新能源普及多年后，一場悄然而至的變革正在汽車行業發生。車企之間的較量，似乎正從傳統的造車技藝，逐漸轉向了對 AI 技術的深度角逐。
不久前，理想汽車在新品發布會上，沒有將重點過多放在車輛的硬件參數上，而是將大把時間放到了介紹車機智能化的新進展，以及 VLA 技術下智能駕駛的進化之路。
同時，吉利汽車攜手階躍星辰，聯合發布了面向 AI Agent 原生打造的下一代智能座艙 Agent OS（預覽版）" 智能蛋艙 "，AI 創新的交互體驗和強大的功能也引發行業內外的廣泛關注。
這些發布會的核心信息清晰地傳達著，AI 已經不再是車輛的 " 選配 " 功能，而是成為了定義產品體驗、構建品牌護城河、吸引消費者的核心賣點。
廣汽集團副總經理高銳在中國電動汽車百人會論壇（2025）上也直言：" 沒有智駕能力就沒有參與未來競爭的入場券，已經成為行業內普遍的共識。"。
這一系列現象不禁讓人思考：車企們是否已從單純的造車競賽，轉變為一場 AI 實力的大比拼？
押注 AI" 智造 " 升級
隨著電動化浪潮的普及，汽車的核心技術壁壘被顯著降低。以比亞迪為代表的車企，憑借成熟的三電系統供應鏈，大幅降低了造車門檻。在硬件趨同、性能過剩的背景下，單純依靠 " 堆料 " 已難以構建持久的競爭優勢。
并且隨著汽車普及率的提高和消費者認知的深化，用戶的需求正在發生深刻的變化。他們不再僅僅滿足于車輛作為交通工具的基本功能，而是追求更高層次的情感體驗和個性化服務。汽車正在從一個 " 移動的機器 " 轉變為 " 第三生活空間 "，一個可以辦公、娛樂、休憩的智能終端。
在此背景之下，AI 技術的崛起，為車企提供了一個從 " 制造 " 向 " 智造 " 躍遷的絕佳機會。AI 不僅能通過智能駕駛和智能座艙重構用戶的出行體驗，還能貫穿研發、生產、營銷、服務的全生命周期，實現降本增效。更重要的是，掌握 AI 意味著掌握了數據與軟件定義汽車的話語權，卡位了下一代出行生態的入口。
事實上，技術的成熟和成本的下降，正在推動 AI 功能在汽車產品中的快速普及。2024 年被許多行業分析師視為 " 智能駕駛元年 "。以特斯拉率先實現端到端自動駕駛方案落地為標志，國內車企如 " 蔚小理 "、鴻蒙智行等也相繼推出類似技術。
比如理想汽車的 " 端到端 +VLM（視覺語言模型）雙系統 " 成為其獨特的技術優勢。端到端系統能夠實現對環境的快速響應，而 VLM 視覺語言模型則負責進行高層次的分析，兩者有機結合，顯著提升了自動駕駛的安全性與場景泛化能力。
同樣，吉利汽車的千里浩瀚系統不斷進化，提出 "AI 訓練 AI、AI 檢驗 AI" 的理念，并計劃在今年四季度落地面向 L3 的技術架構，推動 L3 級技術的實際落地應用，讓用戶能夠更早地享受到更高級別的自動駕駛體驗。
智能座艙也在 AI 技術的賦能下，實現了從 " 指令執行者 " 到 " 情感化智能體 " 的重大轉變。吉利銀河 M9 的超擬人車載 AI 智能體，基于階躍星辰的端到端 AI 語音大模型，不僅能夠實現多模態交互，精準感知用戶的情緒，還能根據不同場景主動為用戶提供服務。
上汽通用則全球首發高通 8775 座艙芯片，并搭建端云融合的 AI 中樞，實現了跨場景的意圖理解，讓用戶在車內的交互體驗更加流暢自然。理想同學智能體更是實現了從 " 車控助手 " 到 " 移動生活管家 " 的華麗躍遷。
