李想:理想汽车为什么能够连续推出爆款产品?
来源:理想汽车
汽车行业链条如此之长、难度如此之大,这其中最大的挑战是什么?李想的答案是:组织能力。
4月1日,2023中国电动汽车百人会高层论坛在北京举行。理想汽车董事长兼CEO李想就“智能电动车的组织挑战”做主题演讲,分享了理想汽车的产品开发流程、矩阵型组织形态,以及智能电动车组织管理所面临的全新挑战。
以下为李想现场分享实录。
进入汽车行业之前,我从事的是互联网行业,当然我所做的互联网产品是与汽车相关的汽车之家,所以我对汽车行业有一些了解。但是当我真正进入这个领域后,才发现汽车行业的链条如此之长、难度如此之大。这其中最大的挑战,来自于组织能力。
作为一家智能电动车企的创始人,我认为我们有两个最重要的产品:一是面向消费者的智能电动车产品,另一个则是面向员工的组织能力。
这其实就像是在画两个圈,如果一个圈画得很大,而另外一个圈很小,就会产生巨大的浪费。所以我们想尽一切办法把这两个圈画得差不多大,从而保证整体的效率和价值。
2015年创办理想汽车之初,我们招募了非常多经验丰富的、来自传统汽车厂商的研发工程师。但是在运营了大概不到一年的时间,就遇到一个巨大的问题。举个例子,每一家公司对于怎样去解决问题的定义都是不一样的。所以在我们企业内部,来自每一个不同传统汽车厂商的工程师都有自己的想法,每个人都认为自己是对的,别人是不对的。
那时候我们开始意识到,一家企业的组织流程最重要的是:怎样能“修出一条大家公认的符合标准的路”?怎样去“规划路”?怎样去“修路”?去“运营路”?这是一家汽车企业必不可少的核心竞争力。
01
智能电动车的组织挑战
进入汽车行业后,我们发现难度比最开始想象的要大得多。我们将一个组织所要从事的业务,以及会面临的方向进行了简单的分析规划。这和我在2021年1月的电动汽车百人会论坛上分享的是一样的。通过这张图表能够看出来,作为一家刚进入汽车行业的企业,我们同时要变成四类不同的企业,而且这四类不同的企业,所面对的问题复杂程度也是完全不一样的。
首先,我们要自己研发汽车产品,需要管理好供应链,同时还需要制造汽车产品,所以我们是一家工业制造企业,也就是一个标准的汽车企业。但是,我们和传统汽车企业也非常不一样。因为大家都知道电动车的成本非常高。而我们作为卖30万元以上的汽车产品的企业,我们没有足够的“财力”能够以类似BBA的成本为4S店提供产品。所以我们要做直营,这样我们大概可以做到以1/3的成本就卖出去一辆车。
但是直营有直营的难度,因为我们又需要变成一家“4S店的集团”,只不过是直营的。而作为一个4S店集团,我们需要负责管理车辆的销售、售后服务,以及交付工作等,所以我们又变成了一个服务网络体系。作为一个标准的大型汽车4S店集团,现在我们已经在全国有700多家店面,提供车辆的零售、交付、维修等等。
同时我们还是一家互联网的应用公司,这也是我们曾经比较擅长的领域。我们需要做App,做应用。我们要去连接云服务,连接数据库。所以我们本身又是一家标准的互联网公司,向用户提供软件和应用。
这三种企业需要完全不同的管理方式,因为来自互联网公司的人,来自汽车行业的人,以及来自零售行业的人,比如星巴克、宜家的人,他们并不知道怎样一起工作。所以我们去学习每一个领域全世界最先进公司的流程和工作方式,并招募一些这样的人。另一个最重要的方式是,我们同时采用前些年比较流行的OKR。我们通过目标管理和有效的目标沟通工具,将这几个部门联系起来。所以我们能够成功地在2019年完成了第一辆车的研发,并且在2020年开始交付。
