文章核心观点 - 多位新兴科技领域的年轻创业者公开表达了对理想汽车创始人李想的钦佩，将其视为创业偶像和学习对象，认为其展现了卓越的产品经理能力和快速迭代的认知能力 [1][3][4] - 文章通过两位具身智能/机器人赛道创业者的案例，揭示了该领域的新兴力量、技术背景、融资进展及对行业关键瓶颈的判断 [5][6] 创业者对李想的评价与学习 - 桥介数物创始人尚阳星表示，其欣赏的创业者从乔布斯、马斯克转变为现在的李想 [1] - 松延动力创始人姜哲源表示，国内创业者中最佩服李想，认为他是一个很牛的产品经理，并曾深入学习其产品理念视频 [1] - 姜哲源提及，有投资李想的投资人表示，每次见李想都感觉他“换了一个人一样”，认知迭代速度极快 [4] 具身智能/机器人领域新兴公司概况 - **松延动力**：创始人姜哲源为98年出生，清华电子工程系本科，23年读博期间退学创业，其父为清华物理系教授 [5] 公司联合创始人胡晨阳师从赵行教授，而赵行教授亦是理想汽车DriveVLM论文的通讯作者 [5] 公司拥有三款人形机器人产品，其中N2售价3.99万元起 [6] 公司在2025年10月26日完成近3亿人民币Pre-B轮融资，11月26日完成近2亿人民币Pre-B+轮融资 [6] - **桥介数物**：创始人尚阳星为99年出生，曾保送至南方科技大学师从张巍教授，22年底为创业退学 [6] 公司核心业务是为机器人提供运动控制系统软件方案，成立两年半已为三十多家机器人公司、五十多种机型提供“小脑”方案，第一年即实现盈利 [6] 公司于2025年8月6日完成近亿元天使+及Pre-A轮融资 [6] 对机器人行业的关键判断 - 桥介数物创始人尚阳星认为，在人形机器人领域，中国最不缺的是硬件，最浪费的是重复造壳，真正稀缺且可能诞生“机器人博世”的领域是让机器人站稳、走好、干活的运动控制系统 [6]

核心观点 - 文章核心观点：理想汽车两位高管（CFO李铁与总裁马东辉）于2025年12月的股票出售行为，是基于美国上市公司股权激励中常见的“售股偿付”（Sell-to-Cover）机制，旨在支付因限制性股票单位（RSU）归属而产生的所得税负债，属于被动的、常规的税务操作，而非主动的减持行为 [1][2][3][4][5][9] 高管减持详情 - 2025年12月11日，CFO李铁持有约2437万股A类普通股，售出40万股，售出比例为1.6% [1] - 同期，总裁马东辉持有约900万股A类普通股，售出20万股，售出比例为2.2% [1] - 该减持行为在Form 144公告中被明确标注为“售股偿付安排”，目的是满足因限制性股票单位归属而产生的所得税负债 [2][3] Sell-to-Cover机制详解 - Sell-to-Cover（卖股抵税）是美国上市公司处理股权激励税费的最常见方式，即在股票归属时自动卖掉一部分以支付税款，剩余净股才进入个人账户 [4][5][7] - 具体流程：在RSU解锁日（Vesting Date），股票的公平市场价值立即被计入“普通收入”并需纳税，公司授权经纪商自动在公开市场出售足够支付税款的股票，税款直接缴纳给税务机构 [6][7] - 举例说明：假设解锁100股，股价20美元，综合税率45%，应税收入为2000美元，需交税900美元，自动出售45股（900美元/20美元）用于抵税，高管最终净得55股 [8] 减持背景与性质 - 高管因RSU解锁需缴纳巨额税款，通常包括联邦所得税（最高37%）、州所得税（如加州为13.3%）以及社保医保税，综合税率估算可达45% [6] - 此次减持是用于支付税款的被动行为，属于美股上市公司高管的常规操作，并非基于对公司前景判断的主动减持 [5][7][9] - 历史模式显示，李铁与马东辉在2023年至2025年每年12月均有类似的减持操作 [10]

