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

有一个问题，整个自动驾驶行业问了十年，却从来没有真正回答过： AI 到底有没有理解这个世界？ 这个问题的答案，决定了自动驾驶未来十年走哪条路。 今年的北京车展，轻舟智航给出了自己的答案：通用物理 AI。 所谓物理 AI，指的是能真正理解现实世界并与之交互的 AI：不只是看懂图像、识别物体，而是理解物理规律、预判行为、在真实环境里做决策。所谓通用，是指未来物理AI也能做很多事情，而不是只做开车这一件事。 而要实现这一点，轻舟押注的核心路径，是世界模型+强化学习。 世界模型的核心价值，在于让智能驾驶系统从「识别物体」升级为理解世界、预判趋势，不再局限于简单的感知与路径规划。 进一步说，它将仿真推演、场景生成、动态轨迹预判融为一体，让车辆在人车混杂、突发状况多的复杂路况中，依然能做出安全、平顺、接近人类老司机的决策。 在这套技术逻辑下，城市 NOA 不再依赖海量人类驾驶数据拟合，也不必靠路测「碰运气」收集极端场景，而是采用实际道路数据与云端生成数据双向互补的模式——以真实数据为基，用云端世界模型生成「稀缺场景与强化学习」的训练数据，再将知识蒸馏到车端。 这套叙事，在智驾圈并不陌生，各个玩家的差别不在于讲没讲这个故事，而在于有没有用工程化落地来撑住它。 01、模仿人类，是端到端的天花板 过去十年，是自动驾驶行业从无到有的探索十年。 从早期雷达与视觉融合的感知方案，到 BEV 架构、端到端模型逐步上车，再到高速 NOA、城区 NOA 功能落地，车辆完成了从「不能开」到「能开」、从「会开」到「开得稳」的跨越。 早期自动驾驶技术的局限十分清晰——系统依赖人类驾驶数据做监督学习，碰到训练集之外的场景便容易「卡壳」。而罕见场景靠路测采集效率极低，一个极端案例可能需要数百万公里才能自然触发。 这时候诞生了端到端：直接让 AI 学习人类成熟驾驶行为，理论上无限趋近人类司机，也更「丝滑」了。但数据

2026 北京车展，新车不再是唯一的焦点。 有些展台，甚至都没有新车。 广汽本田没有推出新车型。因为内部正在推行严苛的产品赛马机制，主动叫停了多款未达到核心竞争力标准的研发车型。 福特同样在收缩。2025 年启动电动化战略收缩，削减多款大型纯电车型的研发和生产计划。 蔚来旗下三大品牌（NIO、乐道、萤火虫）首次同台亮相，展台布局相较往年更紧凑，李斌的解释是，可以省不少精力和钱。 这三组动作表面不同，但指向同一个战略取向——收拢战线，降本增效。 2026 年一季度，中国汽车行业利润率仅为 2.9%，车企营收越做越大，利润反而越摊越薄。 然而，车企这种降本需求越来越迫切的信号，却成为了供应商扩大战略的破局点。 车企收缩的尽头，是供应商的边界扩张。甲方越省力，乙方越有力。 地平线、英伟达首次大规模从零部件馆「跃迁」至主展馆，跟整车企业同台竞技，**更是集结了智能汽车生态，从鸿蒙智行超 4000 平方米的展台，到**乾昆、**数字能源的独立展台，**几乎无处不在。 供应商的身影从未如此密集。 赛道也变了。过去供应商只管给车企「送上螺丝」，现在直接递上整套智能方案，火山引擎和荣威合作打造「家越」品牌、地平线也拿出了首颗舱驾融合芯片——星空（Starry)。 这背后还有一个更深层的逻辑：当车企开始降本、聚焦和收缩时，供应商反而迎来了历史性的窗口期。 01、押注中国版 Grok+FSD 这场变局，从一颗芯片开始。 2026 年北京车展释放出的第一个信号是：智驾和座舱的硬件边界，正在逐步消失。 随着电子电气架构迈向中央计算，一个现实的问题浮出水面：为什么不能用一颗芯片同时搞定智驾和座舱？ 从降本增效的逻辑来看，舱驾一体，即座舱域控和智驾域控合二为一，节约软硬件成本、提升通信效率。 这一变化的冲击，远比想象中剧烈。 但能量产舱驾一体的玩家，是极少数，目前只有两路玩家。 一路玩家是造车新势力，

