字節“親兒子”,開始搶華為的車圈飯碗_風聞
金错刀车评-金错刀车评官方账号-14小时前

怎麼做好智能化,是不少車企每天都要自我拷問的問題。
就在今年,小鵬汽車何小鵬、廣汽集團馮興亞、長安汽車朱華榮、理想汽車李想、東風集團楊青、奇瑞汽車尹同躍……一眾車圈大佬先後來到深圳華為總部,與任正非交流、取經。

6年前,華為初入汽車圈時還被視作潛在對手,如今車圈之所以集體轉換態度,智能化是個關鍵因素。
今年10月底,鴻蒙智行宣佈達成百萬交付量,用時僅43個月。其中,問界M9連續18個月蟬聯50萬級以上豪華車銷冠,更是令所有人側目。所有人都知道,這一切絢爛數據的核心,正是智能化。
也正因為智能化的市場潛力,華為迎來了越來越多的挑戰。
比如字節跳動。據36氪報道,字節旗下的火山引擎和賽力斯,在合作推動豆包大模型進入車機。

此外,阿里通義AI大模型、百度的文心大模型等,也各拿下了不少的車企客户。

要玩轉智能化,可能得先玩懂“大模型上車”。
01
沒有大模型的車,快賣不動了
讓大模型上車,特斯拉絕對是最激進的一個。
早在2015年,特斯拉就開始佈局自動駕駛軟硬件自研,2016-2019年陸續實現了算法和芯片自研。

但彼時還只是特斯拉的“圈地自嗨”,其他同行大都無動於衷。
直到兩個關鍵節點的出現,大模型上車的趨勢變得勢不可擋。
一個是ChatGPT的橫空出世。
大模型瞬間炙手可熱,沒多久國內更是直接打響了“百模大戰”,大模型進入了手機、醫療、教育等各行各業,甚至又出現了那句老生常談的話:所有生意都可以用大模型重做一遍。
從2023年下半年開始,大模型上車就成為了汽車智能化發展的潮流。2024年4月的北京車展上,一口氣冒出來二十多個大模型上車項目。

一個是DeepSeek的突然爆火。
2025年1月20日,DeepSeek發佈推理大模型DeepSeek-R1,憑藉比肩OpenAI o1的性能和超低推理成本,迅速引發全球關注。
如果説在之前,大模型上車只是少數頭部玩家的宣傳噱頭,那麼DeepSeek的出現則是正式吹響了車圈集體擁抱大模型的集結號。
2月5日,何小鵬在開工信中,罕見地用近三分之一篇幅談論DeepSeek:“除夕前後,DS大模型給全球科技圈帶來震撼——它既實現了媲美OpenAI的體驗,又將成本壓縮到極低。未來十年,AI將驅動汽車發生遠超電動化的變革。”

這樣的看法,不只何小鵬一個人有。對於大模型在汽車行業的作用,不少業內人士甚至將其定位為“基礎設施”。這是因為,作為一個較為垂直的領域,大模型在新能源汽車方面的應用更多,從智能座艙到智能駕駛再到底盤域……
所以,過去有人説新能源汽車是“大號手機加四個輪子”,現在的説法則升級為了“汽車機器人”。
大模型上車,自然成了所有車企必須追逐的風口。
今年2月7日,嵐圖官宣其已完成與DeepSeek模型的深度融合,嵐圖知音將成為汽車行業首個融合DeepSeek的量產車型。此後陸續有幾十家車企接入DeepSeek或其他大模型。
連海外車企此次擁抱新技術,也比之前快了不少。在中國市場,它們不約而同接入了中國雲服務公司提供的大模型服務,例如奔馳與字節的火山引擎合作,奧迪與華為乾崑聯手。

向來以“沙發彩電大冰箱”+增程獨步汽車市場的理想,也在張開雙臂擁抱大模型。在理想i8純電SUV新品發佈會上,長達數小時的演講中,佔據絕對C位的,是一個名為“VLA”(Visual Language Model,視覺語言大模型)的AI技術。李想甚至將其稱為汽車行業的——
iPhone 4時刻。

02
大模型上車,絕非噱頭
大模型上車的浪潮來勢洶洶。原因無他,是真有用。
大模型在汽車服務領域的應用主要體現在兩個方面:一是智能座艙,二是自動駕駛,都對車主體驗和車企發展有着極大影響。
對於用户,有無大模型加持,駕乘體驗相差巨大。
在新能源汽車領域,智能座艙是大模型最為便捷的應用場景。在過去的智能座艙內,一條指令對應一個執行或一個應用,完成這一系列動作就需要多個指令。而面對這條命令給出的複雜任務,大模型可以調用多個應用分步驟完成。相比以往的人機交互來説,新的能力更接近人類。