2025年11月核心运营数据 - 2025年11月总交付量达33,181辆，其中增程式车型交付18,984辆，纯电车型交付14,197辆 [1] - L系列车型（L6、L7、L8、L9）合计交付18,984辆，具体为L6交付9,434辆，L7交付5,212辆，L8交付2,130辆，L9交付2,208辆 [1] - i系列及MEGA车型合计交付14,197辆，具体为i6交付6,798辆，i8交付6,719辆，MEGA交付680辆 [1] - 纯电车型交付量从2025年4月的103辆，显著增长至11月的14,197辆，显示纯电产品线快速上量 [2] - 增程式SUV累计交付量在2025年11月10日突破140万辆 [3] 产品与市场表现 - i6车型在首销期毛利率约为10% [3] - 有观点认为，2022年款L9在当前市场环境下产品力依然强劲 [3] - 公司为搭载欣旺达电池的i6车型额外提供2年或4万公里质保 [4] - 公司计划缩短平台大迭代周期，从四年缩短至两年，并计划拉大未来车型间的区分度 [3] - 公司选择易烊千玺作为品牌代言人，并利用官方资源为其新电影组织宣传和车主观影活动 [5] 技术与研发进展 - 公司自动驾驶负责人郎咸朋提出，短期目标是2025年底至2026年初实现强化学习训练闭环 [2] - 公司发布AD-R1论文，核心是通过闭环强化学习提升端到端自动驾驶的安全性与鲁棒性，解决世界模型预测缺陷 [4] - 公司基座模型团队发布LexInstructEval，旨在提升语言模型遵循用户精细化指令的能力 [3] - 公司提出首个包含自车和他车轨迹的世界模型，以在仿真环境中进行VLA强化学习训练 [6] - 公司整车电动产品负责人表示，已有国际碳化硅芯片供应商联系公司寻求技术IP与合作 [4] - 公司电池性能高级工程师的海报显示“理想自研电池” [5] - 2025年11月，公司自动驾驶相关进展被“中文AI三大顶会”中的两家报道 [3] 充电网络与基础设施 - 公司充电站数量从3,509座增加至3,597座 [4] - 正在筹划忙闲预测功能，加密5C充电站，并开发智驾到站、双枪禁充、夸车位禁充及黑名单等功能 [4] - 计划铺设滑轨机械臂，实现城市VLA辅助驾驶与超充站无缝衔接，包括自动匹配空闲站点、进闸道、开地锁及监控车流量 [4] - 二代充电站具备新的功率分配能力，当有理想车主充电时，其他品牌车型充电功率会自动降至30kW或更低 [4] 公司运营与战略动态 - 公司在2025年第三季度财报电话会议中，管理层对投资人的措辞方式发生重大变化 [4] - 公司于2025年11月25日在报纸版《人民日报》上刊登广告 [4] - 公司对两起质量事故进行了内部问责，处理了14名相关人员 [3] - 公司发布2025年10月辅助驾驶出行报告 [3] - 公司宣布将于2025年12月3日举办理想AI眼镜Livis发布会 [4] - 有分析指出公司存在“缺二把手”的讨论，但亦有观点认为这是次要矛盾 [5] - 公司销售端开始评选“价值传递之心” [5] - 两位来自“中国最好操作系统实验室”的博士于当年2月入职公司 [5] - 此前负责博主投放策划和用户运营的两位员工已回归公司 [5] 法律、合作与出海 - 编造理想汽车充“劣质电”致车辆自燃谣言的陈某，被北京顺义警方采取刑事强制措施 [3] - 2025年11月6日，2025年度北京市自然科学基金-顺义（理想）联合基金项目启动 [3] - 2023年公司出口销量超过2.3万辆，但2025年前八个月出口销量为7,000余辆，公司已暂缓欧洲计划，出海首站选择中亚国家 [6]

