技术技术的原始知识新能源车组 5月 - set丨编辑丨sakuragi，jiuli 经过多年的人口新能源，自动化行业发生了一种安静的变化。汽车公司之间的竞争似乎正在慢慢地从传统的汽车制造技巧转变为对AI技术的深入竞争。 在新产品发布会上，Perfect Auto并不是很专注于车辆的硬件参数，而是花了很多时间来介绍汽车智能的新开发以及在VLA技术下的智能驾驶演变。 同时，Geely Auto在星星上工作，将下一代Smart Cockpit OS（Preview）的“智能鸡蛋舱”为AI代理人建造。现代的互动体验和强大的AI功能也引起了行业内部和外部的广泛关注。 本印刷机会议的基本信息显然是ID认为AI不再是车辆的“可选”操作，而是确定产品体验，开发品牌护城河并吸引消费者的主要销售点。 GAC集团副总经理Goryeo在《中国电动汽车一百人论坛》（2025年）中也直言不讳：“没有智能的能力，将来没有门票参加比赛，这已成为该行业的共同同意。” 这一系列现象使人们思考：汽车公司是否从简单的汽车制造竞争者AI力量竞争中改变了？ 01 博彩升级AI“智能制造” 随着电气化波的流行，车辆的基本技术障碍大大降低。由BYD代表的汽车公司大大降低了其成熟的三电动系统供应链的汽车制造阈值。在融合和硬件过于表现的背景下e，很难通过仅依靠“堆叠材料”来发展长期优势。 随着车辆的日益普及和加深的消费者意识，用户的需求经历了深刻的变化。他们不再享受汽车作为车辆的基本操作，而是追求更高水平的情感体验和个人服务。汽车从“第三个生活空间”中的“移动机”变化，这是一个可以工作，玩耍和放松的智能终端。 在这种背景下，AI技术的增长为汽车公司提供了一个从“制造”到“智能制造”的绝佳机会。 AI不仅可以通过智能驾驶和智能驾驶舱来重现用户的旅行体验，而且可以在整个研发生命周期，劳动，营销和服务中运行，从而实现降低成本并提高效率。更重要的是，掌握AI意味着要掌握谈论数据和指定的汽车软件的权利，并定位下一个Generatio的入口n旅行到生态系统。 实际上，技术时代和成本的崩溃引起了自动产品运营的快速指示。 2024年被认为是许多行业分析师的“智能驾驶的第一年”。在特斯拉首次实施端到端自动驾驶解决方案中，“ Wei Xiaoli”和Hongmeng Zhixing等家居汽车公司也互相推出了类似的技术。 例如，“端到端 + VLM（视觉语言模型）双重系统”已成为独特的技术优势。端到端系统可以实现快速的环境响应，而VLM的视觉语言模型负责高级检查。两种的有机组合显着提高了一般驾驶能力的安全性和方案。 同样，Geely Auto的Qianlihuohan系统继续出现，提出了“ AI AI培训和AI测试AI”的概念，并计划实施面向L3的技术架构Architectu在今年的第四季度中，促进L3级技术的实际实施和应用，以便用户可以更早地享受更高水平的自动驾驶体验。 通过AI技术的加强，智能驾驶舱也实现了从“教学讲师”到“情感代理人”的重大变化。 Geely Galaxy M9的超拟人型AI代理基于Yuexingchen步骤的端到端AI语音模型。它不仅实现了多模式互动并准确检测用户情绪，而且还根据不同情况为用户提供服务。 SAIC-GM在世界各地推出了高通公司8775驾驶舱，并建立了一个AI中心，其中包括End-Cloud，意识到对Cross-Scenario的理解，这使得汽车用户的互动体验更加高效，更自然。从“汽车控制助手”到“移动生活管理”呃”。 一个明显的趋势是，高端智能驾驶功能（例如高速NOA和Urban NOA）逐渐从选择高端型号到低于200,000元人民币的主要价格频段，甚至标准标准。 AI模型在智能驾驶舱中的应用也很普遍。从提供更自然的语音联系到根据用户习惯的积极推荐服务，AI可以改善各个方面的用户体验。从“可选调整”到“标准调整”，然后再到“准核”，Markedai已成为一个主要变量，它已成为指自动产品的竞争力。 02 还必须与AI竞争以进行差异化 由于当前情况是，顶级公司通过不同的技术路线竞争强制性高度，而战场主要集中在三个主要领域：在整个生命周期中，智能驾驶，智能驾驶舱和AI。 首先，Zhihua是最激烈，最关心的BATLEFIELD参加了汽车公司的AI竞赛。主要制造商投入了大量资金，以促进L2的智能驾驶技术的发展，从而帮助L3驾驶，并且通过自我发展或合作而超越了先进的自主驾驶。该技术路线显示RIN开花的趋势。从多传感器融合到纯视觉解决方案，从模块化体系结构到端到端大型模型，每个公司都探索了最佳路径，直到自主驾驶结束为止。 Auto在明智驾驶领域的自动布局反映了“ AL In In In In In In In In In In In In In In In In In In In In In In In In In”。 VLA（视觉语言动作模型）旨在允许车辆从视觉上看到环境，理解单词的目标，并最终将其更改为像人类一样驾驶动作。 这一技术途径的核心是通过大量数据训练端到端的大型模型，以便可以处理复杂的无武装道路方案。 Lang Xianpeng，Vice PR明智的研究驱动和开发完美的汽车的杰出人物曾经表示，该公司希望到2024年底，计算训练的力量将超过8个。