離了 AI，車企不會說話了

11 月，車市的年度衝刺如期而至。新車發佈接踵而至，從小鵬 P7+、極越 ROBO X，到騰勢 Z9、方程豹 豹 8，再到阿維塔 12 增程版等，車企爭相抓住年底的購車熱潮，試圖以新車型提升全年銷量。

在熱鬧的新品宣發背後，一個更深刻的趨勢正在逐漸浮現：車企間的較量，正從傳統的硬件之爭轉向了一個全新的賽道：AI。

這一變化從近幾個月的新品發佈會中可見端倪。無論是產品亮點的呈現，還是未來戰略的描繪，AI 幾乎成為每一家車企的關鍵詞。

小鵬汽車董事長何小鵬明確表示，小鵬將在未來 10 年圍繞 AI 進行全面佈局，力求轉型為一家以 AI 技術為核心的全球化科技公司；蔚來創始人李斌強調，成功的智能電動車企，必須首先是一家成功的 AI 公司；而理想汽車董事長李想也坦言，未來三到五年，AI 將是驅動行業質變的最大變量。

各大車企為何著急貼上「AI」的標籤？AI 如何重塑汽車格局？

01 AI，不再只是口號

AI 正成為汽車行業的核心驅動力。從智能駕駛到智能座艙，各大車企不再滿足於概念宣傳，而是將 AI 技術的落地作為競爭的焦點。

在這個過程中，智能駕駛成為最受關注的應用場景之一，也是技術迭代速度最快的領域。

最近，理想汽車公佈了全新一代智能駕駛技術架構，以「端到端+VLM（視覺語言模型）」的雙系統為核心，進一步強化其智駕能力。即將在 11 月底推送的 OTA 6.5 版本車機系統，為用戶帶來了多項創新功能：車位到車位智能駕駛、掌上車機等。

小鵬在智駕方面，基於小鵬圖靈 AI 智駕體系，成為行業首家用一套智駕軟件以及基於端到端大模型實現車位到車位的企業。小鵬汽車在廣州車展期間宣佈開啟全網首測，未來在 AI 天璣 5.5.0 上全量推送。

與此同時，極越也在 2024 廣州車展上首次展出了其 AI 智駕超跑 ROBO X。官方稱，該車首次將 AI、自動駕駛與超跑結合，零百加速不到 1.9s。

隨著智能駕駛技術逐步成熟，行業競爭正從「端到端」邁向「車位到車位」全場景解決方案。誰能率先實現複雜駕駛場景的無縫覆蓋，誰就將佔據技術領先的優勢。

除了駕駛場景，智能座艙正成為AI另一個深度應用的主戰場。隨著 AI 大模型的引入，正在從根本上重塑智能座艙的核心價值，推動其從傳統的硬件功能堆疊向以用戶體驗驅動的全面變革邁進。

比如，與傳統語音交互不同，大模型突破了對命令式語言的依賴，帶來了更貼近人類思維的自然語言處理能力。用戶通過語音、多模態等交互方式，可以輕鬆實現「所想即所得」的服務體驗；同時，大模型不僅能高效完成單一任務，還能夠動態組合複雜服務場景。例如，用戶在旅途中可一鍵生成個性化規劃，包括導航、用餐推薦、車內娛樂選擇甚至辦公安排。

最近，理想推出了智能座艙新能力——理想同學+任務大師 2.0，將認知智能與推理能力引入車內，實現基於用戶指令生成專屬應用。

與此同時，各大車企正在加速推進 AI 大模型在智能座艙中的應用，使其成為品牌競爭的製高點。比如小鵬天璣 OS，以強大的場景化理解能力構建智能生態；比亞迪 DiLink 和長城 Coffee OS 3，通過語音及娛樂體驗的持續優化緊跟市場主流；吉利億咖通 Flyme Auto 與極氪 ZEEKR OS 的迭代升級，帶來更流暢的人機交互體驗；長安深藍 Deepal OS 憑藉全新升級在交互、智能化上實現突破。

大模型的加入使座艙從單純的功能集合體，逐步轉變為能夠理解用戶、適配場景並主動提供服務的「智慧伴侶」。未來，這一領域的競爭將更多地聚焦於如何交付更具情感溫度的體驗。

02 從軟件定義汽車，到 AI 定義汽車

隨著 AI 大模型的快速發展和普及，汽車行業正邁入新的里程碑。業內逐漸形成共識：汽車正從「軟件定義汽車」向「AI 定義汽車」演進。這一轉變不僅是技術架構的升級，更是汽車開發、應用和用戶體驗的全方位重塑。

