“下一代汽车将不再局限于单一域地考虑智能。”
在受邀出席的中国汽车重庆论坛上，一场名为“整车企业 X 科技公司，下一代汽车如何定义”的专题研讨中，长安汽车产品规划与定义业务总监柳宇翔用这句话，精准概括了AI时代汽车定义正在经历的深刻变革。
过去数年间，汽车行业提及智能化时，多围绕具体功能逐一展开，不同系统各自升级优化，构成了上一阶段智能汽车竞争的主流模式。然而，进入AI化阶段，这种单点升级的路径已不足以诠释下一代汽车的演进方向。
柳宇翔指出，未来汽车将越来越像一个由中央大脑统一调度与协同的系统。底盘、动力、座舱、智能驾驶、云端服务不再各自为政，而是需要通过“整车智能”进行重构与组织。在本场研讨中，来自整车企业、智能座舱、汽车电子、全球零部件供应商、消费电子制造商以及自动驾驶物流企业的嘉宾，也均从自身产业视角给出了高度一致的判断。
尽管大家的出发点各不相同，但一个核心共识已然清晰：AI进入汽车后，变革远不止于为座舱接入大模型，或让语音助手能够回答更多问题。更深层次的变化在于，汽车正从一个机械电子产品，转变为一个具备感知、决策、协同与持续进化能力的移动智能体。
下一代汽车的核心，不是单点智能，而是整车智能
回顾过去，汽车智能化更多是分域推进。智能驾驶拥有独立的系统，座舱也有自己的系统，底盘、车身、动力则分别遵循各自的控制逻辑。但进入AI阶段，这种以单一域为核心的定义方式已遭遇发展瓶颈。
长安汽车产品规划与定义业务总监柳宇翔在研讨中强调，下一代汽车不会再以单一域的方式理解智能。以长安的实践为例，车辆可被拆解为多个域，从底盘到顶层云端，不同域之间需要由中央大脑统一感知、统一调度。真正的难点在于，这不再是几个功能模块的简单叠加，而是整车能力边界的重新拓展。
他通过“老司机”的比喻来解释这一变化。一位真正优秀的老司机，不仅会操控方向盘、油门和刹车，还能根据车辆性能、道路环境、乘客状态等因素进行综合判断。同样一辆车，老司机能让乘客乘坐更舒适，刹车更平顺，同时实现更优的油耗表现。这正是下一代汽车中央大脑所需具备的能力——无论是智能驾驶还是人工驾驶，车辆都需在底盘、动力、能耗、车内温度、乘坐舒适性之间实现动态平衡。
这意味着，下一代汽车的定义难度将显著提升。过去，车企可以围绕某个具体功能进行规划，例如扩大智驾覆盖范围、提升座舱响应速度、优化底盘舒适性。但在AI汽车阶段，车企需要处理的是系统间的关系，比如智驾如何调用底盘能力，底盘如何协同能耗管理，座舱如何理解用户状态等。由此，汽车从“功能集成”走向“系统智能”。这正是AI对汽车产业带来的最底层变革之一。
北斗智联总裁敬锋也表达了相似的观点。他认为，AI汽车的核心标签并非单一的智能驾驶，也非单一的智能座舱，而是“跨域融合”。自动驾驶解决的是“车怎么开”的问题，智能座舱是用户体验的入口，但真正的AI汽车，需要将智驾、座舱、云端和大模型全面打通。敬锋指出，智驾如同主干，座舱如同交互躯干，而AI模型则更接近灵魂。只有当这些能力真正融合，汽车才能从局部智能迈向整体智能。
AI会重塑车内体验，但不会简单复制手机APP的生态
如果说整车智能解决的是汽车如何“思考”，那么座舱解决的就是汽车如何与人互动。过去几年，车企在座舱上投入巨大：大屏、多屏、语音助手、车载应用商店、车内游戏、影音娱乐，已成为智能电动车的标准配置。然而，一个现实问题是，许多车内应用的实际使用频率并不高。
Unity中国CEO张俊波在研讨中提到，过去几年汽车智能化在芯片、屏幕、音响和应用支持上投入巨大，但车上的应用并未真正得到充分释放。原因很简单：人的主要精力仍然集中在驾驶上。许多应用只有在停车时才有价值，比如观看视频、玩游戏、处理复杂操作。简单地将手机App移植到车机上，并不能真正构建汽车的软件生态。汽车并非手机，驾驶场景对注意力、安全和信息呈现都有更高要求。车内主界面始终应以驾驶为核心，导航、道路信息、安全提示不能被复杂应用所遮挡。
