对话斜跃创始人陈伟：把天花板拉高再捅破，进入家庭是一场「无限游戏」

理想投资的第一个具身智能项目，这半年做的怎么样？ 作者：李雨晨 编辑：林觉民

2026年2月3日，陈伟和张骁联合创立斜跃智能。前者是理想AI首席科学家、基座模型部门负责人，十多年的技术老炮，后者是理想第二产品线总裁、顶级产品经理。

两人是同事，也是同乡、校友，很多事情不用绕弯子，这是一个创业团队稳定的“加分项”。在内部，陈伟和张骁的分工明确：张骁主导产品定义与硬件研发，陈伟负责具身模型、算法及软件、平台能力研发。

模型加产品，尤其是C端经验，是这个团队最核心的组合优势。

斜跃成立仅六个月已完成多轮融资，第一笔投资就来自理想，也是理想系创业项目中，第一个获得理想直接投资的具身项目。两人创业前，李想半开玩笑半认真地说了一句：“希望欣赏的人能在一起”。

加入理想时，陈伟的Title是AI首席科学家，后调任基座模型部门负责人，这个岗位是理想汽车AI转型中的一个重要支撑点，支撑了智驾、座舱等多个部门的研发。与此同时，理想也正在筹备代号为“Nexus”的人形机器人项目。

如果想做具身智能，为什么要冒着风险离职而非在体系内创业？

对于这个问题，陈伟坦言：具身现在还处在很早期，很多问题都没有定论，这种阶段最需要的是快速试错、快速调整、快速推进。而一个组织的结构越轻，决策链路越短，越能把精力集中在最关键的问题上。这是他独立创业的依据。

在路线方向上，斜跃的定位非常清晰：一家以家庭为第一落地场景的具身基础模型公司，本质上是“大脑"公司。家庭场景才是终局，谁能进家庭，谁的模型一定最强。

对于行业浮躁的Demo竞赛，陈伟态度明确：不愿天天做操作演示，而是先专注做好具身模型的基建、研发方案的验证和一步步把模型做成的路径。

据雷峰网了解，第四季度，斜跃智能的能力和demo即将陆续释放。

陈伟在斜跃和理想内部，被人叫做“伟叔”。伟叔也是左林右狸频道的老朋友，前前后后深聊过4次以上。8月的WRC期间，我们在斜跃智能的北京办公室见到了他，进行了一次2小时的深度对话。

这是伟叔第一次对外界“系统性”回顾自己的理想汽车生涯和创业思考，同时也是左林右狸即将推出的《物理AI 50人谈》的开篇之作。

《物理AI 50人谈》是雷峰网与《左林右狸》推出的高管访谈栏目：不追热点、不凑数量，我们只对话物理 AI 赛道最有权重的核心决策者。从智驾到具身，从芯片到世界模型，记录不对外说的判断、抉择与野心。

在我们的访谈中，陈伟集中回答了三个问题：

1、“理想同学”是如何在两年自研过程中触底反弹、赢得口碑？

2、要做具身，为什么要离职创业而非在理想内部孵化？

3、为什么以及怎么面向家庭机器人这一难度最高的场景？

01、理想同学的5年，我们做成了哪些事？

问：回看你在理想的5年时间，你会如何评价自己的工作？

陈伟：我2021年去理想的时候，座舱很多能力还是靠供应商“拼”出来的，外界对理想同学的印象不算好，有人甚至说它像“从清朝穿越回来的”，又慢又笨。

后来我跟供应商聊，感受特别直接：自研团队和供应商的目标是不一样的。供应商更多是把功能做到可用、能交付、能验收就行，不会天然追求极致体验，因为他们还要把这套能力继续卖给别的车厂。

但我们面对的是自己的用户，用户每天在车里用，体验好不好，所有反馈最后都会回到我们身上。所以我当时就很坚定，关键能力一定要拿回来。

2022年我们开始组建团队，第一件事是先打地基。我当时认为，用户和车的对话数据必须沉淀在理想自己手里，这样才有持续优化的可能。结果一看才发现，数据很多是直接打给语音供应商的。

我们去要数据，对方又会说涉及用户隐私，不能直接给。

这件事让我印象很深，因为它说明如果核心链路不掌握在自己手里，你连问题在哪里都不一定看得清。所以2022年上半年，我们花了很多精力做数据回流、数据闭环，把训练、评测、上线、反馈这些环节一点点接起来。

2022年底理想ONE要上线的时候，那段时间非常累。我们白天在办公室调代码、调模型、看日志，晚上就两台理想ONE从望京开到顺义白马路总部，再开回来，经常一跑就是大半夜。

