文｜邱晓芬
编辑｜苏建勋
一家成立 12 年的两轮电动车厂商，在成功经历过中国的锂电化、智能化浪潮，并在纳斯达克上市后，决定加入 AI 时代全新的竞争。造 AI 时代的智能两轮电动车——被小牛电动称为："下一个十年的护城河"。
在小牛电动不久前的发布会上，他们展示了初步的成果——在新发布的电动车 NXT2 和 NX2 上，搭载了自研的小牛灵犀 AIOS、以及首个面向骑行的 AI 智能体。
当你开车上路时，小牛灵犀 AIOS 和智能体的搭配，将让你的电动车变成"会看路、懂说话"的骑行伙伴。
举个例子，当你在雨天转弯时，AI 会识别到骑行状态，并自动开启防侧滑功能；你也可以让它"找附近人少的咖啡店"，电动车能听懂并导航……
△小牛 AI 电摩 NX2
3 月中旬，《智能涌现》与小牛电动的创始人胡依林有过一次交流。他也是我们访谈过的，最"独特"的一位创始人。
他过往的经历称得上传奇。折腾和偏执，被他列为人生信条。凭借出色的自学能力、设计天赋，在英语不通的情况下，年少时，他撬开了微软正式员工的大门。在创办小牛电动之前，他还曾经做过动画工作室，也曾因为买到不合脚的鞋，一气之下创办鞋品牌。
在带领公司向 AI 转型的过程中，同样的"偏执感"，也充斥其中。
"通过极端的测试，我们希望摸清 AI 的边界，找到最高效的模型和工作流，为公司验证可行性"，胡依林表示。这也保证了小牛电动这家成立已 12 年的成熟公司，依旧褒有创新的基因，产生新技术的种子，包括前述提到的 AIOS、智能体等等。
△胡依林 《智能涌现》拍摄
不过，如今在"偏执"之外，胡依林身上还多了一些平衡感。或者用他自己的话说，他本就是一个"矛盾体"。
作为一家上市公司的创始人，他有着极其务实的一面。为了让自己保持在" 22 岁时的认知和状态"、贴近小牛的用户，他坚持骑两轮电动车出行，每年里程超过 4000 公里。
如今，尽管把 AI 列为一项重要战略，小牛也保持一丝谨慎。胡依林直言，他们不会创造全新的 AI 品类，也不会做超越出行边界的事情，"小牛是一家很克制的公司，AI 不能制造新产品，一定是现有业务 +AI "，胡依林表示。
AIOS、智能体，只是他们转向 AI 的一个起点。他们相比其他厂商，优势在于，过去十年积累了 350 亿公里的用户数据，也有着已经完备的场景和终端。
" all in or nothing "，这句广告词年轻时被他刺进手臂皮肤，一直没被抹去。
以下是《智能涌现》与胡依林访谈实录（略经摘编）
一家两轮电动车厂商，决定向 AI 转型
《智能涌现》：你觉得 AI 对于小牛这家公司，意味着什么？
胡依林：意味着思维方式的变化。从财务上看，是效率提升。从产品逻辑看，是能够快速试错、调整方向。我们不做底层大模型，而是紧跟开源，在开源生态上做贡献和收益。我们的护城河是用十年数据训练出的垂类模型，以及基于此构建的、与硬件深度结合的 AIOS。
未来的竞争是拼科技。我认为"智能化"是个伪命题，因为所有智能化都建立在科技进步之上。科技进步是从 0 到 1（比如锂电、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，就是在每个环节进行微创新，所有这些微创新积累起来，才能构成用户能感受到的综合体验的变革。
《智能涌现》：在公司核心业务的层面，您是如何推动 AI 与其业务的结合？
胡依林：十多年前我们刚创业的时候，有人问我为什么要做小牛，我说"只是想还原一辆电动车本来应该有的样子"。那时候我们拿着从汽车和手机行业"降维"下来的锂电池和智能中控，被传统厂商看成是异类。
