2026年2月3日下午，科大讯飞股份有限公司联合创始人、总裁吴晓如做客《赵福全研究院》高端对话栏目，作为栏目第78期嘉宾，与世界汽车工程师学会联合会（FISITA）终身名誉主席、清华大学车辆学院教授、汽车产业与技术战略研究院院长赵福全进行了一场深度对话。本栏目由盖斯特管理咨询公司策划、赞助并在其官方视频号播出。在直播之后，我们精心整理了对话内容，因篇幅较长，故分四部分推送。本文为第二部分的文字、视频和音频。

【核心观点】

端侧模型：在可预见的未来5-10年，汽车行业一定需要专属的大模型。其主要原因有两点：一是汽车产品对端侧能力包括响应速度、可靠性等的要求极高，对隐私保护的要求也很高；二是汽车产品的端侧算力在目前已有的各种智能设备中是最强的，足以支撑相当程度的大模型。

云端模型：汽车产业的云端模型将如何发展，仍然存在较大的不确定性。未来云端可能会形成基础模型与各种汽车行业模型并存的格局。

拥抱AI：对汽车企业来说拥抱AI至关重要。车企如果跟不上AI的发展节奏，无法实现产品与AI的深度融合，是不会有竞争力的，最后大概率将被淘汰。

合作模式：汽车企业亟需探索新型合作模式，特别是要与AI科技公司在“产品定义-产品打造-产品运营”的全链条上深度协同。目前有些车企在这方面已经走在了前列，其他车企也都在持续推进中。

如何拥抱AI：车企必须建立适配AI发展的组织架构。AI时代企业组织变革的核心在于提升解决问题的速度。应该说，汽车产业目前还没有形成面向AI的最佳组织形态，各类企业都需要在持续实践中迭代优化自身组织。

新势力车企：在拥抱AI上，新势力车企会相对容易一些，更多的是因为它们具有时间窗口上的优势。新势力车企在组织架构、人才结构等方面，天生就更贴近AI的发展需求。

传统车企：传统车企的组织架构、人才结构等都是在硬件技术的基础上逐步形成的，这种长期积淀必然会产生某种发展惯性，导致企业面向AI的转型节奏相对缓慢。但不同企业、不同领导的重视程度存在差异，而这恰恰会影响企业转型决心的强弱、行动速度的快慢以及具体举措的优劣，并最终决定企业拥抱AI的效果。

最大差异：汽车与其他行业的最大差异就在于，AI企业在其中扮演的角色不同。在很多行业AI企业提供的是完整的数字化系统，直接交付给用户使用，系统定义由AI企业负责；但是汽车行业则由车企主导，车企始终要对整车产品及其核心系统负责，AI企业提供的仅是系统内的一个模块或受邀参与开发一部分。这是在产品及功能的定义本身存在明显差异。

大智能体：未来汽车产品不仅仍将具有复杂工业品的基本属性，还将成为一个复杂的大智能体，这个大智能体集成了多种不同的小智能体及其智能化功能，并且这些功能不能是零散的，而是必须给用户提供完整的体验。

产品迭代：与手机等快消品完全不同，汽车产品属于耐用型消费品。因此，汽车产品定义必须考虑硬件长期支撑软件迭代更新的问题，这对车企来说无疑是一大挑战。

生态复杂：在电动化、智能化的时代，原本就高度复杂的汽车产业、企业和产品正变得更加复杂，涉及到诸多要素及其背后的不同主体，而且这些主体之间呈现出“你中有我、我中有你”的交织状态和复杂关系。

长期共创：大量“业外”的科技公司、服务公司等纷纷涌入，成为汽车产业大生态中不可或缺的参与主体，基于专业化分工的协同创新将是未来汽车产业发展的必由之路。需要强调的是，这种全新的资源组合和能力融合方式不是一次性的合作，而是长期性的共创，需要贯穿于产品全生命周期持续进行。

场景结合：人工智能在本质上属于赋能型技术，用户每天直接使用的并非AI技术本身，而是AI技术支撑下的各类服务，所以关键在于能否把AI技术与具体场景有效结合起来。

深度对接：车企需要主动与各类AI科技公司及服务公司深度对接，将自身的场景需求与这些合作伙伴提供的技术与服务融为一体，并且在汽车漫长的使用周期内持续迭代更新、不断优化用户体验。