那时候测的东西很细，比如风噪、车噪、路噪对语音识别的影响，车速不同、窗户开合不同、前排后排不同，说话音量不同，都要测。

冬天开着窗户跑高速，风灌进来，人坐在车里一边冻着一边喊指令，看系统到底能不能听清。跑完回去已经十二点了，还要继续改代码、改计划，常常两点多到家，第二天九点再刷卡上班。

现在回头看，确实辛苦，但那种把问题一个个抠出来、当天测当天改的状态，也很有战斗感。

2022年底，我们在理想ONE上做了第一次自研切换。当时想哥和晓菲给我们的目标，是两到三年完成切换。但现实里等不了那么久，因为L9已经开始交付，后面L7、L8也要陆续发布。如果一边做自研、一边还要对接供应商，车型越来越多，版本越来越多，团队资源根本扛不住。

我当时跟团队说，一年内如果搞不定自研切换，后面就很难再做成了。所以那段时间大家其实是在跟时间赛跑，一边保交付，一边重构底层能力。

到2023年3月，L7发布的时候，我上台做了演讲，那也是第一台完整使用座舱自研AI的车。再到2023年上半年，全车型就都切到自研了。那一年我们还做了很多创新，比如方言自由说。过去很多车如果要切方言，用户得先点设置，告诉系统“我今天要讲粤语”，切完才能用。

我当时觉得这不对，用户在车里不会这样思考，他上车就直接说话。所以我们把理想车主分布区域拉出来，针对重点区域做优化，不管用户用普通话、粤语，还是其他方言跟理想同学说话，基于预训练模型做迁移，一个模型把所有方言的事全干了，这个能力上线以后，口碑提升很明显，因为用户会觉得它真的更像一个自然可用的助手。

还有单句多指令。行业里当时大家会比一条语音能执行三条、五条指令，我们内部不想只做这种数量上的PK，而是做“指令自由说”。用户一口气说二十条、三十条，只要表达清楚，系统就应该能拆解、理解并执行。再加上手势、多模态这些能力一起上车，理想同学的体验就被拉到了一个比较高的位置。

那时候很多用户开始说，理想的车机真好用，智能化水平很高。

我特别记得想哥说过一句话：不要老想着“正确地做事”，更要“做正确的事”。这句话对我影响很大。很多时候，用供应商方案看起来是更省事、更稳妥的路径，但如果本质上体验上不去，最后还是得自己做。

对我来说，更坚定了一个判断：核心能力必须掌握在自己手里，只有这样，才有机会把用户体验真正做深、做透。

问：2022年下半年ChatGPT来了，那个时候你们正处于自研切换的关键阶段，你们是怎么应对的？

陈伟：那时候的第一反应，其实不是兴奋，而是一下子被“打开了认知”。因为我们自己在做预训练，2022年底最大的模型大概才 1B，团队当时最直接的感受就是：这已经很大了，成本怎么扛得住，单车成本怎么摊，算力怎么配，都是现实问题。

结果 11 月 ChatGPT 一出来，175B 这个量级一下子把大家的想象力彻底打开了。

但与此同时，我们也立刻意识到一个问题：理想同学接下来到底要往哪走？当时其实有一种很常见的想法，就是直接接入别人的大模型，做一层集成，车里能用就先卖。

但我们很快判断，这条路如果走到底，最后很可能会变成一个“大模型封装团队”，对公司核心竞争力帮助不大。无论是成本、体验，还是后续在车场景里的持续优化，都会受制于人。也有人问过，能不能直接通过微软接 ChatGPT？但我心里很清楚，这不是我们真正要做的事。

所以到 2023 年初，我就单独拉起了一个大模型团队，成员基本就是之前做 1B 模型的那批人。二三月份我们先做出了一版初步 demo，然后写了一份未来规划去找想哥。

李想的反应特别直接，他说得很明白：理想同学体验不好，本质上就是脑子不好，脑子不好就是语言模型没做好，行业也没有好的开源模型可以用，那就坚决自己做。

3 月份我们正式立项，最早叫“Li GPT”，想哥直接帮我们起了个名字，叫 “Mind GPT”。4 月启动之后，6 月家庭科技日我就上台讲大模型了。那时候第一版预训练模型已经能对话，但幻觉也很多，还远没到成熟的状态。

4 月到 6 月之间，我们和想哥做了好几轮共创，我们当时提了一个“三助一师”的理念，就是希望它不是一个简单的问答工具，而是能帮你、能懂你、还能指挥车内能力的系统。