今天，行业都在谈智能化，都在堆参数。但我认为，真正的拐点不是"联网"，而是" AI "。今天，我想聊聊小牛对 AI 研发的愿景，或者说，我们是怎么理解" AI 好车"这件事的。
我们拒绝 PPT 智能，要让 AI 服务于每一次出行。小牛的后发优势，在于站在汽车 AI 技术成熟的肩膀上，通过定制化适配，破解两轮车空间。
我们在 2026 年小牛电动科技新品发布会上，与高通、海思、斑马智能、HCT 智驾大陆、禾赛、高德等全球顶尖科技伙伴的深度协同，想体现出一个根本性的产业转向：竞争正从单一的硬件参数比拼，升级为以用户体验为核心、融合芯片、系统、算法与连接能力的全栈智慧生态竞争。小牛与"科技朋友圈"的携手，旨在共同推动两轮 AI 出行的技术标准化与产品落地，首次构建"硬件 + 软件 + 通信 + 生态"的完整行业解决方案，为业界提供以生态协同驱动价值升级的清晰范本。
《智能涌现》：如果请您从个人角度，回顾总结小牛电动十年来的智能化战略，您想怎么说？
过去十年，小牛并没有发明什么全新的东西。我们做的，是把物联网、汽车、手机这些行业里已经相对成熟的技术，通过极强的产品整合能力，落到两轮车上，给用户最好的体验。从最早的锂电化，到后来的智能化，我们一直在做"技术迁移"。今天，AI 大模型、L2 级智驾在汽车领域已经非常成熟了，这时候我们不把它拿过来用，才是傻子。
我们内部有个" 753 战略"：向前看 7 年，筹备测试 5 年，量产落地 3 年。今天你们在 NXT2 和 NX2 上看到的毫米波雷达，七八年前在汽车上要上千块，我们那时候就开始关注；筹备上车时降到七八百，等到三年前量产前，成本只有 200 多块。这不是临时抱佛脚，是七年前就埋下的种子。
小牛希望，将更安全、便捷、有趣的 AI 出行体验，从今天的"标杆产品"推向未来的"全民普及"，为全球普惠出行的智能化进程贡献中国智慧与力量。
《智能涌现》：您曾经提到你"烧了一个亿的 TOKEN "，能展开说说吗？
胡依林：那个数据更偏向公司层面，不过我个人一晚上用掉两三千万 TOKEN 也是常事。我们是一家上市公司，很早就通过正规渠道采购了 10 张 H100 显卡用于模型训练和测试，这方面的投入是千万级别的。
《智能涌现》：小牛电动最近做了哪些关于 AI 的测试？
胡依林：举个例子，我们会做一些"极端"测试。比如，要求一个由前端、后端、安卓、iOS 工程师组成的小组，在两周内"一行代码都不许手写"，也不许手动修改任何 Bug，所有编码、调试、修改都必须通过向 AI 编程工具描述需求来完成。
同时，他们可以随意切换使用任何模型（GLM、通义、Claude、GPT 等）。我们的目的是摸清 AI 的边界，找到最高效的模型和工作流。当一个小团队验证了某套流程有 70% 的可行性，我们才会把它推广到更大的团队中去。
《智能涌现》：具体是怎么推进 AI 转型？
胡依林：我拥有几乎所有国内外主流大模型的 API Key。如果以前我有一个产品想法，流程是：我画框架图、做 Mockup，然后交给团队去设计、开发和对接数据库。但从去年五六月开始，这个流程被完全颠覆了，更多时候是我自己用 AI 工具快速实现。
举一个制作发布会电子邀请函的例子，我自己花了六七个小时，用 AI 辅助编码（Vibe coding）开发了一套系统，把科技圈核心合作伙伴的名字输入进去，系统自动生成带名字和二维码的邀请函。在对方扫码填写信息后，数据会自动同步到我的飞书多维表格。
整个过程，我大概只花了 10 分钟写 Prompt，告诉 AI 我要什么风格，给了两张素材图。AI Agent 就会自动完成前端、后端代码编写，我再让另一个 AI 去审计这段代码。最后，我只需要测试一下，一个可用的工具就诞生了。
