小牛電動胡依林：一家成立12年的兩輪電動車廠商決定轉型AI，「all in or nothing」

文｜邱曉芬

編輯｜蘇建勛

一家成立12年的兩輪電動車廠商，在成功經歷過中國的鋰電化、智能化浪潮，並在納斯達克上市后，決定加入AI時代全新的競爭。造AI時代的智能兩輪電動車——被小牛電動稱為：「下一個十年的護城河」。

在小牛電動不久前的發佈會上，他們展示了初步的成果——在新發布的電動車NXT2和NX2上，搭載了自研的小牛靈犀AIOS、以及首個面向騎行的AI智能體。

當你開車上路時，小牛靈犀AIOS和智能體的搭配，將讓你的電動車變成「會看路、懂説話」的騎行夥伴。

舉個例子，當你在雨天轉彎時，AI會識別到騎行狀態，並自動開啟防側滑功能；你也可以讓它「找附近人少的咖啡店」，電動車能聽懂並導航……

△小牛AI電摩NX2

3月中旬，《智能涌現》與小牛電動的創始人胡依林有過一次交流。他也是我們訪談過的，最「獨特」的一位創始人。

他過往的經歷稱得上傳奇。折騰和偏執，被他列為人生信條。憑藉出色的自學能力、設計天賦，在英語不通的情況下，年少時，他撬開了微軟正式員工的大門。在創辦小牛電動之前，他還曾經做過動畫工作室，也曾因為買到不合腳的鞋，一氣之下創辦鞋品牌。

在帶領公司向AI轉型的過程中，同樣的「偏執感」，也充斥其中。

「通過極端的測試，我們希望摸清AI的邊界，找到最高效的模型和工作流，為公司驗證可行性」，胡依林表示。這也保證了小牛電動這家成立已12年的成熟公司，依舊褒有創新的基因，產生新技術的種子，包括前述提到的AIOS、智能體等等。

△胡依林 《智能涌現》拍攝

不過，如今在「偏執」之外，胡依林身上還多了一些平衡感。或者用他自己的話説，他本就是一個「矛盾體」。

作為一家上市公司的創始人，他有着極其務實的一面。爲了讓自己保持在「22歲時的認知和狀態」、貼近小牛的用户，他堅持騎兩輪電動車出行，每年里程超過4000公里。

如今，儘管把AI列為一項重要戰略，小牛也保持一絲謹慎。胡依林直言，他們不會創造全新的AI品類，也不會做超越出行邊界的事情，「小牛是一家很剋制的公司，AI不能製造新產品，一定是現有業務+AI」，胡依林表示。

AIOS、智能體，只是他們轉向AI的一個起點。他們相比其他廠商，優勢在於，過去十年積累了350億公里的用戶數據，也有着已經完備的場景和終端。

「all in or nothing」，這句廣告詞年輕時被他刺進手臂皮膚，一直沒被抹去。

以下是《智能涌現》與胡依林訪談實錄（略經摘編）

一家兩輪電動車廠商，決定向AI轉型

《智能涌現》：你覺得AI對於小牛這家公司，意味着什麼？

胡依林：意味着思維方式的變化。從財務上看，是效率提升。從產品邏輯看，是能夠快速試錯、調整方向。我們不做底層大模型，而是緊跟開源，在開源生態上做貢獻和收益。我們的護城河是用十年數據訓練出的垂類模型，以及基於此構建的、與硬件深度結合的AIOS。

未來的競爭是拼科技。我認為「智能化」是個偽命題，因為所有智能化都建立在科技進步之上。科技進步是從0到1（比如鋰電、5G），智能化是把科技打包成用户可感知的功能（比如BMS、OTA）。小牛要做的，就是在每個環節進行微創新，所有這些微創新積累起來，才能構成用户能感受到的綜合體驗的變革。

《智能涌現》：在公司核心業務的層面，您是如何推動AI與其業務的結合？

胡依林：十多年前我們剛創業的時候，有人問我為什麼要做小牛，我説「只是想還原一輛電動車本來應該有的樣子」。那時候我們拿着從汽車和手機行業「降維」下來的鋰電池和智能中控，被傳統廠商看成是異類。

