今年，物理 AI 的聚光灯更多打在机器人身上，具身机器人吸引了物理 AI 赛道最多的融资、最多的报道，也占据了最热闹的展会。 但物理 AI 不止一种形态，如果说具身机器人解决的是「机器如何在物理世界里工作」，那么围绕货物的另一条路径：载物智能，解决的是一件更现实的事情：机器如何在物理世界里持续赚钱。 机器人的叙事火热，但最先跑出商业闭环的，是载物一侧。 尤其是在货运场景里，货物运输需求刚性、场景相对封闭、成本要精确核算，合规路径也更清晰。 一辆 L4 自动驾驶汽车能自己从 A 点开到 B 点，并不意味着一门货运生意已经成立。 真正决定商业化的，是一吨货从哪里出发，到哪里结束，需要多少人、多少车，多少时间，多少能源，最后每吨货到底赚多少钱。 卡尔动力正在尝试回答这道题。 从 2021 年提出「领航车有人、跟随车无人」的混合智能编队，到 2025 年在鄂尔多斯跑通物流路线级正经济性无人货运闭环，再到如今向六省核心物流通道扩张，卡尔动力走的，不是「造更多无人卡车」的单线逻辑。 先让一条线上的 AI 货运成立，再把这套能力变成可以复制的模块，最后把一个个模块连接成网络，从点到线、从线到网。 卡尔动力真正试图规模化的，不是一辆无人卡车，而是一套可以复制、迁移、联网的载物智能系统。 无人货运真正的规模化单位，可能不是一辆车，而是一条线路，而当线路开始互联，竞争单位才从车队变成网络。 一张自生长的载物智能网络，可能才是规模化之后，真正值得争夺的城池。 01、先算账，再谈无人 在物理 AI 的载物分支里，技术领先不等于商业领先。商业化的入场券，属于先算清一吨货运到终点要花多少钱的人，无人货运的第一性原理不是无人，而是单位运输成本。 自动驾驶行业很容易把「无人」当成终点。但货运客户不会为了 L4 本身付钱，最终要买的，是运输结果。 所以 Robotruck 要过的，不只是技术关，还有一笔运输

汽车工业每一次大的变革，最终都会落到同一个问题：下一代汽车，到底应该长什么样？ 如果说过去十年，新能源汽车改变的是汽车的动力系统，那么接下来，AI 可能改变的是汽车本身。 下一代汽车，很可能不再只是「搭载 AI 的汽车」，而是从产品定义开始就由 AI 参与塑造的「AI 汽车」。 这意味着，汽车竞争的逻辑也将发生变化：从比续航、比算力、比配置到比谁更懂用户、谁更会感知、谁能与人自然交互，以及谁能重新定义一辆车。 在价格战愈演愈烈，智驾、智舱等功能逐渐趋同的当下，尤其值得被重新讨论。 巴黎当地时间 9 月 28 日，AI 先锋生态出行品牌 AIVA 首款量产车型 ME7 在巴黎时装周完成全球首秀，也把自己对于「AI 汽车」的答案第一次摆到了量产车上。 这个动作至少有三层深意。 第一层，是把「生命之美」、「灵动光眸」这些核心设计语言，作为「AI 智慧生命体」产品理念的具象化表达，这意味着中国 AI 汽车品牌，首次以独特的设计语言，登上欧洲时尚舞台。 第二层，是「AI 定义汽车，先有 AI，再有车」的产品理念首次在量产车上落地，AIVA ME7 把「车会看见你、回应你」的新造车逻辑，装进了一辆可交付的量产车。 第三层，是为 AIVA 全系覆盖 20 万元以上主流市场的规划，打出一个向上锚点。中国 AI 汽车品牌要进入中高端主流市场，靠的不只是参数堆砌，更要在品牌叙事、价值主张与用户情感层面建立自己的体系。 正如 AIVA 总裁、产品经理李博所说，AIVA ME7 有自己的个性，它看见你，也回应你，你不用迁就、不用表演，跟它在一起，就能更自在地做自己，这也是 AIVA 想表达的品牌主张，Live Alive，爱予自由。 这句话的价值在于，AIVA 把汽车定义为「AI 智慧生命体」，它除了是交通工具和移动终端，更是一个能在真实出行中感知、回应、陪伴的伙伴。 01、汽车+AI 之后，真正

