“智能化”下半场换挡提速 AI成汽车差异化竞争重要工具

　　今年以来，“AI驱动”“端到端”“大模型”成为汽车智能化的高频词汇。在智能驾驶与智能座舱这两大高地上，主机厂、供应商等角色各显神通，围绕AI大模型展开激烈角逐，汽车智能化已经进入深度变革期。

　　“从明年开始，中国头部主机厂会加大自动驾驶的投放力度，特别是会加大对100 eTOPS高算力的布局，高速领航NOA、城市记忆行车和自动泊车这三大功能将成为10万～15万元车型的标配，明年会迎来爆发式的增长。”9月29日，在全球智能汽车产业大会高层论坛上，博世智能驾驶与控制系统事业部中国区总裁吴永桥表示，如果说汽车产业上半场卷的是电气化与混合动力，那么下半场卷的就是智能化。“从明年上半年开始，如果哪个企业跟不上中阶自动驾驶发展的脚步，旗下车型没有高速领航、城市记忆行车和自动泊车这些配置，它们可能很难进入新一轮内卷和淘汰赛。”

　　记者在采访中了解到，大模型上车为智能驾驶带来了颇多想象空间。欧冶半导体首席执行官、联合创始人高峰认为，到2030年，L4级以上自动驾驶有可能在封闭场景以及特定的商业、物流等领域实现商用。而从现在到2030年的近五年时间里，L2级和L2+级智能驾驶将迎来大规模普及。

　　AI成为新战略支点

　　在新能源汽车的赛场上，电动化被称为“上半场”，智能化被称为“下半场”。在人工智能时代，汽车产业加速进入以智能化为核心竞争力的新阶段，AI化正在成为汽车产业发展的新战略支点。

　　奇瑞汽车股份有限公司副总经理王琅认为，随着汽车从交通工具升级为新一代移动智能终端，AI不仅重新定义了汽车，也重新塑造了汽车的管理模式和经营边界。

　　“AI是时代的新动力，是汽车产品实现唯一性和差异性的重要工具。每个时代都有自己的主要矛盾，也有自己时代的新动能，就像20年前奇瑞坚定地选择自主研发发动机一样，AI一定是奇瑞下一个20年或者40年必须抓住的重大机遇。”王琅说道。

　　在王琅看来，汽车产业已经进入全面电动化、智能化时代，汽车机械工程的复杂度已经大幅降低，芯片、软件等复杂技术和要求大幅度提高，智舱、智驾、整车电子架构、智能架构让汽车越来越像一个可以自我进化的智能体，需要AI大模型的全面融入。通过AI的赋能，可以实现千车千面，实现智能化体验的差异化、独特性甚至是唯一性，让产品拥有核心竞争力。

　　行业内对此已经形成共识。科大国创副总裁、科大国创新能科技有限公司总经理曾勇光认为，汽车生态系统发生了前所未有的变革，正在由硬件主导向软件主导转型，带来了新功能、新体验、新感觉。随着智能化不断深入，软件定义汽车将是必然趋势。在此趋势下，决定未来汽车的是以AI为核心的软件技术，而不再是传统的机械性能与硬件配置。

　　智能驾驶与智能座舱是汽车智能化最重要的两个部分。在智能驾驶中，AI通过感知、决策和自我学习，使车辆能够更加自主地应对复杂的道路环境；在智能座舱中，AI则通过个性化服务、自然语言交互和情感识别，极大提升了用户的驾驶和乘坐体验。大模型是推动AI快速发展的关键技术之一。

　　据Momenta CEO曹旭东介绍，Momenta智驾大模型在应对复杂路口或动态横穿场景时，能做到从容应对，可显著提升驾驶安全和通行效率。即使在夜间极窄车位，断头路车位等极限场景，它也可实现精准泊车。

　　AI为智能座舱带来了更准确、流畅的语音识别与交互能力。吴永桥表示：“在座舱方面，未来的方向是打造AI座舱，现在的座舱只是基于ChatGPT来提高自然语义交互能力，博世正在与几个头部主机厂研究如何在座舱上部署单侧大模型，使其算力超过自动驾驶300 TOPS，这样能让智能座舱的运营更加高效流畅、智能。”

　　在百度智舱业务部总经理李涛看来，未来汽车行业需要的是能够了解用户所想所需，并且能自动生成全局化执行方案的新时代座舱，这是智能座舱演进的终极方向。

　　面临算力压力

　　随着自动驾驶、智能座舱、车联网等技术的发展，汽车需要处理大量的感知数据、决策和控制任务，因此对算力的要求急剧增加。

　　科大讯飞智能汽车事业部智能座舱业务部总经理吕思南指出，随着大模型包括很多AI技术在汽车上落地，汽车智能化服务越来越多地要求更高的算力，我们面临较高的算力压力。

　　“在人工智能时代，汽车企业缺的不是产能，多几个整车厂，少几个整车厂，好像不是产业发展的主要矛盾。汽车行业最缺的是智算的基础设施，智算基础设施不足将会成为智能网联汽车加速发展的主要矛盾。”中国电动汽车百人会副理事长兼秘书长张永伟指出，目前国内汽车智能算力存在结构性短缺的问题，软件生态完善的“成熟”算力缺口较大。

　　据了解，要完成端到端智能驾驶的研发和训练，智能算力的需求至少要达到1 EFLOPS，目前车企的平均算力是3 EFLOPS，理想算力是100 EFLOPS。

　　根据公开数据，累积到2024年年底，三大运营商规划的算力资源总量是53 EFLOPS，然而就一个端到端大模型而言，一个企业需要的算力就达到100 EFLOPS。

　　“现阶段，如何解决智能驾驶、人工智能对算力的需求是当务之急。我们要做到既要保障有算力可用，又要追求可用的算力成本较低，甚至还要去解决本土算力由不成熟走向成熟化发展的问题。”张永伟认为，要加快解决国内算力不成熟的问题，通过丰富软件和生态，打造成熟的算力，减少算力在硬件上未来被“卡脖子”的问题。我们要在算力方面投入巨资，而且要持续投入，围绕数据、算力、算法形成规模化效应。同时，要致力于建设汽车智算基础设施，加强算力共建共享。

　　算力是智能化的关键基础。李涛认为，要解决算力不足的问题，还可以另辟蹊径，在产品设计中避免算力浪费的问题。

　　“今天很多座舱设计是把Pad安到了车上，然后把移动App直接迁移到车机上去。现在行业里统计，单台车上搭载App最多的有189个。可以想象一下，在驾驶过程中从189个App里翻你想要的应用是多么困难，这不仅会占用宝贵的车机算力及内存资源，更会加重用户在驾驶体验过程中的心智和认知负担，甚至可能会造成事故。”李涛说道。

　　AI大模型时代的到来是整车智能化的催化剂。博泰车联网云端研发中心总经理熊正桥认为，汽车智能化依赖的是算力、数据以及产业链的协同，如何打破各方技术壁垒，实现共享也是一大新挑战。