虎嗅注：本文是虎嗅智库出品的“思享数字化”系列文章第十三篇，呈现中国造车新势力理想汽车在数字化方面的思考和实践。
出品｜虎嗅智库
作者｜张婷婷
编辑｜房煜
头图丨理想汽车
进入2023年以后，新能源汽车赛道也终于迎来了一个熟悉的词汇：“卷”。越来越多的大品牌推出纯电汽车产品，杀入这一赛道。曾经并肩作战，一同做大新能源汽车蛋糕的造车新势力们，在前有追兵、后有堵截的战势下，也不知不觉开始出现了分化。
从第一季度表现来看，理想汽车还算过关。2023年1-5月，理想汽车累计交付10.65万辆，在国内新能源汽车厂商中排名第三。从财务数据看，根据2023年Q1财报，理想汽车总营收187.9亿元，营收同比大增96.5%。扣除股权激励，净利润为14.1亿元，自由现金流达到67亿元。
此时，产品层面的竞争，其实是企业一系列综合实力所反映的结果。如果追根溯源，理想汽车创始人、董事长兼CEO李想认为，除了产品和技术，新势力更需要关注的是产品背后的东西，比如组织流程的数字化建设。
汽车是个遵循木桶理论的行业，任何一个方面出现问题，都有可能成为企业最短的那块板。因此，除了产品智能化的竞争，组织流程的数字化建设，同样有可能成为未来的胜负手。
李想的思考是，企业发展到一定规模，需要解决的是“人心”和“人性”的问题。组织流程的数字化，就是为了用理性的方式去解决人性的问题。
更重要的是，组织流程的数字化同样具有成长性。李想认为，组织流程数字化是BT和IT之和，BT就是业务流程，IT就是把业务流程数字化。搭建组织流程就是在给企业未来的发展修路，企业只有先修出来千亿规模的路，才能够让团队在这条路上去运输价值，实现千亿的规模。
2023年是变局之年，却未必是决胜之年。李想用智能手机普及的例子来类比新能源汽车行业，“到2025年的时候，一辆车如果不具备足够智能化的智能座舱和智能驾驶，客户可能完全不会考虑买它。”
理想汽车具体是如何进行产品智能化和组织流程数字化建设的？为此，虎嗅智库对理想汽车创始人、董事长兼CEO李想进行了深度对话，希望能通过理想汽车在产品智能化和组织流程数字化建设方面的实践，为汽车行业的数字化转型带来一些启示。
以下为理想汽车创始人、董事长兼CEO李想对话精华部分：
流程是企业服务员工的数字化产品
流程服务的用户是员工，应该以激发员工创造价值为根本，而不是为了大家管理起来更容易。汽车产品面向的是我们的客户，需要通过产品力的提升来为用户创造价值最大化。
产品是需要更新迭代的，因此，对内的流程需要随着企业规模的发展进行变革，对外的产品也需要根据我们价值主张的调整进行智能化迭代。
当企业的发展速度起不来的时候，首先应该反思是不是自己没有把路修好，或者根本就没有修这个路。企业只有先修出来千亿规模的路，才能够让团队在这条路上运输价值，实现千亿的规模。
流程同样有自己的价值观。同样遵循把用户的价值放在第一位，以让员工创造价值为根本，而不是为了大家管理起来更容易。通过流程，让大家用协作的方式解决所有的问题，相当于是把协作直接放在流程里，让每一位员工都经历完整的训练过程，如果大家都是经验主义上来就干，那就乱套了。
数字化的本质就是在BT流转的过程中，在IT系统里产生的所有指标。只要把业务流程设计出来，这些数字自然就产生了。很多的公司并不知道怎样开发IT，是因为没有BT。只有让很专业的人把BT画出来，把关键的节点梳理出来，IT才能有效的开发出来，否则如果让IT直接去开发BT，IT怎么可能懂业务？这是很多企业招一堆人也做不好数字化的根本原因。
在理想成立之初，我就提出一个要求：把所有能装的传感器全装上，把所有能够获得的原子级和质子级的数据都保存，这是我们和别的车企不太一样的地方，理想不是需要什么才保存什么，而是要把所有数据全部保存，比如我们的整车质量检验，不是抽检，而是全部要过系统，实现“一车一库”，这样能精准的保障每台车的产品质量。