过去两三年，「智驾平权」一直是汽车行业的高频词。 但高阶智驾真正往下走，始终绕不开一笔账：更高算力的芯片、更丰富的传感器、更大的研发投入，以及量产之后持续产生的数据和维护成本。 长期以来，高阶智驾几乎等同于更高的成本。 所以，在 10 万元以内车型做出一套高阶智驾，真正值得关注的从来不只是做出来，还有这套系统能否长期跑起来。 零跑正在把这个问题摆上台面。 LWM 世界模型辅助驾驶，开始进入 10 万元以内的车型，200TOPS、640TOPS 和 1280TOPS 的不同算力平台都能部署，与此同时，已经卖出去的 35 万辆激光雷达版车型，也可以免费升级。 表面看，这是一次智驾能力的下放。 但再往下看，它更像是一场关于成本的实验： 如何把一套高阶智驾，从高价车型上的技术能力，变成一套可以跨硬件、跨车型、跨生命周期规模化交付的产品。 这也是零跑这次真正值得观察的地方。 01、高阶智驾下探，先算整车的账 高阶智驾下探不只是技术下放，更是一次成本考验。 对于一款 10 万元级车型，电池、车身、底盘、座舱和智能化配置，都在争夺同一份有限的预算。 零跑把世界模型辅助驾驶带进这个价格带，核心要解决的是成本。 智驾降本，最容易落到硬件参数上：换芯片、传感器。但零跑手里还有一张牌：全域自研。整车架构被重新设计之后，释放了智能化配置的成本空间。 零跑高级副总裁周洪涛透露，EEA 4.0 架构的成本只有 1.0 时期的 40%。 整车电子电气架构和底层系统成本降低之后，更多的预算可以投入到激光雷达、摄像头和智驾芯片等智能化配置中。 零跑全域自研的价值在智驾层面释放，当智驾不再是一个独立外挂的配置，零跑要做的，是把智能化成本放进整车整体成本结构中重新计算。 车企可以把整车架构、硬件选型和软件开发放在同一个系统里统筹，而不是分别向不同供应商购买不同的能力。 高阶智驾下探并不意味着智驾要省着做，靠架构

物理 AI 大环境下，造出一台 AI 汽车，与转型为一家 AI 企业，这两件事的紧迫性，是一致的。 但谈起转型，多数车企即便在组织层面大刀阔斧地改革后，依然会迷茫：到底该往哪儿使力，AI 才会成为「神之一手」。 讨论这个抽象的问题很复杂，不如先接地气一点，回答一个更实际的问题，即 AI 怎么做到提质增效？ 当下，效率足以决定车企身位。研发模型的迭代节奏、产能爬坡的调度能力、供应链的预警与调整，慢下来就意味着落后。 一种解决方式，是从内部搭建一套 AI 体系，比如宝马自上而下搭建了一套智能体系统——「盖亚」。另一种方式则是找到合适的 AI 平台，进行深度共建。 零跑与 WorkBuddy 的合作，就完成了这一逻辑的验证。 今天，WorkBuddy 宣布正式「入职」零跑，AI Agent 落地 40 多个核心业务场景，横跨整车研发制造与采购供应链，覆盖软件质量、工程数字化、智能座舱测评、实验室管理等核心业务域，平均提效做到了 90%。 从中可以得出两点结论： 第一，现有智能化平台已逐步具备进入车企核心业务域的成熟度，落地效果有了实证。 第二，AI 不再是单独被调用的编程工具，它以一种更直观、也更底层的方式融入组织上下文，成为车企核心生产力。 01、「小而痛」的需求，被立刻解决 特斯拉深陷产能危机时，马斯克一针见血得指出了一种「错位」。设计工程师坐在远离产线的办公室里画图，而真正要把图纸变成车的人，在工厂里反复试错。 效率本质上是一道「密度」题。人员之间的密度空隙一旦过大，信息和指令在传递过程中就会不断损耗。 解决问题的方式就是填补空隙，就像马斯克最后让工程团队把工位搬到了装配线旁，让设计端从一开始就考虑生产可靠性，问题也能当场反馈、当场调整。 但在车企这一承载成千上万人员，数百条流程体系的庞大组织中，这种空隙几乎无处不在，也很难全部填平。大项目优先填的是主干道，而那些「小而痛」

中国高端车市场正在经历一轮重构。 一边是传统豪华品牌的光环逐渐褪去，原有的品牌溢价被不断重新定价； 另一边，极氪、问界、领克、魏牌等中国品牌持续向上，试图在高端市场建立新的价格与品牌坐标。一众玩家挤在同一片蓝海，机会与压力并存。 与此同时，曾经用来定义「高端」的配置，正以惊人的速度下放。 大电池、智能座舱、零重力座椅、高阶辅助驾驶，都在进入更大众的价格带，难以再承载「高端」的溢价。 但消费者终究要为产品与体验买单。一个汽车品牌想要站稳高端，技术仍是底层逻辑。关键在于，能否精准捕捉用户未被充分满足的需求，以及能否被用户真正感知。 补盲雷达，恰好站在了这个位置。 01、高端车开始争夺「没有盲区」 2025 年极氪 9X 率先祭出「1 颗主雷达+4 颗补盲雷达」满配架构后，问界、理想、蔚来、小米、长城高山等迅速跟进，高端感知军备竞赛愈演愈烈。 NE 时代数据显示，今年 4 月中国市场补盲激光雷达同比暴增 622%，远超主雷达 76%的增速，成为核心增长引擎。 补盲雷达主攻侧面、车尾及近场盲区，专治泊车、倒车、窄路转弯时的路沿、台阶及侧后方突发障碍物。在高端 SUV/MPV 尺寸不断膨胀的当下，补盲成为刚需。 但更深层次看，补盲雷达成为高端车型的共同选择，是消费者需求、品牌标识与监管要求三方合力的结果。 艾媒咨询 2025 年调查中显示，与以往汽车安全的核心是「撞了怎么办」相比，「更智能的障碍物识别和避让」以 55.3%的比例，位居消费者对智能驾驶辅助系统功能需求首位。消费者不仅重视安全，还在扩宽安全的定义。 另一个有意思的变化是，一些原本只存在于工程师语境的硬件标签，正通过体验的方式渗透进普通消费者的购车语言。 空气悬架被简化为「过减速带更稳」，后轮转向则等同于「大车也能一把过窄路」。工程配置依然能成为高端车型的品牌标签，但前提是它被翻译成消费者能感知的体验。 此外，监管层面也在

