最近DeepSeek狂潮席卷全球，掀起了新一輪汽車行業企業AI熱潮。它打破了傳統大模型依賴大算力的路徑，加速AI技術普及和普惠。AI賦能汽車全價值鏈，已成為驅動汽車智能化變革的核心引擎和新的戰略支點，助力車企在智能化轉型中搶占先機。迎接AI定義汽車時代來臨，但也應正視AI應用所面臨的諸多現實和潛在挑戰。

圍繞AI汽車賽道，《汽車縱橫》特作本期“封面故事”專題報道。

汽車從傳統交通工具向移動智能終端進化，AI成為驅動這場變革的核心引擎。而DeepSeek的崛起是當前AI技術成熟曲線進入產業化爆發期的縮影。這類大模型應用有助于車企在智能化轉型中搶占先機。

?

“AI爆發遠超預期，國內科技產業方興未艾，潛力巨大。”2025年2月24日，阿里巴巴集團CEO吳泳銘宣布，未來三年阿里將投入超3800億元，用于建設云和AI硬件基礎設施，預計總額超過去十年的總和。這是中國民營企業在云和AI硬件基礎設施建設領域有史以來最大規模投資紀錄。吳泳銘表示，阿里巴巴將不遺余力加速云和AI硬件基礎設施建設，助推全行業生態發展。

此前的2月20日，吳泳銘曾表示，未來三年阿里將加大投入三大AI領域：一是投入AI和云計算的基礎設施建設，二是投入AI基礎模型平臺以及AI原生應用，三是投入現有業務的AI轉型升級。其實，1月，阿里也開源了新一代多模態模型Qwen 2.5-VL，推出了基于MoE架構的旗艦版模型Qwen 2.5-Max。截至2025年2月中旬，由阿里牽頭發起的AI模型社區“魔搭”模型總量超過4萬個，服務超1000萬名開發者。

這是自DeepSeek火爆以來，知名企業在AI領域的又一重磅舉措。此前，DeepSeek掀起了AI新一波熱潮。這波熱潮波及到各行各業，其中包括汽車產業企業。中國汽車工業協會副總工程師王耀接受《汽車縱橫》專訪時說：“DeepSeek的崛起是當前AI技術成熟曲線進入產業化爆發期的縮影。它不僅代表了AI在自然語言處理、圖像識別等領域的創新，也在多模態技術融合、深度學習算法突破等方面起到了巨大的推動作用，一定程度加速了AI在各領域的深度滲透。”

AI成為驅動汽車智能化變革的核心引擎

面對DeepSeek引發的AI熱潮，近來汽車行業企業等紛紛接入DeepSeek。有人認為，這是企業為接住這波流量的營銷噱頭。但王耀認為，將DeepSeek的應用視為營銷噱頭是對其真正價值的低估。

王耀表示，以DeepSeek為代表的大模型應用掀起的熱潮，不僅代表了全社會對技術創新關注的提升，也代表了AI發展至今變得更加人性化、易用化的趨勢。“這是響應市場需求的必然結果，使得更多領域的工作和決策更加智能化。這其中多個因素助推了其技術躍升，包括算力的提升、數據量的增長、大模型架構的突破以及算法的優化等。”

“對汽車行業而言，汽車正從傳統交通工具向移動智能終端進化，AI已成為驅動這場變革的核心引擎。”王耀認為，車企接入DeepSeek更多的是為了真正提升汽車產品的智能化水平而做出的努力和嘗試。隨著車載智能化技術的快速發展，尤其是語音交互、自動駕駛、個性化服務等領域的需求日益增長，車企需要緊跟最前沿的技術趨勢，優化其產品力，以滿足消費者需求。

以智能座艙和語音交互系統為例，王耀認為，車企通過接入大模型技術可以優化語音助手的精準度、多輪對話能力和模糊語義理解力，讓車主的指令不再僅限于簡單的命令輸入，而是能夠進行更自然、更個性、更復雜的交互。他說：“大模型還被用于優化高階智駕的研發，提供更為可靠的技術基礎，幫助車企降低研發成本，加速技術迭代，提升模型適應復雜場景的能力。可以說，像這一類的大模型應用正幫助車企在智能化轉型中搶占先機。”