今天，行業都在談智能化，都在堆參數。但我認為，真正的拐點不是「聯網」，而是「AI」。今天，我想聊聊小牛對AI研發的願景，或者説，我們是怎麼理解「AI好車」這件事的。

我們拒絕PPT智能，要讓AI服務於每一次出行。小牛的后發優勢，在於站在汽車AI技術成熟的肩膀上，通過定製化適配，破解兩輪車空間。

我們在2026年小牛電動科技新品發佈會上，與高通、海思、斑馬智能、HCT智駕大陸、禾賽、高德等全球頂尖科技夥伴的深度協同，想體現出一個根本性的產業轉向：競爭正從單一的硬件參數比拼，升級為以用户體驗為核心、融合芯片、系統、算法與連接能力的全棧智慧生態競爭。小牛與「科技朋友圈」的攜手，旨在共同推動兩輪AI出行的技術標準化與產品落地，首次構建「硬件+軟件+通信+生態」的完整行業解決方案，為業界提供以生態協同驅動價值升級的清晰範本。

《智能涌現》：如果請您從個人角度，回顧總結小牛電動十年來的智能化戰略，您想怎麼説？

過去十年，小牛並沒有發明什麼全新的東西。我們做的，是把物聯網、汽車、手機這些行業里已經相對成熟的技術，通過極強的產品整合能力，落到兩輪車上，給用户最好的體驗。從最早的鋰電化，到后來的智能化，我們一直在做「技術遷移」。今天，AI大模型、L2級智駕在汽車領域已經非常成熟了，這時候我們不把它拿過來用，纔是傻子。

我們內部有個「753戰略」：向前看7年，籌備測試5年，量產落地3年。今天你們在NXT2和NX2上看到的毫米波雷達，七八年前在汽車上要上千塊，我們那時候就開始關注；籌備上車時降到七八百，等到三年前量產前，成本只有200多塊。這不是臨時抱佛腳，是七年前就埋下的種子。

小牛希望，將更安全、便捷、有趣的AI出行體驗，從今天的「標杆產品」推向未來的「全民普及」，為全球普惠出行的智能化進程貢獻中國智慧與力量。

《智能涌現》：您曾經提到你「燒了一個億的TOKEN」，能展開説説嗎？

胡依林：那個數據更偏向公司層面，不過我個人一晚上用掉兩三千萬TOKEN也是常事。我們是一家上市公司，很早就通過正規渠道採購了10張H100顯卡用於模型訓練和測試，這方面的投入是千萬級別的。

《智能涌現》：小牛電動最近做了哪些關於AI的測試？

胡依林：舉個例子，我們會做一些「極端」測試。比如，要求一個由前端、后端、安卓、iOS工程師組成的小組，在兩周內「一行代碼都不許手寫」，也不許手動修改任何Bug，所有編碼、調試、修改都必須通過向AI編程工具描述需求來完成。

同時，他們可以隨意切換使用任何模型（GLM、通義、Claude、GPT等）。我們的目的是摸清AI的邊界，找到最高效的模型和工作流。當一個小團隊驗證了某套流程有70%的可行性，我們纔會把它推廣到更大的團隊中去。

《智能涌現》：具體是怎麼推進AI轉型？

胡依林：我擁有幾乎所有國內外主流大模型的API Key。如果以前我有一個產品想法，流程是：我畫框架圖、做Mockup，然后交給團隊去設計、開發和對接數據庫。但從去年五六月開始，這個流程被完全顛覆了，更多時候是我自己用AI工具快速實現。

舉一個製作發佈會電子邀請函的例子，我自己花了六七個小時，用AI輔助編碼（Vibe coding）開發了一套系統，把科技圈核心合作伙伴的名字輸入進去，系統自動生成帶名字和二維碼的邀請函。在對方掃碼填寫信息后，數據會自動同步到我的飛書多維表格。