对中国车企来说，卖车出海的上半场已经相对清晰，但真正困难的部分才刚刚开始。 如果说过去的出海更像一次远航，那么接下来，智驾出海更像进入了「奥德赛时期」：大家面对的已经不是一个市场，而是一套完全不同的道路、规则和物理世界。 中国汽车出海，最容易打的一仗，可能已经打完了，把车运到海外、建立经销网络、拿下当地市场，这套打法中国车企已经越来越熟练。 今年上半年，奇瑞出口约 94.38 万辆，占集团总销量约 69.5%，同期比亚迪海外卖了 79 万辆，同比增长近七成，吉利出口 47.42 万辆，同比增长 158%，可以说是出海大户。中国汽车出口的规模还在快速增长。 但下一场仗，难度完全不同。因为汽车可以运出去，技术却不能简单复制，尤其是智能驾驶。 在中国，一套已经跑熟的智驾系统，到了德国，面对的可能是完全不同的路权规则、交通标识、驾驶习惯、法规体系和数据要求。 这意味着，中国车企真正要解决的已经不是「怎么把车卖出去」，而是能不能把在中国训练出来的智能化能力，带到另一个物理世界里。 这才是中国汽车出海真正的下半场。 01、卖车出海，这一仗已经达到中场 中国出海的汽车，按目的地分两种打法：增量市场与成熟市场。 成熟市场如欧洲、日本、澳大利亚等，核心挑战在品牌、法规、技术与安全服务体系；增量市场如中东、东南亚、拉美、非洲，核心挑战在成本、渠道、本地化与供应链。 增量市场的开拓相对顺利，早期国产车靠低价切入，实现了从无到有的规模突破。 以沙特为例，当时奇瑞 Tiggo 8 Pro Max 售价是 8.9 万里亚尔，同级别的丰田 Fortuner 是 14.9 万，吉利 Monjaro 卖 10.9 万里亚尔，比丰田 RAV4 便宜 2.6 万里亚尔，同级别车型，中国品牌普遍便宜 15%~40%。 价格杀手的打法，国产车在海外市场实现了漂亮的曲线与增长数字，出海第一年（2001 年）销量还不到

特斯拉 Cybercab 最引人注目的，或许不是蝴蝶门，也不是双座布局，而是一个看起来「不像汽车」的细节：没有方向盘、油门刹车踏板、外后视镜。 更准确地说，它从产品设计之初，就没有给驾驶员留下位置。 从 Robotaxi，到 Robovan、Robotruck，再到港口里的 IGV、矿区里的无人矿卡，越来越多 L4 车辆正在「删除」我们熟悉的驾驶舱。 过去一百多年，汽车工业不断增加功能：更大的座舱、更好的座椅、更复杂的仪表、更丰富的人机交互。而自动驾驶走到 L4 之后，却开始做减法。方向盘没了，踏板没了，驾驶座也可以没了。 为什么自动驾驶越成熟，汽车反而越来越「不像汽车」？ 这不只是一次产品形态的变化，更深层的逻辑在于，汽车第一次可以不再围绕人怎么开来设计，而是围绕机器要完成什么任务来设计。 更进一步说，L4自动驾驶重新定义了智能汽车，让汽车第一次摆脱「必须由人驾驶」的定义。 01、驾驶员退出，汽车的第一性原理变了 要理解 L4 车辆为什么能删除驾驶舱，得先理解驾驶舱在过去一百多年里存在的合理性。 驾驶舱，其实是一套人类控制机器的解决方案。 方向盘、踏板、仪表盘、驾驶座，这些零部件共同组成了控制接口，串起一条「人-控制接口-汽车-道路」的驾驶闭环。人观察、判断、操作，通过这些控制接口让汽车执行。 过去 100 年，汽车工业其实一直在回答一个问题：如何让人更好地驾驶一辆车。因此，汽车工业围绕人建立了一整套产品体系。 座椅要符合人体工程学、方向盘要触手可及、仪表盘要方便读取，甚至底盘结构、车身比例，都是这个命题的延伸。 驾驶舱，正是人类驾驶这个前提在汽车上留下的物理投影。 自动驾驶一路向前，但如果把 L2、L3 放到产品定义里看，会发现它们并没有触动汽车的基本结构。L2 是人驾驶，机器辅助，L3 是机器驾驶，人准备接管。 改变的只是「谁在某一个时间段负责驾驶」，人，仍然是驾驶系