我们构建流程分为三个阶段：第一个阶段是构建流程，是从0~0.1的过程；第二个阶段是构建训练体系，是从0.1~1的过程；第三个阶段，是从1~10的过程，让大家能够在流程中高速跑起来。
第一个阶段是构建流程。我们为什么会很重视构建流程，是因为在最初构建理想汽车的时候，我们团队的人来自于各行各业，语言也不相通，没有办法协同工作，所以首先要统一工作的方法论和流程，不是有什么先见之明，是因为真没法管。
我讲一个例子，同样一个流程的字母叫sop，就是量产交付，你会发现通用、大众和国内品牌的定义都是不一样的，每个人都觉得自己是对的别人是错的，所以我觉得流程在第一个阶段是帮我们统一语言。
第二个阶段，是构建流程的训练体系。这套训练体系跟自动驾驶和AI的训练是完全一样的，也要经历4个过程，第一个过程是向外做全面的感知，比如做自动驾驶，就需要感知各行各业的自动驾驶都怎么做，技术路径和人才体系是怎样的，有好的感知，才有好的认知，通过这种方式为每个人建立训战的能力。第二个过程是制定目标并进行规划，比如做一个发布会，首先要明确目标是什么，我要获得多少百度指数及曝光量，针对这个目标需要制定怎样的计划，就像是自动驾驶的规控，第三个过程是执行和优化，预测结果，跟目标的差异点在哪里，需要如何调整；第四个过程是复盘，需要把前面完整的过程进行记忆和沉淀，对执行的结果进行衡量，做得好就强化，做的不好我就要进行调整，直到解决这个问题。我们所有流程都是这样在训练。
第三个阶段，升级和扩建流程。当业务规模变大后，每个人在流程中运输的价值也变大了。过去规模小的时候，相当于每个人是在小区里运输价值，规模变大后，相当于是在市区运输价值，规模更大时，就需要在全国运输价值，这个时候不修出高速路，是有问题的。
我不能只给他一个小区的路，却找他要高速的行驶速度。所以这时候，我们需要将流程升级到一个更高的维度，建立经营的流程，将DSTE、IPD，管理产品研发，管理供应链，管理销售服务，然后管理流程、管理hr、管理财经，然后是战略管理，都纳入流程内，遵守流程规则，让整个团队的行驶速度变得更快。
闭环数字化流程帮助我们实现精准交付
第一个阶段，是选择好的供应商进行合作。我们想要造一辆好车，获得更好的质量，离不开好的供应商，一个好的供应商可能会帮我们解决70%-80%的问题。这个阶段成本是非常高的，但却是我们能够活下来、树立品牌和产品力的关键。
第二个阶段，实现了两个升级，第一个是一些顶级供应商愿意为我们做独立开发，比如采埃孚为我们研发了国内第一个带安全冗余的转向，博世为我们做了中国第一个带安全冗余的刹车；另一个是我们有很多创新东西是国际上的一些厂商没办法满足的，我们就会选择一些合作伙伴共同研发，这些伙伴必须是细分领域的领先者，并且创始人自己还在公司里干活，最好还要是一个准上市公司或上市公司，比如像地平线、禾赛、德赛西威这样的企业，因为我们基本处于相同的状态，大家都想再进一步。
第三个阶段，要实现精准交付，我们向全世界最好的企业学习，发现这些优秀企业都是通过升级流程来实现精准交付的，我们引入了IC，就是集成供应链的管理，也会邀请像艾森哲等顶级咨询机构介入，建立整个供应链的预测采购分析等流程，建立产品从销售到供应的完善的联合计划体系，在这个体系下去优化所有的工作，最终实现精准预测，所以我们在供应商中口碑也就比较好，因为我们的预测基本都是精准的。
第二，我们会把流程变革当成一个一把手工程去推进，由我带着各个业务线的一号位来解决这个问题，而不是我们找一帮这方面专家，让他们自己去做。每一个关键点我都要参与讨论和跟进的。因为没有人愿意变革，但是当我拉着所有的业务一号位共同推进，他就不得不变革。
第一个阶段，我们觉得自己跟别人不一样，一些小的流程我们员工自己来发明，比如PEA，包括我们早期的战略分析法，我在湖畔大学跟曾教授学完以后就变成自己的了。这个阶段会觉得自己挺强的，不愿意向外看向外学习。