真正的压力，是从 2023 年下半年开始的。因为团队原来做的是小模型，现在要切到大模型；组织如何重新设计，评估怎么做、幻觉怎么控制、怎么跟车结合，这些问题一下子全压上来。那段时间大家其实挺焦虑的，但也是真正把底层能力一点点磨出来的阶段。

到 10 月国庆前后，我们跑出了第一版全量数据、全量参数的模型，那个时候心里才算真正有底。12 月大模型正式上线后，理想同学的 NPS 没有低于 95 分，这个结果对我们来说非常重要。但用户也会越来越挑剔，大模型如果一段时间没有新能力，或者老问题迟迟解决不了，NPS 也会往下掉，所以那之后我们每周开会，讨论的核心几乎都离不开 NPS 和用户反馈。

到了 2024 年，外部开源大模型更多了，我们的重点也开始往第二层走：一边是大家日常最熟悉的对话，一边是把车内所有应用真正接起来。那时候座舱的应用团队也都划到了我这边，理想自己的应用，像爱奇艺、高德、QQ 音乐等，都是团队拿 SDK 一点点搓出来的。

我们做的一件关键事情，就是把底层能力原子化，让大模型真正能把车里的功能调起来，把工具调用从 60% 提到 95% 以上。

今天大家觉得理想同学好用，很大程度上不是因为它会“聊”，而是因为它真的把车内工具摸透了，你问什么，它能实时把应用调出来，推荐一首周深的歌，右边就直接出 QQ 音乐、网易云的内容，点一下专辑就能播，这些都是模型和应用打得很紧的结果。

另外，我们还做了一个很重要的事情，就是把脱敏后的用户数据全部做成数据闭环平台。每天去搜用户骂“笨”“傻”的地方，超时、延时、答非所问的地方，全部变成问题，再和研发团队对接。

我们不是靠规则去修，而是先聚类，再反向生成数据，推动模型持续迭代，基本上一个礼拜换一次模型，外面其实不太能感受到。

那一年我给团队定的目标也很明确，领先性占 40%，交付占 40%，留 20% 的时间专门做数据闭环。做了一年之后，理想同学的 NPS 一直保持在业内很高的位置。

所以回头看，ChatGPT 出来那一下，对我们的冲击是把我们原本模糊的方向一下子照亮了：不能只做集成，必须自己把大脑做出来，只有这样，理想同学才有可能真正成为一个不断进化的产品。

问：李想从2023年开始决定坚决投入做AI，你的实际体感是什么样？

陈伟：我对这件事的体感特别直接，就是想哥对 AI 是真热爱，不是把它当成市值管理的工具。我们每次聊技术、聊未来产品怎么把 AI 真正装进去，他都会很兴奋，而且这种兴奋是能传递出来的。你会明显感觉到，聊完以后大家的状态都会被带起来，整个团队的正能量也很足。

从我的感受看，AI 这件事对理想来说不是表面加一个功能，而是公司战略和组织能力都要一起变。转型期最重要的，不只是方向要对，还要重新划分职责、提高团队的人才密度，把真正适合做 AI 的人放到合适的位置上。

这个过程里，想哥的作用非常关键，只要他还在持续学习、持续投入，理想就一定会往一家更强的 AI 公司去走。

到了 2024 年，最开始还是公司几位AI负责人去跟想哥聊模型，后来慢慢变成固定的 AI 周例会，最早主要是几个负责人来讲，后来各个AI团队里的同学也开始轮流分享。

想哥学习速度非常快，他能把很深的技术问题，用大家都能理解的语言讲出来，而且他自己也会写材料、画结构图，虽然不一定每次都写很多，但他会反复想、反复改，他一直在迭代自己的判断。

我一直觉得，公司的AI战略一定是一号位工程。想哥在这件事上是很先知先觉的，他不是等趋势完全明朗了再跟，而是很早就看到了 AI 对公司的意义，并且愿意持续把这件事往前推。这个判断力和执行力，我觉得是非常重要的。

问：基座模型和实际的VLA上车存在一个理论到实践的切换过程，你们怎么打好配合？

陈伟：我一直觉得，基座模型和自动驾驶VLA之间的关系特别像背靠背。

基座模型这边，重点是先把理想的物理AI框架定义出来，把底座能力做扎实。我们要想清楚的，不只是一个模型能不能跑，而是它能不能真正把物理世界的基础模型搭起来，能不能把感知、理解、推理、行动这一整条链路串起来。