2026 年上半年，中国车市依然没有等来春天。中汽协数据显示，上半年国内汽车销量同比下降 21.1%，1-5 月行业利润率只剩 3.4%。 价格战打了三年，没人能独善其身，车市在「增收不增利」的泥潭里挣扎。 但吉利汽车却交出了一份让所有人侧目的半年报。 销量增长约 1%，对应 15% 的收入增长，46% 的核心归母净利润增长。 这是吉利 2026 年上半年财报里，最值得琢磨的一组数字。销量和收入、利润之间出现了明显的「错位」。 如果只看销量，吉利今年上半年的增长几乎可以忽略：142.3 万辆，同比仅增长 1%。 但收入和利润，却是另一番景象。 上半年，吉利实现收入 1736 亿元，同比增长 15%，创历史新高。 毛利率提升至 17.9%，同比增加 1.5 个百分点。 核心归母净利润达到 96.84 亿元，同比增长 46%。 单看销量，成绩平平，收入能够增长 15%。收入增长之后，利润还能增长 46%。 更值得注意的是单车收入。平均每辆车的销售收入，已经从去年同期的 9.6 万元，提升到了 11.2 万元。同样卖出一辆车，吉利现在多赚了 1.6 万元。 解开这种「不平衡感」的钥匙，就是吉利正在书写的增长公式：单车价值 × 市场半径 × 技术复用率。 01、销量不涨，先把单车价值做上去 同样卖一辆车，创造更多收入和利润，吉利收入结构的变化，第一层落在产品结构上。 简单提价做不到单车收入多 1.6 万元，真正往上走的，是品牌、产品和用户。 过去，吉利的规模优势体现在「卖得多」，多品牌、多车型覆盖不同价格带。 但现在，高价值品牌正在把集团收入往上抬。 最直接的证据来自极氪。上半年极氪销量 17.84 万辆，同比增长 97%。极氪客单价摸到 37 万，越过了 BBA 的门槛。 一个高端品牌，拉动的已经不只是销量，而是整个集团的产品价值中枢。 财报里有一个比例很说明问题，极氪销量只占集

纯电赢了，但纯电品牌越来越少了。因为纯电正在从一种技术路线，变成一种谁都能获得的基础能力。 三年时间，超过 38 个品牌挤进增程赛道，增程车型从 17 款增加到 85 款，下半年预计还有 35 款增程新车。 这条技术路线几乎没有反对者，布局增程已经不需要理由，不做增程才需要理由。 小米大概是最不缺理由的那个，SU7、YU7 两款纯电车型分别打穿了两个细分市场，今年上半年交付 18 万辆，累计销量破 70 万台。 论纯电开局，国内没有比小米更成功的，但纯电积攒的势能，雷军却转身给了增程。 小米第二个产品系列「SkyNomad 澎程」，基于全新小米昆仑架构打造的增程 SUV，澎程 N90、N70 分别对应大五座、大七座版本，纯电续航超过 500 公里。 连纯电开局最成功的小米，都认为单纯依赖纯电无法覆盖更大的市场。 所以小米把纯电当成敲门砖，把增程当成规模杠杆，相反同样靠纯电赢下开局的蔚来，却继续往下深挖，前者赌的是覆盖面，后者赌的是纵深。 这也意味着，在中国主流品牌里，只做纯电的玩家，如今只剩蔚来以一己之力，面对被增程和插混填满的阵营。 这条路很孤单，但蔚来越走越宽。今年上半年，蔚来累计交付 19.1 万台，在 40 万以上的市场里，ES8、ES9 和 ET9 三款车合计拿下了 30.2% 的份额，每卖出 3 台 40 万以上的新车，就有 1 台是蔚来。 别人往增程挤，只有蔚来还在高端纯电这条路上持续加码，而且越走越深。 01、纯电没输，卷的是增程 毫无疑问的是，增程正在经历一场供需倒挂的膨胀，连小米都被质疑，现在造增程是不是太晚了。 今年上半年，市面上在售增程车型 85 款，而去年同期只有 50 款，仅是车型数量就涨了 70%，但增程单车型平均销量却从去年同期的约 1 万辆，跌到今年上半年的不到 5000 辆。 池子变大，鱼变多，每条鱼分到的水却急剧减少，这就是增程市场最真