未來將圍繞數據-算法-算力要素全面競爭

電動化、智能化引發汽車行業全面變革，尤其近年來汽車智能化也開始迅猛發展，由此也引發了汽車行業更加激烈的競爭。有人認為，DeepSeek或重塑車企在AI時代的競爭格局。那么，AI技術對汽車智能化發展到底有哪些促進作用或影響？

“在智能化競爭格局中，以DeepSeek為代表的大模型技術玩家的加入，無疑會重塑車企在AI時代的市場競爭格局。”王耀表示，它將加速那些在AI領域布局較早的車企在未來的市場競爭中占據優勢，也將成為智能汽車時代的“加速器”，加快車企之間的技術更新換代速度。

王耀說：“未來的競爭不僅僅是‘硬件+軟件’的競爭，而是圍繞著數據-算法-算力三大要素的全面競爭。車企能否在這場競爭中占得先機，關鍵在于其是否能夠快速有效地整合這三大要素。”

“從智能座艙到自動駕駛，AI的應用幾乎滲透到汽車產業鏈各個環節。除了在用戶體驗方面帶來革命性變化，AI還在車輛研發設計、制造與維護、運營管理、銷售管理以及后市場服務等環節發揮著重要作用。”王耀認為，在車企內部運營中還可以幫助優化生產計劃、庫存管理、供應鏈預測等業務流程，提高了整個供應鏈的運作效率。

顯然，AI技術不僅有利于提升企業產品力、研發能力和生產水平，還有利于提高企業綜合運營效率。因此，王耀說：“車企應當認識到，AI不僅僅是一個技術工具，還應該是公司戰略的一部分。要提升產品力，車企首先需要在研發過程中重視AI技術的投入，其中數據、算力和算法的投入都不能忽視。此外，車企還要加強產學研用的合作，共同研發更符合未來需求的智能化技術。”

在應用層面，王耀認為，車企可以利用AI進行數據驅動的優化。通過分析大量的駕駛數據、車主行為數據，AI能夠幫助車企精準預測用戶需求，進而提供更加個性化的服務等。“總的來說，AI技術的有效運用，不僅能夠提升產品的智能化水平，還能夠大大增強車企的創新能力和市場競爭力。”

突破AI應用瓶頸可從三方面著手

盡管AI技術發展非常迅速，但要進入全面且成熟的應用階段還需時日。那么，目前AI技術在汽車行業的應用面臨哪些主要挑戰或瓶頸？

“AI技術在汽車行業的應用發展迅猛且深入，尤其在自動駕駛領域，其核心依賴于數據、算法和算力的深度融合。”王耀說，“然而，國內企業在數據積累體量和質量仍存在差距，數據孤島仍未得到有效解決，且算力瓶頸問題也亟待解決。”

“數據的積累并不是一蹴而就。目前數據采集成本非常高，加大了車企研發投入的壓力。同時，AI模型的準確性和可靠性依賴于高質量、多樣化的情境數據。”王耀表示，車企需要確保數據的廣泛性與標注精確度，以保障在復雜應用場景中的安全性和可靠性。

王耀認為，算力問題也不可忽視，尤其在車載系統中，有限的算力資源和高計算需求構成了技術應用的瓶頸。車企要解決如何在相對低功耗平臺上高效運行這些AI模型，以確保實時反應和流暢體驗。

要突破這些挑戰或瓶頸，王耀認為，車企可以從以下幾個方面著手：

一是車企應當積極推動跨企業、跨領域的數據共享與合作，通過打破數據孤島，補充實際路測數據的不足，并以此推動行業標準的建立，降低數據交互成本。

二是針對數據質量問題，車企需要通過質量管理體系，確保數據的時效性、有效性和準確性，以支撐AI模型的高效訓練和可靠應用。

三是通過加強技術合作和研發，推動模型輕量化設計，提升算力的使用效率，并通過云端與車端協同計算等技術方式解決算力瓶頸。

王耀說：“通過加強合作共享、持續創新與技術迭代，車企可以有效突破當前瓶頸，推動AI技術在智能網聯汽車和自動駕駛領域的廣泛應用。”