但是在这个阶段我们又开始面临新的问题。就是我们需要在研发上更进一步,因为我们知道只卖一款车是不行的,要卖多个车型。但是如果卖多个车型,我们必须拥有研发平台,而且这个研发平台的难度比传统汽车的研发平台难度更大。
比如,我们做增程电动平台,我们就要自己研发车身域、动力域的软件、硬件,这其中包含XCU中央域控制系统,车辆VCU做的所有事情,增程器上EMS做的事情,还有空气悬架控制系统,CDC的控制系统,以及座椅系统。
所以,我们发现现在要做的事情,甚至比之前传统的头部一级供应商做的事情还要复杂。因为之前传统的一级供应商,可以研发同样一个系统提供给很多厂家使用,但使用供应商的软件方案,其迭代速度又跟不上今天竞争,所以我们要自研,我们的增程电动系统、智能座舱系统以及智能驾驶系统都已经实现全栈自研。
而在全栈自研的过程中,组织难度就更大了。
因为在最开始,我们内部每个团队连最基本的规划都没有,只能分头工作。这相当于每一个垂直部门既是作战的指挥中心,又是作战部队,所以每个人都在自己的路上研究,整体研发的体系就乱了。所以我们开始思考和学习世界上那些最先进的,几千亿、上万亿收入的公司,他们到底是怎么来管理的?这就变成了一个更大的挑战。
因为我们需要把这项能力与原有的互联网公司能力,汽车经销商集团能力,以及汽车行业企业能力融合在一起。这也是我们在2022年遇到的一个特别大的难题。
02
更适合智能电动车的产品开发流程
对于我们所面临的挑战,唯一的解决方法就是学习世界范围内的最佳实践,比如IBM、华为这样的优秀企业。这张图就引用自华为出版的一本书《从偶然到必然》。当我们把技术、平台和产品研发放在一起的时候,该怎样去解决这样的问题?
在研究和学习的过程中,我们发现其实已经有非常多的优秀企业解决了类似的问题。但问题是类似华为、苹果这样的企业从事的是通讯或者消费电子行业,他们所提供的方法和组织能力是否能够适用于汽车领域?所以我们在2020年开始,从研发角度做了一个重要尝试。我们全面地去学习这样的能力,能够发现其实它从两个维度解决了我们的问题。
由于链条非常长、周期长,业务复杂,所以在最开始时就会把规划做得特别清楚,并且让更多的团队一起来参与规划。在做好清晰的规划之后,再把它变成计划。而在做计划的过程中,我们针对团队的协同,资源的复盘进行有效分配。这就区别于过去的线性流程,将传统的汽车研发方式变成了一个立体的流程。
这在另一个维度上,从经营的角度也带来了好处。从这张图上来看,PDT经理相当于是作战指挥部,而做设计、软件、硬件的团队相当于作战部队。所以这时候指挥部可以把作战部队进行统一的管理,“空军”什么时候上,“炮兵”什么时候上。这就解决了我们当时最大的一个问题,就是作战混乱。
当我们的企业规模到了几万人的时候,这就是个巨大的挑战。我们发现了这样一个特别合适的流程,并真正地从2020年开始去实践使用,但是这也仅限于汽车研发的组织维度。
03
智能电动车的组织形态:矩阵型组织
针对这样的流程,我们也要改变自己的组织结构,从过去的职能组织变成一个矩阵型组织。这样的流程和矩阵型组织解决了很多问题。
第一是解决了没有全局,各个团队各自为战的问题。第二是解决了技术、平台和产品研发的协同问题。第三也解决了产品、供应链和交付的商业协同问题。这也是当时我们最困惑的几个问题。
在过去2年多的时间里,流程和组织的实践给我们带来了实际的价值。
第一,我们把理想ONE做成爆品的能力能够复制到所有车型上,无论是理想L9、L8、L7,在推出之后都会成为一个爆品,都是其细分领域里销量第一的产品。
第二,提升了供应和产能爬升的速度。哪怕在疫情状况下,理想L9、L8都能够在交付第二个月实现交付量过万,这是一个非常大的变化。