生态分工：汽车作为大智能体的总体设计与统筹协调，必须由整车企业主导。这意味着车上各种软硬件的接口标准和指令规范都要由车企来制定；而这些软硬件背后的不同主体，也即各类生态伙伴，必须基于上述标准和规范来进行分工协作。

清华大学教授、汽车产业与技术战略研究院院长赵福全（左）与科大讯飞股份有限公司联合创始人、总裁吴晓如（右）

【对话实录】

汽车产品需配备专属端侧模型，

而云端基础模型与行业模型或将并存

赵福全：当前业界有一个普遍关注的核心问题——未来汽车行业究竟是会形成一个专属的基础大模型？还是会出现一个对汽车产业适配性很强、但并非汽车产业专属的基础大模型？又或者是汽车产业同时适配于多个通用的基础大模型？不知道吴总对这个问题怎么看？

吴晓如：我个人认为，在可预见的未来5-10年，汽车行业一定需要专属的大模型。其主要原因有两点：一是汽车产品对端侧能力包括响应速度、可靠性等的要求极高，对隐私保护的要求也很高；二是汽车产品的端侧算力在目前已有的各种智能设备中是最强的，足以支撑相当程度的大模型。所以，专门面向汽车产品部署高度适配的端侧大模型既有需求，也是可行的。而端侧本身的限制使汽车产品不太可能部署基于Scaling law（缩放定律）构建的通用基础大模型，毕竟通用基础大模型的规模太过庞大，难以在车上部署。

应该说，汽车产品对端侧模型有着独特的需求：一方面，端侧模型要承担人车交互的基本任务，也要承担智能驾驶及人员健康监测等各种场景的任务；另一方面，汽车产品作为开放的系统，需要高效对接各种互联网服务，特别是未来必须与云端模型打通，因此端侧模型还要具备与云端协同的能力。由此出发，我觉得，打造汽车产业专属的端侧模型将是相关企业的一种必然选择。

与此同时，汽车产业的云端模型将如何发展，仍然存在较大的不确定性：一方面，云端模型可能逐步收敛为少数几个基础大模型；另一方面，也不排除部分企业构建“通用的基础大模型+行业大模型”相结合的底座，再基于此拓展自身的各种服务。这种模式类似于当前一些互联网公司将自身服务与大模型底座深度嵌套的发展路径。

简单地说，我的判断是：未来云端可能会形成基础模型与各种汽车行业模型并存的格局，而汽车产品端则需要配备专属的端侧模型。当然，以上观点不一定正确，仅供参考。

赵福全：吴总讲得很好。您大可不必有任何顾虑，今天我们交流的很多问题，本来就没有一致的意见或者公认的结论。特别是人工智能的发展速度远超预期，其引发的各种变化往往出乎所有人的预料。比如，Open AI恐怕就没有料到DeepSeek的出现会带来这么大的冲击；又如，最近谷歌的Gemini 3又呈现出了后来居上的态势。实际上，过去两三年间这种“此起彼伏”一直在不断发生，这恰恰表明AI及其在各行各业深度应用的格局还没有定型。事实上，在当下这个科技黑马持续涌现、创新成果层出不穷的时代，对于AI技术未来的发展进程，我想没有谁能够给出绝对精准的预测。有位知名AI专家就曾在公开场合说过，自己甚至不敢预测6个月后的AI技术走向。

另外，前段时间华为在其发布的《智能世界2035》中提出，到2035年全社会的总算力将比2025年增长10万倍。这个预测想必会让很多人大感震惊，其实在我看来，我们更应关注华为这种科技公司对未来AI发展之快的大势判断，至于具体数字反而没那么重要，要知道届时即便只实现了预测值的1/10，即算力增长了1万倍，也是非常庞大的数字了。这背后涉及到电力供应、基础设施建设以及巨额资金投入等一系列问题，充满了机遇和挑战。最终，在日益增长的算力支撑下，人工智能的发展将会越来越快，并给整个社会带来颠覆性的变化。

汽车企业必须积极拥抱AI，突破

重点在于组织和人才

赵福全：吴总刚才谈到，科大讯飞既在布局基础大模型，也在深耕包括汽车在内的重点行业应用。与此同时，汽车企业也在持续加大AI领域的投入。而汽车产品有其独特性，可以说是对安全性要求最高的大型移动智能终端。另一方面，汽车产品又是价值巨大的智能终端。我一直有这样一个判断：如果说在互联网时代，手机是核心的移动智能终端；那么进入物联网时代，汽车必将成为核心的移动智能终端。因为汽车作为未来城市中的移动节点，能够连接所有的固定节点，也就是各种各样的智能终端，从而打通人流、物流、能源流、信息流和价值链。在此背景下，您对汽车行业拥抱AI有哪些建议？科大讯飞在这方面又有哪些具体实践?