第二个阶段，我们发现很多问题自己解决不了，就会选择向外看，向先进的企业学习。在电动车领域，我们在学习特斯拉和比亚迪，在汽车品牌塑造方面，我们学习宝马和奔驰，此外，在一些更长远的创新方面，我们比较关注苹果和华为这两家企业，学到一些简单的流程，但是也有很多流程我们看不懂，比如苹果团队、三星团队是怎么管理的，我们都看不懂，就会困在原地。
第三个阶段，我们会找一些咨询公司来做我们的顾问，帮助我们去看苹果是怎么管理的，三星是怎么管理的，他们在不同阶段遇到什么问题，如何解决，他们是怎么培训、怎么做激励的，我们慢慢的看懂了这些东西了。
到了第四个阶段，当遇到一些问题，我们认为自己能自己干，就会选择自己去干，但其实这帮人过去是做业务的，做业务的都是开车的，不是修路的，开车人并不知道怎么修路，包括我们自己也都是开车的，强行让开车的人去修路，所以把自己折腾的一团糟。
进入第五个阶段就彻底通透了，明白不能又开车又修路，这是不现实的，要借助外部力量。寻找一些专业修路的人、为顶级企业修过路的咨询公司，比如BCG、埃森哲，让他们来帮助我们修路，也会从一些成熟企业邀请一些真正在修路和运营路的人加入这家企业，然后慢慢步入正轨，开始产生良性循环。
当把流程想明白后，所有分工也就清楚了，大家就能训练起来了。
数字化就是用理性的方式解决“人性”的问题
我们需要考虑学来的东西能不能结合我们的用户和用户价值主张去创造价值，我觉得这是背后的核心。比如我们分析特斯拉使用BEV和transformer大模型这种端到端的方式，能够更好的实现智能驾驶更多场景覆盖和提高安全性，我们就会果断的选择这种路径，因为这对用户是有价值的；再比如说我们认为苹果的CEO办公室管理方式，是一种非常有效的企业组织战略的决策方式，我们就会学习并构建这种方式，还有像华为经常对外讲的的大战略和研发，也有很多研究华为的书，我们就会学过来。
学习不是简单的只看表象，而是要看完整的、不同阶段遇到的不同问题，以及对应的解决方法，避免跟我们自身出现节奏和类型上的错配，我们也会进行有效的取舍和阶段的选择来为我们所用。
总之，一方面是能不能帮助我们创造用户价值，另外一方面是能不能解决我们发展中的问题，跟我们自身要结合在一起。但是我们对自己是有一个要求的，就是无论学什么东西，我希望最后还能做得更好，并不只是简单学过来就可以。
数字化的作用就是用理性的方式去解决人性的问题，对内就是建立组织流程，对外就是做好产品。流程是契约制的，大家在一个透明的流程里，使用共同的语言，进行透明的训练，得到公平的待遇，形成好的信用，不断的吸引更多优秀的员工。做产品也是同样的道理，好的产品能够获得好的nps，就会有更多的用户来买我们产品。
回到人心的层面，就需要我们打造好的企业文化和品牌，树立好的价值观，大家都在这个价值观下面去做事情就会产生信任。用品牌和文化来解决人心的问题，这是一种感性的方式。
理性和感性需要同时存在，二者是相辅相成的。好的流程会助长好的文化，好的文化又会反哺好的流程，流程是为了把业务和用户服务好，让价值创造最大化，而不是为了私利。二者都做好，企业发展就会螺旋上升，有一个产生问题的时候，就需要专业去解决，然后继续前进，当二者都出现问题的时候，这家公司就会快速的衰落。
很多时候，痛苦来源于我们用错误的方式去解决问题。假如今天我们业务上遇到很多问题，规模上遇到了挑战，我们只能用流程去解决，并不是好心好意就能解决。
我不会直接掌握团队，而是配合这几个业务的负责人进行管理，这就需要业务负责人具备两个条件。第一，他们在掌握流程，因为流程决定了行为的必要性，另外他们成为一个作战指挥部，能够调用我们商业体系里的所有能力，包括销售服务、零售交付服务、充电网络，然后包含研发的环节，包含造型设计、电动平台研发，自动驾驶平台研发、操作系统研发，到了供应环节也是一样的，他要具备调用采购、供应链、制造、质量、包括我们零部件厂商所有的这些能力。
