0
“下一代汽車不會再單域地考慮智能。”
在雷峰網(公眾號：雷峰網)受邀參加的中國汽車重慶論壇以“整車企業 X 科技公司，下一代汽車如何定義”為主題的研討會上，長安汽車產品規劃與定義業務總監柳宇翔用這句話概括了 AI 時代汽車定義正在發生的變化。
過去幾年，汽車行業談智能化，更多還是圍繞一個個具體功能展開，不同系統各自升級，構成了上一階段智能汽車競爭的主要內容。
但在 AI 化階段，這種單點升級已經不足以解釋下一代汽車的變化。
柳宇翔認為，未來汽車會越來越像一個由中央大腦統一調度的系統，底盤、動力、座艙、智駕、云端不再各自獨立運行，而是需要被整車智能重新組織起來。
在這場研討會上，來自整車企業、智能座艙、汽車電子、全球零部件供應商、消費電子制造企業以及自動駕駛物流企業的嘉賓，也從各自所在的產業位置給出了類似判斷。
雖然大家的出發點各有不同，但一個共識是，AI 進入汽車之后，變化并不止于給座艙加一個大模型，或讓語音助手回答更多問題，而是讓汽車從一個機械電子產品，變成一個能夠感知、決策、協同和持續進化的移動智能體。
過去的汽車智能化，更多是分域推進。智駕有智駕的系統，座艙有座艙的系統，底盤、車身、動力也各有自己的控制邏輯。
到了 AI 階段，這種以單域為中心的定義方式碰到了瓶頸。
長安汽車產品規劃與定義業務總監柳宇翔在研討中提到，下一代汽車不會再以單一域的方式理解智能。以長安的實踐來看，車輛可以被拆分為多個域，從底盤到頂層云端，不同域之間需要由中央大腦統一感知、統一調度。真正困難的地方在于，這不再是幾個功能模塊的簡單相加，而是整車能力邊界的重新擴展。
他用了一個“老司機”的例子來解釋這種變化。一個真正優秀的老司機，不是只會控制方向盤、油門和剎車，還能夠根據車輛性能、道路環境、乘客狀態等因素進行綜合判斷。同樣一輛車，老司機可以讓乘客坐得更舒服，剎車更平順，同時也更省油。
這正是下一代汽車中央大腦需要具備的能力，無論是智駕還是人駕，車輛都需要在底盤、動力、能耗、車內溫度、乘坐舒適性之間進行動態平衡。
這意味著，下一代汽車的定義難度會明顯提高。過去，車企可以圍繞某個具體功能做規劃，比如提高智駕覆蓋范圍，提升座艙響應速度，優化底盤舒適性。但在 AI 汽車階段，車企需要處理的是系統之間的關系，例如智駕如何調用底盤能力，底盤如何配合能耗管理，座艙如何理解用戶狀態等等。
汽車由此從“功能集合”轉向“系統智能”。這正是 AI 對汽車產業最底層的改變之一。
北斗智聯總裁敬鋒也表達了類似觀點。他認為，AI 汽車的核心標簽不是單一智駕，也不是單一座艙，而是跨域融合。自動駕駛解決的是“車怎么開”的問題，智能座艙則是用戶體驗的入口，但真正的 AI 汽車，需要把智駕、座艙、云端和大模型打通。
敬鋒表示，智駕像主干，座艙像交互軀干，而 AI 模型則更接近靈魂。只有當這些能力真正打通，汽車才能從局部智能走向整體智能。
AI 會重塑車內體驗，但不會簡單復制曾經手機 APP 的生態
如果說整車智能解決的是汽車如何“思考”，那么座艙解決的就是汽車如何與人相處。
過去幾年，車企在座艙上投入巨大。大屏、多屏、語音助手、車載應用商店、車內游戲、影音娛樂，幾乎成為智能電動車的標準配置。但一個現實問題是，很多車內應用的實際使用頻率并不高。
Unity 中國 CEO 張俊波在研討中提到，過去幾年汽車智能化在芯片、屏幕、音響和應用支持上做了很多投入，但車上的應用并沒有真正充分釋放。原因很簡單：人的主要精力仍然在駕駛上。很多應用只有在停車時才有價值，比如看視頻、玩游戲、處理復雜操作。
簡單把手機 App 搬到車機上，并不能真正建立汽車的軟件生態。汽車不是手機，駕駛場景對注意力、安全和信息呈現都有更高要求。車內主界面始終要服務于駕駛，導航、道路信息、安全提示不能被復雜應用遮擋。
但是 AI 帶來的機會在于，它會改變車內服務的組織方式。