刚结束的北京车展，声量是被物理 AI 撑起来的。 1451 台展车、181 台全球首发、38 万平方米展区，构成规模层面的新纪录，却不再构成核心价值。 过去新车、智驾开城数量、产品参数是发布会叙事主角，但这届车展，物理 AI 几乎统一行业语境。 小鹏、理想展露具身智能业务，将自身定义为 AI/具身智能公司，吉利首次以独立科技生态展台呈现全域 AI 2.0 能力。 而以元戎、Momenta、卓驭、轻舟智航等头部智驾玩家，都心照不宣得把发布会内容收敛为物理 AI。 元戎 CEO 周光直言，公司目标是要成为物理世界的 AI 基础设施。 只不过，物理 AI 的共识之下，分歧同样存在。所有人都在谈物理 AI，但谈论得似乎并不是同一件事。 一条新的竞争规则浮出水面——如何定义物理 AI 本身，构成了新的分水岭。 01、物理 AI，抵达技术与战略分岔口 车展上看似热闹的「物理 AI」表态，实际叙事角度各异： 一种是边界叙事。 如卓驭、轻舟智航都强调以通用物理 AI 为底座，布局乘用车、商用车和多垂类场景。 一种则是模型叙事。 如元戎、Momenta，则聚焦基座模型与世界模型，试图重构自动驾驶能力上限。 但这还只是浅层差异。 如果进一步深究物理 AI 模型的构建路线，还能看到两种战略站位： 路径一：AI 作为工程体系的增强层。 以「工程主导+AI 增强」为核心，将 AI 嵌入既有体系，用于提升感知、决策与数据效率，本质仍是工程优化问题。 尽管 AI 的确成为影响性能的关键标尺，但作用程度依然有限。 路径二：AI 就是系统本身。 直接以大模型重构架构，实现感知—推理—决策一体化。相比传统 CNN、BEV+Transformer 拼接方案，这一路径更接近「类人驾驶」，在语义理解与防御性决策上具备更高上限。 比如卓驭。在经历「删库重练」后，发布首个原生多模态基础模型，宣称 100% 含模量。 以

一场智能汽车的技术革命已经悄然到来。 以前，消费者购车决策的原因十分分散，据杰兰路 2025 年度新能源汽车消费者行为研究，购车原因 TOP10 分别是：外观、安全性、品牌、价格、空间、智驾、内饰、座舱和配置。 这些要素其实非常笼统，尤其是针对安全性的各种测试纷繁复杂。 这些要素其实非常笼统，很长一段时间汽车安全性测试，往往停留在汽车碰撞成绩、电池测试等等。 但被动安全是最后一道防线，真正能阻止事故发生的是主动安全。 所以最近几年主动安全能力也开始广受车企和消费者关注。所谓主动安全，比的是车辆对危险的感知速度和执行响应能力，而这两件事，都指向运动域。 从近两年中国自主品牌的技术突围就能窥探一二。 尊界 S800 使用了业界首个高压增程 800V 分布式电机，新一代问界 M9 采用了全新 800V 双碳化硅动力平台、全主动悬架，小鹏新一代旗舰 SUV 小鹏 X9 采用了全栈高集成高压油冷发电机，鸿蒙智行的首款 MPV 智界 V9 被曝将搭载后轮转向。 这些豪华车型，不约而同都在运动域争首发技术。 但现在，曾经散落在四处的车身安全、安全配置、刹车性能、配置质量等等，任何与车辆控制有关的单元都可以被归类为「运动域」。 **智擎率先提出这套新架构，给了行业清晰的答案——曾经纷繁复杂的制动、转向、悬架等等，可以被整合成一套完整的运动域智能化解决方案，统一调度、协同控制。 豪华旗舰车型争夺运动域话语权，也反映了「座舱域、智驾域、运动域」正在成为智能车的新三大件。 智驾、智舱是给汽车安装大脑，从而解放用户的时间精力。而运动域也有着自己的进化阶梯：随着运动域的逐步融合，最终就像给汽车安装人类小脑，用来协调、平衡、精准控制车辆动作。 运动域的水平决定了车辆动作执行的质量。 上层大脑再聪明，下层执行接不住，差距照样拉不开。 可以明确，继智驾和座舱之后，运动域将是智能汽车的第三场硬仗。 01、运