吴晓如：近年来汽车产业的发展有两条主线，即电动化和智能化。而我们在与多家车企高层的交流沟通中发现：电动化的路径已经比较清晰了，其核心在于续驶里程等关键指标的提升，具体措施包括优化动力电池等；相较而言，智能化的路径尚未收敛，还需要相关各方一起努力、共同探索。不过有一点是明确的：汽车智能化，包括人车交互、智能驾驶等，都是用户最能直接感知到的环节，早已成为影响用户购车选择的核心要素。因此，拥抱AI对汽车企业来说至关重要。展望未来，我认为车企如果跟不上AI的发展节奏，无法实现产品与AI的深度融合，是不会有竞争力的，最后大概率将被淘汰。

当然，各家车企由于基因差异等原因，其转型难度各不相同。部分新势力车企最初就是以数字化科技公司的姿态进入汽车行业的，因此拥抱AI的意识相对更强，在“软件定义汽车”等方向上更容易发力，对智能化的推进可能也就更顺畅一些。而传统车企受限于内部长期形成的组织结构和发展惯性，再加上大企业落地各种举措往往需要更多时间，所以推进智能化的难度会更大一些。不过我想强调的是，近年来传统车企的转型行动并不慢。尤其是部分实力雄厚的传统车企，通过资本合作、战略投资等多种形式与AI科技公司紧密联动、深度合作，已经突破了传统“甲方-乙方”的合作模式，并由此在内部初步建立起了较强的AI应用体系。事实上，我感觉目前大多数车企的管理层都非常清醒，他们已经认识到：汽车产品本来就是高度复杂的系统工程，是国家工业体系综合实力的集中体现；而现在融入智能化之后，其复杂度就更高了。正因如此，汽车企业只靠自身力量是难以充分拥抱AI的，必须加强与AI科技公司等的有效协作。

在我看来，在智能化方向上，汽车企业亟需探索新型合作模式，特别是要与AI科技公司在“产品定义-产品打造-产品运营”的全链条上深度协同。目前有些车企在这方面已经走在了前列，其他车企也都在持续推进中。我认为，总体而言，汽车企业与AI深度融合是一项非常复杂而艰巨的任务，今后还需要车企与相关科技公司共同尝试多种形式的合作，以期实现更紧密的融合。

赵福全：吴总讲到，当前人工智能已经进入到规模化应用的阶段，后续将对整个社会产生颠覆性的影响，为此企业必须积极拥抱AI。在这一点上，汽车行业的认知也是一致的。同时，您分析了不同车企在智能化转型上的差异，认为新势力车企拥抱AI会相对容易一些。对此，我想与您进一步探讨。这种差异是源于思维理念吗？可是前面您也提及，现在传统车企的高层已经充分认识到了AI的重要性。又或者是由于新势力车企具备某些独特的能力？我认同您提到的有些新势力车企带有数字化或者说互联网科技公司的基因，但是互联网时代与人工智能时代的思维方式、核心能力等，其实并不相同。在这种情况下，为什么说新势力车企拥抱AI的机会更大呢？

吴晓如：我所说的新势力车企拥抱AI会相对容易一些，更多的是因为它们具有时间窗口上的优势。新势力车企在成立之初，没有任何历史包袱，甚至连工厂都是新建的，它们从一开始就致力于打造智能电动汽车产品，并聚焦于相应的产品定义、软件研发和体系建设等。如果把企业比作一个人，那么新势力车企在组织架构、人才结构等方面，天生就更贴近AI的发展需求。

相比之下，传统车企长期围绕发动机、变速箱等硬件构建自身的核心能力体系，其组织架构、人才结构等都是在硬件技术的基础上逐步形成的。这种长期积淀必然会产生某种发展惯性，导致企业面向AI的转型节奏相对缓慢。我认为，这是主要原因所在。与此同时，尽管不少传统车企的高层对AI的认知也已经非常深刻了，但不同企业、不同领导的重视程度还是有区别的，而这恰恰会影响企业转型决心的强弱、行动速度的快慢以及具体举措的优劣，并最终决定企业拥抱AI的效果。