毋庸置疑，AI 大模型，特別是多模態大模型，使得車輛具備了從 " 感知智能 "（識別物體）向 " 認知智能 "（理解場景和意圖 ) 跨越的能力 , 為實現更高級別的自動駕駛和更人性化的智能座艙交互奠定了基礎。
而一個明顯趨勢便是，如高速 NOA 和城市 NOA 這種高階智駕功能，正逐步從高端車型的選配，下沉至 20 萬元以內的主流價格帶，甚至成為標配。AI 大模型在智能座艙的應用也日益廣泛，從提供更自然的語音交互，到根據用戶習慣主動推薦服務，AI 正在全方位地提升用戶體驗。這種從 " 選配 " 到 " 標配 "，再到 " 準核心賣點 " 的轉變，標志著 AI 已經成為決定汽車產品競爭力的關鍵變量。
AI 也要拼差異化
就目前情況來看，頭部企業正通過差異化技術路線爭奪制高點，核心戰場聚焦在智能駕駛、智能座艙以及 AI 貫穿全生命周期這三大領域。
首先，智駕是車企 AI 競賽中最激烈、也是最受關注的戰場。各大廠商紛紛投入巨資，通過自研或合作的方式，推動智能駕駛技術從 L2 級輔助駕駛向 L3 級及以上高階自動駕駛演進。技術路線也呈現出百花齊放的態勢，從多傳感器融合到純視覺方案，從模塊化架構到端到端大模型，各家都在探索通往自動駕駛終局的最優路徑。
理想汽車在智能駕駛領域的布局，體現了其 "ALL in AI" 的戰略決心。其提出的 VLA（視覺語言行動模型）技術，旨在讓車輛像人一樣，通過視覺感知環境，用語言理解意圖，并最終轉化為駕駛行動。
這一技術路徑的核心，是通過海量數據訓練一個端到端的大模型，使其能夠處理復雜的、非結構化的道路場景。理想汽車智能駕駛研發副總裁郎咸朋曾表示，公司預計到 2024 年底，訓練算力將超過 8 EFLOPS，累積訓練里程超 30 億公里，并認為自動駕駛訓練所需的算力最終要達到 100 EFLOPS 量級。這種對算力的巨大投入，正是為了支撐其 VLA 模型的快速迭代和進化，最終實現更安全、更擬人化的自動駕駛體驗。
除了理想，小鵬汽車是國內最早布局智能駕駛的新勢力之一，其技術路線以 " 全棧自研 " 為核心。在硬件層面，小鵬汽車投入自研 AI 芯片，以期實現軟硬件的深度協同優化；比亞迪也是借助三電系統的優勢，在整車智能戰略，通過璇璣架構實現了電動化和智能化的深度融合，讓車輛的各個部分都能被 AI 統一調度和控制。
如果說智能駕駛解放了用戶的雙手和雙腳，那么智能座艙則致力于解放用戶的大腦，提供更具情感溫度和個性化的人機交互體驗。AI 大模型的應用，正在推動智能座艙從過去簡單的功能堆砌，向能夠理解用戶、主動服務的 " 情感化智能體 " 進化。不少大廠也在跟進。
吉利汽車與階躍星辰聯合發布的 Agent OS（預覽版）" 智能蛋艙 "，以及蔚來汽車的智能座艙系統 NOMI，便是 AI Agent 原生打造的智能座艙系統的代表。根據官方描述，這種 AI 智能體不再是被動地執行指令，而是能夠主動感知用戶需求，提供個性化的服務。例如，它可以根據用戶的日程安排，提前規劃好出行路線，可以根據用戶的情緒狀態，推薦合適的音樂或氛圍燈。
這種從 " 功能 " 到 " 智能體 " 的轉變，預示著智能座艙將進入一個全新的發展階段。并且也向行業釋放了一個信號：未來誰能構建一個讓開發者愿意涌入、讓用戶深度依賴的 AI Agent 生態，誰才能建立起護城河。
當然，除了消費者能夠明確感知到的部分，研發設計、生產售后、營銷服務等汽車全域也都在積極推進 AI 化。無論是 AI 仿真試車、AI 技術檢測、AI 客服等，在未來均是企業夯實地基的重要一環。
