对话小牛电动胡依林：以智能化破局电动两轮车“内卷式”对抗

　　21世纪经济报道吴立洋

　　近年来，内卷式中国电动两轮车对抗渐趋白热化，对话电动电动新国标落地后行业洗牌加快，小牛xm外汇AI交易叠加价格战、胡依参数内卷的林智两轮持续冲击，领域对抗格局正出现深刻变化，破局同质化对抗的车对行业痛点倒逼企业寻找全新的演变化新口。在此背景下，内卷式智能化成为行业公认的对话电动电动重点升级宗旨。

　　但另一方面，小牛行业在智能化变化中仍遭遇诸多实际难题：如何平衡 AI 技术研发的胡依成本与落地效益，怎样让智能化功能转化为用户购买意愿，林智两轮以及如何基于通用大模型打造适配两轮车场景的破局垂类功能，成为全行业亟待破解的车对共性难题。

　　针对以上难题，内卷式小牛电动创始人胡依林、小牛电动产品副总裁杨凯接受了21世纪经济报道记者采访。胡依林在交流中表明，当前电动两轮车行业从同质化内卷逐渐迈入寻找新延伸点时期。结合近期在2026小牛电动科技新品宣布会上宣布的新国标电动自行车NXT2与电动摩托车NX2、车机系统小牛灵犀AIOS，他进一步指出，xm外汇AI交易AI大模型带动的智能化升级是必须跟进的科技趋势，企业需要维持对技术优化的敏感性，借助差异化构思避开重复扩展，并注意小模型端侧落地。

　　具体到研发程序中，一方面要求两轮车厂商紧跟汽车、消费电子等产业升级脚步，迅速将前沿软硬件技术在成本削减后下放至两轮车产品，另一方面有需要针对两轮车的产品特征和信息做垂类大模型的修正。“AI车型不会一开始就做大众领域，而是从小众领域起步验证，2~5万台的销量就有助于企业收集教训，搭建领域基础。”胡依林表明。

　　以下是充分对话内容：

　　以产业升级答复“内卷式”对抗

　　21财经：当前电动两轮车领域遭遇价格战对抗、参数“内卷”等难题，企业应如何答复？

　　胡依林：当前电动两轮车行业从同质化内卷逐渐迈入寻找新延伸点时期，AI大模型带动的智能化升级是必须跟进的科技趋势。

　　从产品智能化的角度来看，有两点不可忽视：一是终端智能的部署方式。是从零打造大模型能力，并部署于本地的AI电动车，还是使用“电动车+AI”的模式。

　　就当前两轮电动车的领域体量而言，单一厂商是没有能力打造专属的大模型的，甚至也很难让基础大模型厂商专门针对行业做垂直大模型修正，因此更达成的方式是企业基于现有的通用大模型能力，结合行业要求、垂类信息自行做训练和修正。

　　在产品端，思量到当前各类存储、计算设备的价格，小牛挑选借助云端算力达到AI能力，不会大幅深化车辆本身的成本。

　　二是信息的收集和使用，高质量的垂类信息对深化细分领域的模型能力至关决定性。小牛从2015年6月宣布的第一代智能电动车N1就具备联网能力，目前累计存储的纯骑行信息已达11PB，这些信息收集和储备支撑了小牛对电动两轮车AI的升级修正。

　　21财经：AI功能的引入对两轮电动车领域形成哪些直接作用？

　　胡依林：首先是个性化用户体验层面，AI可以为每个用户生成匹配其使用习惯的驱驱动力输出参数，答复了传统调校无法满足不同用户对驱驱动力软硬要求的难题。

　　其次是事先预判车辆故障，依托大量用户骑行、维修工单信息，AI可以反向推理出机械部件可能出现的难题，在故障出现前事先通知用户，缩减支撑难题和售后维修成本。

　　最后是电池支撑运营，小牛四五年前就获得了借助人工智能预判电池充放电、支撑性和里程预估的发明专利，大模型算力成熟为这一技术落地端到端使用供给了契机。

　　21财经：电动车新国标宣布后，领域对产品支撑的注意度持续深化，如何保证智能化电动两轮车的支撑性？

　　杨凯：行业近年来对支撑性有了多方面的审视。

　　首先是配置层面的优化，引入了更多支撑辅助功能和系统。例如，防抱死制动系统ABS、毫米波雷达系统、环视三摄，能够检测行驶程序中的异常状态，使用支撑举措并提示用户。

　　其次是材质，很多强度、抗扭能力更强的材料下放是大势所趋。例如本次宣布的小牛NXT2车架材料就使用了过去通常用于汽车防撞梁的HC420。

　　值得一提的是，过去电动两轮车的用户对车架材料等信息的注意度是对照较低的，但是近年来深度用户与发烧友对产品的职业学问收集速度持续加快，对硬核内在配置的注意度和领会能力都大幅深化，反过来鼓励厂商持续升级产品配置，二者属于相互成长、相互鼓励的关联。