整個過程，我大概只花了10分鍾寫Prompt，告訴AI我要什麼風格，給了兩張素材圖。AI Agent就會自動完成前端、后端代碼編寫，我再讓另一個AI去審計這段代碼。最后，我只需要測試一下，一個可用的工具就誕生了。

《智能涌現》：那你怎麼決定什麼事情需要用AI替代，什麼還是要繼續交給人類？

胡依林：對我而言，用AI的底層邏輯是，必須同時滿足「重要」和「複雜」兩個條件。發佈會邀請名單非常重要，且涉及跨部門協作、程序開發、數據校驗，流程繁瑣，容易出錯。用AI來做，是最快、最準確、最可控的方式。

這本質上是在解決一個「重要且複雜」的問題，把溝通成本、人力協調成本和出錯率都降到最低。我認為，人力應該去處理更精細、更需要判斷的事情。

《智能涌現》：你認為AI時代的兩輪電動車，可能會變成什麼樣子？

胡依林：可能是在人不在的時候，也能自己去充電吧。但是我們要永遠記住一點，AI解放的是人，車只佔到人的每天的生活中 10% 都不到的時間，我們不要嘗試在車上面去解決用户可以通過其他途徑更好的解決的事情。

小牛是一家很剋制的公司，況且現在AI發展的路徑和速度，已經超乎了百分之八九十的人的想象力，包括我在內。

但我覺得中國的AI整體的趨勢是比全球市場更好的，因為我們擁有大量的內容、開源產品，未來不管是系統層、代碼層、邏輯層都會跑得都很快。所有核心團隊要對這件事情關注得足夠早，其次是要敢於試錯。

AI，讓過去十年的數據有用武之地

《智能涌現》：你提到小牛在過去十年積累了海量數據，但在沒有大模型之前不太會用，為什麼？主要是因為「用不起」？

胡依林：是的，主要是算力成本太高。以前做數據分析，每一條數據都需要單獨運算，寫複雜的算法公式來得出結果。現在有了Transformer架構，我們可以把粗分類的數據直接扔給模型，讓它自己去發現數據之間的潛在關聯和邏輯。

我舉個電池的例子——早年我們用最好的電芯，比如索尼、三洋的18650，實驗室測出的單體循環壽命是800-1000次，做成電池包后可能只有600次。按用户兩天一充算，理論壽命只有一年半。這讓我們非常焦慮，拼命想找循環壽命2000次的電芯。

但當我們拿到真實用戶數據后，發現完全不是這樣。實驗室是「滿充滿放」，但用户到家可能只充到95%就拔了，或者還剩50%的電就充電，這種「淺充淺放」的使用習慣，使得電池的實際循環次數遠超實驗室數據，一塊電池能用七八年。

這個結論不是靠用户訪談能得到的，而是通過真實數據發現的規律，這反過來指導了我們的產品定義，我們不需要一味追求超高循環的電芯，而可以根據用户真實的出行距離，推出更小、更輕的電池包。AI的意義是，讓這種從數據中發現真相的效率，提升了十倍不止。

《智能涌現》：過去十年的數據，對今天做AI、AIOS的幫助，具體體現在哪里？

胡依林：最關鍵的是，我們知道用户最高頻的需求是什麼。在電動兩輪車上，最高頻的場景就是導航。但用户的導航需求和汽車不同。比如，兩輪車或許可以騎上馬路牙子抄近道，但汽車導航不會規劃這種路徑。當大量用户都在某個沒有記錄的小路通行，我們的系統就能發現這個「隱藏路徑」，並可以反饋給地圖夥伴，最終優化所有用户的路線。

所以，基於導航，我們結合AI，做了三件核心的事——

1.AI導航：結合雲端與車端算力，在地圖原有的基礎上，融合車輛的實時電量、用户的騎行習慣，進行動態規劃，目標是讓用户「騎得更慢，到得更快」。比如你只剩15%的電，系統會計算並建議你保持一個能安全到達目的地的經濟時速，同時避開紅燈和擁堵。

