2025 年底，理想在飞书开发了一个集成多家主流 AI 应用的入口，其中 Claude Code 最受内部推荐。
通过统一接入 API，理想给每位申请使用的员工每月 500 元调用额度，研发人员的额度经申请可以翻倍。
李想和战略部负责人张辉召集一级部门负责人开专项会，要求他们先学习并在工作中使用 AI 工具以提高效率。
AI 从少数研发人员自发尝试的工具，逐步进入公司的管理流程。
一名开发人员说，Claude 的代码能力提高后，过去需要三四天解决的一个算法接口问题，现在通常一两个小时便能处理；
开发人员可以把更多时间用于确认需求是否得到实现；他们还用 AI 进行代码回测，减少了一部分外包测试预算。
营销是 AI 用得最积极的地方之一，动力有一半来自省钱。
理想 2026 年的营销费用预算比上年收缩约六成——预算与全年利润绑定，2025 年两个季度亏损直接压低了额度。
L9 Livis 上市时，理想用了多支 AI 生成的视频，虚拟的李想在里面劈叉、跳舞。
工厂员工用它整理报告、分析成本数据，并将生产图纸和专业文件整理成垂直知识库；
销售总部和区域中台用它识别高意向客户、统计数据；一线销售更多用 “理想同学” 查询新车卖点、整理话术。
一些没有开发经验的管理者和业务人员起初也尝试自己编程。
由于缺少软件工程经验，他们不了解部署、云端运行和系统协作，即使生成了代码，也很难把它变成可以稳定使用的产品，最后仍需专业开发人员接手。这引发了一些研发人员的反感。
几个月后，理想不再要求所有人都使用 AI 编程。业务人员可以用 AI 制作原型和大致界面，更完整地表达产品需求；进入生产环境的代码仍由专业开发人员完成、测试和维护。
一名经常使用 AI 编程工具的员工认为，AI 带来的效率改善主要出现在个人和小团队，多人协作会抵消一部分收益。从整个项目角度看，能不能提效还真不好说。
原有的开发流程也没有因此消失。业务部门提出需求，开发人员完成正式代码，测试人员负责验收。
AI 让算法人员可以兼做前端和产品原型，前端人员也可以处理一部分算法需求；个人生产力提高后，公司的权责、分工和考核方式仍按原有职能运行。
在制造端，理想也在尝试用 AI 整理生产和质量数据，寻找异常指标之间的关联，为工程师提供初步判断。
这些工具尚未全面进入汽车生产的主要流程，冲压、焊装、涂装和总装仍依靠机械臂、专业视觉检测系统和原有工艺。
李想配置了一台英伟达面向 AI 开发者的桌面超算 DGX Spark，在本地运行基于 OpenClaw 的 AI Agent。
一名开发员工说，李想会主动寻找重度使用者了解效果，有员工一个月用掉几亿 token，李想找他聊过使用心得。
- 组织架构的调整也和 AI 有关
2026 年 1 月，李想调整智能化研发体系，基座模型、软件本体和硬件本体（后来改称人形机器人）被列为三支平行团队，分别由詹锟、勾晓菲和郎咸朋负责。
原自动驾驶团队的职能被拆入基座模型和软件本体，从一级部门变成基座模型下属团队。
郎咸朋随即从上海集中开发赶回北京。据晚点了解，这次职责变化促使他离开理想。
李想希望把基座模型提高到更重要的位置，让它同时服务智能驾驶、“理想同学”、车内 Agent、智能工厂和未来的机器人。
李想当时希望把直接研发 AI 的员工，包括 Agent、机器人、模型和芯片团队，与其他员工分开沟通和管理。