張俊波認為，未來傳統 App 的交互方式在車內會逐步弱化。用戶不需要在屏幕上點開一個個應用，再層層進入菜單完成操作。更合理的方式是，AI 通過自然語言、語音、手勢等方式理解用戶需求，再由 Agent 編排服務，替用戶完成任務，并把結果以最合適的方式呈現出來。
車內服務會從“人找應用”，轉向“AI 調度服務”。
比如，用戶不一定需要打開一個生活服務 App、選擇頁面、輸入目的地、比較信息，而是直接告訴車：“幫我找一個路上順路、排隊少、適合吃晚飯的地方。”AI 需要理解用戶需求、路線、時間、偏好和當前駕駛狀態，再給出結果。它呈現的信息也不能干擾駕駛，而是要出現在合適的位置，以最輕量的方式完成交互。
這和手機生態有本質區別。手機上的應用通常爭奪用戶注意力，車內系統則必須克制地使用注意力。手機可以讓用戶沉浸在一個 App 中，但汽車不行。汽車里的 AI 服務，必須服從駕駛安全和場景效率。
張俊波提到，智能手機出現之后，應用和服務成為手機上最大的利潤和收入來源之一。汽車過去雖然也在談軟件價值，但由于駕駛場景限制，很多駕駛以外的應用很難被充分使用。隨著自動駕駛逐步釋放人的注意力，再加上 AI 重新組織交互方式，車內生活服務、娛樂服務、辦公服務才有可能真正落地。
敬鋒也提到，AI 可能改變汽車的服務商業模式。過去車企嘗試賣服務并不容易，因為很多服務本質上是推送，用戶會覺得自己被打擾。但 AI 如果能真正理解用戶，在合適的時機提供“這正是我需要的”服務，那么賣服務才會變成一種可能。
在 AI 汽車的討論中，大模型、智能座艙、自動駕駛很容易成為最吸引注意力的部分。但從產業落地角度看，汽車首先仍然是車，安全和可靠依然需要被放在第一位。
歐摩威集團中國區首席執行官兼架構與網聯方案事業群中國區負責人陳遠在研討中強調，未來汽車會有更多科技屬性，但車的基本屬性不會改變。汽車的第一屬性仍然是移動性和安全性，舒適和娛樂都是在此基礎上的疊加。
而且 AI 越深入車輛系統，對安全和可靠性的要求就越高。手機 App 出錯可以退出重開，車機卡頓可以重啟，但如果剎車、轉向、底盤、智駕決策出現問題，后果完全不同。
陳遠提到，歐摩威會把更多投入放在車輛安全和可靠性上，包括主剎車系統、分布式制動助力系統、夜視攝像頭、整車架構、算力平臺、區域控制器和相關軟件。他認為，基礎能力越容易被忽視，越需要被強調。安全是基礎中的基礎。
隨著汽車智能化程度提高，車內控制器數量越來越多，算力平臺也越來越復雜。過去大量分布式控制器分別完成各自任務，未來則會逐步向集中式架構演進。算法會向中央計算平臺遷移，區域控制器、邊緣控制器和中央計算單元之間，需要形成更高效的分工。
如何把車內冗余算力調動起來，如何通過軟件方式提升硬件利用率，如何確保關鍵系統在復雜情況下依然穩定運行，都是 AI 汽車繞不開的工程問題。
華勤技術執行副總裁、汽車電子業務事業群總裁張文國也從成本和制造角度談到類似變化。他認為，面向消費者，汽車至少要滿足安全、釋放人的精力、成為智能移動空間等需求；而對車企來說，在滿足這些需求之外，還必須面對成本壓力。
AI 和智能駕駛會推動車輛體驗升級，但電子電氣架構從分布式向集中式演進，也會帶來算力集中和成本優化。華勤過去在消費電子領域積累了大規模軟硬件開發和制造能力，每年涉及大量智能設備。進入汽車電子之后，這些消費電子經驗會被遷移到汽車場景中，為車企提供硬件、軟件、供應鏈和成本優化支持。
但汽車并不是更大的消費電子產品。它對可靠性、測試周期、安全冗余和質量體系的要求更高。柳宇翔也提到，車企和科技企業合作時，必須面對質量體系的差異。AI 技術需要快速迭代，但汽車不能像手機 App 那樣出現問題后簡單重啟。
因此，AI 汽車的落地不是單純拼模型能力，也不是簡單堆硬件配置，而是模型、軟件、硬件、測試、質量和安全體系的共同進化。
過去，汽車產業鏈相對清晰。主機廠定義需求，供應商提供零部件或解決方案，雙方更多是甲方乙方關系。車企提出目標，供應商完成交付，最終由車企集成。