2.AI FOC（電機控制）：為每個用户建立個性化的動力曲線Profile。有些人喜歡「即給即有」的迅猛，有些人喜歡柔和線性。AI會通過學習用户的操控習慣，自動匹配和微調電機的輸出曲線，讓車越來越符合用户個人的「體感」。

3.AI BMS（電池管理）：電池管理是最大的黑盒，因為電池廠也不知道每一顆電芯在真實複雜環境下的狀態。但我們通過海量數據，可以為每一組電池建立「健康檔案」。AI能模擬電化學過程，為健康度不同的電池，制定差異化的充電策略（比如健康電池快充，老化電池慢充），並極其精準地預測剩余電量，延長電池壽命。

《智能涌現》：那AI在用户側帶來的價值和變化是什麼？為什麼需要從操作系統層面去開始做起？

胡依林：AI本身不能創造新產品，一定是「現有業務+AI」，它解決的是效率問題。舉個例子，我們在車上做語音交互，就是因為騎車時雙手被佔用，掏手機問導航，體驗太差。

如果不從系統底層做原生融合，這個流程會非常長：麥克風拾音→軟件降噪→通過網絡發給雲端大模型→結果返回→再轉成語音，繞了一大圈。

我們做AIOS的核心意義，就是在系統底層實現AI Native的原生接入。當我想導航時，指令可以從芯片級直接處理，走最短路徑，效率最高，延迟最低。如果前期底層架構的余量留得不夠，以后升級就是災難。我們吃過很多虧，現在非常重視底層Foundation的建設。

「我是一個矛盾體」

《智能涌現》：小牛上用到了很多汽車上的技術，但是你提到，你一直在「等」，是在等高通、禾賽這樣的上游技術價格降到適合兩輪車的區間嗎？

胡依林：我更願意稱之為「擬合」。這是兩條曲線交匯的過程：一條是技術價格下降的曲線，一條是用户需求上升的曲線。作為一個產品公司，你要做的就是預判那個「甜蜜點」——當技術價格下降到能支撐你的目標產品價位，同時用户需求也成長到能接受這個功能的時候。

我們不做「從0到1」的發明。比如激光雷達，11年前我就問禾賽的創始人，「有沒有可能便宜到小牛能用」，當時激光雷達要30萬，我們現在終於等到了。我們的小團隊早就完成了前期技術驗證，已經知道了原理、流程和策略，所以我們能做的就是等，等價格進入我們的區間。這背后也是全球科技產業進步的結果。

《智能涌現》：你有總結過自己的產品哲學嗎？

胡依林：首先是，把自己當用户，你自己必須先是用户。我一年騎兩輪車的里程超過4000公里，比很多電動車公司老闆加起來都多。我每天用它通勤、帶女兒玩。我永遠會把自己設定在，二十二、三歲時的經濟能力和認知水平，去判斷一個產品值不值。

但這也會導致一種「既要又要」的困境：既要科技、體驗、顏值，又要價格合適。這會逼得團隊很痛苦，但往往逼一逼，總能出來點東西。

我是一個極其勤奮的懶人。懶就是能少一步，懶是很寶貴的資源，需要花無數的時間、科技能力去把懶這件事情搞定。

《智能涌現》：感覺你好像有一種狂熱與理性的結合？

胡依林：我是一個極其矛盾的矛盾體。舉個例子，我辦公室的桌子就是一個mass，亂七八糟啥都有，但是我的包一定得整理得很整潔，所有的東西都要分門別類。

《智能涌現》：我看到你好像有一處紋身，是什麼？

胡依林：執念。還有all in or nothing 是曾經 Adidas的廣告語。

《智能涌現》：您對拓展新的AI硬件品類感興趣嗎？

胡依林：我非常剋制，甚至可以説80%的新AI硬件在我看來是「廢物」。我判斷一個硬件是否值得留下的標準是：它是否真正解決了一個現有的、具體的痛點，並且帶來了效率的顯著提升。

如果一個硬件沒有解決具體的問題，我就不會考慮。我不會爲了AI而AI，也不會自己做。小牛的核心是車，我所有的興趣和想法，都是會落在車上。一個人的精力是有限的。

end

end