自动驾驶团队那边，重点就更靠近上车和量产，他们要把这些能力真正转成车上的体验，转成稳定、可交付、可持续迭代的结果。

所以我们和智驾团队的配合，也不是简单地“模型发给你，你拿去试一下”，而是从一开始就放在一起做。VLA发版以后，很多问题会非常具体。

比如有一段时间，白天车速提不上来，晚上又没问题，还会有顿挫。这个时候如果你只看模型训练指标，可能觉得版本已经往前走了；可一旦放到真实车上，就会发现它在某些场景里还需要针对性的分析和解决。

于是我们就直接到顺义自动驾驶工区去，和智驾团队坐在一块，白天看车怎么跑，晚上分析问题。问题一出来，大家直接把它拆到场景、数据、训练和版本上。

这个过程中，版本选择也很重要。很多时候，V0.6在整体能力上更强，但V0.3在某些具体场景里反而更稳，这种情况很正常。因为基座模型看的是能力上限，自动驾驶团队看的是量产稳定性，两个团队站的位置不一样，判断标准也不一样。

所以我们真正要做的，是把版本能力、场景表现、上车反馈连成一个闭环，一起判断这版模型适不适合继续往前推，哪些能力该继续强化，哪些场景要补数据，哪些地方要重新训练。

问：你觉得理想能够在大模型、VLA等阶段成为行业标杆，核心的动能是什么？

陈伟：我觉得理想能在大模型、VLA这些阶段跑到行业前面，核心动能首先来自想哥对这件事的相信和坚持。他看问题特别直接，基本都能一下扎到本质。

模型这件事在24年、25年，我们一周开好几次会，讨论得很细，既聊落地问题，也聊行业趋势。他是真的在推进公司往AI方向转。他对AI转型的投入，对战略方向的坚持，都会变成整个组织往前走的力量。

我也觉得，理想这几年很多判断其实是先于行业的。我们当时判断什么是对的、未来往哪走，过了三个月，行业里其他公司也开始往那个方向做了。

那种感觉是很强的，因为说明你不是跟着别人跑，而是在提前看路。

所以我理解，理想能往前走，靠的不是某一个模型的偶然成功，而是想哥这种老板的判断力、决心和学习能力，再加上公司整体愿意为AI转型付出代价。

转型期一定会有阵痛，要重新划分职责、重新提高人才密度，但只要想哥一直在，而且一直保持学习、持续推动，理想就会越来越强。

02、为什么要出来创业，而不是“内部孵化”？

问：如果你想做机器人，在理想内部孵化也是一个选择，为什么要独立来做？

陈伟：是，当然是一个不错的选择，而且大平台做这件事会有不少优势。但从我个人的投入方式来看，我更希望把全部精力都放在具身技术上限的探索上。

具身现在还处在很早期，很多问题都没有定论，不确定性也特别高，这种阶段最需要的是快速试错、快速调整、快速推进。

所以对我来说，创业会更灵活，也更高效。因为很多判断不是提前想清楚就行，而是要在持续探索里不断修正方向、验证路径。

这个时候，组织结构越轻，决策链路越短，越能把精力集中在最关键的问题上。我们现在想做的，是尽量往具身技术的上限去摸，所以我觉得创业这种方式更适合当下这个阶段。

问：确实如您所说，从一家“造车”公司切换到一家AI公司，这其中需要克服很多组织和思维的惯性。

陈伟：我觉得这不是某一家公司的问题，而是所有大公司从传统业务切到 AI 时代，都会遇到的共性挑战。真正难的，不是老板有没有判断，而是组织怎么跟上。

因为一个成熟公司通常已经按座舱、智驾、芯片、操作系统、软件、生产这些条线拆得很细，原来的协作方式更像拼乐高，A 交一个模块，B 交一个模块，最后按图纸搭起来就行。

但 AI 不是这样，尤其是大模型和具身这类事情，更像端到端的一条链路，很多时候是击鼓传花，一个环节传下去，最后要对整体结果负责。

这就会带来一个典型问题：做成了，离用户最近的团队最容易被看见；出了问题，到底谁负责，反而没那么清楚。所以组织必须重新定义协作关系、责任边界和端到端 ownership。

想哥后来提 AI 周会，本质上也是这个意思，不是要求全公司每个人都变成 AI 先锋，而是要先培养出一批最懂 AI、最能打通协作的人，让这批人把方法论和节奏带起来，再慢慢放大到整个组织。

