AI褪去“炫技”標簽，車企競爭邁入務實新周期

來源：環球網

【環球網科技報道 記者 林夢雪】剛剛落幕的北京車展，勾勒出全球汽車產業的轉型軌跡。本屆展會呈現出三大標志性變化：AI大模型批量“上車”、智能體加速邁向規?；涞?、整車與零部件展區首次實現“整零同館”。與此同時，L3級自動駕駛也正式跨越概念階段，蛻變為可量產的商品。多重信號交匯，全球汽車工業的風向標正加速向北京傾斜。

走進展會可以看到，“AI”“大模型”“艙駕一體”已成為展臺標配。車企集體向“AI科技公司”轉型的背后，是行業競爭邏輯的深刻重構：汽車行業的較量已從整車單點性能，全面升級為“算力 + 算法 + 數據 + 生態”的全產業鏈生態對決。

在這一產業拐點上，底層算力與AI基礎設施的支撐能力成為決定車企智能化天花板的關鍵。4月29日，IDC正式發布《中國汽車云市場跟蹤報告（2025 下半年）》，百度智能云在自動駕駛研發市場繼續保持第一的市場份額，這也是其連續多期領跑該領域。百度智能云汽車業務部副總經理肖猛從算力結構變遷、智能體落地路徑、商業模式重構等維度，拆解了汽車智能化下半場的產業航向。

算力需求結構生變：推理爆發與國產替代成主旋律

2026北京車展期間，各品牌紛紛亮出算力底牌：理想L9 Livis全球首秀，搭載2顆自研5nm“馬赫100”芯片，綜合算力2560TOPS；蔚來ES9搭載自研神璣芯片，算力超1000TOPS；小鵬GX則宣稱配備4顆自研圖靈AI芯片，本地有效算力達3000TOPS。

當前車企算力需求結構正呈現顯著的分化與重構。

“以往車企算力主要集中在自動駕駛訓練環節，今年開始出現明顯分化?！眻猿秩珬Ｗ匝械念^部車企持續加碼訓練算力；而部分車企轉向供應商方案，通過部門整合收攏算力，僅保留基礎合規規模。與此同時，隨著AI技術普及與行業熱度攀升，推理算力需求正迎來爆發式增長。

同時，國產算力迎來歷史性窗口期。以昆侖芯P800/P900為代表的國產芯片市場需求旺盛，訂單供不應求。“現階段整體處于供不應求的賣方市場，車企算力布局以‘資源搶購’為主?！痹谛酒倘北尘跋?，車企暫難完成系統化長期規劃，核心目標已轉向算力儲備。

面對這一局面，百度智能云提出“儲算力、建平臺、治數據”三大路徑。在落地策略上，肖猛介紹混合算力架構將成為車企標配：涉密與高敏感數據依托本地私有化部署，低密級業務接入公有云以控制成本。而國產芯片正是私有化算力建設的核心支撐，“昆侖芯P900超級節點性能提升30%，已針對車企推理場景完成深度優化?！彼懔χ匦牡霓D移，也標志著自動駕駛產業正從“研發訓練期”加速邁向“車載量產期”。

智能體跨越“Demo期”：告別噱頭，聚焦高價值務實場景

在此次北京車展現場可以看到，汽車正在變成AI移動終端，廠商的展板上到處都是“AI”“大模型”“艙駕一體”等特色宣傳。AI不再是炫技的標簽，而是實實在在的效率引擎與商業增量。正如百度智能云所判斷的：“行業告別概念內卷，正式進入AI價值落地的務實發展階段?！?/p>

當前智能體在車企的應用仍以項目管理、供應鏈、客服等通用場景為主，但高價值研發場景已跑出標桿案例。在汽車工業設計領域，擁有二十余年行業經驗的阿爾特汽車技術股份有限公司，此前長期受困于風阻測試耗時長達10小時的行業瓶頸。依托百度“伐謀”智能體，阿爾特將空氣動力學、流體力學物理約束及車身造型等設計特征融入算法，實現風阻評估從小時級到分鐘級的跨越。目前同類車型可直接復用同一套算法模型，高效完成風阻測算，大幅提升研發效率。

然而，智能體從演示走向規模化仍面臨兩大瓶頸：人才缺口與技術穩定性。 “AI技術每3個月迭代一次，車企作為制造業，薪酬體系與吸引力難以與互聯網競爭頂尖人才，內部培養體系節奏也相對較慢。”高校AI擴招人才將在2027-2028年逐步流入市場，缺口有望緩解。此外，車企生產體系對穩定性、可追溯性要求極高，無法適配高頻波動的新技術，因此目前仍以非核心場景試點為主?！按夹g路線定型、人才補齊后，智能體才會全面走向規模化。”

打破BOM成本思維：汽車邁向“全生命周期運營”新商業邏輯

大模型與車載AI的普及，正在擊穿傳統車企沿用數十年的成本核算體系。

肖猛介紹：“傳統車企習慣以BOM成本為核心，核算硬件、電量等固定成本。車載AI體驗越強，推理算力消耗越大，若沿用傳統定價模式，供應商利潤將被嚴重壓縮，難以形成健康生態。”

行業的經營思路正在發生根本性轉變：從“一次性硬件售賣”轉向“硬件+長期服務”的復合模式。車輛正演變為10至15年的長效智能終端，車企開始通過優質座艙AI與智能服務提升體驗，探索增值服務付費。

面對AI推理帶來的持續性成本，車企如何破局？百度智能云給出明確建議：“不能將AI推理單純視為成本負擔，而應定義為核心生產資源。百度智能云在落地中建議‘先跑場景，后優成本’——前期快速打通高價值應用，實現效率增值；場景成熟后，再通過模型壓縮、指令優化、算力調度持續降本。推理投入帶來的研發周期縮短、人力成本下降與體驗溢價，綜合收益遠高于算力支出?！?/p>

在“算力+算法+數據+生態”的全鏈條對決中，云廠商的角色正從資源提供商升級為智能化底座共建者。

百度智能云針對不同發展階段的車企，提供差異化的賦能策略：頭部成熟車企（如吉利、濰柴）算力與平臺已完善，核心瓶頸在于數據治理。百度Data Builder通過本體建模改造傳統數據模型，適配大模型推理邏輯，打通多業務數據關聯，助力頭部車企深度落地AI場景。而對于起步較晚的新入局車企，首要任務是搭建智能體與大模型推理平臺，規劃公私混合部署邊界，從辦公、通用AI場景切入，循序漸進向核心業務延伸。

“百度智能云具備從底層基礎設施到上層應用的全棧服務能力?！睋榻B，依托成熟的AI底座、持續迭代的智能體平臺（如DuClaw、DuMate）以及完整的數字員工產品矩陣，百度智能云可為車企提供覆蓋產、研、供、銷、服全鏈路的一體化解決方案。