赵福全：吴总提到的这一点非常重要。我原本以为您会从资金或者说资源约束的角度来谈传统车企拥抱AI的难点，毕竟它们需要新旧业务兼顾。但您更强调组织架构和人才结构等固有差异对企业转型速度的影响，这很可能会导致传统车企出现行动“慢半拍”的迟缓，进而恐将错过拥抱AI的关键窗口期。事实上，AI的重要性毋庸置疑，企业如果认知到位，下定决心拥抱AI，我想资金总能筹措到，人才也总能招聘到。而吴总谈到的既有组织架构、流程体系等带来的惯性，却没那么容易解决，或将成为传统车企智能化转型的核心制约。

那么在吴总看来，汽车企业尤其是传统车企，要想真正拥抱AI，究竟需要在哪些方面做出重大调整、采取有力行动，才能更快地获得转型成效呢？

吴晓如：赵老师的这个问题很难回答，可能也没有标准答案，我还是谈谈个人的看法。之前我曾经看过一篇分析大众汽车在互联网时代面临转型困境的文章，其中提及大众在做OTA（在线升级）的过程中非常吃力。客观地说，大众团队在相关领域的专业能力并不弱，但还是遇到了一系列问题。而这些问题及其根源，对于当前车企在AI时代的转型，同样具有参考价值。

从本质上看，互联网时代更侧重于应用层面的创新，而AI大模型时代更聚焦于底层技术和基座的突破。具体而言，车企要想真正拥抱AI，必须解决四个核心问题：第一，在AI时代大模型人才极度稀缺，企业必须以足够的投入来引进顶尖的AI大模型等相关人才。第二，为了让这些顶尖的AI人才有效发挥作用，企业必须为其提供适宜的内部环境，使其能够快速立足生根。而这个环境中最重要的就是企业文化和组织架构。第三，有鉴于此，企业必须变革自身的组织架构，使之适配“以AI为中心”的发展需求。不过我想强调的是，这种变革绝非“单点突破”就能奏效，只是简单成立一个AI部门、配备200名AI人才，并不能解决根本问题，因为拥抱AI不是靠单一部门、单一环节的变革就能达成目标的，而是需要构建起内部各部门高效协同的组织及机制；第四，在此基础上，企业还必须与供应链伙伴形成分工协作、深度融合的新型业态，也就是说，企业需要向外进行商业模式与合作机制的变革。

总之，企业推进面向AI的全面转型时，必然会遇到各种难题和障碍，这个时候比拼的就是谁能更快地破解这些难题、突破这些障碍。一句话，汽车企业拥抱AI的竞争，关键在于解决问题的速度。

赵福全：大家有没有注意到，关于车企如何拥抱AI的问题，吴总并没有谈到诸如数据、算力、算法等技术层面的要素，而是强调必须建立适配AI发展的组织架构；同时吴总认为，AI时代企业组织变革的核心在于提升解决问题的速度。应该说，汽车产业目前还没有形成面向AI的最佳组织形态，各类企业都需要在持续实践中迭代优化自身组织。相对而言，传统车企由于长期受机械硬件技术及逻辑主导，其组织架构和流程体系已经固化多年，包括人才结构、管理方式、薪资体系及激励机制等均深度嵌入在现有体系中，因此，传统车企的组织变革恐怕要比“从零开始”的新势力车企难得多。

需要强调的是，上述组织变革不只限于企业内部，还要拓展至企业外部。毕竟AI大模型等基础技术都是由科技公司提供的，所以，车企必须与AI科技公司等紧密合作。而有效合作的关键在于两点：一是车企要摒弃传统整供关系中处于绝对主导地位的“老大”心态，谋求与AI科技公司等建立真正的战略伙伴关系；二是车企要解决对外合作中的组织适配问题，比如企业之间数据如何共享、业务如何协同等，都需要相应的组织、模式及机制支撑，否则效果将大打折扣。也就是说，无论是传统车企，还是新势力车企，都必须构建更灵活、更开放的组织架构与流程体系，以提升企业面向AI的分工协作、快速迭代和随机应变能力。也唯有如此，企业拥抱AI才有了切实落地的基础，而不只是一句宣传的口号。

当然，这一点说起来容易，做起来很难。比如，同样的科大讯飞星火大模型，业内所有车企都可以选用。然而能否用得好并与自身业务深度结合，这就要看各家车企能否围绕着模型落地，构建起适宜的组织架构和业务流程了。否则，即便选择的大模型再好，也是难以有效落地的。从这个角度看，既有组织和体系根深蒂固的传统车企转型难度的确相对更大，不过新势力车企的挑战同样不小，如果不能有效变革组织，也难以适应AI时代的发展需求。