豪华 SUV 一直活在中国汽车市场的聚光灯下。 在中国，30 万级以上乘用车市场发生的故事，总是最精彩的。 首先市场够大，且持续增长。根据月度数据估算，2025 年 C 级车零售规模至少在 300 万辆以上，且这个价格带销量 TOP20 车型几乎都是 SUV。 其次，单价足够高，30 万级以上市场消费者结构稳定。尤其可以从今年中国自主品牌狂发「九系豪华 SUV」，就能管中窥豹。 当下，「豪华感+技术价值」成了消费者对 30 万级以上车型的新要求，尤其是豪华 SUV，已经成了许多旗舰技术的主战场。 豪华 SUV，就代表中国乘用车的技术风向标。 相对应地，豪华 SUV 的格局变化也是最大的，它既关乎自主品牌是否能通过豪华旗舰 SUV 车型「一车定乾坤」，也关乎传统高端品牌 BBA 的逆袭翻盘。 在今年北京车展上最受关注的，反而是一辆豪华燃油 SUV，全新奥迪 Q5L。 其中很多人是奔着奥迪 Q5L 全新的智能化升级去的——全新奥迪 Q5L 全系上线**乾昆智驾，成了全球首款搭载**乾昆智驾技术的豪华燃油 SUV。 在燃油车智能化这件事上，奥迪先人一步。 过去 30 万级豪华 SUV 一直存在取舍问题：要辅助驾驶就得换新能源，想要德系品质就得放弃好用的辅助驾驶。 曾经奥迪 Q5L 是豪华级 SUV 中硬件配置拉得最满的，是不少人的「梦中情车」。去年奥迪 Q5L 全年销量 14 万辆，销量领跑于宝马 X3、奔驰 GLC。 而现在，全新奥迪 Q5 有了**乾昆智驾加成，率先在宝马、奔驰，之前完成了智能化升维。 不仅销量领跑，智能化这局，BBA 也正在变阵「ABB」。 全新奥迪 Q5L 给了市场上以前从来不存在的选项：豪华燃油 SUV 的德系品质、辅助驾驶，可以既要又要，同时满足消费者对科技豪华的新需求。 01、燃油车 SUV 上车辅助驾驶，不容易 全新奥迪 Q5L 是全球首款搭载**

汽车行业的根基，开始向具身智能转移。 过去十年的新能源汽车行业如同一场未来竞赛，前半程拼硬件迭代速度：续航、性能、大屏、座舱系统持续升级。 但今年风向变了。 算法、AI、大模型、智能辅助驾驶，所有热词都开始指向同一个方向：谁能把车真正做成智能体。 这种切换，正在从根本上改变造车的底层逻辑。 传统汽车是硬件划定边界，软件沦为配角，而早期智能汽车看似迈入数字时代，实则在机械躯壳之外披上一层电子外衣，指令仍需层层转译。 具身智能则不同。它从每处关节，到每个执行器、传感器，都是数字神经元的自然延伸，把硬件与软件在架构层合二为一。 这套逻辑不仅重新定义了智能化，也预示着豪华市场竞争进入了「体系化能力」的新时代。 赛力斯魔方技术平台的六大系统，干的就是这件事。智慧中枢、智能底盘、多元动力、舱驾协同、智能安全和智慧服务六大系统，本质上是在构建一个类生命体的整车架构。 每一个系统都不独立存在，它们共用同一套智能中枢。 而这背后，则蕴藏着赛力斯更大的布局，不再简单造一台车，而是造一个具身智能体。 01、大脑+小脑，具身智能体的基建 在行业进入 AI 驱动的新阶段时，任何车企都必须重新回答同一个问题：下一代竞争靠什么赢？ 赛力斯的答案不是技术堆料、不是价格战，而是另一个更本质的东西，从传统汽车的轨道上抽离出来，走一条基于软硬件全链路研发的具身智能路线。 这条路的第一步，是重构整车的控制架构。 传统车企普遍采用分布式电子电气架构，中央控制器既要规划导航、判断路况，又要管悬架软硬、转向手感、刹车力度，结果就是资源互抢、响应延迟。 魔方技术平台改变了这种局面。升级为中央车控 + 区域控制模式，搭配智能底盘，形成「大脑 + 小脑」的毫秒级协同控制体系。 智慧中枢以软件定义 AI 驱动，为整车的感知、决策与跨域协同提供算力支撑。 智能底盘则承担「小脑」职能，主动参与动态调控，实现毫秒级响应。 两者在统一