然而，AI带来的机遇在于，它会改变车内服务的组织方式。张俊波认为，未来传统App的交互方式在车内将逐步弱化。用户不再需要在屏幕上逐个点开应用，再层层进入菜单完成操作。更合理的方式是，AI通过自然语言、语音、手势等方式理解用户需求，再由Agent编排服务，替用户完成任务，并以最合适的交互方式呈现结果。车内服务将从“人找应用”转向“AI调度服务”。
举个例子：用户无需打开生活服务App、选择页面、输入目的地、对比信息，而是直接告诉车辆：“帮我找一个路上顺路、排队较少、适合吃晚饭的地方。”AI需要理解用户需求、路线、时间、偏好以及当前驾驶状态，再给出推荐结果。它所呈现的信息也不能干扰驾驶，应出现在合适的位置，以最轻量的方式完成交互。
这与手机生态有本质区别。手机上的应用通常会争夺用户注意力，而车内系统则必须克制地使用注意力。手机可以让用户沉浸在一个App中，但汽车不行。汽车内的AI服务，必须服从驾驶安全和场景效率。
张俊波提到，智能手机出现后，应用和服务成为手机端最大的利润和收入来源之一。汽车过去虽也谈论软件价值，但因驾驶场景限制，许多驾驶以外的应用难以被充分使用。随着自动驾驶逐步释放人的注意力，加上AI重新组织交互方式，车内生活服务、娱乐服务、办公服务才有可能真正落地。敬锋也指出，AI可能改变汽车的服务商业模式。过去车企尝试售卖服务并不容易，因为很多服务本质上是推送，用户会感到被打扰。但若AI能真正理解用户，在恰当的时机提供“这正是我需要的”服务，那么服务售卖才可能成为现实。
越是AI化，汽车越不能忽视安全和工程底座
在AI汽车的讨论中，大模型、智能座舱、自动驾驶往往最吸引眼球。但从产业落地角度看，汽车首先仍是交通工具，安全与可靠必须始终放在首位。
欧摩威集团中国区首席执行官兼架构与网联方案事业群中国区负责人陈远在研讨中强调，未来汽车将拥有更多科技属性，但其基本属性不会改变。汽车的第一属性依然是移动性与安全性，舒适与娱乐均是在此基础上的叠加。而且AI越深入车辆系统，对安全与可靠性的要求就越高。手机App出错可以退出重开，车机卡顿可以重启，但如果刹车、转向、底盘、智驾决策出现问题，后果将截然不同。
陈远提到，欧摩威会将更多投入放在车辆安全与可靠性上，涵盖主刹车系统、分布式制动助力系统、夜视摄像头、整车架构、算力平台、区域控制器及配套软件。基础能力越容易被忽视，就越需要被强调。安全是基础中的基础。
随着汽车智能化程度提升，车内控制器数量不断增加，算力平台也日趋复杂。过去大量分布式控制器各自完成独立任务，未来将逐步向集中式架构演进。算法会向中央计算平台迁移，区域控制器、边缘控制器与中央计算单元之间，需要形成更高效的分工。如何调动车内冗余算力，如何通过软件方式提升硬件利用率，如何确保关键系统在复杂场景下依然稳定运行，都是AI汽车必须应对的工程挑战。
华勤技术执行副总裁、汽车电子业务事业群总裁张文国也从成本与制造角度谈到类似变化。他认为，面向消费者，汽车至少需满足安全、释放人的精力、成为智能移动空间等需求；而对车企而言，在满足这些需求之外，还必须应对成本压力。AI与智能驾驶将推动车辆体验升级，但电子电气架构从分布式向集中式演进，也会带来算力集中与成本优化。华勤过去在消费电子领域积累了大规模的软硬件开发与制造能力，每年涉及大量智能设备。进入汽车电子领域后，这些消费电子经验将被迁移至汽车场景，为车企提供硬件、软件、供应链及成本优化支持。
但汽车并非更大的消费电子产品。它对可靠性、测试周期、安全冗余及质量体系的要求更高。柳宇翔也提到，车企与科技企业合作时，必须正视质量体系的差异。AI技术需要快速迭代，但汽车不能像手机App那样出现问题后简单重启。因此，AI汽车的落地并非单纯比拼模型能力，也非简单堆砌硬件配置，而是模型、软件、硬件、测试、质量与安全体系的协同进化。
车企和科技公司的关系，正在从供应链走向共创链