文章核心观点 - 理想的VLA是自动驾驶的最佳模型方案 其本质是生成式模型 通过生成轨迹和控制信号来实现自动驾驶 在某些场景下已表现出对物理世界的认知涌现和拟人行为 [1][2] - 具身智能最终比拼的是整体系统能力 自动驾驶应被视为一个完整的具身智能系统 需要感知、模型、操作系统、芯片、本体等各部分全栈自研与协同 才能发挥最大价值 [1][3] - 在模型与系统适配的基础上 数据是起决定意义的 理想汽车凭借数百万辆车构建的数据闭环 能够获取海量、高质量的真实驾驶数据 这是其技术路线的核心优势 [1][2][4] VLA模型方案 - VLA本质是生成式模型 采用类似GPT的方式生成轨迹和控制信号 而非文本 已观察到模型在某些场景下出现认知涌现 表现为端到端模型之前没有的拟人驾驶行为 [2] - 世界模型更适合作为“考场”而非“考生” 其高算力需求使其更适合在云端进行数据生成、仿真测试和强化训练 理想正利用数E FLOPS的推理算力进行仿真 [2] - 模型架构之争需结合实际效果 在自动驾驶领域 脱离海量真实数据空谈模型架构是空中楼阁 理想坚持VLA路线是因为其拥有数百万辆车构建的数据闭环 能在当前算力下将驾驶水平做到接近人类 [2] 具身智能系统能力 - 自动驾驶应被视为完整的具身智能系统 需要像人类一样 实现感知（眼睛）、模型（大脑）、操作系统（神经）、芯片（心脏）、本体（身体）等各部分的相互协调 [3] - 实现系统价值需要全栈自研 不仅仅是软件栈 而是整体软硬件全栈 理想的自动驾驶团队与基座模型、芯片、底盘团队协同打造了整个系统 [3] - 底盘协同是系统能力的体现 例如车辆运动管理模块会对自动驾驶控制信号做精细化调校 区分卡钳制动和液压制动策略 以兼顾安全性与舒适体验 实现“身体”与“大脑”的协同 [3] 数据的关键作用与优势 - 数据获取在自动驾驶领域具备优势 对于已建立数据闭环能力的车企而言 获取数据并非难题 这与使用数据采集车获取的数据在质量和分布上有很大差距 [4] - 公司拥有海量、高质量的真实驾驶数据 不仅可以从过去几年积累的超过10亿公里的存量数据中挖掘筛选 更能通过超过150万车主的日常使用源源不断获取新数据 [4] - 数据筛选反映真实人类行为 在筛选数据过程中发现接近40%的人类驾驶数据存在偏一侧开车或不严格卡限速的行为 这些数据被保留 使得模型能学习到更符合人类习惯的驾驶行为 [4] 技术应用的未来展望 - VLA模型服务范围将扩展 该模型不仅服务于公司当前的各类汽车产品形态 也将服务于未来公司规划的汽车类具身机器人 [4]

这次理想上架的L系列流媒体后视镜的主要特点为： 1.不涉及车辆外部设备改装合规上路，同样的车规级可靠性。 2.60度广角视野比普通内后视镜优秀。 这位群友明确认为很多改装用户实际体验下来会满意的，可以 解决用户开后排屏幕后无法观察车位的痛点，并且夜晚视野更清晰。 有预算额外买摄像头 模组，上嘉立创打板自己做。 中国国家法规中对于内部后视镜的要求驾驶员可以看到80米后20米宽的范 围假设后部有一个流媒体摄像头安装这个等效的摄像头的视角是30度。 3.对标24款MEGA,估计没有多少⼈体验过高亮清洗防眩､ 夜间夜视也超清晰 50Hz的刷新率对于高速的画面清晰流畅。 25款纯电和24款MEGA的最大区别就是60度广角升级为120度视野更宽。 关于200万像素 本身60度的流媒体后视镜已经比传统后视镜相比有碾压的⽤户体验了。 200万像素的摄像头传感器对应后视镜的显示器的像素是73万1920*384像素，考虑画面是长条状，截取画面的尺寸和显示的像素基本上可以映射。 简单说这个200万像素的摄像头像素是完全足够的，还多出很多像素得到的数据可以做环境光的感光计算以及画面质量的算法优化｡ 关于电子后视镜的清晰度 人眼到后视 ...