但 AI 時代的很多問題，車企和科技公司都沒有現成答案。大模型如何上車，座艙如何變成 Agent，智駕和底盤如何協同，車端和云端如何形成數據閉環，很多方向都需要邊探索邊定義。
柳宇翔提到，長安最近也在和不少科技企業溝通合作。他發現，AI 到來之后，合作關系發生了明顯變化。與大模型公司、算力公司合作時，雙方各自擅長的領域不同，不能再用傳統供應商視角看待彼此。長安內部更傾向于把這種關系稱為“同向而行”。
他認為，過去是供應鏈邏輯，現在則更像共創鏈。以前是技術采購，現在是價值共生。過去可以理解為“交鑰匙工程”，供應商把東西做好交給車企；現在更像是“一起打鑰匙”，甚至是一起蓋房子。
這種合作關系要求雙方在更早階段進入彼此的定義過程。車企了解車，科技公司了解 AI，雙方需要在戰略方向、產品定義、技術實現、測試標準和質量管理方法上進行融合。
張俊波也從 Unity 的經歷中提到類似變化。Unity 早期進入汽車行業時，更多是提供 3D 座艙交鑰匙方案。但隨著車企自建軟件團隊，供應商的角色開始變化。Unity 不再只是交付一個完整方案，而是支持車企建立自己的開發能力，并通過 AI 工具提升開發效率。
他提到，汽車軟件開發與游戲開發不同。游戲開發容忍度較高，而汽車從開發機、臺架到實車上路，涉及大量性能、穩定性和適配問題。同樣芯片、同樣系統，在不同車上的表現都可能不同。Unity 正在開發 AI 工具，幫助車企更快發現性能問題，縮短從開發機到實車的時間。
對供應商來說，這意味著能力邊界也要重新定義。敬鋒認為，AI 時代會帶來架構、能力價值、商業模式和競爭格局的變化。單域供應商如果不走向 AI，不參與跨域融合，未來競爭力會明顯減弱。具備規模化量產能力的供應商，與科技公司、車企進行互補共創，會成為主流。
陳遠則認為，中國汽車產業已經形成了很強的技術活力，但也存在內耗和資源浪費。出海是中國汽車產業能量積累到一定程度后的自然需求，但出海不能只是功能堆疊，而是要把效率、質量和用戶體驗帶出去。
在他看來，未來生態會分為“大生態”和“小生態”。大生態是中國汽車產業整體的競爭環境，小生態則是車企、系統供應商、芯片企業、軟件企業之間形成的共生關系。一部分頂尖車企可能通過自研算法、數據閉環和自建算力平臺形成相對封閉的系統；更多頭部車企則可能追求“全棧掌控”而不是“全棧自研”，讓具備能力的系統供應商進入體系，共同完成產品定義和技術落地。
華勤的判斷也類似。張文國認為，未來產業鏈關系會走向相互賦能、共生共融和價值最大化發揮。沒有任何一家企業可以掌握所有核心技術，每家公司都需要在自己擅長的領域發揮價值。因此，產業鏈企業要更早進入整車開發過程，在產品概念還沒有完全成熟時，就與車企、芯片公司、模型公司共同參與定義。
卡爾動力副總裁王珂則提到，重卡物流是國民經濟的“動脈血管”。卡爾動力所處的 L4 自動駕駛重載物流場景，目標并不是簡單展示技術，而是重塑干線物流的成本結構和商業模式。
在這個場景里，安全是底線，效率決定商業價值上限。未來的效率提升不只發生在駕駛過程中，還會延伸到裝卸貨、充換電、道路擁堵、路線規劃等全鏈條環節。當足夠多的自動駕駛卡車在一個區域內運行時，每一輛車都可以成為獨立的 Agent 節點，車輛之間共享擁堵、排隊、充電、調度等信息，最終形成一個智能流動的物流網絡。
從這場研討可以看到，下一代汽車要如何定義并沒有一個單一答案。
對整車企業來說，它是由中央大腦統籌的進化型汽車；對座艙企業來說，它是由 AI Agent 重新組織服務的移動空間；對汽車電子企業來說，它是從硬件、軟件走向模型和數據閉環的新平臺；對自動駕駛物流企業來說，它則可能是一張由車輛組成的流動智能網絡。
過去，汽車行業卷的是配置、成本、硬件、單點智能和供應鏈效率。未來，真正的競爭可能轉向整車智能架構、跨域協同能力、服務組織能力、數據閉環能力、工程可靠性，以及生態共創能力。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