　　智能化产品如何让领域买单

　　21财经：在两轮电动车智能化的程序中，如何让技术升级转化为实际的消费者购买意愿？

　　杨凯：实际的经营程序中，需要针对不同要求、不同消费能力的群体做一定产品分级。

　　例如本次宣布的两款产品分别对应电自、电摩两个细分领域，重点面向科技先锋类尝鲜用户。这类用户不满足于基础代步要求，察觉出行工具的新鲜感、酷感与趣味性。

　　从纯销量维度，如果不满足科技先锋用户的要求，会直接丢失这部分用户的基本盘，守住要求就能保留现有领域份额；此外，科技先锋用户更愿意在互联网主动发声，满足这类用户的喜好能获得正向口碑，深化品牌声量，进而间接带动全品牌销量延伸。

　　当然，电动两轮车的用户中也有很大一部分是偏实用要求，比如上班通勤、接送小孩上学，针对这些要求，就需要厂商把原来针对科技先锋做的功能平权下放，甄别哪些是使用中最决定性、最决定性的要求，同时运营成本。

　　21财经：从技术研发到产品落地和商业转化的流程是怎样的？

　　杨凯：分为三个步骤。首先评判技术可达到度与开发周期，避免开发周期过长引起技术过时；其次评判技术成本，根据成本匹配对应价位产品与宗旨人群；最后按照硬件分级逻辑，区分不同配置满足不同用户要求。

　　胡依林：补充几点，小牛会事先对价格暂不具备量产性的新技术做适配开发，等待技术成本削减到用户可接受的价格平衡点后再量产。例如本次宣布的AI两轮车产品任务，公司是在三年半前立项，原本推测需要五到六年才能满足量产氛围，但是大模型训练的token调用成本削减速度远超期望，所以实际不到两年就制定可以量产。

　　在新技术落地程序中，使用小批量逐步放量检验的方式，先做350到1000台量级的内部检验，再找先锋用户做小范围检验，量产初期也只从2万台、5万台的量级逐步爬坡。AI车型不会一开始就做大众领域，而是从小众领域起步验证，2~5万台的销量就有助于企业收集教训，搭建领域基础。

　　目前智能化产品的优化间隔周期推测在一年半，就是技术成熟到可量产的自然后果，公司不会刻意加快或放慢节奏。

　　另外很决定性的一点是允许研发试错，小牛历史上有不少投入千万级但最终量产销量不高的任务，我们允许部分新技术研发检验后，无法进入全产品、全平台普及。但从过往实践来看，这些试错程序中收集的教训，对后续产品开发都是很有意义的。

　　21财经：在此程序中公司如何运营成本和投入产出比？

　　胡依林：最基础的是在运营中用预算和研发周期做危险运营。在研发构思时期，达成性30%以下的任务，除非投入极小否则不做，达成性80%以上可以直接鼓励，但是结合过往教训，达成性50%左右的任务往往最有审视意义，需要结合具体状态检验解析。

　　在落地时期，公司所有前瞻任务最长研发周期不超过一年半，总前瞻研发预算容量固定，使用淘汰制保证资本集中在有希望的任务上。

　　从长期的AI研发方针角度看，硬件技术的优化看三到五年周期，两轮车行业的一大硬件特征，是产品构思会跟着汽车等更快演变的行业做技术下放；软件任务迭代周期最长不超过一年，以适配AI行业快速改变的节奏，在软件端也紧跟手机、电动车等前沿行业，等技术成熟成本削减后移植到两轮车领域，过去已有多个胜利案例。

　　21财经：之前提到智能化电动两轮车需要在现有基础大模型基础上做开发，这在研发端对公司提出哪些要求？

　　胡依林：首先是维持对技术优化的敏感度。目前主流基础大模型的迭代速度非常快，企业需要在新模型优化的第一时间接入检验，主要从调用效益和token成本两个维度进行对照和挑选，目前小牛在基础大模型方面没有绑定单一配合伙伴，会根据实际效益挑选基础模型配合对象。

　　其次是借助差异化构思避开手机端重复扩展。实际上当前手机的很多智能化使用已经非常成熟，两轮车厂商没有必要对手机上已经可以达到的优秀AI体验进行重复构思和开发，要做就要做只能依托于两轮车骑行信息和产品形态才能达到的功能。

　　最后是注意小模型的端侧落地。未来各大基础大模型的能力会逐渐趋同，垂直行业会涌现出越来越多适合端侧部署的小模型。目前公司已经在布局用开源小模型的嵌入式开发工作，期望的投入产出比很高。

　　此外在公司运营中，AI可以帮助开发团队达成代码注解等工作，比人工写的注解更明晰，深化了团队配合效益。但在电池BMS高低温、穿刺等硬件支撑检验部分，AI是无法替代的，这些仍是两轮车行业研发的长周期部分，没有任何技术可以跨越这个流程，AI主要是起到解析检验信息深化效益的作用。

以上内容就是关于“对话小牛电动胡依林：以智能化破局电动两轮车“内卷式”对抗”的全部内容，是由XM外汇小编认真整理编辑的，希望对你的交易有所帮助！感谢支持！

本文来自微信公众号：格隆，作者：万连山，原文标题：《暴力裁员1.6万！》，头图：视觉中国各位还在为柴米油盐蝇营狗苟的智人同胞们，大概最不喜“AI取代人”之类的话