这是一位对理想非常有感情，品鉴能力学习能力都很强的读者。是那种对话两三句就可以知道很聪明的那种人。 以下为这位读者的视角： 这是一次理想的内部组织问题(部门墙隔阂、为各自绩效不合作)外溢到了车主身上的表现，是非常需要警醒的。兄弟阋于墙，外御其侮。(TOP2备注：兄 弟之间内部争吵分歧，但能团结起来对付外来的侵略) 作为官方出品并且做过问卷、预热的官方产品，大家对于理想品牌的精品路线的信任度被辜负了。 这个后视镜改装方式与第三方后装市场的产品没有任何区别，对线束的改装会导致保险的拒保风险也没有区别，甚至一些性能体验差于第三方顶级方 案。大家期待的是做到与后市场不同的方案，毕竟理想擅长整车智能空间融合起来一起设计产品。 拿一个第三方的东西，直接就换个名字卖，真的会被怀疑这三个月的预热和研发，重点解决了没有理想Logo包装盒的问题吗？ 用户对这个产品的期待是： 如果在后窗玻璃内: 整合进后窗饰板内，不要外露摄像头，没有拒保风险。 如果在车外尾部: 变更后高位刹车灯的零件，整合成与MEGA或i系列一致的体验。 曾经官方在推销MEGA和i系列的流媒体后视镜时，从摄像头分辨率、视场角、车机可控、放大缩小平移角度可调、抗眩 ...

文章核心观点 - 文章记录了在北京线下交流中，关于理想汽车公关能力的两种不同看法，一种认为公关是必须做好的重要环节，另一种则认为公司创始人李想的个人成长速度是更为关键的矛盾，公关能力的提升相对次要但在一号位重视后可以实现 [1] - 交流中引用观点，将公关能力比作“文学”，而将产品与组织建设比作“故事”，暗示后者是更核心、更稀缺的才能，是公司发展的根本 [1] 关于理想汽车公关能力的讨论 - 一种观点认为，理想汽车必须做好公关工作，以避免随机用户家庭成员遭遇大量负面舆情，这被视为不合适且重要的事项 [1] - 另一种观点认为，虽然公关有所进步会更好，但这属于次要矛盾，相对较差的公关能力更多只是构成一定程度的阻碍，并非核心问题 [1] - 观点认为，公关能力在一号位真正重视的情况下是能够建立起来的，并认为杨继斌的加入是靠谱的举措 [1] 关于公司发展的核心矛盾 - 观点认为，比公关能力显著重要得多的是公司创始人李想自身的成长速度，这被视为公司面临的主要矛盾 [1] - 交流中引用何同学的观点“文学天才常有，故事天才不常有”，将理想汽车如何做好产品、如何建设组织比作更接近“故事”的稀缺才能，而公关则更接近“文学” [1] 其他背景信息 - 此次北京线下交流接触了大量观点，叠加理想汽车自身的新动态，信息量巨大 [2] - 文章末尾提供了加微信进群深度交流公司实际经营情况与长期基本面的渠道，并明确该群并非技术群或车友群 [3]

文章核心观点 - 一位有影响力的博主（留几手）披露其仅在过去一年为理想汽车进行过一次商业合作，但通过其个人推荐，直接带动了至少8辆理想汽车的销售，其创造的利润自认为足以覆盖其广告费用 [1] - 该博主强调其职业道德，以身作则使用自己推荐过的产品（如蕉下内裤），并表达了向艺人及品牌代言人转型的意愿，暗示其个人信誉对商业推广效果的重要性 [1] 博主商业活动与理想汽车 - 博主在过去一年仅接过一条汽车商务合作，即为理想汽车，合作形式是在他人视频中出镜，由他人账号发布，博主仅收取出镜费 [1] - 博主本人未购买理想汽车，但通过其推荐，直接促成了三笔交易：三位小老板朋友购买了理想MEGA，四位粉丝购买了理想L系或i系，一位直播连线的粉丝预订了理想i6 [1] - 博主认为其促成的这些车辆销售为品牌创造的利润，足以覆盖品牌支付给他的广告费用 [1] 博主个人行为与职业形象 - 博主每日穿着蕉下品牌内裤，并非该品牌代言人或进行过商务合作，此举源于其直播曾带货该品牌，旨在以身作则 [1] - 博主自称即将转型为艺人，并以未来成为品牌代言人、照片出现在地铁电梯等公共场所为目标，因此对自己设定了更高的职业道德要求 [1] - 评论区有用户认可其道德水准，相关评论获得6个赞 [1]