我觉得理想转向具身智能是对的。因为传统汽车行业很多东西很容易卷到本体、硬件、参数、成本，别人买一台拆一台，很快就学会了。但智能能力的扩散没那么快，数据和模型能力是自己的，真正的壁垒也会在这里形成。所以关键是整个公司能不能围绕智能做一次体系性的重构。

问：李想如何应对你离职这件事？

陈伟：想哥其实给了我们非常大的理解和支持。

他一开始就给了两种选择：一种是我留在公司体内，继续做具身机器人的方向；另一种是如果我决定出去创业，他也愿意支持和投资。

对我们来说，这种支持不是简单的口头鼓励，而是他真的理解我们为什么要做这件事，也理解我们为什么会做这样的选择。

后来我和张骁还是决定一起出来创业，想哥在这个过程中也给了我们很多很实在的建议，包括方向判断、节奏把握，还有团队怎么搭建。

他半开玩笑半认真地说过一句，“希望欣赏的人能在一起”。

我们出来的时候，也跟想哥讲得很明白：理想叫“车和家”，理想做车，而机器人如果要真正走向落地，也大概率会先进入工厂；至于家庭这个方向，我们愿意先去做探索。

这个判断他是认可的，所以后来理想也投资了我们。我们先把自己的事情做好，未来如果在更合适的场景里有机会继续协同，我觉得那也是很自然的事情。

问：你跟张骁怎么达成一致的？

陈伟：我们俩其实聊了挺多次，也不是一次拍板的事，而是越聊越确定。

我们既是同事，也是同乡、校友，彼此之间本来就比较熟，很多事情不用绕弯子，能直接聊到判断和方法论上。最早聊的时候，大家对具身赛道本身就有比较强的共识，尤其是家庭这个方向，我们都觉得它不是一个短期概念，而是一个真正有长期价值、也更接近真实需求的场景。

更重要的是，我们对这件事为什么现在值得做，判断是很一致的。

我们都认为，技术永远是从高处往低处流的。大语言模型这几年收敛速度非常快，能持续跟上节奏的团队越来越少。但具身智能不一样，它不是语言问题的延伸那么简单，而是一个更大、更复杂、链条更长的系统性问题，里面既有模型，也有数据，还有本体、场景、工程化和产品定义。

我们都觉得，这件事的难度更高，但也意味着空间更大。

我们之所以觉得适合一起做，还有一个很关键的原因，就是能力上的互补性比较强。我在很多技术判断、系统理解、以及把复杂问题拆解成可落地路径这件事上有比较好的能力，而张骁会更关注产品化、场景理解和怎么把技术真正变成用户能感知到的价值。

我们不是两个相似的人硬拼在一起，而是各自有侧重，放在一起以后，讨论问题会更完整，做决策也会更平衡。

尤其是在具身这条线上，光有技术视角是不够的，光有产品视角也不够。它要求你既要看清楚底层技术演进的方向，又要能判断具体场景里什么是刚需、什么是伪需求，什么该做重，什么该做轻。

我们在这些问题上非常容易达成一致，所以聊到后来，越来越像是在确认同一个方向，只是分工不同、切入点不同。

另外，我们都经历过大模型阶段，所以很清楚一个技术从早期到工业化到底要经历什么，也更知道模型、数据、工程、产品之间的关系。

对我们来说，把大模型阶段积累下来的方法和经验，迁移到具身这个更复杂的赛道里，是一件顺理成章的事。

不是为了追一个热点，而是因为我们真的相信，这个方向值得长期投入，而且我们两个人放在一起，正好能把这件事做得更完整。

问：你和张骁具体怎么分工？

陈伟：我们分工比较清晰，张骁更多负责产品定义和硬件研发，我更多负责具身平台包括基座模型、具身智能体和整体软件体系等。

我们的核心思路是先把具身平台能力做扎实，因为模型不可能只服务某一个特定垂类产品，只有把底座能力做出来，后面才有可能继续往家庭场景里延展，同时也能阶段性落到一些垂直应用上。

我们整体组织也比较扁平，核心还是把每个人的能量充分发挥出来。

骁哥本身就是顶级产品经理，从理想 ONE 开始，很多产品形态其实都是他定义的。未来本体怎么做、进家形态怎么理解、审美和产品感怎么表达，他都有很多想法，这些方面他比我强。

我自己更偏理工思维，审美上没那么敏感，所以我跟他说，你尽管去折腾，他更适合把产品这件事往前推。

如果把具身这件事做成，骁哥会更像是在搭一套产品和商业化体系，包括本体、供应链、品牌、PR 以及产品怎么真正卖出去；我这边则更关注核心竞争力，尤其是技术能力、软件体系，以及怎么把产品做成可量产、可迭代的形态。