吴晓如：赵老师的总结很精准，重点确实就在组织架构方面。因为人工智能属于数字化技术的大范畴，而一些新势力车企在起步阶段就具有数字化的天然基因，再加上这类企业成立时间短、转型负担轻，所以建立适配AI发展的组织可能相对容易一些。但这并不是绝对的，事实上，当前不少传统车企的智能化转型速度也非常快。

汽车行业引入AI具有独特性，

车企需与供应商全程协同共创

赵福全：吴总，前面您提到，科大讯飞在教育、医疗等行业都做得非常深入。那么，科大讯飞在其他行业的实践中，有没有共性的经验可以为汽车产业提供参考和借鉴？与此同时，您觉得就引入AI而言，汽车与教育、医疗等行业相比，又有哪些个性的差异？

吴晓如：我主要谈谈不同之处。在我看来，汽车与其他行业的第一个差异就在于，科大讯飞在其中扮演的角色与其他行业不同。以教育行业为例，科大讯飞提供的是完整的数字化系统，直接交付给用户使用，这些系统的定义由我们负责；但是汽车行业不同，车企始终要对整车产品及其核心系统负责，科大讯飞提供的只是系统内的一个模块。因此，产品及功能的定义本身就存在明显差异。汽车行业是由车企来主导，仅在部分场景下我们会受邀参与，提供建议、商讨方案。这也导致了产品及功能落地的节奏有所不同，汽车行业相较于教育等行业要慢一些。当然，不同车企的情况也不一样。比如部分车企在与我们的合作中比较开放，我们的想法就能较快地融入；也有部分车企相对封闭，且自身决策周期较长，一些功能就难以快速落地。我认为这一点是汽车与其他行业的最大差异所在。

第二个差异是，汽车智能化的复杂性更高。未来汽车产品不仅仍将具有复杂工业品的基本属性，还将成为一个复杂的大智能体，这个大智能体集成了多种不同的小智能体及其智能化功能，并且这些功能不能是零散的，而是必须给用户提供完整的体验。这就要求整车企业必须在统一的协同框架下，有效整合像科大讯飞这样的众多供应商，这种跨领域、跨系统、跨企业的协同难度是非常大的。

第三个差异是，汽车的使用周期更长。与手机等快消品完全不同，汽车产品属于耐用型消费品，其使用周期通常长达5-8年乃至更久。因此，汽车产品定义必须考虑硬件长期支撑软件迭代更新的问题，这对车企来说无疑是一大挑战。事实上，由于不同的软硬件供应商往往各有立场，车企必须在产品及系统定义阶段就做好软硬件的统筹规划以及相关供应商的有效协同，这样才能确保汽车产品在整个使用周期内都可以为用户提供良好的服务及体验。

我认为，以上三点就是汽车行业引入AI时的独特之处。

赵福全：我觉得，吴总刚才谈到的三点抓住了汽车行业的核心。正是因为科大讯飞在教育、医疗、汽车等多个行业均有深入布局，加上你们对AI及其应用的理解非常深刻，才更能体会到汽车行业的独特性。这就是我常说的，在电动化、智能化的时代，原本就高度复杂的汽车产业、企业和产品正变得更加复杂，涉及到诸多要素及其背后的不同主体，而且这些主体之间呈现出“你中有我、我中有你”的交织状态和复杂关系。

从产品层面看，我认为，未来汽车产品必将成为整合多个单智能体的复合智能体，像空调等单智能体都是这个复合智能体的组成部分。从企业层面看，车企要设计、制造并运营好这样的汽车产品，其自身也必须进化成为综合性的智能体体系。具体来说，汽车企业的研产供销服等各环节都要形成各自的智能体，并且还要相互打通；企业的运营管理也要形成相应的智能体；最终这些智能体将共同构成企业的综合智能体体系。从产业层面看，此前汽车产业以硬件为主导，其参与主体相对固化，彼此之间分工明确、边界清晰，形成了以整车企业为主导、各级供应商逐层配合的线型链条；而未来汽车产业将以软件乃至AI为主导，涉及到更多不同类型的跨界参与主体，并将由此形成边界模糊、彼此交融、深度协作的网状生态。站在更高层面看，未来汽车作为复合智能体还将与交通、能源和城市中的其他诸多智能体相互连通，形成规模庞大、能力超强的群体智能，从而为人类提供更多元、更精准、更优质的出行服务。显然，这意味着汽车的复杂度和协同性都将空前提升。也就是说，在AI时代，汽车产业的逻辑将会发生根本性的变化。