过去，汽车产业链相对清晰。主机厂定义需求，供应商提供零部件或解决方案，双方多为甲方乙方关系。车企提出目标，供应商完成交付，最终由车企集成。但AI时代的许多问题，车企与科技公司都尚无现成答案。大模型如何上车，座舱如何变成Agent，智驾与底盘如何协同，车端与云端如何形成数据闭环——许多方向都需要边探索边定义。
柳宇翔提到，长安近期也在与不少科技企业沟通合作。他发现，AI到来之后，合作关系发生了显著变化。在与大模型公司、算力公司合作时，双方各自擅长的领域不同，不能再以传统供应商视角看待彼此。长安内部更倾向于将这种关系称为“同向而行”。他认为，过去是供应链逻辑，现在则更像“共创链”。以前是技术采购，现在是价值共生。过去可以理解为“交钥匙工程”，供应商将方案做好交给车企；现在更像是“一起打钥匙”，甚至是一起盖房子。
这种合作关系要求双方在更早期阶段进入彼此的定义过程。车企了解车，科技公司了解AI，双方需要在战略方向、产品定义、技术实现、测试标准及质量管理方法上进行深度融合。
张俊波也从Unity的实践经历中提到类似变化。Unity早期进入汽车行业时，更多是提供3D座舱交钥匙方案。但随着车企自建软件团队，供应商的角色开始转变。Unity不再只是交付一套完整方案，而是支持车企建立自身的开发能力，并通过AI工具提升开发效率。他指出，汽车软件开发与游戏开发不同。游戏开发容忍度较高，而汽车从开发机、台架到实车路测，涉及大量性能、稳定性与适配问题。同样芯片、同样系统，在不同车型上的表现都可能存在差异。Unity正在开发AI工具，帮助车企更快发现性能问题，缩短从开发机到实车的周期。
对供应商而言，这意味着能力边界也需重新定义。敬锋认为，AI时代将带来架构、能力价值、商业模式与竞争格局的变化。单域供应商若不向AI转型、不参与跨域融合，未来竞争力将明显减弱。具备规模化量产能力的供应商，与科技公司、车企进行互补共创，将成为主流模式。
陈远则认为，中国汽车产业已形成强大的技术活力，但也存在内耗与资源浪费。出海是中国汽车产业能量积累到一定阶段后的自然需求，但出海不能只是功能堆叠，而是要把效率、质量与用户体验带出去。在他看来，未来生态将分为“大生态”与“小生态”。大生态是指中国汽车产业整体的竞争环境，小生态则是车企、系统供应商、芯片企业、软件企业之间形成的共生关系。一部分顶尖车企可能通过自研算法、数据闭环与自建算力平台形成相对封闭的系统；更多头部车企则可能追求“全栈掌控”而非“全栈自研”，让具备能力的系统供应商进入体系，共同完成产品定义与技术落地。
华勤的判断也类似。张文国认为，未来产业链关系将走向相互赋能、共生共融与价值最大化发挥。没有任何一家企业可以掌握全部核心技术，每家公司都需要在自己擅长的领域发挥独特价值。因此，产业链企业要更早进入整车开发过程，在产品概念尚未完全成熟时，就与车企、芯片公司、模型公司共同参与定义。
卡尔动力副总裁王珂则提到，重卡物流是国民经济的“动脉血管”。卡尔动力所处的L4自动驾驶重载物流场景，目标并非简单展示技术，而是重塑干线物流的成本结构与商业模式。在这个场景中，安全是底线，效率决定商业价值上限。未来的效率提升不只发生在驾驶过程中，还将延伸至装卸货、充换电、道路拥堵、路线规划等全链条环节。当足够多的自动驾驶卡车在一个区域内运行时，每辆车都可以成为独立的Agent节点，车辆之间共享拥堵、排队、充电、调度等信息，最终形成一个智能流动的物流网络。
从这场研讨可以看出，下一代汽车如何定义，并没有单一答案。对整车企业来说，它是由中央大脑统筹的进化型汽车；对座舱企业来说，它是由AI Agent重新组织服务的移动空间；对汽车电子企业来说，它是从硬件、软件走向模型与数据闭环的新平台；对自动驾驶物流企业来说，它可能是一张由车辆组成的流动智能网络。
过去，汽车行业竞争聚焦于配置、成本、硬件、单点智能与供应链效率。未来，真正的竞争可能转向整车智能架构、跨域协同能力、服务组织能力、数据闭环能力、工程可靠性以及生态共创能力。