雖然「軟件定義汽車」曾推動汽車行業邁入智能化的初級階段，但與「AI 定義汽車」相比，其局限性也日益顯現。兩者的核心區別可以總結為以下三方面：

開發模式。軟件定義汽車依賴大量人工開發和工程師介入，需要為每個功能模塊（如感知、規劃、控制）獨立設計算法，並通過大量的路測和迭代完善。

系統複雜性高，數據閉環效率受限；

AI 定義汽車則以大模型為核心，通過雲端驅動數據訓練、仿真和驗證，更多依賴 AI 模型的自動化迭代，極大簡化了開發流程和硬件部署。

數據驅動與迭代效率。軟件定義汽車以數據閉環依賴人工干預和基礎設施支持，邊緣場景（Corner Case）的識別與優化需要通過海量路測積累完成；

AI 定義汽車則通過雲端仿真和端到端大模型實現自動數據閉環，車端觸發 Corner Case 後快速回傳，自動完成模型訓練和更新。

部署與更新模式。軟件定義汽車以 OTA（Over-the-Air）更新為主，重點在於更新系統代碼。

雖然這種方式符合嚴格的合規要求，但流程複雜，更新週期較長；

AI 定義汽車更新模式更偏向模型層面，驗證與部署流程簡化，減少車端設備依賴，升級靈活高效。

「AI 定義汽車」標誌著智能汽車從「工程驅動」向「智能驅動」的轉變。這背後驅動因素主要有以下三個：首先，軟件定義汽車的成熟。隨著電動車滲透率達到已經超過 50%，軟件定義汽車的理念已得到行業驗證。

其次，智能駕駛的 AI 化進程。智能駕駛正從基於規則的傳統算法，全面轉向以 AI 為核心的技術棧。早期的模塊化方法，通過 AI 增強的方案逐步成熟，發展到當下的世界模型和端到端（End-to-End）技術，大模型正在為智能駕駛注入「認知能力」，推動技術進入全新高度。

還有，生成式 AI（如 ChatGPT）的橫空出世，為智能駕駛提供了全新的思路。從「教機器開車」到「教 AI 開車」，大模型的引入賦予 AI 類似人類的認知能力。以一個有完整認知的大模型為例，它不再是單一任務的執行者，而是能夠在動態、複雜環境中靈活決策的「智慧駕駛助手」。

03 速度與迭代能力是關鍵

「AI 大模型」這一概念，近年來已成為汽車行業的熱門話題，成為技術發佈和市場宣傳中的頻頻亮相的焦點。各大車企紛紛高調宣稱擁抱 AI，力求在智能化浪潮中佔據先機。

然而，雖然這一概念廣泛傳播，但在實際產品中，AI 技術的表現卻常常不盡如人意。它們更多地停留在營銷層面，未能為消費者帶來顯著的體驗升級。

例如，目前市場上量產的高速 NOA（高速自動駕駛輔助）通常僅能做到「可用」，而非「好用」。這種功能在實際駕駛過程中，往往在精度、穩定性和智能決策上表現出一定的局限性，難以達到預期的用戶體驗。至於高階的城市 NOA 功能，仍未普及，甚至在一些複雜場景下表現不佳，尚處於「不可用」的階段。

要真正進入「AI 定義汽車」的階段，車企不僅需要突破技術門檻，還需跨越資金和資源的重重壁壘。算力、算法、數據閉環是這一過程中不可或缺的三大核心要素。極越汽車 CEO 夏一平此前曾表示，「沒有 500 億做不好智駕，只花幾十億做出的智駕都是『馬路殺手』。」這意味著，要在智能駕駛領域取得領先，車企不僅需要投入巨額資金，還需要不斷優化技術，建立高效的數據閉環。

隨著 AI 驅動的技術進步，領先者與追隨者之間的差距將愈發明顯。尤其是行業接下來的競爭將圍繞全場景智能駕駛，數據閉環和模型積累的優勢使得行業領先者處於幾乎不可踰越的技術壁壘之中。這種差距不僅體現在技術層面，還將逐步顯現為市場份額和品牌影響力的巨大差距。

例如，具備強大數據積累和模型訓練能力的車企，可以通過 AI 大模型快速適應不同場景的變化，優化駕駛策略和用戶體驗。而缺乏數據積累的車企，則可能面臨技術更新緩慢、產品迭代滯後的困境。

如今，變革的關鍵時刻已經到來。在這場 AI 戰局中，車企的戰略非常明確——應出盡出，搶佔製高點。此時的智駕和智艙，已經從「單點突破」走向「全面覆蓋」，誰能快速構建技術護城河，誰就能在未來的行業版圖中佔據主動。

本文來自微信公眾號「極客公園」（ID：geekpark），作者：周永亮，編輯：靖宇，36氪經授權發佈。