當所有車企都在做座艙智能體，算力從哪來？

作者 |本一

編輯 |德新

如果在 2026 年北京車展，主要車企的展臺轉過一圈，你會發現一個有意思的現象：幾乎每家車企都在講「座艙智能體」。

魏牌 V9X 的小魏同學，能識別「給我老婆打開座椅按摩」這種帶身份關系的自然語言；極氪的超級 Eva，一句話能完成復雜的出行規劃；智己 LS8 由千問大模型驅動的智能體助理，能“聽懂意圖、自主規劃到一鍵執行”；小鵬天璣 AIOS 6.0 把 SR 感知界面、導航和智駕主界面融為一體；理想同學在用 Mind GPT 做認知大模型和智駕的雙線推進。

圖片來源：Tesla

國內廠商都在效仿特斯拉「Grok+FSD」的產品模式：把 AI 助手和智能駕駛融合成連貫的人機協作體驗，用戶說出意圖后，系統就能連續完成理解、規劃、駕駛、調整等等一系列動作。

但可能大家在開發的過程中都會撞上同一堵墻，發現「座艙芯片的算力不夠跑大模型。」

高通 8155、8295 這一代座艙芯片，是在大模型浪潮到來之前定義的。

要流暢運行一個 13B 參數的多模態模型，它們都有點力不從心。但行業對上車大模型的參數共識，至少要到 30B 左右，才能實現真正好用的多模態交互、語義理解和主動服務。

所以，大模型上車的算力，到底從哪里來？

一、外接一塊「顯卡」

聯想車計算在今年的北京車展上發布了 Auto AI Box，一個基于英偉達 DRIVE AGX Thor-Z 平臺打造的車端 AI 算力盒子，360 TOPS@FP8算力，支持端側運行 8B 到 32B 參數的大語言模型和多模態模型。

圖片來源：聯想車計算

這個產品解決的問題，恰好是「不換座艙芯片，外掛一個顯卡盒子，就能讓大模型上車」。

前段時間，蘋果允許外接英偉達和 AMD 的顯卡在本地跑大模型。Auto AI Box 做的是類似的事情。它也是一個獨立的 AI 算力模塊，通過標準化接口疊加到現有車型上，不需要車企改動已有的電子電氣架構。這意味著：

第一，新車型可以在設計階段就集成 AI Box，把座艙智能體的算力需求和傳統座艙芯片解耦。座艙芯片管信息娛樂，AI Box 管大模型推理，各司其職。

第二，存量車型也能用（座艙算力吃緊的前代產品）。已經在產的車型如果座艙芯片算力不夠跑大模型，可以通過 AI Box 做即插即用的升級。

圖片來源：聯想車計算

聯想車計算總經理許亮在采訪中給大家算了一筆經濟賬：「純云端方案問得越多成本越高。端側部署后，隱私、安全、成本都變成平臺化能力，每年不需要額外付費�！�

AI Box 相比純云端大模型方案的另一個優勢就是，一次性硬件投入，換來長期的端側推理能力，不用按 Token 付費。

更有意思的是許亮對艙駕融合邊界的判斷。

當被問到 AI Box 能否同時承擔智駕計算時，他用了一個生動的比喻：「你的龍蝦絕對不可能養在智駕系統上，讓龍蝦來給你做制動決策。」

智駕是安全屬性導向，需要 ASIL-D 級別的功能安全；座艙則是體驗屬性導向，變化快、需求雜。兩者可以共享硬件載體以降低成本，但在架構上必須保持一定的獨立性。

所以，AI Box 目前的定位很清晰：它是座艙的「第二大腦」，不是智駕的替代方案。

圖片來源：聯想車計算

在 AI Box 之上，聯想同步發布了 OneAI 汽車智能體平臺。這個平臺接入了聯想天禧（海外名 Qira）智能體，通過統一賬號和統一記憶體系，把PC、手機、平板和汽車打通。

按照許亮描繪的場景，「如果你用了聯想的手機、聯想的電腦、聯想提供的車載系統，你在家里沒完成的報告，一上車就無縫銜接了�！�

不過這個設想能不能落地，還得取決于聯想天禧智能體本身的能力水平和用戶基數。但至少在產品架構上，這是聯想相比純汽車 Tier 1 供應商的一個差異化特點：它有跨設備生態。

二、三年實現「量產上路」

聯想車計算過去三年都做了什么？

2022 年，聯想正式成立車計算業務，最早隸屬于聯想研究院。許亮在采訪中透露了一個業務上線的細節：因為聯想跟英偉達在服務器領域合作緊密，英偉達建議他們，既然汽車賽道也有芯片需求，是不是可以做一個算力平臺來支撐汽車業務的探索？

這一步走出去，之后的節奏比預想的要快。

2023 年 3 月，聯想和英偉達簽約，取得了最早一批 Thor 芯片的授權，甚至在 Thor 參考設計還沒有公布的時候，聯想車計算就已經開始參與樣機開發了。在整個 Thor 生態里面，聯想車計算是第一個合作伙伴、第一個推出產品、第一個拿到客戶的Tier 1。

直到 2025 年，產品陸續量產落地：

一、基于雙 Thor X 的 L4 自動駕駛域控制器 AD1，提供超過 2000 TOPS 算力，已經上車文遠知行和 Nuro 的 Robotaxi；

二、基于單 Thor U 的 L2++ 輔助駕駛域控制器 AH1，量產搭載于智己 LS6、LS9 和 LS8。此外，RSE 后排娛樂方案也在奇瑞星紀元和 iCar V27 上線。