正因如此，汽车产业亟需重新构建与传统汽车产业完全不同的整供关系及商业模式：未来一些不生产任何零部件的供应商，也将成为汽车生态中不可或缺的参与者。而整车企业唯有把汽车产业所涉及到的诸多要素、主体及其背后的资源和能力，都整合协同到最佳状态，才能真正打造并运营好越来越懂人的汽车，为用户提供越来越贴心的服务体验。

吴晓如：是的，汽车产业的变化非常大。特别是汽车产品在交付后，还会经历5-8年的使用周期，需要持续为用户提供服务，因此车企与供应商的关系显然不可能“交付即结束”，否则后续必将出现各种问题。何况AI的迭代进步速度如此之快，现在早已不能用“年”，而是必须以“月”为单位来审视，几乎每隔一两个月，AI技术就会有很大的差异，这就更需要车企与提供AI技术方案的供应商保持常态化的紧密协作。

更为重要的是，人工智能在本质上属于赋能型技术，用户每天直接使用的并非AI技术本身，而是AI技术支撑下的各类服务，所以关键在于能否把AI技术与具体场景有效结合起来。为此，车企需要主动与各类AI科技公司及服务公司深度对接，将自身的场景需求与这些合作伙伴提供的技术与服务融为一体，并且在汽车漫长的使用周期内持续迭代更新、不断优化用户体验。我认为，这是当前汽车行业亟需解决的核心问题之一。

赵福全：进入“软件定义汽车”的时代，汽车可以通过OTA实现高频的迭代升级；而到了“AI定义汽车”的时代，汽车甚至可以实现近乎实时的持续自我迭代进化。我将这种“自进化”称为“智能化”的高级阶段，或者也可将其视为汽车智能化的终极发展目标。事实上，如果AGI真的能够在短期内实现，那么汽车“自进化”的图景其实并不遥远。无论如何，传统的整供关系及商业模式都面临严峻挑战：之前供应商在SOP（产品投产）节点完成交付后即不再参与该款产品后续工作的模式，显然已经不再适用了；今后需要整车企业与供应商伙伴长期协作，共同支撑产品在全生命周期内的不断优化。

由此也引出了一个问题——整车企业如果想要自己来完成产品的持续迭代升级，就一定不可行吗？或者说，汽车产品持续迭代升级所需的核心能力究竟是什么？车企能否完全掌握？

吴晓如：我认为，供应商在产品SOP后即退出、后续工作都由整车企业来负责的传统模式，今后肯定是行不通了。从根源上讲，这是因为整车企业并不具备供应商的相关核心能力。比如，AI底层模型的持续演进，这本就不在车企的能力边界之内。并且现在AI模型的迭代更新，早已不是简单的编码优化、漏洞修复之类的版本升级了，而是可能涉及到底层逻辑的变化，进而基于“模型即服务”，产生应用层面的根本性变化。与此同时，底层模型在云端迭代相对容易，但在车端迭代将会面临诸多现实难题：特别是模型持续升级后，原有的硬件还能适配吗？这就要求车企必须基于AI模型的预期演进，选择可以长期支撑模型顺畅运行的硬件平台。显然，整车企业唯有与提供AI模型及应用服务的相关公司建立起长期稳定的强绑定关系，才能把双方不同的核心能力有效结合起来——即车企依托产品硬件平台及运营体系，借助合作伙伴的AI技术能力，确保汽车的底层模型与应用服务能够持续优化、不断升级。除此之外，我觉得整车企业没有其他方式可以做好这项工作。

赵福全：这正是新汽车时代的核心特征——不仅技术、产品和企业层面发生重大变革，而且产业层面也在发生重大变革。可以说，过去100多年来形成的汽车产业体系，包括技术创新范式、产品开发模式、资源组织方式以及分工协作逻辑等都将全面重构。正因如此，就像吴总刚刚谈到的，过去那种“供应商完成交付后即离场，后续只有在新产品或改款产品上才能实现功能和服务更新”的模式已经完全不适用了。现在汽车产品的迭代甚至不是按年、按月，而是按周来进行的，未来更会实现实时在线、持续更新的自进化，即在多元数据的支撑下，企业可以随时发现问题并立即予以优化。