我们两个的分工，实际上就是一个更偏产品转化，一个更偏底层能力建设。

在场景上，我一直觉得不能先做工厂，不是因为工厂太卷，而是因为工厂本质上是人先圈定好的业务流程，模型很容易被流程限制住。

具身的模型，我希望它更像大语言模型那样，具备更强的自主性，外围流程限制要慢慢突破开。再加上我和骁哥其实都围绕家庭用户在思考，“家”是我们共同认定要做的方向。

至于具体是什么形态、模型怎么走、商业化路径怎么定，我们会一直结合我们自研模型的能力演进在不断迭代。

现在相对可控的是软件和模型，不太可控的是本体。我们不可能一上来把电机、关键零部件都自研完，产业链太长了。

但模型和软件是可以先做起来的，所以我们的路径是先把不可控的部分慢慢变成可控，先在软件和 AI 体系里建立能力，再往硬件延伸。

硬件上也不会一口气铺太多，可能先聚焦一到两款，不会单臂、双臂、灵巧手同时全上，短期内那样很难做成。我们更希望围绕自己的产品，把端到端体验打磨好。

做模型这件事本来就是长期活，得踏踏实实把底层做好，智能才可能真正涌现出来，没有什么讨巧的路。

长远看，这是一场长跑，先把自己做强，才有后面的可能。

问：为什么会给公司取名“斜跃”？

陈伟：斜跃智能的名字是我跟骁哥（张骁，斜跃智能总裁，原理想汽车第二产品线负责人）起的。在创业时间点看，技术周期变化很快，“跃”很重要。后面发布的一些模型可能跟“跃”也有关系。我们希望周期内的“斜”率往高走。

“斜”，有人说不太正，但行业的现状是“太共识”了。

去年到今年的共识是进工厂、拿订单。我们得有自己的判断和坚持，不能都跟着情绪走。至少2月份出来的时候，我内心就认为得把模型做好。

模型做不好，拿一堆订单也是中间态，有可能死在半山腰。你得瞄着珠穆朗玛峰插旗子，不能随便找个山头就冲。

我们是2月3号成立的，内部的共识很清楚，就是做一家以“家庭为第一落地场景”的具身基础模型公司。我们的优势在于，有机会在模型技术上做真正的突破。

放在理想这几年走过的路来看，从大语言模型、多模态、智能体到VLA，我们其实完整经历了从预训练到后训练、从模型定义到能力打磨的全过程，知道怎么一步步把模型做成真正可用、可落地的水平。

更重要的是，我们还完整经历了从数字世界走向物理世界这条路。我负责的基座模型，先后支持过座舱里的理想同学，也支持过自动驾驶。

刚入职理想的时候，理想同学还是供应商方案主导，后来用了两三年时间，才切到自研大模型。再往后的一年多，我的重心主要放在和自动驾驶配合，我们做VLA基础模型，他们做应用落地，最后把VLA真正推到了量产。

03、斜跃是一家“大脑”公司，要做家庭场景

问：为什么会选择家庭作为落地场景？这个场景的复杂度远超工厂。

陈伟：在场景选择上，我们一开始就把家庭看成终局。工厂是一个强结构化场景，更多关注节拍、容错率、完成率，本质上是流程驱动的；而我们想做的是更强的通用泛化能力，这和工厂场景的逻辑其实并不完全一致。

家庭不一样，它是一个真正的人机共生环境，未来谁能真正进入家庭，谁的模型和系统能力一定要足够强，光靠本体能力是进不去的。

再加上我们一直做C端、做用户闭环，对用户需求和体验的理解也更深，所以最后自然会把家庭作为最重要的方向。

家庭场景里的具身，和进工厂的具身是两套完全不同的逻辑。它一定是 Human-Centric，以人为中心，首先在本体形态上就不能只考虑“能不能干活”，还要考虑安全性、环境融入性，甚至会直接影响用户的购买决策，所以我们在做相对独立的本体设计。

从模型角度看，家庭场景要求机器人既能高质量交互，又能高质量行动，具身基础模型应该是交互和行动一体化的，不是只会执行动作的系统。

更重要的是，进家的底线永远是安全。我们不只看上限，也看下限。我们现在的研发体系，围绕的是具身基座模型能力突破、大小脑融合的完整系统能力、安全能力，以及量产交付能力，这几件事都在逐步点亮。