PS的合并行驶里程为30亿公里，被认为是自动驾驶训练所需的计算训练所需的力量，很快就会达到以下100 eflops。计算能力的主要投资是支持其VLA模型的快速重复和演变，并最终获得更安全，更拟人化的自主驾驶体验。 除了目标之外，米彭电动机是中国最早部署明智驾驶的新力量之一，这条技术路线以“全堆栈自我开发”为中心。在硬件层面上，米彭电机投资用于自发的AI芯片，以实现软件和硬件优化的深入协作； Byd还使用三电体系的好处来实现电气化的深入整合以及通过Xuanji的架构进行的智能，使车辆的所有部分都可以由AI均匀地发送和控制。 如果智能驾驶用户的手和脚释放，那么智能驾驶舱将专注于自由人的智力，并提供更具情感和个性化的人类计算机联系体验。 AI大型模型应用程序促进了智能驾驶舱从以前的简单“情感代理人”中的演变，这些“情感代理”可以理解用户并积极服务。许多主要的制造商也遵循。 “智能蛋舱”由Geely Auto和Step Star共同发布，以及Smart Nio的智能驾驶舱系统AOF NOMI，是AI代理本身创建的Smart Cockpit系统的代表。根据官方描述，该AI代理不再练习说明，而是可能积极地感受到用户的需求并提供个人服务。例如，它可能会根据用户时间表提前计划旅行路线，并建议适当的M根据用户的情绪状态，用法灯或环境。 从“函数”到“智力”的这种变化表明，智能驾驶舱将进入一个新的开发阶段。它还向行业发出了信号：将来可以建立AI代理生态系统的任何人，开发人员愿意流动并使那些完全依赖护城河的用户。 毫无疑问，大型模型正在成为汽车制造商的重要销售点之一。它迫使汽车公司快速促进AI的能力，并丰富“全域AI”的概念。但是，即使AI为自动化行业绘制了美丽的蓝图，但通往未来的方式并不顺利。 03 狂热背后的寒冷思考 实际上，从上升的AI的主要汽车制造商中，几乎所有人都在试图成为中高端模型，这也不困难，这也可能与当前的实际问题有关。 技术是实现所有愿景的基础s。计算强度基础设施的巨大差距导致了AI领域的瓶颈。中国汽车制造商协会副首席工程师Wang Yao偶然地导演：“所有国内汽车公司的AI（芯片）图形卡不如特斯拉的Dojo。” 该句子显示了国内汽车公司与全球领先参与者之间计算强度的“产生差异”。特斯拉的自我开发的Dojo超级计算机专门用于处理其全球舰队每天收集的约1600亿个视频数据框架，因为其纯粹的视觉驾驶解决方案自动为计算能力提供了强有力的支持。尽管像小米和理想之类的国内汽车公司正在积极建立自己的超级计算机中心，但总体规模和投资仍然存在巨大的空间。 除了计算能力之外，闭环数据的构建也是一个主要挑战。培训和优化NG AI模型的n不会与大量和高质量的数据分开。收集，标记，处理和应用数据以生成良性数据封闭循环是如何确定AI功能发展速度的关键。 Tsinghua大学苏州汽车研究所的智能网络中心技术总监Sun Hui认为，算法的同质性更为明显，数据将是下一个竞争力的主要点。拥有数百万个现实生活数据的公司可以通过在大规模的真实道路条件下进行培训并优化“长尾部场景”，从而解决“互动游戏”问题，从而开发出难以复制的竞争优势。 此外，大多数明智的驾驶和智能驾驶舱在硬件和软件中彼此独立。两者的深度集成产生了一个以“机舱驱动整合”为代表的融合解决方案。虽然明智驱动程序的DR的计算计算平台Eving和座舱域可以与一个结合在一起，这也意味着需要更好的算法，这也需要在早期阶段不断投资资本。 此外，AI技术的开发促进了自动行业业务模型从传统的“一次性销售产品”到“服务的持续销售”的转变，软件和服务的成本将变得越来越众所周知。 但是，两种算法，计算强度和服务量都高昂，这些成本也需要传播产品，尤其是在开发的早期阶段。致力于中高端的Modselo的汽车所有者通常对价格敏感，因此这些产品具有AI的重大责任。 但是，当我们将目光从AI模型吸引到云到稳固的沥青道路时，从一流城市的主要商业区到更广阔的第二和第三个市场，我们可以看到，对于大多数消费者来说，将汽车视为“移动工具”的S，可见且有形的物理体验 - 空间和控制仍然是他们最长的思想。 这种看似相互矛盾的现象仅反映了明智的变化中自动化行业的深刻逻辑：AI不想推翻车辆作为“运输工具”的本质，而是使用技术对新的旅行可能性，同时结合主要体验。 当先进的智能驾驶功能是进入200,000元的主要市场时，当AI的智能驾驶舱中的AI助手可以准确地记住每个家庭成员的偏好，并且当AI-Opimimimimimiagimime的供应链继续提高车辆的成本效益时，该技术进步的成本效益” 从“制造”到“ AI组”的这种变化本质上是从“硬件指定产品”到“软件指定”体验的跳跃。从增加计算功率基础设施到构建OF数据封闭循环，从明智的驾驶成功到驾驶舱的转变，Kthe Car的汽车之间的斗争已成为一种不可逆转的趋势。车辆行业的未来加速了AI对“硬核制造”和“灵活情报”中深度整合的定义的新轨道。参考： 理想的WAIC 2025发射会议 Geely Waic 2025发射会议 中国电动汽车一百人协会论坛的相关信息 Geek Park，“所有竞赛已经成为“ AI比赛”