中经记者 陈燕南 长春报道
“国内智驾企业数量众多且迭代迅速，更重要的是，这些新型智驾技术正与汽车整车深度绑定，这是中国汽车行业前沿技术创新的显著特点。”中国电动汽车百人会副理事长兼秘书长张永伟表示。
近日，2025新能源智能汽车新质发展论坛召开，《中国经营报》记者通过采访了解到，过去几年，“软件定义汽车” 成为行业热词。然而，随着竞争的逐渐升级，有不少业内人士认为，“AI” 正在成为车企形成差异化的核心关键词。
正如一汽研发总院副院长兼九章平台CEO周时莹提出的，随着AI大模型快速进化，车载应用从传统软件定义汽车转向“AI定义汽车”。
据了解，软件定义汽车的核心是 “功能数字化”，比如 OTA 升级本质是软件包的更新替换，核心目标是让车辆 “常用常新”；而 AI 定义汽车的核心是 “认知智能化”，依托机器学习与数据闭环，让车辆具备自主决策能力，例如智驾系统从 “规则响应” 到 “场景预判” 的进化，本质是 AI 模型对环境的理解深度在突破。
而要想达成AI定义汽车并非易事。清华大学车辆与运载学院院长、教授王建强对记者表示，总体技术趋势是回归以人为中心的技术理念，聚焦“认知人、学习人、超越人”的系统能力构建，推动从功能智能走向认知智能的根本转变。
高阶智驾成关键目标
哈尔滨理工大学终身荣誉教授、国家卓越工程师、俄罗斯工程院外籍院士蔡蔚提到，电动化 + 清洁化是国家长期战略目标，电驱动系统作为核心零部件必须实现自主可控。推动 “四化” 发展，即电动化、智能化、低碳化、全球化，是行业共同努力的方向。
当前，智能汽车正引领全球汽车产业迎来前所未有的变革浪潮。从电动化的换道超车到智能化的加速渗透，中国已成为全球智能汽车发展的核心战场。
在此背景下，中国汽车产业把握发展节奏、明确行业目标至关重要。“我们的目标不能只放在低阶技术的普及上，要快速提出 L3 及更高等级自动驾驶的发展目标，率先实现 L3 及以上技术应用的国家和企业将占据关键优势。结合企业动态判断，2030 年及之后两三年，或将是 L3、L4 从试点走向规模化应用的窗口期。”张永伟表示。
地平线副总裁、战略部&智驾产品规划与市场部负责人吕鹏表示，上半场的电动化进程中，随着中国车企的积极布局，中国汽车产业在市场份额、技术竞争力及产业竞争力方面均实现了跨越式发展 —— 新能源汽车的市场渗透率、中国自主品牌的市场份额都取得了长足进步。但如今，电动化领域的差异性已逐渐缩小，同质化现象愈发明显。
“下半场的智能化，将是更为关键的战场。电动化仅改变了汽车的动力形式，并未触及汽车的根本形态；但智能化不仅为电动化提供了坚实基座，更将通过智能驾驶等技术，深刻改变用户的用车习惯与出行方式。”吕鹏表示。
而不少企业已有预判，例如在理想汽车创始人李想看来，汽车终将进化为“空间机器人”，而理想汽车必须成为掌握基座模型的人工智能企业，而非传统车企。
目前，企业正在加快脚步，例如宝马同阿里巴巴让AI大语言模型“上车”，再到官宣与Momenta合作以“中国道路”为舞台打造智能驾驶系统，在这些进程的背后，宝马沈阳生产基地用AI定义未来高质量智造新标准，为“新世代”的量产奠定了扎实的根基。
面临技术、商业化挑战
虽然我国智能驾驶技术正在不断提速，不过王建强也指出：“当前自动驾驶系统的实际发展明显滞后于预期，面临的难题仍有很多。虽然不断增加传感器数量和数据规模，但在面对极端复杂场景时，受限于‘黑盒模型’的不可解释性与泛化能力不足，系统安全性难以保障，难以突破L3向L4、L5发展的瓶颈。”
值得关注的是，在AI时代，芯片是车企在功能、性能、安全方面形成巨大差异的核心。