「最好的物理 AI 时刻，看起来就像什么都没发生。任务只是被安全、平稳地完成了。」 这句话来自 Waymo 联合 CEO Dmitri Dolgov 前不久在 Y Combinator 的一次分享。 Dolgov 提到，有一次他带孩子乘坐 Waymo Robotaxi，通过路口时，一辆车突然切入，Waymo Driver 没有急刹，只是平稳减速，安全通过，后排的孩子甚至没有意识到，刚刚存在一次潜在风险。 Waymo Driver 驶过十字路口 对研究自动驾驶接近 20 年的 Dolgov 来说，这个「什么都没发生」的瞬间，反而是一个非常强烈的时刻，比一次炫技式 Demo 更有分量。 当技术变得无感，才是真正成熟的开始，而这背后的工程，就是 Demo 和产品之间的距离。 Dolgov 在 Y Combinator 演讲中给出过一个非常直接的判断：一个能跑的 Demo，最多只占产品全部工作的 1%。剩下 99%，是把「能力」压成「可靠」。 Waymo 是这个差距的典型样本。 2010 年前后，一个约 12 人的工程师团队，用 18 个月就跑出了早期无人驾驶 Demo：累计 10 万英里（超 16 万公里）自动驾驶里程和 10 条各 100 英里的挑战路线，全程零人工干预。 用 Dolgov 的话说，按 Demo 标准，自动驾驶在 2010 年就已经「解决」了。 但从 Demo 走到面向公众的 Robotaxi 服务，也就是真正的商业化产品，Waymo 又用了约十年的时间。 2020 年，Waymo 在凤凰城向公众开放全无人驾驶服务，此后到每周 50 万次出行的规模化运营，又用了 5 年。 这条路上横亘的，是物理 AI 必须逐寸攻克的工程难题。 Waymo 第一个 1 亿英里全自动驾驶里程花了 15 年，第二个 1 亿英里只用了 7 个月。 从开启首个无人运营到服务四座城市，Wa

这两年，智驾圈发生了一件有意思的事：最懂自动驾驶的人，开始讨论自动驾驶之外的事情。 具身智能、物理 AI、机器人，成了他们挂在嘴边的新词。 今年 7 月，Mobileye 的创始人 Amnon Shashua 宣布，将在继任者到位后卸任 CEO，转任董事长，并全身心投入人形机器人公司 Mentee Robotics。 表面上看，这是 Mobileye 从汽车到机器人的业务延伸，但本质上，这是一场从智能驾驶到物理 AI 的产业迁移。 卓驭科技 CEO 沈劭劼把话说得更直接： 「智能驾驶只是物理 AI 的初始形态，绝非终局。」 Momenta CEO 曹旭东同样判断：自动驾驶是物理 AI 的序章。 这不是一场集体逃亡，而是行业在重新丈量自动驾驶的边界。 在他们的推演里，自动驾驶从来不是一个终点，而是 AI 走进物理世界踩下的第一个脚印。 和其他潜在载体相比，汽车恰好是第一台足够复杂、又足够标准化、还能卖出几千万台的机器，成了物理 AI 最早跑通「感知-决策-行动」闭环的载体。而这条路径的起点，可以追溯到 Mobileye。 1、Mobileye 证明了一件事：机器可以拥有一双「眼睛」 1998 年，行业的主流探索锚定在立体视觉上，大家希望用更多硬件信息，拼出一个更真实的世界。 意大利帕尔马大学 VisLab 实验室完成了 ARGO 项目，用两颗摄像头搭建的立体视觉系统，跑了 2000 公里来验证这条路。 而 Shashua 做出了一个反直觉的判断：不需要立体系统，一个简单的摄像头就能探测三维物体。 这个判断最终催生了 Mobileye，也划出了自动驾驶产业最早的一条分岔路，不停留在「摄像头怎么装」的工程问题，而是把问题拉回到原点： 一台机器，如何用更高的效率获得感知物理世界的能力。 单目视觉只是入口，真正撼动行业的，是 Mobileye 给了汽车「眼睛」，推动「摄像头+算法+专

过去几年，智能汽车有一个非常简单粗暴的公式：算力越高，智驾能力越强。 但现在这个公式正在失效。当城区 NOA 可以在上百 TOPS 算力上运行，车企却开始争抢 2000TOPS 以上的计算平台。 行业真正竞争的，已经不是「有没有算力」，而是「如何将算力变成持续进化的智能能力」。 芯片可以摞，但把高算力组织成一套能持续进化的架构，才是下一阶段的胜负手。 工信部的数据勾勒出了当下的行业坐标。 2026 年以来，国内 L2 级组合驾驶辅助功能的乘用车渗透率达到 70%，领航驾驶辅助功能乘用车渗透率超过 34.2%，首批 L3 级有条件自动驾驶车型已经在特定区域上路。 智能泊车、高速 NOA、城市 NOA，正在从旗舰配置走向大众标配。 支撑这些功能的算力并不需要太高，按照当前主流量产方案的经验： 智能泊车功能在 30TOPS 以内可完整落地； 支持高速 NOA 的算力区间在 30-250 TOPS 之间； 即便面对交互最复杂的城区 NOA，现阶段主流方案在 100-500 TOPS 之间也够用了。 一颗英伟达 Orin-X 芯片，254 TOPS 算力（INT8 稀疏口径），在搭配完整多传感器套件、成熟 BEV 感知算法前提下，足以支撑大多数车型的城区领航功能，坐在「主流选择」的宝座。 但端到端、VLA、世界模型上车，让算力需求，来到了一个新的量级。 高端车型的算力刻度，正在向千 TOPS 级靠拢，算力军备竞赛的硝烟已经燃起。车企的算力储备，本质上是在为下一阶段智能驾驶架构重构预留空间。 早在去年，小鹏就把「2000TOPS+VLA+VLM」划为 L3 级自动驾驶的算力基准。 今年 7 月第八届全球汽车技术发展领袖峰会上，德赛西威高级总工程师彭学明抛出类似判断： 2000 TOPS「大大脑」是 AI 原生 L3 的算力起步门槛，L4 平台算力则需要达到 6000 TOPS 以上。