《智能涌现》：那你怎么决定什么事情需要用 AI 替代，什么还是要继续交给人类？
胡依林：对我而言，用 AI 的底层逻辑是，必须同时满足"重要"和"复杂"两个条件。发布会邀请名单非常重要，且涉及跨部门协作、程序开发、数据校验，流程繁琐，容易出错。用 AI 来做，是最快、最准确、最可控的方式。
这本质上是在解决一个"重要且复杂"的问题，把沟通成本、人力协调成本和出错率都降到最低。我认为，人力应该去处理更精细、更需要判断的事情。
《智能涌现》：你认为 AI 时代的两轮电动车，可能会变成什么样子？
胡依林：可能是在人不在的时候，也能自己去充电吧。但是我们要永远记住一点，AI 解放的是人，车只占到人的每天的生活中 10% 都不到的时间，我们不要尝试在车上面去解决用户可以通过其他途径更好的解决的事情。
小牛是一家很克制的公司，况且现在 AI 发展的路径和速度，已经超乎了百分之八九十的人的想象力，包括我在内。
但我觉得中国的 AI 整体的趋势是比全球市场更好的，因为我们拥有大量的内容、开源产品，未来不管是系统层、代码层、逻辑层都会跑得都很快。所有核心团队要对这件事情关注得足够早，其次是要敢于试错。
AI，让过去十年的数据有用武之地
《智能涌现》：你提到小牛在过去十年积累了海量数据，但在没有大模型之前不太会用，为什么？主要是因为"用不起"？
胡依林：是的，主要是算力成本太高。以前做数据分析，每一条数据都需要单独运算，写复杂的算法公式来得出结果。现在有了 Transformer 架构，我们可以把粗分类的数据直接扔给模型，让它自己去发现数据之间的潜在关联和逻辑。
我举个电池的例子——早年我们用最好的电芯，比如索尼、三洋的 18650，实验室测出的单体循环寿命是 800-1000 次，做成电池包后可能只有 600 次。按用户两天一充算，理论寿命只有一年半。这让我们非常焦虑，拼命想找循环寿命 2000 次的电芯。
但当我们拿到真实用户数据后，发现完全不是这样。实验室是"满充满放"，但用户到家可能只充到 95% 就拔了，或者还剩 50% 的电就充电，这种"浅充浅放"的使用习惯，使得电池的实际循环次数远超实验室数据，一块电池能用七八年。
这个结论不是靠用户访谈能得到的，而是通过真实数据发现的规律，这反过来指导了我们的产品定义，我们不需要一味追求超高循环的电芯，而可以根据用户真实的出行距离，推出更小、更轻的电池包。AI 的意义是，让这种从数据中发现真相的效率，提升了十倍不止。
《智能涌现》：过去十年的数据，对今天做 AI、AIOS 的帮助，具体体现在哪里？
胡依林：最关键的是，我们知道用户最高频的需求是什么。在电动两轮车上，最高频的场景就是导航。但用户的导航需求和汽车不同。比如，两轮车或许可以骑上马路牙子抄近道，但汽车导航不会规划这种路径。当大量用户都在某个没有记录的小路通行，我们的系统就能发现这个"隐藏路径"，并可以反馈给地图伙伴，最终优化所有用户的路线。
所以，基于导航，我们结合 AI，做了三件核心的事——
1.AI 导航：结合云端与车端算力，在地图原有的基础上，融合车辆的实时电量、用户的骑行习惯，进行动态规划，目标是让用户"骑得更慢，到得更快"。比如你只剩 15% 的电，系统会计算并建议你保持一个能安全到达目的地的经济时速，同时避开红灯和拥堵。
2.AI FOC（电机控制）：为每个用户建立个性化的动力曲线 Profile。有些人喜欢"即给即有"的迅猛，有些人喜欢柔和线性。AI 会通过学习用户的操控习惯，自动匹配和微调电机的输出曲线，让车越来越符合用户个人的"体感"。