据芯驰科技 MCU 产品线总经理张曦桐介绍，汽车市场规模不断扩大，智能座舱和车控芯片国产化率成为重点。近年来，车企积极自发采用国产芯片，推动国产化进程明显提速。供应链关系正在重构，越来越多的本地芯片企业参与到整车设计早期阶段，与主机厂、Tier 1 联合定义产品、共同开发，以满足快速迭代和高质量要求。
不过在产品“竞速”的背景之下，行业也面临着挑战。例如从技术方面，也有瓶颈亟待突破。
“除了速度，质量依然是重中之重。车规芯片与消费芯片存在显著差异：车规芯片需通过严格的 AEC - Q100 可靠性测试，在功能安全、使用寿命等方面有着更高的要求和技术门槛，这是消费芯片难以企及的。”张曦桐则表示。
“面对自动驾驶的挑战，安全是底线，但如何在保障安全的同时避免车企成本增长，是一大难题。若动力、软件、芯片等核心环节都做冗余设计，智驾系统将因成本过高、可维护性差而难以实现2C端量产。”张曦桐表示。
把握“最佳甜点位”
吕鹏则表示，产业发展阶段决定了核心策略。若产业已成熟，降本会成为重点；若仍处于快速发展期，则需以技术迭代为核心。
他强调，若在行业未成熟时过度强调降本普及，可能会牺牲用户体验、安全性，阻碍产业发展。在产业发展的关键阶段，需通过快速技术迭代提供更优产品。
吕鹏表示，对于车企而言，把握智驾发展的节奏至关重要。节奏失误可能带来严重后果，因为算力与算法是两大核心制约要素：算力决定体验上限（算力不足则难以实现高阶体验）；算法决定上限的兑现能力（若上限是 100 分，仅能兑现 20 分则会陷入竞争劣势）。
因此，在吕鹏看来，关键在于把握每年量产的 “最佳甜点位”—— 即软件与硬件能力达到平衡：既能满足竞争需求，又能快速实现规模化，从而控制成本，而非单纯以低成本为目标。
不过吕鹏也表示，“甜点位” 是动态变化的 —— 就像手机行业中，无论是高端机型还是中低端机型，每年都会提升性能，智能驾驶行业的 “甜点位” 未来也将持续上移。“我们判断，2026 年下半年至 2027 年，更高算力的平台将成为新的 ‘甜点位’。”他说。
王建强则从技术方面分享了智能汽车的发展思路，尤其安全问题是重中之重。他强调，“聪明车”必须是“安全车”。他表示，目前智能汽车安全技术主要沿着两条路径推进：一是规则驱动，具备逻辑清晰、可解释性强的优势，但面临泛化能力弱、难以覆盖长尾场景等瓶颈；二是数据驱动，具备自主学习能力和良好泛化性，但存在“黑箱”属性、难以溯源、对极端场景识别能力不足等问题。两种路径各有优劣，均难以单独支撑智能驾驶向更高等级演进。
为突破关键技术瓶颈，他提出“认知驱动”路线，融合人类类脑认知与知识经验的启发方式，通过感知—认知—决策三大环节打通规则与数据的融合通路，实现系统在复杂交通环境中的准确感知、深度认知与安全决策。
“安全是定义智能驾驶的第一标准，也是长城汽车一直以来的造车理念。”长城汽车智能驾驶副总工程师逄淑一提出，作为最早布局端到端技术的主机厂，长城汽车从开发初期就锚定 “端到端+无图” 技术方案，推出端到端组合驾驶辅助大模型SEE。该模型采用 “数据驱动+模型安全+安全策略兜底” 模式，在端到端大模型基础上，通过增加安全评估网络和人工规则进行安全仲裁，保障系统安全；同时，VLA模型的深度融合进一步提升复杂路况的语义理解与耦合强化学习能力，生成更拟人的驾驶策略，优化驾驶体感。
张曦桐则表示，主机厂在选芯片的时候非常在意整车芯片的性价比，包括核心竞争力，所以最终还是要回归到商业本身。
张永伟认为，智能化时代需跳出汽车看汽车。汽车智能化是率先发展的领域，其技术与产业链、供应链可带动智能机器人、低空技术、船舶等领域。“汽车行业可助力这些尚未规模化的新质产业快速进入零部件低成本阶段，若智能汽车与机器人、低空等行业早期融合发展，将大幅缩短其大规模产业化时间，提升产品竞争力。”他表示。