雷军造车，又往前走了一步，小米澎程 N90 Max 的车尾，多了一颗以前同价位几乎看不到的零部件。 7 月 30 日，小米汽车发布了澎程系列，雷军将这两款新车定义为移动大平层，并重复了两遍「Only Skynomad can do」。 这句话最早出自乔布斯的「Only Apple can do」，雷军想借这句话强调澎程无法被复制的竞争力。 增程大型 SUV 本身并不稀奇，市面上同级在售车型超过 15 款，小米的差异在于三层叠加，大空间是增程的物理底子，生态是体验的软件层，最后再甩出一个超越预期的预售价，这是雷军喊出「只有小米造得出」的底气。 但真正能体现「Only Skynomad can do」含金量的，反而藏在容易被忽略的细节里，比如澎程 N90 Max 的车尾，多了一颗后向固态激光雷达。 关于的安全叙事，小米汽车第一次从前挡风玻璃，延伸到了后车顶。 过去十年智能汽车的感知竞争，比的是谁看得更远，而从这颗后向雷达开始，将是比谁覆盖得更完整。 1、车尾的死角，为什么要用激光雷达来补齐？ 「做同级最安全的车，是小米造车永不止步的追求」，这是小米汽车必须守住的底线。 安全这两个字，像钉子一样钉进了小米汽车的骨子里，而这颗后向固态激光雷达，就是这根钉子最直接的回响。 过去后向感知只有摄像头，但摄像头感知到的画面是平面的，没有纵深信息，它能「看见」，却做不到「测量」。 一个真实的场景是，车后方的墙上伸出一根水管，它既不是标准圆柱体，也不是常见路障模型，摄像头无法识别出危险。 另一个更隐蔽场景是村道倒车，后向摄像头会从头到尾都认定后面是路，实际路的旁边是低矮的农田，而摄像头难以区分不同路沿的高度差，同时由于地面落差的原因，超声波雷达也始终接收不到反射面。 这种低速场景下，恰恰是后向感知一直被忽略的死角，而固态激光雷达补上的，就是这个安全漏洞。 激光雷达的工作逻辑是先测量、再确认，激

过去中国互联网在应用层做到极致，最后发现绕不开芯片、大模型、光刻机，头部公司纷纷往底层硬核科技押注。 汽车产业走的是同一条路。 过去 20 年，中国汽车产业追赶的重点是发动机、变速箱、电池、智能驾驶和智能座舱，这些都是用户看得见、摸得着的技术，也是行业竞争的主战场。 很少人往下再看一层：一辆车在碰撞瞬间怎么变形、能不能扛住、安不安全，这个结果最终是由车身材料的成分表决定。而这张成分表，长期不在中国车企手里。 今年 7 月 8 日，2025 年度国家科学技术奖励大会在北京举行。 一个来自汽车制造领域的项目，拿到国家科学技术进步奖二等奖：「一体化压铸用免热处理强韧化铝/镁合金及其应用技术」。核心完成单位之一，是极氪。 「一体化压铸」这个词，中国汽车行业已经说了六年。 从最早的特斯拉 Model Y，到后来各家相继上车，这项技术几乎成了造车叙事里的标配，目前超过 15 款车型用上了一体化压铸。 但把这些车型拆开看，会发现一件有意思的事，车身是中国制造的，压铸机是意大利或者瑞士的，而一体化压铸的材料配方则是来自美国或者德国。 这项技术的核心壁垒不在压铸机的吨位上，零部件怎么设计、良品率怎么爬坡，这些都是工程问题，真正定义上限的，其实是材料配方，它决定了一体化压铸的强度极限。 所以这次获奖，落点并不在「又一家车企上了大压铸」。 如果说特斯拉的一体化压铸解决的是「如何更快造出一辆车」，那么极氪攻克的是另一件事：如何真正掌握一体式大压铸的底层材料科技。 这是中国科技界最高级别的奖项之一。能拿这个奖的项目，要么是底层理论突破，要么解决卡脖子技术。极氪属于后者，从零做出材料配方，解决了热处理变形开裂这个压铸行业几十年的老难题。 过去免热处理铝合金配方长期依赖进口，极氪补上的这块拼图，是国内整条压铸产业链自主跑通的关键一环。 国家科学技术进步奖的名单里，第一次出现了一体化压铸技术，这意味着在国