而第三个好处是一个意外收获,在这样的流程和组织结构下,我们开始培养出大量有经营意识的人。他们不仅仅会考虑怎样赚钱,也会全流程地控制成本,而不是走哪算哪。所以我们能实现非常健康的毛利率,并且确保在收益和成本上的目标与达成是一致的。
这是我们在过去实践中获得的验证,在此也和所有同行们做一个分享。作为一个智能电动车企业,IPD这样矩阵型组织的流程和管理方式是非常有效的。这不仅仅可以应用在最先进的IT公司里,同样也适用于汽车企业,包括智能电动车和传统汽车。
理想汽车的员工,包含从一级供应商来的同事伙伴都非常拥抱这样的变化。因为这相当于让他们从曾经的土路,或者小区内部道路变成了真正在国道,在高速公路上行驶。
我们在做矩阵式组织过程中,经历了五个阶段,在这里和大家做一个分享。
我认为我们是一家互联网汽车企业,和其他人不一样。所以在第一个阶段时,我们就像一群井底之蛙,从来不向外看。在这个阶段吃了很多亏,踩了很多坑,但依然坚持不向外看。
所以到了第二阶段就会非常痛苦,开始向外看。但那个阶段我们并不明白,为什么这些几千亿、上万亿收入的企业要做得那么复杂?他们为什么不停地去做变革?到底是为什么?所以第二阶段哪怕我们出去看了,但是依然看不明白。
而到了第三个阶段开始借助一些咨询公司的能力,并且在这些优秀的咨询公司里聘请顾问,帮助我们来想清楚为什么在这个阶段要去解决这个问题,这背后的原因是什么?他们怎么用流程去解决人性的问题,怎么用文化去解决人心的问题。所以在这个阶段我们开始看明白、想清楚了。
到了第四个阶段仍然在继续走弯路,经常认为看明白了就可以自己来实践执行。但实际上有一些员工的能力模型是不匹配的,因为在大企业中,有人修路,有人开车,而我们经常让开车的人来修路,所以在第四个阶段我们也是浪费了很多时间。
直到第五个阶段开始明白,哪些人在哪个阶段是帮助这些企业来修路的,所以我们请来这样的人帮助我们规划路、修路、运营路。如果把我们的组织来做一种类比的话,其实所有员工都是来开车运送价值的。但是我们能不能修出好的高速公路,并且良好地去运行,这决定了价值的传输效率。
04
什么样的组织适配软件2.0
实际上,我们矩阵化组织的变革才刚刚开始,我认为至少到2025年才能实现完整的结果。因为组织变革不可能是一蹴而就的,甚至它的研发周期、推广周期比做产品、做平台周期长。但同时我们又面临了新的挑战,就是人工智能的大模型软件2.0到来了。
让我们去看一看两家在这个领域中做得最好的公司是怎样做的。
第一个是特斯拉,目前的人工智能分为两种学习方式,一种是行为学习,也就是训练“大”脑,让“小”脑工作,也就是像自动驾驶。另一类是训练“大”脑,让“大”脑工作,类似OpenAI和ChatGPT。
当我们去拥抱这些模型的时候,发生了一些巨大的变化。举个例子,过去我们一年要做大概1000万帧的自动驾驶图像的人工标定,所以我们请了很多外包公司进行标定,大概6元到8元钱一张,一年的成本接近一个亿,这仅仅是来做自动驾驶方面的图片标定。
但是当我们使用软件2.0的大模型,通过训练的方式进行自动化标定,结果和效果会非常可怕,过去需要用一年做的事情,基本上3个小时就能完成,效率是人的1000倍,这个领域的工作完全不一样了。
对于员工来说,他们会感觉用拳头打架遇到了拿枪的。所以在这样的状况下,我们如何能够让软件2.0和现有人才进行融合,为他们提供怎样的全新工作流程、激励机制,怎么去做选用、任用,这又会面临一个更大的挑战。
这不仅仅是理想汽车的挑战,也是所有在汽车行业耕耘的创业者和企业家们所遇到的共同的挑战,希望有机会能够在这个方面进行更多的交流和探索。