上述变化也使汽车产业的边界渐趋模糊，大量“业外”的科技公司、服务公司等纷纷涌入其中，成为汽车产业大生态中不可或缺的参与主体。由于各类主体各有不同的优势核心能力，因此基于专业化分工的协同创新将是未来汽车产业发展的必由之路。需要强调的是，这种全新的资源组合和能力融合方式不是一次性的合作，而是长期性的共创，需要贯穿于产品全生命周期持续进行。或许有人觉得，只要某家企业能够掌握所需的各种汽车核心技术，就不需要上述生态协同了，但这其实是不可能的。毕竟企业的资源有限、基因各异：如果整车企业自己去做AI大模型，那就变成大模型公司了；反过来，如果AI大模型公司去造车，那也就变成整车企业了。从这个意义上讲，产业重构对整车企业以及像科大讯飞这样的供应商来说，都是严峻的挑战，但也是重大的机遇。

汽车智能体需由整车企业主导，

统一标准、分工协作是关键

赵福全：吴总，刚才我们围绕AI在汽车行业的应用及其引发的变化展开了深入交流。我们达成了一个共识：过去汽车产业是由整车企业与供应商、经销商组成的线型链条，供应商并不参与产品上市后的迭代更新与运营服务；而今后汽车产业将是由跨产业、跨领域的众多参与主体组成的网状生态，特别是供应商要在产品上市后继续参与其迭代更新。

而这些变化的根源在于，进入软件乃至AI定义汽车的时代，汽车产品将成为可以不断进化的智能体，并且正如我前面提到的，这将是一个由众多单智能体构成的复合智能体。与此同时，在AI的驱动下，企业本身也将向智能体的方向演进，其运营管理体系将越来越依赖于各类专业化的智能体。事实上，业内很多人都认为，2025是AI智能体的元年。

此前Open AI首席执行官Sam Altman提出，AI按其能力可以划分为五个发展阶段，即聊天机器人、推理者、智能体、创新者和自组织，智能体处于第三阶段。不过在我看来，一方面，进入第三阶段后，智能体将使前两个阶段形成的AI能力倍增，例如AI技术在不同产业、不同场景的应用价值将通过智能体得到大幅释放；另一方面，即便到了第四乃至第五阶段，智能体的重要性也不会降低，反而会更加凸显，因为届时各种业务以及组织的基座依然是各类智能体。展望未来，智能体将成为人类的代理，承担大量复杂繁琐的工作，提供一站式的解决方案，最终使“可说即可得，可见即可得”真正成为现实。

所以，接下来我想和吴总聊聊智能体方面的话题，我想请教您三个问题：第一，面向智能体在汽车产品端的应用，整车企业与AI科技公司应该如何有效合作？第二，产品端的智能体与汽车企业内部运营管理的智能体，应该如何充分打通？第三，科大讯飞在教育行业的智能体逐步承担起“老师”的角色，与学生互动；在医疗行业的智能体则逐步担负起“医生”的职责或者成为人类医生的助手，与患者互动。那么智能体大规模应用于汽车行业时，将会负责什么工作？实现怎样的互动？对此，不知道您有哪些观察和思考可以与大家分享？

吴晓如：要回答这些问题，首先必须明确汽车作为大智能体的运行逻辑。正如赵老师所说的，未来车载的各种功能和服务都是一个个单智能体，然后集成起来，就形成了汽车这个大智能体。而汽车作为大智能体，其各种功能和服务是通过类似“路由”的机制来统一调度的。科大讯飞这类科技公司的核心任务，就是将用户的自然语言转化为能够驱动某项功能，也即某个单智能体的指令，使用户可以随时获得所需的服务。但是这些指令要真正启动某项功能，必须依赖于大量不同的硬件控制器协同工作。也就是说，即使自然语言已经准确地转换为控制指令，但如果不同控制器的指令规范不统一，还是很容易出现混乱。正因如此，整车企业的整合集成作用至关重要。车企必须明确各种接口及标准，这样才能将车内各类功能所对应的单智能体，与驱动这些单智能体的控制指令有机融合起来。