理想汽车发布了一篇有关自研芯片马赫 M100 的论文，题目为： M100: An Orchestrated Dataflow Architecture Powering General AI Computing。 十几页的论文里，只字未提 TOPS，也就是业内惯用的算力值。 这个背后其实隐藏了一个反直觉的判断： 50TOPS 的芯片，推理延迟可能比 1500TOPS 的芯片更低；CPU 里的 1TOPS，可能顶得上 GPU 里的 10TOPS 甚至 30TOPS。 理想 CTO 谢炎更直接，他说 GPU 架构的执行效率天花板只有 40%，而马赫 M100 的目标是 50%-60%。 换句话说，同样标称 3000TOPS，实际能用上多少，是两回事。 自动驾驶和具身智能已经进入 VLM/World+Action Expert 时代，TOPS 这把尺子，量错了地方。 典型的 MAC 电路 首先要澄清算力这个概念，TOPS 这个指标是衡量芯片进行 MAC 运算时的能力，MAC 即 Multiply-accumulate，代表矩阵（矩阵是张量 tensor 的典型代表）的乘积累加。 MAC 一般是阵列形式，MAC 阵列一个周期能完成两次操作 0perations，算力值就是 MAC 阵列数量*2*MAC 阵列运行频率，这个数值仅仅代表芯片的矩阵乘法能力，AI 运算中还有很多非矩阵乘法，只不过卷积神经网络时代即 CNN 时代，95% 的运算都是矩阵乘法，于是将 TOPS 数值等同了芯片的 AI 算力。 今天 CNN 基本上被 Transformer 和 Transformer 与 Diffusion 的混合架构 DiT 替代，TOPS 这个数值已经无法反映真实的 AI 算力。 其次要说说等效算力这个水分重灾区。 除了高通、英特尔、谷歌、**这些老牌厂家，多数厂家给出的算力值是「等效算力」

过去几年，汽车行业有一个越来越明显的变化：车企开始亲自下场造芯片。 特斯拉有 FSD 已迭代至第五代；蔚来推出神玑 NX9031；小鹏自研 AI 图灵芯片；理想造了马赫 M100；比亚迪、吉利、Momenta 也被频繁点名。 表面上看，这是一场「去英伟达化」的运动。 但如果只看到这一层，就太浅了。 真正的问题是：自动驾驶模型本身，已经开始变了。 从 CNN，到 Transformer，再到 DiT 与世界模型，模型范式在切换，而旧时代的芯片逻辑，未必还能接住下一代自动驾驶。 这才是车企重新造芯片的真正原因。 01、不是省钱，是抢控制权 自研还是外采，表面是商业决策，骨子里是对技术路线的判断。 自研或外采取决于车厂对自动驾驶路线的判断，芯片研发周期比较长。 从完整定义设计目标到芯片上量产车型，中间需要 2-4 年。海外厂家更长，可能是 3-5 年。 这意味着芯片厂家在今天落笔，押注的其实是 5-8 年后的技术走向。 预测错了，要么芯片生命周期大幅缩短，要么干脆没人用。 做汽车数字类芯片，赌性确实很大。 车企自研芯片，某种意义上是在说：我比供应商更清楚自己五年后要跑什么模型。 5 纳米甚至 3 纳米，一次性工程费用加对外采购 IP 高达数亿人民币。一次性工程费用加 IP 授权，动辄数亿人民币。 出货量不够，账面上一定是亏的。但这笔钱可以进整体研发成本，还能拉高市值、强化科技品牌。 账算到最后，商业逻辑是通的。 技术门槛方面，随着 IP 生态成熟、EDA 工具链完善，以及索喜这类专门服务车厂定制芯片的中间商涌现，工程难度正在快速下降。 真正难的部分，已经转移到软件栈、编译器和长期模型适配上，这恰恰是芯片供应商最难替你定制的部分。 02、模型变了，芯片的逻辑也得变 先搞清楚现在的自动驾驶，在跑什么模型。 目前自动驾驶路线有三条。 一是分段端到端，大多数厂家的选择，典型代表是 Uni

智能编程（AI Coding），正在把一件极度“科幻”的事，变成智能汽车研发的日常。 试想下，前一天产品脑暴会上一个想法刚被抛出，第二天清晨，它已经真实地跑在了车主的车机上。 这种近乎“疯狂”的迭代效率，曾只存在于工程师的想象里。 但现在，随着智能编程开始系统性地嵌入底层研发链路，这一场景即将成为现实。 过去数年，汽车行业对于“ AI 定义汽车”的落地应用，更多集中在功能层面——智驾、座舱、芯片，本质都是在让车变聪明。 而现在， AI 直接进入生产层。智能编程接管了开发链路中的核心任务，被重构的不再只是车的产品力，更是造车方式本身。迭代速度、研发效率、组织响应能力，正从管理命题变成 AI 可深度介入的新战场。 AI Coding 的深度应用，带来的最确定结果正是：提质增效。 某种意义上，这类似于百年前福特流水线对制造业的改造。流水线重塑了工业生产效率，而智能编程正在重塑汽车软件研发效率。 前者决定一家车企能造多少车，后者则决定一家车企能多快迭代出下一代智能汽车。 一些头部玩家已率先行动。特斯拉已经全面整合 AI 编码工具链；而国内，无论是吉利、上汽等车企，还是地平线这样的智驾公司，都开始借助阿里 Qoder 等智能编程工具，将智能编程嵌入核心研发链路。 这场智能汽车最隐蔽、却最有可能颠覆牌局的战争，已拉开帷幕。 谁能先通过智能编程重构研发范式，谁就更快掌握定义下一代智能汽车的主动权。 01、AI 生产力，必须入场 在智能汽车行业，至少有三股力量正在同时把“ AI 工程师”推向台前。 首先是代码量的指数级爆炸。智能汽车本就系统复杂，智驾、座舱、车控、地图、云端服务、数据闭环……背后横跨十余个技术领域。 车企还在不断加码：智驾卷基座模型，座舱迎来Agent上车潮，舱驾一体的全场景智能逐渐成为行业共识。 而智能汽车的每一个创新，本质上都在继续推高软件复杂度。如今，一台智能汽车的代