今年北京车展，AI座舱走到了台前。 千里与阶跃绑定，地平线发布整车操作系统“咖咖虾”...... 类似“特斯拉FSD+Grok”的体验成了所有车企的演进焦点。既要智能驾驶的顶流体验，又要智能座舱聪明的人机交互。 在这场变革里，阿里云是一个绕不过去的角色。 车展期间，阿里云和长安、东风、北汽、比亚迪、吉利、长城、理想、上汽大众、上汽智己10余家车企宣布千问上车，打出了“AI超级副驾”的概念。 阿里云智能集团公共云事业部AI汽车行业总经理李强说法很直接：“AI座舱不仅会聊天，还要会办事。” 车企与AI云联手，一场从内到外的变革已然到来。 01、“AI超级副驾“能干什么？ 先把座舱的进化史简单捋一遍。 汽车座舱经历了三个阶段：1.0时代是对话系统，以语言助手为主，主打闲聊和陪伴。 2.0时代是任务系统，能完成打开车窗、调低音量等简单任务，但无法处理复杂需求。 当车主说“帮我找一家顺路、好吃的餐厅”，座舱助手往往甩出一句“抱歉，我无法回答这个问题。” 这几乎是所有车载语音助手的标准对话模式。它们能执行指令，但不能理解意图；能检索数据，但不能作出判断，更别提复杂指令和办事儿了。 到了3.0时代，座舱才真正有了“办事“的能力：端云一体，既能感知车主在物理世界里发生了什么，又能帮用户“办事”。 问题是，过去大部分汽车座舱一直卡在1.0和2.0之间。 痛点很明显。一来，体验感不强。座舱助手聊天聊得再好，用户也不认为它重要。三年前有一项用户调研，智能座舱的售前关注度在所有性能中排倒数第三，使用满意度倒数第五。 二来，座舱拖了智驾的后腿。2025年国内L2及以上智能辅助驾驶渗透率到了67.6%，用户在车里闲下来的时间越来越多。但座舱没跟上，无法承接办事需求。 千问上车之后，局面开始不一样了。 以用户需求最多的导航为例。以前用车得知道目的地的精确名称，错一个字就可能去错地方，有时还得跟系统反复确