从生态分工的角度看，汽车作为大智能体的总体设计与统筹协调，必须由整车企业主导。这意味着车上各种软硬件的接口标准和指令规范都要由车企来制定；而这些软硬件背后的不同主体，也即各类生态伙伴，必须基于上述标准和规范来进行分工协作。例如，科大讯飞的主要工作是，确保用户通过自然语言或者说自然交互，能够顺畅调用汽车产品上的各个智能体，让人们尽享各种功能及服务。又如，像音乐厂商、地图厂商等第三方服务商，其未来的服务也会逐步演化成为智能体的形态，并且借助汽车产品上相关硬件的能力，让自身提供的服务能够更好地触达用户。

由此可见，对于您刚才提出的问题，我认为答案应该是这样：在汽车产业生态中，以车企为协同的核心，确定统一的框架，然后不同参与主体据此明确分工、各司其职，把各自负责的工作做好，共同推动各个智能体的有效落地与相互打通。反过来讲，如果各方的能力不能有效融合起来，那么最后很可能形成的只是一个个残缺的智能体。对用户来说，这些智能体的使用体验甚至可能还不如没有。

赵福全：也就是说，AI时代整车企业作为集成者的角色要比以前更加重要了。因为新汽车产业所需的核心能力及资源日益多元，无论是整车企业，还是大科技公司等供应商，没有任何一家乃至一类企业能够独自拥有所有的核心能力及资源。在这种情况下，基于专业化分工的多主体协同创新，也就是生态化的发展模式，就成为一种必然。反之，如果各方的能力无法高效率、高质量地深度融合起来，那恐怕至多只能做出60分的产品，各类智能体的构建及应用也会半途而废或者形如虚设——看起来各项功能也都具备，但用户体验却难以令人满意，不可能真正形成市场竞争力。

刚才围绕AI如何赋能汽车产业，我与吴总进行了深入交流。下面我简单做个小结，我们主要谈了四个问题。

第一，关于AI大模型在汽车产品上的应用。吴总认为，汽车需要专属的端侧模型。由于端侧算力、快速响应以及隐私保护等需求，超大规模的通用基础模型无法在车端部署。正因如此，专属的汽车端侧模型就成为了必然选择，且该模型必须能够有效支撑本地交互、智能驾驶等重要场景。同时，云端则可能会形成“基础模型+行业模型”并存的格局，支撑汽车产品与云端各种互联网服务之间实现有效协同。

第二，关于车企拥抱AI的重要性及落地策略。吴总谈到，目前智能化已成为汽车产品的核心卖点，今后会越来越影响用户的购车决策，因此不积极拥抱AI的车企终将被淘汰。而车企与AI的深度融合是一项高度复杂的系统工程，要做好并不容易。对此吴总认为，组织架构和人才结构是企业转型的突破口。尤其是汽车企业需要构建适配AI发展的新型组织体系和商业模式，以形成内部跨部门、外部跨企业的有效协同。从这个角度讲，资金并非主要障碍，组织惯性才是关键卡点。由此出发，吴总判断，一些先天具有数字化基因、且没有历史包袱的新势力车企，拥抱AI可能会相对容易；而传统车企即便高层也有认知，但长期以来基于硬件主导形成的固化组织与人才结构，还是会制约其面向AI的转型节奏。

第三，关于汽车行业引入AI的独特性。吴总基于科大讯飞的实践经验，指出了汽车行业有别于教育、医疗等行业的三大特点。一是供应商的定位存在差异，汽车产品的定义由车企主导，供应商处于配合实现的角色；二是相关各方协同的复杂性存在差异，汽车本就具有复杂工业品的属性，未来更将成为大智能体，因此车企需要整合跨行业、跨领域的各类不同供应商，有效协同的难度极高；三是产品的使用周期存在差异，不同于一般的电子快消品，汽车的使用周期通常长达5-8年甚至更长，这就需要硬件长期适配不断迭代更新的软件，为此车企唯有与供应商在产品全生命周期内紧密协同，才能始终确保良好的用户体验。

第四，关于未来汽车智能体打造的问题。我们的共识是，汽车必将成为集各种单智能体于一身的复合智能体，或者说大智能体。而打造汽车智能体需要由整车企业统筹总体设计、确定标准规范，再基于此协同诸多科技公司以及第三方服务商等，打造出各种单智能体并有效打通，最终确保各项功能及服务都能准确、快速地触达用户。正是由于AI驱动汽车智能体的上述底层逻辑，今后整车企业的集成作用将比以往任何时候都更加重要。同时，整供车企之间“交付即结束”的传统合作模式也不再有效，双方需要建立长期的强绑定关系，以共同应对AI模型不断迭代与硬件持续适配的难题，进而形成实时共创的新汽车产品创新及运营模式。