小米造车的风向，变了。 从 SU7 Ultra 刷纽北，到 YU7 GT 破千匹马力，小米把「驾驶乐趣」这件事推到了极致。但这条赛道跑得再快，始终缺一块拼图：家庭。 如今，一个新的商标浮出水面——SkyNomad。 外界对它的猜测有两条线： 一是独立的第二品牌。 换标、换名、换叙事，跟现在的产品彻底切割，划分出纯电和增程两个不同的品牌，同时车尾和方向盘也换成「寻天」的专属标识。 据了解，小米增程车型将采用独立品牌和销售运营。 疑似小米昆仑 N90 尾标（图源网络） 二是新产品序列。类似揽胜之于路虎的关系，但定位更野、更户外、更游离于现有的产品谱系之外。 看似两种路径，但殊途同归——小米汽车的产品哲学，正在从「驾驶者之车」转向「全家人的车」。 从 SU7 到 SkyNomad，雷军开始认真思考：一辆车除了「好开」，还能承载什么。 过去，小米讲的是极致性能、极致效率和极致性价比。现在开始讲家庭场景、空间体验和户外生活。 这正是 SU7/YU7 和 SkyNomad 在产品理念上的分野。 小米 SU7、YU7 是「悦己型产品」，卖的是性能情绪。 SkyNomad 是「家庭型产品」，卖的是空间情绪。 前者追求速度的边界，后者探索空间的极限。 据了解，小米首款增程 SUV 昆仑 N3 将推出车顶升降功能，能提供小型房车甚至户外露营车的场景体验。 雷军要的不只是一块新增量，更想在家庭用车的红海里，踩出一片属于自己的无人区。 只是，当增程退潮、独立子品牌，以及大六座 SUV 红海的三重变奏之下，雷军的挑战，才刚刚开始。 01、小米为什么必须进入家庭市场？ 过去两年，小米汽车的成绩远超预期。 小米至今累计交付 68.5 万台车，去年汽车销售收入突破千亿并实现盈利，毛利润已经大幅超越了最会赚钱的理想。 小米这步棋「活了」，但市场瞬息万变，小米既要守住现有的基本盘，更要直面两个「题眼」。 一是

几乎每年，行业都要把「舱驾一体」拉出来讲一遍。但今年的热闹不太一样——主角从高通换成了地平线。 为此，地平线包了一大盘饺子：从一颗叫「星空」的芯片，到 KaKaClaw 座舱系统，软硬一体，来势汹汹。 余凯还给车企算了一笔诱人的账。这颗芯片最高能为单车抠出 4000 元的成本。在存储价格暴涨的周期里，降本才是硬道理。 据晚点报道，这可能是地平线有史以来设计最复杂的芯片。 而复杂背后，是地平线几乎不留退路的决心。发布会后的群访里，有两句话，余凯和苏菁说得无比笃定： 一句是，「计算机工业的本质就是集成、集成、再集成。」 另一句则是，「在人工智能改变世界的大时代潮流面前，一定要不计一切地砸研发。」三年时间，地平线在这颗芯片上砸了几十亿元。 没人怀疑地平线要把舱驾一体「干穿」的决心。但少有人意识到，余凯真正想争的，或许从来不是一颗芯片的生意。 就像当年征程系列撕开 Mobileye 的垄断铁幕一样，「星空」真正承载的，是一张下一代汽车生态的话语权门票。 舱驾一体这场战打到最后，比的是谁能率先定义整车的计算平台。 而地平线的对手是高通与英伟达，两家顶级芯片大厂同样在觊觎这块肥肉。 高通 SA8775P（稠密算力 72TOPS）已率先在极狐阿尔法 T5 上量产落地，抢下了「舱驾一体第一车」的名头。 而在算力天花板一侧，英伟达依然想靠 DRIVE AGX Thor「通吃」全局，甚至不惜拉上联发科补座舱的课。 三路人马，各自亮剑。一场关于下一代「汽车大脑」的终极卡位战，悄悄打响。 01、舱驾一体，全是难题 很长一段时间里，舱驾一体的口号声与量产进度之间，横亘着一条明显的错位带。 所有人都认同这一大趋势，车企指望着它降本增效，用户更期待它能提升智能的「质价比」。 但舱驾一体的落地情况，不容乐观。 去年，极狐阿尔法 T5 的确让舱驾一体第一次有了量产下文。可回到体验层面，一颗芯片与两颗芯片，差