2026 年 4 月 24 日，北京国际车展期间，联想车计算推出搭载 NVIDIA DRIVE AGX Thor 的舱驾智算平台 Auto AI Box，持续推进在中高阶智能驾驶与座舱 AI 计算领域的布局，拓展车端 AI 计算能力的应用边界。 试想一下，汽车不再只是交通工具，而是一个可以对话的伙伴——它能够根据你的需求调节座舱温度、智能规划路线，甚至在长途驾驶中用幽默交谈缓解疲劳。 这一愿景正加速成为现实。 基于多模态大模型的 AI 助手正在走进量产车型，重塑人车交互体验。 新一代汽车不仅具备自动驾驶能力，更开始具备「理解与决策」的能力，能够持续学习用户习惯，如音乐偏好、导航路径与环境设置，成为真正意义的个性化移动空间。 在这一趋势下，生成式 AI 与大语言模型正深刻改变汽车行业： 不仅推动自动驾驶技术演进，也实现更自然的人机交互，让车载助手从「被动响应」升级为「主动服务」的智能体。 然而，这一切的背后，对车端算力与系统架构提出了更高要求。传统车载计算平台难以高效承载复杂 AI 负载，同时还需满足车规级安全、长期稳定运行以及实时响应等严苛条件。 边缘智能由此成为关键路径，使复杂 AI 能力能够在车端高效、可靠地运行。 基于上述挑战，联想推出舱驾智算平台 Auto AI Box，同时面向中高阶智能辅助驾驶与座舱智能体应用提供高性价比的 AI 计算平台，支持多场景部署与规模化应用。 该产品融合端侧多模态大模型能力，支持自然语言交互，为智能座舱提供独立且可扩展的 AI 算力支撑, 可作为即插即用方案叠加至现有车型，为车端智能化提供坚实底座。 Auto AI Box 支持多规格硬件配置，兼容风冷与水冷散热方案，并通过模块化设计适配不同算力与带宽需求，覆盖多样化的座舱 AI 应用场景。 基于 NVIDIA DRIVE 平台的 Transformer 引擎，产品支持 FP8 与 FP

在互联网早期，很多人都「手搓」组装过电脑，显示器、显卡、声卡、网卡要买不同的牌子，这比如今直接在网上一键下单最新款麻烦多了。 车企买芯片，也不想折腾了——国内排名前五的主机厂，基本上都开始「只在一家芯片厂商买全套」。 全套打包智驾、智舱、智控……汽车芯片也要进入「全家桶」时代了。 一方面，在急剧变化的中国智能汽车市场拼杀，迫使产品迭代速度跟上；另一方面，平台化开发架构的技术框架，让「一家芯片厂商做出全套产品」类型成为可能——这催生出本土芯片市场的新生态。 在北京车展上，作为国内唯一实现整车五大域控全部量产的芯片厂商，芯驰对外同步了汽车及首次正式亮相的具身智能芯片最新解决方案： 智能座舱 X10，整体系统 BOM 成本可降低 1500～3000 元；智控 E3 系列旗舰 AMU E3800，单芯片集成超过 10 核；双子星 AMU E3650-E，用两颗旗舰级 E3650 芯片实现原生并联；E3610 为 IO 型区域控制器而设计。 芯驰车规级能力复用，正式进军机器人，推出包括大脑（R1 系列 SoC）、小脑（D9 系列 SoC）、躯干与关节（E3-R 系列 MCU）在内的全栈解决方案。 在「一站式」采购，一次性买下「全家桶」的时代，面向中央超算平台布局，提前抢占从车规级芯片到具身智能的「全域接管权」生态位。 01、车企买芯片，正在走向「一站式」采购模式 高工智能汽车研究院最新数据显示，在 2025 年中国市场乘用车智能座舱、高性能车规 MCU 芯片市场份额中，芯驰均跻身第 5 名与国际大厂同台，并拿下双项本土份额第 1 名。 本土厂商正在展示出它们冲击国际大厂固有市场格局、推进国产替代的步伐。更重要的是，这意味着车企买芯片正在走向「一站式」采购的生态模式变革。 过去，车企买芯片往往处于「散装采购」模式：东市买骏马，西市买鞍鞯。而「一站式」采购正在改变固有市场，背后驱动力在于

