理想汽车加大投资 理想汽车则表达了深耕辽宁、拓展业务的意愿 [1][3][4] 辽宁省产业环境与合作诉求 - 辽宁省强调其雄厚的产业基础和完善的汽车产业体系 配套能力强 市场辐射作用显著 [3] - 辽宁省正加快传统产业“智改数转” 培育壮大新兴产业和未来产业 致力于构建现代化基础设施体系 [3] - 辽宁省希望理想汽车加大在辽投资布局 完善智能充电网络 深化与本地汽车零部件企业合作 并与科研院所共同研发新产品、新技术 [3] - 辽宁省承诺将持续打造一流营商环境 优化创新生态 为企业在辽发展创造良好条件 [3] 理想汽车的战略布局与合作意向 - 理想汽车认可辽宁的区位和交通枢纽优势 以及扎实的工业基础和富集的科创资源 特别提到新材料、新能源领域研发实力强 [4] - 公司坚定看好辽宁 计划围绕新能源汽车及相关产业 谋划落地更多技术和项目 [4] - 公司将聚焦寒区应用场景 深化产学研联合攻关 并与产业链企业携手发展 [4] - 截至2025年12月22日 理想超充站在辽宁高速服务区数量为0 [4]

通用多模态大模型垂直应用面临的挑战 - 将通用多模态大模型迁移至垂直应用面临两大主要矛盾：灾难性遗忘，即注入领域知识会导致模型原有通用理解能力退化；以及缺乏系统的后训练方法论，现有方法往往在优化领域能力时牺牲了基础能力和用户体验[2] - 当前多模态模型训练存在三个关键低效与偏差现象：资源分配粗放，对所有数据均等处理导致高价值数据挖掘不足；奖励机制导致单一化，传统Pass@1机制使模型收敛到少数安全回复模式，牺牲输出多样性；单模态虚假相关，模型过度依赖语言先验而非视觉证据，导致幻觉风险[3] MindGPT-4ov后训练范式的核心模块 - 数据构建模块基于信息密度评分进行数据合成，IDS从主体多样性、场景空间关系、OCR文本丰富度、世界知识相关性四个维度量化图像数据，并依据分数动态调整生成问答对的数量，实现资源高效配置[4] - 数据构建模块采用双维标签系统，构建领域加能力的树状标签体系，确保合成数据既覆盖垂直领域知识，又兼顾通用视觉能力[5] - 监督微调模块采用三阶段协同课程学习：第一阶段跨域知识学习，重点注入垂直领域知识；第二阶段能力修复，使用通用数据集恢复可能下降的通用能力；第三阶段偏好对齐，使用高质量偏好数据优化响应格式并减少幻觉[6] - 强化学习模块采用混合奖励机制，引入多种奖励信号以平衡准确性、多样性与简洁性，包括鼓励探索不同推理路径的Pass@k奖励、惩罚语义相似回答的多样性奖励、强制输出简洁响应的长度奖励，以及惩罚知识泄漏的对抗性幻觉数据[7] - 基础设施模块采用5D并行训练，在3D并行框架上引入序列并行和专家并行，并对推理过程中的模型适配、流式推理和高并发场景进行优化[4] 后训练与部署的具体流程 - 标签构建由专家定义一级标签，再利用MLLM扩展生成二级及三级细粒度Topic，形成覆盖广泛的知识树[8] - 数据合成过程对图像进行粗粒度（Top-3）和细粒度（Top-5）Topic匹配，结合IDS分数生成问答对，并通过多模型投票机制过滤低质数据[8] - SFT训练执行三阶段课程学习，期间穿插数据准入与拒绝采样机制，动态调整数据配比[8] - 强化学习分为两个阶段：第一阶段在线RL使用GSPO算法，结合Pass@k和多样性奖励，重点提升多模态逻辑推理和STEM能力；第二阶段离线RL使用DPO算法，利用人类偏好数据和对抗性幻觉数据进行领域能力对齐和幻觉抑制[8] - 推理部署采用分块预填充和视觉编码缓存策略，在用户输入阶段并行处理图像，以降低首字延迟[8] 模型性能表现 - 在垂直领域知识掌握方面，MindGPT-4ov能准确识别理想汽车特定车型的设计特征及定位，而基座模型Qwen3-VL出现知识缺失或幻觉[8] - 在响应简洁性方面，在MathVista等基准测试中，MindGPT-4ov的平均响应长度显著短于对比模型，同时保持了更高的准确率（83.3% vs 80.1%），验证了长度奖励机制的有效性[9]