圖片來源：現場拍攝

從 1.0 到 2.0，許亮把這個過程總結為三個關鍵詞：擴產品型譜、建汽車基因、走全球化。

1.0 時代的目標是拿到入場券：建團隊、做產品、找到第一批客戶。2.0 時代的目標是在這個賽道里做好，甚至做到行業頭部。許亮提到，2.0 階段聯想車計算已經拿到了韓國、日本和美國客戶的項目，開始觸達全球主流汽車玩家。

北京車展上，聯想和文遠知行簽署全球戰略合作，未來五年預計在全球部署 20 萬臺 Robotaxi 等自動駕駛車輛。聯想方面透露，今年對文遠的出貨量將達到 5000 臺。

圖片來源：現場拍攝

雙方合作的 HPC 3.0 高性能計算平臺，基于 AD1 域控、雙 Thor X 配置，做到了自動駕駛套件成本下降 50%，平臺全生命周期 TCO 降低 84%。對成本極度敏感的 Robotaxi 商業模式而言，相當于提供了一個有力的商業可行性參數。

三、算力的「集成者」

如果想理解聯想車計算的角色，可能需要跳出「又一家汽車Tier 1」的框架。

英偉達做芯片，車企做整車。中間需要有人把芯片變成車企能直接用的域控產品，也就是承擔硬件設計、車規認證、量產制造、全球交付的全鏈條。這個角色，在消費電子行業早已被驗證：高通做手機芯片，但手機品牌不直接找高通拿芯片做手機，中間有聯想、三星這樣的集成者完成從芯片到產品的轉化。

聯想車計算在汽車行業扮演的也是類似角色。

這個角色的核心壁壘不在技術獨創性，而在規模效應和全球化能力。

許亮反復強調了幾個數字：聯想在全球有 30 多個制造基地，每年 1.3 億臺設備出貨。

這意味著，首先，消費電子端的大規模出貨高度攤銷了汽車業務的研發和供應鏈成本。這個成本結構優勢是純汽車Tier 1 不具備的；其次，當 Robotaxi 需要全球化部署的時候，聯想在各個目標市場可能已經有工廠、有本地化服務團隊、有成熟的物流體系。

「我們去拿全球的業務，我們在當地可能已經有工廠，我需要造的只是汽車產線而已。」許亮說。

在芯片供應緊張的當下，這種全球化供應鏈能力還有另一層價值。

許亮提到，在行業保供率普遍較低的時期，聯想可以提供高于行業數倍的保供率�！笡]有芯片就沒有產能，根本不用談價格。能保供本身就是汽車行業稀缺的資源�！�

聯想車計算曾經做過一個測算：到 2030 年，汽車行業對算力的總體需求規模將與 PC 行業相當。如果這個判斷成立，那么在「芯片→域控產品→全球交付」這條鏈上擁有規模優勢的集成者，就占據了一個結構性有利的位置。

當然，這個位置也面臨多方挑戰。

聯想在汽車行業的品牌認知度遠不如博世、大陸這些傳統 Tier 1，也不如德賽西威這樣的本土玩家。車企選擇供應商的時候，品牌信任和行業口碑的權重很高。

許亮自己也承認，2.0 階段最重要的任務之一是「建立汽車基因」。開發流程、工程體系、質量體系都要對齊行業標準。

從 IT 巨頭跨界到汽車供應鏈，規模優勢能否真正轉化為競爭優勢，仍然需要更多量產項目的驗證。

四、從車計算到 Physical AI

聯想在這屆車展上還釋放出一個信號：車計算平臺的能力，不止于汽車。

聯想與求之科技聯合展示了一個具身智能應用：用車規級大算力平臺驅動超輕量雙臂機器人，實現「感知—決策—執行」的端側閉環。

這個展示驗證的是一個技術假設：車規級算力平臺（高安全等級+大算力+實時性）天然適配機器人的「大腦」需求。

許亮在車展前的采訪中提到，從去年開始就有機器人客戶來尋求大算力平臺支持。英偉達的 Orin 系列此前已經在智能制造和物流 AGV 領域獲得應用。Thor 平臺向機器人場景的延展，是一個合理的技術路徑。

不過，具身智能目前在聯想車計算的業務中還處于「聯合展示」階段，離規�；涞赜芯嚯x。

一個更務實的看法可能是：這會為聯想車計算的算力平臺打開汽車之外的第二個應用場景，讓同一套硬件投資在更大的市場中攤銷成本。

從 2022 年組建團隊、2023 年拿到 Thor 最早授權、2025 年多款產品量產上車，到 2026 年發布 2.0 戰略并簽下 20 萬臺 Robotaxi 部署計劃，聯想車計算用三年時間走完了從「入場」到「量產」，一家新汽車 Tier 1 供應商的必經之路。

接下來這個聯想新業務部門可能要回答的問題是，在智能汽車算力需求持續爆發的趨勢下，從 IT 行業跨界而來的「算力集成者」，能不能在汽車行業站穩腳跟？

許亮在采訪中給出了一個判斷，他說「算法沒有走到穩定期的時候，算力不會停止腳步。100 TOPS 現在沒有車廠再講了，Thor X 推出 1000 TOPS 后就沒人再提 Orin X 了。只要算法和硬件沒有達到平衡，這個迭代就不會停�！�

對聯想車計算來說，算力迭代不停，就意味著機會窗口一直開著。