2025年8月,華為車BU CEO靳玉志曾公開介紹,對鴻蒙座艙的規劃是,讓HarmonySpace 5 從簡單的問答式交互,變成自然的全能夥伴,從被動響應走向主動服務。“比如當座艙檢測到,車主在後排睡着後,汽車會自動把幕布降下來、讓車窗變黑、把聲音調小”。
所以有人説,五年後,消費者購買一輛高端智能電動車,最關心的將不再是它有多少塊屏幕,而是它的“智商”有多高。

對於車企,有了大模型之後,不僅是多了個賣點,許多事做起來更是事半功倍。
拿智駕來説,大模型能處理海量數據,還能提高模型的準確率和性能,這對智駕駛作用很大。
以往智能駕駛感知使用的都是各個小模型“堆疊”的方式,識別的原理就是自己先看,然後到知識庫裏進行比對,如果以前沒有學習過,可能無法準確識別。而大模型能在處理路面複雜情況時具有推理能力,以及像人一樣思考的能力,可以對路網、路況、環境、駕乘行為等海量數據進行處理和多維度分析,提高智駕的準確性和可靠性。

在研發和生產方面,大模型的作用也到了必須重視的程度。
李想曾表示:“過去我們一年要做大概1000萬幀的自動駕駛圖像的人工標定,所以我們請了很多外包公司進行標定,大概6元到8元錢一張,一年的成本接近一個億,這僅僅是來做自動駕駛方面的圖片標定。但是當我們使用軟件2.0的大模型,通過訓練的方式進行自動化標定,結果和效果會非常可怕,過去需要用一年做的事情,基本上3個小時就能完成,效率是人的1000倍,這個領域的工作完全不一樣了。”

此前還有報道稱,小鵬等車企30%以上的軟件依賴於大模型自動生成。
難怪何小鵬曾多次公開表示,AI汽車時代已經到來,從研發,到生產、管理、運維,“內部接近200個業務方面都使用了AI。”
03
暫時不要抱太高期待
越是重大改變,越是沒法一蹴而就。
周鴻禕説過,大模型上車雖然會給汽車產業帶來革命性變化,但這個變化不會在“一夜之間”發生。騰訊集團高級執行副總裁、雲與智慧產業事業羣CEO湯道生也曾表示:大模型上車需要耐心。

有許多現實挑戰,所有車企都必須直面和解決,沒法彎道超車。
比如芯片問題。
大模型競爭的核心在於算力。
大模型雲端訓練需要上萬片高端GPU訓練芯片,尤其是端到端自動駕駛訓練數據量已達到PB級,訓練芯片需求更大。特斯拉端到端自動駕駛FSD V12在超過10萬塊GPU芯片支撐下才實現周級迭代。
而現在,海外的高性能GPU芯片仍被禁止對華出售,同時國產芯片仍存在製程落後、性能不足等問題。
這也是為什麼,有人建議加快推動算力共享,將國內各公司分散的算力集中起來。

還有“數據”問題。
大模型在汽車行業落地應用過程中,面臨的主要問題是數據量少且質量不高。
數量方面,國內車企場景數據普遍不足百萬,且出於數據合規的考慮,車企之間數據難以共享流通,導致國內車企的高價值場景數據並不充足。
質量方面,受限於現實因素,許多車企在數據挖掘和數據治理領域方面的沉澱不足。比如日常駕駛中,極難遇到像車禍、暴雪等極端場景,這導致了僅有不超過1%的數據可用於最終訓練。

數據問題不解決,大模型可能會“偏科”,導致產生嚴重的“幻覺”問題,不僅影響體驗,還可能影響安全。
最後是“生態”問題。
讓大模型和車主閒聊很容易,但要讓大模型提供更多服務,就需要第三方應用配合了。但調取數據、開放權限或提供高質量的API接口,通常需要投入大量資源,許多第三方公司並不願意為了一家車企的需求進行這樣的投入。

毫無疑問,大模型和AI正在從選配變標配,未來甚至還可能成為核心賣點之一。
但同時也要清楚:一場劃時代的革命註定是持久戰。
作者 | 觀海 審校 | 琪琪
視覺 | 金克斯 輪值主編 |石峯軒