所以我们现在做的事情，其实比外界看到的更全，也更大。别人可能更多是在盯着“动手”这件事，但我们连“动嘴”“动脑”都得一起做。

做具身基座模型，本质上就是在做一个大脑公司，要同时具备对话交流、思考判断、指挥操作的能力。方向很多，事情也很大，所以这个阶段需要时间，投入也一定不会小。

问：2025年，你是理想基座模型的负责人，基座模型的经历对斜跃的技术开展有什么帮助？

陈伟：2025年我负责基座模型这块，但这件事其实从2024年年底就已经开始了。那时候我从座舱调出来，成立了新的一级部门，直接向CTO炎哥汇报。

一开始我们内部是按大规模预训练来想的，目标也定得挺高，差不多瞄着400B以上的参数规模去做。我们原本的判断很清楚，理想要自研大模型体系，语言模型和VLA都要考虑，预训练这条线也得站住。

但春节前后，DeepSeek开源，整个判断开始发生变化。行业的节奏和成本结构都变了，继续按原来那种大规模堆参数、堆算力的方式往前冲，性价比不高。

站在个人角度，做大规模语言模型预训练肯定最有存在感，团队也最容易做出“很大”的成绩。但站在公司角度，开源模型能力的飞速提升，我们就需要思考如果理想再去投几千张、上万张卡，继续卷同一件事，意义就要重新算。

我们得想清楚，钱和算力到底应该投到哪里，才能真正形成理想自己的优势。

我的核心想法很明确，两个方向要收敛下来。

第一，强化学习要成为重点。我的理解是，模型训练到一定阶段，已经不只是把知识记住，而是要去探索外部世界，尤其是跟场景强绑定的那些能力。

你可以理解成，大学生已经有了，接下来要把他放到职场里去培养。强化学习就是让模型在真实问题和真实场景里把能力磨出来，算力资源要更多往这边放。

第二，预训练要集中做VLA。通用语言模型的大规模预训练，我们不再去重复走别人已经卷到很高的位置。理想更有价值的地方，在自动驾驶。VLA这条线的预训练，做几B到十几B的规模，既符合公司的算力条件，也更贴近自动驾驶真正需要的能力。这条路做深了，才是理想自己的底座。

所以2025年基座模型部门的重点就很明确了：一手抓强化学习，一手抓自动驾驶VLA预训练。

春节后我和郎博拉了自动驾驶VLA联合工作组，4月出了V0.1，9月交到了V0.6，基本是一个月一版，每一版在自动驾驶benchmark上都有比较明显的提升，模型的能力密度一直在提升。

我一直觉得，基座模型这件事的关键，是把公司级问题想清楚。为什么理想要做基座模型，算力怎么分，语言模型怎么找到该价值点，VLA怎么打，强化学习怎么起，这些都要有答案。

2025年最重要的事情，就是把这条路线重新定清楚，然后把团队真正往自动驾驶这个主战场上带。

问：你们现在的研发进度是怎么样的？

陈伟：我们现在的工作，还是回归到家庭场景里去看，不是单独把“操作”拎出来看。对我们来说，家庭里真正重要的不是机器人只会做一个动作，而是它能不能形成交互和行动一体化的能力。

也就是说，它既要会理解人、跟人交流、判断意图，也要能把这些理解真正转化成行动，这才是家庭场景里更本质的能力。

所以我们现在推进研发，重点不全放在操作能力的展示，而是围绕家庭场景，把模型的调性、交互能力、行动能力、以及整个系统怎么协同想清楚。

我们会在 Q3 到 Q4 逐步释放一些能力和 demo，但这些展示更多是阶段性的结果，核心还是要把具身基座模型往“能理解、能交流、能行动”的方向做扎实。

从研发路径上看，我们现在在同步推进数据、模型、软件、硬件和系统能力。家庭场景对安全、对环境适应、对人机协同的要求都很高，所以我们更关注的是整体能力怎么闭环，而不是某一个单点动作做得多漂亮。

对我们来说，最终要做出来的是一个真正面向家庭的具身系统。

这到底是有限游戏还是无限游戏？至少目前看，具身是无限游戏，特别进家是无限游戏。

家庭不是一个被流程定义好的环境，它每天都在变化，人的需求也在变化，所以它不可能靠一个固定答案解决完。机器人进家以后，面对的不是单一任务，而是持续的交互、理解、判断和协同，它要和人一起生活、一起适应，这就决定了它不是一次性做成就结束，而是一个不断迭代、不断学习、不断扩展能力边界的过程。