文章核心观点 - 理想汽车在英伟达Orin芯片上成功运行视觉语言模型是一项极具技术水准的工作 其核心在于通过与英伟达深度合作 重写底层PTX指令集 突破了硬件原定的性能限制 [1] 理想汽车的技术突破 - 理想汽车与英伟达进行了深度架构对齐 基于PTX指令集重构了底层算子 并打造了自研推理引擎 成功突破了通用TensorRT算子集的性能天花板 [1] - 此项工作源于英伟达最初认为Orin芯片无法运行大语言模型 在理想汽车的坚持下通过重写PTX得以实现 [1] - 基于PTX的底层开发意味着工程师突破了高级语言抽象层 实现了对指令流水线与数据生命周期的细粒度控制 这不同于常规依赖编译器启发式算法的CUDA C++编程 [1] - 理想汽车可能通过显式插入Ampere架构特有的异步拷贝指令 将计算流水线与显存访问的延迟掩盖做到极致 [2] - 此项工作证明了理想汽车团队具备深入分析SASS并在指令级挖掘硬件潜能的核心能力 是一项高门槛的系统工程 [2] 与英伟达的合作关系 - 理想汽车与英伟达是通力合作关系 英伟达在Orin芯片微架构层面提供了原厂级的技术指引与配合 [1] - “理想是在教英伟达怎么压榨芯片能力”这一说法虽有事实依据但表述偏颇 “教”一词过于居高临下 未能准确反映双方的合作本质 [1]

论文核心观点 - 限制大语言模型性能的关键瓶颈在于指令的逻辑深度而非指令数量 模型处理简单指令尚可 但在面对层级嵌套的复杂指令时 执行准确率会急剧下降 [1] - 当前缺乏能够精确评估大模型细粒度字词级指令遵循能力的客观标准 现有主流评测方法存在成本高或偏见严重的问题 无法充当精确验证工具 [1] 现有评测体系的问题 - 评测手段两极分化 人工评测成本过高且不可扩展 而主流的大模型评测大模型方法在判断客观事实时存在严重偏见且不可靠 [1] - 模型在不同语言下的指令遵循能力存在显著差异 例如GPT-o3-2025-04-16在中文任务的严格准确率为76.9% 而英文任务为63.5% 单一语言评测无法代表模型的整体控制能力 [2] LexInstructEval评估框架设计 - 框架由两个解耦的工程模块组成 分别是基于形式化语法生成无歧义指令的数据构建管道 以及基于确定性代码而非AI模型的自动化验证引擎 [2] - 数据构建采用形式化语法分解策略 将所有指令解构为机器可读的Procedure(路径)、Relation(算子)、Value(阈值)三元组 [2][3] - 系统设计涵盖篇章、段落、句子、单词、字符等层级的文本操作语法 并包含冲突过滤与难度分级机制 [6] - 为保证合成指令的逻辑严密性 系统内置了类型安全与唯一性约束等强制校验规则 例如数值比较符只能配合计数谓词使用 [4] - 在生成自然语言指令时 先利用大语言模型将形式化规则转化为自然语言模板 再引入人类专家进行双重校验 确保表述流畅并排除歧义 [6] 自动化验证引擎机制 - 验证引擎完全基于规则代码 消除了模型裁判的随机性和偏见 其判定结果与人类专家的结论一致性达到97% [7] - 验证逻辑基于代码进行布尔判定 采用元素隔离技术将目标文本从回复中剥离 并对集合类指令采用严格的全称量化逻辑进行判断 [5] - 评估指标分为严格准确率与宽松准确率 严格准确率要求模型输出在没有任何修改的情况下通过代码验证 衡量对格式和内容的绝对控制力 宽松准确率允许对输出进行预处理后再验证 衡量去除格式噪音后的核心指令遵循能力 [8][9] 数据集构建特点 - 构建了中文和英文两个独立的单语数据集 而非简单的互译 确保了评测在特定语言环境下的文化和语法真实性 [9]