汽车营销正站在一个历史性的转折点上。 过去二十年，我们经历了从门户网站的信息线上化，到垂直媒体的线索线上化，再到短视频直播的互动线上化。 每一次跃迁，都重塑了品牌与用户的连接方式。 而今天，第四次转型——「交易线上化」——已悄然到来。 2025 年，抖音生活服务汽车业务交出了一份值得关注的成绩单： 67 万台核销订单，全年搜索 PV 大幅增长，用户「买车先买券」的心智加速成型。这些信号共同指向一个结论：用户已经有所变化，平台基建已经成熟，交易线上化的临界点已经到来。 此报告基于抖音生活服务与懂车帝的深度数据洞察，试图回答几个问题： 趋势之变——汽车营销 4.0 阶段意味着什么？支撑这一转变的核心推动因素是什么？ 行动之策——面对这一浪潮，主机厂应如何构建以「支付」为核心的营销体系？ 场景进阶——在新车上市这一核心场景中，交易线上化如何贯穿全周期、实现可复制的增长？ 我们既是观察者，也是参与者。我们希望与主机厂伙伴们共同厘清趋势、明确行动，在交易线上化的新浪潮中，成为新的引领者。 01、汽车交易线上化的趋势演变 1.1：汽车营销形态的变迁 1.1.1：汽车营销正迈入 4.0 时代，即交易线上化 回顾汽车营销的数字化进程，大致可划分为四个阶段。 第一阶段（2010 年前）信息线上化： 以汽车之家、易车等垂直网站上线为起点，用户告别纸质参数表，开始在线查阅车型配置，核心动作是被动浏览。 第二阶段（2010-2018 年）线索线上化： 垂直媒体逐步承载交易撮合功能，「询底价」按钮遍地开花，电话号码成为衡量营销效果的硬通货，用户行为升级为主动留资。 第三阶段（2018-2024 年）互动线上化： 短视频与直播兴起，抖音等平台让「信息找人」成为常态，用户从看内容转向实时互动。 第四阶段（2025 年至今）交易线上化： 以抖音生活服务推出汽车抵扣券为里程碑，「先买券、再核销」的模式正式落

今年新能源汽车渗透率持续攀升，行业由政策驱动全面转向市场驱动，智能化竞争进入深水区。 理想 MindVLA-o1 已实现自然语言理解、自主推理与复杂泊车，**、小鹏、蔚来等也加速推进舱驾一体，智驾与座舱边界正系统性消融。 这一切共同印证：物理 AI 时代正加速到来。 而这一趋势在产业一线集中呈现。 2026 北京车展，整车与核心技术供应商第一次在物理空间融在一起。这种融合在传递一个强烈信号： 智能驾驶的定义权，正从幕后走向台前。谁能定义「整车智能」，谁就掌握下一轮竞争的入场券。 「整车智能」并不是一个终点的概念，只是一道入口命题。当 AI 完成「感知—决策—物理执行」的完整闭环，AI 才算真正从「软件智能」升维到「物理智能」。 换言之，物理 AI 的可信落地是定义整车智能的核心标尺。 然而，物理 AI 必须直面现实世界，由于真实物理世界的不确定性、极端场景的不可预测性，AI 难以做到稳定、可解释、可验证的可信决策。 从算法可行到上车可信，看似咫尺之遥，却是最难跨越的「最后 500 米」。 那么这道横亘在量产与安全之间的关卡，真正的瓶颈究竟是什么？ 01 物理 AI，困于可信 回看自动驾驶的进化路径，答案一目了然。 第一阶段是规则时代。 靠人工写逻辑、调参数、补场景，遇到新情况就得重新开发，迭代慢如蜗牛。 第二阶段是端到端时代。 从视觉信号直接输出驾驶动作，靠模仿学习学会「像人一样开车」。但它只解决了「能不能开」，没解决「敢不敢信」。AI 的决策变成黑盒：为什么刹、为什么避、为什么绕，乘客一无所知，不信任感无意间被放大。 商汤绝影曾有一个很形象的比喻：「端到端和传统技术范式的区别，就是人脑通用性之于动物的区别。」 但人之所以为人，不只是会动作，更会解释、会沟通、会让人安心。「我为什么刹车」、「前面发生了什么」、「接下来要怎么做」——这些，才是用户真正在意的东西。 这正是「可信