也正因为这样，进家这件事更像是一场长期的马拉松，真正重要的不是短期做出多少动作，而是能不能把模型、本体、数据和安全体系一点点做厚，最后让机器人真正融入家庭。

问：为什么会坚定的做大脑，而不做本体？

陈伟：核心还是看团队的能力结构，以及我们最擅长做什么。我们这支团队从大语言模型一路做到具身 VLA，对模型训练、数据管线、工程化和产品化这几件事，是有连续经验的，对“模型怎么做、能力怎么长出来、怎么从研究走向产品”这件事理解会更深。

我们比较擅长的，不是单纯把一个硬件做出来，而是把前沿能力做成真正可落地的系统，再把创新转化成产品能力。

从行业演进看，我一直觉得本体的收敛速度会比模型更快。硬件当然重要，但它更容易在供应链成熟后快速趋同，长期看差异化空间会越来越小。

相反，模型这边还有很大的演进空间，尤其是具身智能还处在早期，数据怎么采、模型怎么训、系统怎么搭，这些都还远没有收敛。对我们来说，这恰好是更适合发力的地方。

我们做大脑，是因为我们相信，真正决定机器人上限的，还是模型能力和系统能力。尤其是具身这件事，最后一定不是单点能力，而是模型、本体、场景、数据体系一起协同。我们更愿意把自己的优势放在最能放大的地方，先把大脑做强，再去带动整个系统往前走。

问：什么会是你们衡量自己产品好坏的指标？

陈伟：短期内，我们不会只看交付了多少台。对我们来说，更重要的是这台机器人到底有没有被高频使用，用户是不是愿意持续用它，它能不能真正进入家庭的日常生活。

我们会看退货率，也会看机器人被使用的 token 和频次，因为这些指标更能说明，这件事到底有没有跑通。

更长期一点看，我们认为成功的标准也不只是卖了多少台本体，而是硬件和 token 之间能不能形成持续性的收入结构。

也就是说，本体只是入口，真正关键的是它是不是能成为家庭智能的高频入口，后面有没有持续的服务价值和使用价值。对我们来说，这才是更重要的商业结果。

现在行业里很多事情还是偏交付导向，但我们更在意的是用户是不是愿意反复用、持续用。因为只有高频使用，才能不断验证产品能力，也才能真正把模型和系统做出来。

我们最后看的，不是一次性交付有多少，而是它能不能在家庭里长期留下来，成为一个真正有价值的智能入口。

问：斜跃是理想唯一直接投资的具身项目，理想也已经逐步形成自己的具身圈子，如昆仑行和至简动力，你跟其他几家有交集吗？

陈伟：有，而且联系一直很紧密。我们有一个离职群，几个出来创业的团队都在里面，大家平时都会不定期交流，聊得也比较深入，更多时候会直接讨论行业判断、技术路线和产品方向。

公司这边也会时不时邀请我们回去参加活动，见见想哥，前两天理想家庭科技日也邀请了我们去。

我觉得这种关系挺特别的，大家一直保持着很高频的沟通和讨论。一方面是因为彼此之间本来就很熟，另一方面也是因为大家都在做相关方向，很多问题其实是在一起碰、一起想。

某种程度上，这种持续交流也在帮助大家一起推动一些产业方案慢慢收敛，看看哪些路径更值得长期做下去。

04、写在最后

陈伟的职业生涯，贯穿了百度、搜狗、声网、理想汽车再到斜跃。过去的五年时间里，陈伟凭借“理想同学”的触底反弹，成功验证了AI技术路径和量产节奏的可行性。

他用一年时间完成了原本计划两到三年的自研切换，2023年L7成为第一台全座舱自研AI的车型。此后的“方言自由说”“ 指令自由说”、视听融合多模态交互——这套体系把理想同学拉到了行业头部，NPS（用户净推荐值）长期不低于95分。

2023年初，在公司高管普遍质疑“理想怎么可能做出大模型”的声音中，陈伟向李想提出立项 Mind GPT，从4月启动到12月上线，成功回应了质疑。

2024年，在大模型的支持下，他把车内工具调用成功率从60%推到95%以上，比后来找上门的云厂商方案早了半年。2024年底，他被调出座舱，成立基座模型一级部门，支持VLA 研发——2025年4月拿出了V0.1版本，并且保持一个月一版的迭代速度。

从上面这篇对话中，你可以看到一个浸泡AI行业20多年的“闭环驱动的产品型技术领袖”。

我们欢迎所有能为左林右狸提供新观点新角度新信息的群友，加入我们的实名制社群，与左林右狸一路同行。管理员微信号：leiphonelinli，备注公司-职位-称呼通过更快。

相关视频