3.AI BMS（电池管理）：电池管理是最大的黑盒，因为电池厂也不知道每一颗电芯在真实复杂环境下的状态。但我们通过海量数据，可以为每一组电池建立"健康档案"。AI 能模拟电化学过程，为健康度不同的电池，制定差异化的充电策略（比如健康电池快充，老化电池慢充），并极其精准地预测剩余电量，延长电池寿命。
《智能涌现》：那 AI 在用户侧带来的价值和变化是什么？为什么需要从操作系统层面去开始做起？
胡依林：AI 本身不能创造新产品，一定是"现有业务 +AI "，它解决的是效率问题。举个例子，我们在车上做语音交互，就是因为骑车时双手被占用，掏手机问导航，体验太差。
如果不从系统底层做原生融合，这个流程会非常长：麦克风拾音→软件降噪→通过网络发给云端大模型→结果返回→再转成语音，绕了一大圈。
我们做 AIOS 的核心意义，就是在系统底层实现 AI Native 的原生接入。当我想导航时，指令可以从芯片级直接处理，走最短路径，效率最高，延迟最低。如果前期底层架构的余量留得不够，以后升级就是灾难。我们吃过很多亏，现在非常重视底层 Foundation 的建设。
"我是一个矛盾体"
《智能涌现》：小牛上用到了很多汽车上的技术，但是你提到，你一直在"等"，是在等高通、禾赛这样的上游技术价格降到适合两轮车的区间吗？
胡依林：我更愿意称之为"拟合"。这是两条曲线交汇的过程：一条是技术价格下降的曲线，一条是用户需求上升的曲线。作为一个产品公司，你要做的就是预判那个"甜蜜点"——当技术价格下降到能支撑你的目标产品价位，同时用户需求也成长到能接受这个功能的时候。
我们不做"从 0 到 1 "的发明。比如激光雷达，11 年前我就问禾赛的创始人，"有没有可能便宜到小牛能用"，当时激光雷达要 30 万，我们现在终于等到了。我们的小团队早就完成了前期技术验证，已经知道了原理、流程和策略，所以我们能做的就是等，等价格进入我们的区间。这背后也是全球科技产业进步的结果。
《智能涌现》：你有总结过自己的产品哲学吗？
胡依林：首先是，把自己当用户，你自己必须先是用户。我一年骑两轮车的里程超过 4000 公里，比很多电动车公司老板加起来都多。我每天用它通勤、带女儿玩。我永远会把自己设定在，二十二、三岁时的经济能力和认知水平，去判断一个产品值不值。
但这也会导致一种"既要又要"的困境：既要科技、体验、颜值，又要价格合适。这会逼得团队很痛苦，但往往逼一逼，总能出来点东西。
我是一个极其勤奋的懒人。懒就是能少一步，懒是很宝贵的资源，需要花无数的时间、科技能力去把懒这件事情搞定。
《智能涌现》：感觉你好像有一种狂热与理性的结合？
胡依林：我是一个极其矛盾的矛盾体。举个例子，我办公室的桌子就是一个 mass，乱七八糟啥都有，但是我的包一定得整理得很整洁，所有的东西都要分门别类。
《智能涌现》：我看到你好像有一处纹身，是什么？
胡依林：执念。还有 all in or nothing 是曾经 Adidas 的广告语。
《智能涌现》：您对拓展新的 AI 硬件品类感兴趣吗？
胡依林：我非常克制，甚至可以说 80% 的新 AI 硬件在我看来是"废物"。我判断一个硬件是否值得留下的标准是：它是否真正解决了一个现有的、具体的痛点，并且带来了效率的显著提升。
如果一个硬件没有解决具体的问题，我就不会考虑。我不会为了 AI 而 AI，也不会自己做。小牛的核心是车，我所有的兴趣和想法，都是会落在车上。一个人的精力是有限的。
end
铁牛配资提示：文章来自网络，不代表本站观点。