智能座舱战场，第一次弥漫出「群雄环伺」的杀气。 AI 座舱的主旋律之下，不止一家企业喊出「龙虾」、「Agent」上车，也不止一家企业自称造出「中国版 Grok」。 但至少一点，智能座舱终于成了「主菜」，它与智能驾驶、动力电池层级并列，构成智能汽车新「三大件」。 只不过，大多数人都不知道这道「主菜」究竟该怎么做。 不是堆砌复杂的车控指令，也不是接入大量娱乐生态就够了；更不是把 AI 应用塞进车机就叫 AI 原生。这些充其量只是浅层功夫。 好比裹着糖衣的药丸，糖衣一溶化，用户就不愿、也难以再吞下去。 如果智能座舱的目标，是让用户在「第三空间」里真正享受生活，它的核心命题应该是，用「真实人格」留住用户。 这也构成了火山引擎在 AI 座舱方向上的底层判断。 北京车展首日，火山引擎推出一套基于 Agentic AI 架构的新一代汽车智能解决方案。 其核心是一个「AI 大脑」，直接颠覆了上一代「意图分域+多 Agent 协同」的语音助手架构，并首次横向打通车控、导航、智能驾驶等关键功能域。 产品形态分为两条路径： AI 座舱套件。在既有、已规模量产的「豆包大模型」座舱能力基础上，完成向 Agentic 架构的升级。车企可以按需组合能力模块，更像是在调用一套可编排的 AI 基础设施。 豆包座舱助手方案。一种更接近「交付即用」的产品形态，与豆包 App 实现能力与数据的互通，使车内外体验形成连续体，并通过统一模型持续迭代。 这套架构背后，是一整套从感知、推理到执行、记忆、学习的系统级闭环。既打通了整车数据链路，也让模型具备长期学习与稳定控制能力。 火山引擎围绕行业首个全链路端到端 AI 座舱架构展开探索，并以「AI 大脑」的思路推进 AI 原生座舱的系统化落地，率先在这一方向完成了能力卡位。 01、「糖衣」失效，智能座舱的内核是「人格」 过去三年，智能座舱的发展，有点像在原地打转。 车企的

过去三年，智能座舱的进化速度有目共睹。从芯片制程到屏幕形态，再到算力与交互能力的持续提升，座舱早已从单一显示终端，演变为连接信息、服务与体验的核心入口。 但与此同时，当前大多数座舱仍停留在「功能叠加」阶段。车机再顺滑，本质上也只是更高效地响应指令； 系统再丰富，依然是功能模块的集合；即便引入 AI，也多停留在语音识别与语义理解的优化上，始终没有跳出你问我答的使用范式。座舱在变得更好用，却还远谈不上真正「懂你」。 不过，随着车端算力提升与大模型能力进入终端，AI 开始从交互层走向系统层，座舱逐步具备感知、记忆与推理能力，向智能体系统演进，这一状态终将会迎来改变。 在 2026 年北京车展，联发科就先于行业提出了「AI 定义汽车」，并给出了主动式智能体体验的实现路径。 当 AI 不再只是提升响应效率，而开始参与判断与服务，汽车智能化的演进逻辑也将随之改变——各家车企将从更多功能的竞争，迈入更强理解力的竞争。 01、「主动式智能体座舱」，将改变座舱体验形态 与传统智能座舱相比，联发科提出的「主动式智能体座舱」，本质上并不是在原有语音助手或交互系统上的简单增强，而是对座舱角色的一次重新定义。 在新的体系中，座舱开始具备持续感知、理解与决策能力，能够在合适的时机主动提供服务，从被动执行走向主动参与。 这种变化并不抽象，可以通过日常使用场景直观体现。 例如，在通勤场景中，系统不再只是等待用户说出「导航回家」，而是可以结合用户的历史出行习惯、实时路况以及时间节点，提前给出路径建议，并同步调整音乐、空调或提醒安排； 在停车或上下车场景中，系统也可以基于环境变化与用户习惯，主动完成辅助操作或服务提示。 这种从「你说我做」到「我先想到」的转变，意味着座舱开始从单纯的工具，转向具备服务意识的「主体」。 而座舱形成这种具备「主体思维」服务意识的同时，也带来了三方面用户体验的升级。 首先是全模态交互