毋庸置疑，AI 和大模型正在成為車廠的重要賣點之一。這就倒逼車企需要迅速建立 AI 方面的能力，充實 " 全域 AI" 的概念。不過 AI 雖然為汽車產業描繪了一幅美好的藍圖，但通往未來的道路并非一片坦途。
狂熱背后的冷思考
其實從各大車企在 AI 上的加碼不難看出，幾乎都是在中高端車型上的嘗試，而這或許也與當下的現實困境有關。
技術是實現一切愿景的基石，當前算力基礎設施的巨大差距，導致車企在 AI 領域面臨瓶頸。中國汽車工業協會副總工程師王耀曾一針見血地指出：" 國內所有車企 AI（芯片）的顯卡加起來都沒有特斯拉 Dojo 多。"
這句話揭示了國內車企與全球頂尖玩家在算力上的 " 代差 "。特斯拉自研的 Dojo 超級計算機，專門用于處理其全球車隊每日采集的約 1600 億幀視頻數據，為其純視覺自動駕駛方案提供了強大的算力支持。而國內車企，盡管如小鵬、理想等也在積極建設自己的超算中心，但在總體規模和投入上仍存在較大差距。
除了算力，數據閉環的構建也是一個巨大的挑戰。AI 模型的訓練和優化，離不開海量、高質量的數據。如何高效地采集、標注、處理和應用數據，形成一個良性的數據閉環，是決定 AI 能力演進速度的關鍵。
清華大學蘇州汽車研究院智能網聯中心技術總監孫輝認為，在算法同質化日益明顯的今天，數據將成為下一個關鍵的競爭點。擁有百萬級實車數據的企業，能夠通過海量真實路況的訓練，解決 " 交互博弈 " 難題，優化 " 長尾場景 "，從而構建起難以被復制的競爭優勢。
另外，智能駕駛和智能座艙在硬件和軟件上大多是相互獨立的，二者的深度融合，構建以 " 艙駕一體 " 為代表的融合方案，雖然可以將智駕域和座艙域的計算平臺合二為一，但這也意味著需要更出色的算法迭代，這在前期也需要持續的資金投入。
還有就是 AI 技術的發展，正在推動汽車產業的商業模式從傳統的 " 一次性賣產品 " 向 " 持續性賣服務 " 轉變，軟件和服務的價值將日益凸顯。
但無論是算法和算力還是服務價值，都有極高的成本，這些成本也需要平攤到產品上，尤其是發展初期，而關注中高端車型的車主往往對價格不太敏感，所以這些產品便承擔了 AI 上車的重任。
只是，當我們將視線從云端的 AI 模型拉回到堅實的柏油馬路，從一線城市的核心商圈下沉到更廣闊的二三線市場，會發現，對于絕大多數將汽車視為 " 出行工具 " 的消費者而言，那些看得見、摸得著的物理體驗——空間和操控，依然是他們做出購買決策時，心中最重的那塊砝碼。
這種看似矛盾的現象，恰恰揭示了汽車產業在智能化轉型中的深層邏輯：AI 并非要顛覆汽車作為 " 交通工具 " 的本質，而是要在夯實基礎體驗的前提下，用技術為出行注入新的可能性。
當高階智駕功能下沉到 20 萬元主流市場，當智能座艙的 AI 助手能精準記住每個家庭成員的偏好，當 AI 優化的供應鏈讓車輛性價比持續提升——這些技術進步最終都要回歸到 " 讓出行更美好 " 的本質。
這場從 " 造車 " 到 " 造 AI 的轉向，本質上是汽車產業從 " 硬件定義產品 " 向 " 軟件定義體驗 " 的跨越。從算力基建的加碼到數據閉環的構建，從智能駕駛的突破到座艙體驗的革新，車企們的角力已成為不可逆的趨勢。汽車產業的未來，正在這場 " 硬核制造 " 與 " 柔性智能 " 的深度融合中，朝著 AI 定義的新賽道加速狂奔。
來源：科技新知