所以我管理公司的方式，就是我掌握主流程和作战指挥部，不直接管庞大的团队，而是由群组的负责人把相关类型的业务都管起来。群组负责人需要树立两个重要的目标，一个是真正的参与作战，第二个是要持续构建自己的专业能力，内部要不停的去创新，让供应链能力越来越强，让制造能力越来越强，让研发能力越来越强，让AI能力很强等。
大模型为汽车智能化带来新机遇
我认为自动驾驶和智能座舱也会经历类似的过程，从早期的尝鲜者，到早期的试用者，再到大众普及。比如我们即将推出的城市NOA功能，也会先推行早鸟计划，先让尝鲜者使用，然后再向外推广。
在早期的时候，智能驾驶和智能座舱不会成为客户选车的决定性因素，大家甚至觉得它没什么用，但到2025年的时候，一辆车如果不足够智能化，客户可能完全不会考虑买它。类似早期的手机，大家只要求能打电话就行。
第一个阶段是赋能。今天我们依然叫它智能辅助驾驶，赋能驾驶员，让驾驶变得更安全和便捷。跟ChatGPT类似，是人机共驾的一个状态，也正是通过人机共驾的过程去训练大模型。这一阶段的价值会变得越来越高。
第二个阶段，它会形成半机器人。当我们越来越多地使用辅助驾驶，它可能不会完全比人开得好，但是能解决一些酒驾、疲劳驾驶的问题，实现比人类驾驶安全5到10倍，相当于产生了一个垂直领域的专家，并且它可以直接输出了，在自动驾驶里就相当于出现了真正免费的司机。
到了第三个阶段是AGI（通用人工智能），就是行为学习和认知学习会二合为一，大脑和小脑同时具备，这样，机器能够独立获取信息，形成自主迭代，我并不能预言这个阶段何时到来，但是我们对这个阶段是可以有预期的。
大模型的这一整套算法本质就是把人的能力赋予自动驾驶。在一个城市中，使用NOA功能的人越多，大模型在这个城市所拥有能力就越强，尤其是规控能力，就相当于是把这个城市所有驾驶员的能力汇集到了一起，当这个能力足够强大的时候，就不再是原来编程制和规则制的方式了，真正进入到一种类似于人类学习训练的方式。
我觉得在物理世界里技术并不存在完美。现阶段智能驾驶仍然处于赋能阶段，大家应该想明白一件事情，就是这个阶段根本不可能跳过去的。
大模型的涌现能力取决于模型大小，而模型大小取决于学习和训练。自动驾驶的模型，大概是3亿左右的规模。
第一个阶段，我们的融资能力有限，所以并没有自己去开发自动驾驶，选择了投资一家企业来做自动驾驶， 但是用的过程中发现，它没有办法满足我们成长迭代的需求。
进入第二个阶段，我们开始构建自研体系，采用地平线的芯片，成为中国第一家用国产芯片做智能驾驶的企业。这个路径特斯拉和我们的选择是一样的，也是从供应商采购到逐渐自研。这一阶段还是用2.5d的思维方式去构建基础的训练体系，接下来我们开始构建能力体系，交付一些基础的产品功能，比如高速NOA。
到了第三个阶段，我们开始用大模型、BEV（Birds Eye View）来开发智能驾驶，但也是刚开始，同样需要经历从0~1和从1~10的过程。首先是机器向人类学习，机器学习人类的行为、感知和判断，然后是机器根据学习训练，自己制定规则和编程，最终形成一个司机。我们认为只有这种方式才能解决物理世界的问题，这是我们的一个判断。
最大的认知变化，是我很早就明白的一个东西，我认为 AI 和过去传统计算机的技术架构是完全不一样的。首先是机器向人类学习，机器学习人类的行为、感知和判断，然后是机器根据学习训练，自己制定规则和编程，最终形成一个司机。我们认为只有这种方式才能解决物理世界的问题，这是我们的一个判断。
现登录虎嗅智库官网 ，注册限时体验会员账号，不错过任何最新活动信息。
扫码加入虎嗅智库数字化交流群
共话数字化话题
致力于推动产业数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府相关决策服务。我们主要的服务手段主要为：研究型内容（报告、分析文章、调研评选）、数据库、线上线下活动与社群、定制型项目等。
文章引用微信公众号"虎嗅APP",如有侵权,请联系管理员删除!
