2025年10月30日，在第十三屆汽車與環境創新論壇上，深藍汽車AI開發總監江振文指出，在新能源汽車競爭轉向智能化下半場的背景下，AI正成為汽車產業變革核心驅動力。不過，AI賦能也面臨隱私安全、功能生態未構建、成本與商業壁壘、法規責任倫理灰色地帶、生態壁壘等諸多挑戰。

江振文表示，深藍汽車積極應對挑戰，在算力建設上與長安攜手打造夸克計算中心，構建多模態大模型；在智能座艙領域構建多模型矩陣應用體系，推進端云一體化方案。他表示，未來，智能座艙和輔助駕駛技術路線將融合，生態從封閉域向開放域演進，企業將構建統一AI系統，AI將重塑汽車價值。

江振文｜深藍汽車AI開發總監

以下為演講內容整理：

AI已成為汽車產業變革的核心驅動力

當前，汽車競爭已從上半場的能源競爭，轉向下半場的智能化競爭。大模型領域，國內以Deepseek、千問大模型等為代表，國外有今年發布的ChatGPT-5等大模型，這些模型創新迅速，正從單語言向多模態方向演進。新能源的發展與AI的發展是并行推進的。由于新能源汽車具有獨特的載體屬性，未來其與AI的結合必將愈發緊密。反之，AI也必將進一步推動整個新能源汽車產業的發展。

圖源：演講嘉賓素材

當前智能化對用戶體驗有著顯著影響，在消費者購車決策因素中占據極大比重。如今，新勢力造車企業對智能化的關注度已超越其他諸多決策因素?？梢哉f，智能化帶來的體驗優勢以及低使用成本，已贏得市場的高度認可，成為消費者購車的主要考量因素。

此外，一套涵蓋技術創新、基礎設施和標準制定的頂層設計目前已初步構建完成，這必將推動智能汽車產業實現更快速的發展。

回顧互聯網技術的發展歷程，自上世紀90年代門戶網站興起，至21世紀前10年互聯網快速發展，這一階段互聯網以PC電腦為載體。從2010年開始，智能手機與移動互聯網實現快速綁定，成為新的發展載體。

從2020年至今審視大模型領域，汽車以其作為核心載體，兼具空間延展性、場景多樣性以及硬件整合性等優勢，有望成為下一代AI智能的終極載體形態。在AI大模型時代，算力、數據、算法協同進步且并行發展，能夠加速智能輔助駕駛和智能座艙的迭代升級，推動人車關系從簡單交互升維至智慧共生。

圖源：演講嘉賓素材

從技術浪潮的視角而言，在AI技術的推動下，當下軟件與硬件均加速安全發展。硬件方面，以GPU或NPU為核心構建算力體系；軟件層面，涵蓋AI算法與模型，以及以AI OS為代表的底層操作系統核心。這一趨勢推動著軟硬件加速融合，引領智能化持續迭代升級。與此同時，這種迭代促使AI在汽車產業內部各維度全面滲透，包括我們常提及的智能輔助駕駛、智能座艙，以及傳統底盤、三電系統，甚至為內部業務賦能，全方位提升整體效率。

智能座艙領域，傳統座艙基于規則的語音助手，在AI賦能下，已從傳統規則式語音助手轉變為具備情感交互、多模塊功能的AI agent。AI正驅動智能座艙進行價值重塑，從單純被動響應升級為智能關懷，且通過與車控系統深度集成，從孤立模塊躍升為掌控全局的一體化智能座艙中樞。

除智能座艙外，智能輔助駕駛是另一核心領域。今年，L2++級智能輔助駕駛成為行業關注重點，預計明年將成為L3級智能輔助駕駛的元年。L3級智能輔助駕駛堪稱關鍵的革命性變革點，因為從這一級別開始，首次在法律法規層面允許在局部場景下實現從人類駕駛主導轉變為機器駕駛主導的核心轉變。

要達成這一變革，需解決占比可能不足1%的長尾場景問題。解決之道核心在于借助AI技術，包括當前構建的大模型，未來從L3向L4級發展亦是如此。

除產品層面外，內部業務領域亦是如此。在內部業務方面，從常規的管理、研發、供應鏈，到制造、營銷、售后，覆蓋整車開發全體系，AI如今作為核心驅動力，正在全面重構整個價值鏈，為整體業務進行全面賦能。

我們認為，隨著AI技術從功能應用階段邁向深度賦能階段，行業正全力圍繞AI構建以數字基石為核心的全新生產體系。同時，將硬件、軟件、數據、服務等多個要素整合為一個有機整體，實現從制造優質車輛到提供全新價值體驗的轉變。

AI賦能汽車產業創新發展的核心挑戰

目前AI對行業驅動作用巨大，但在實際運行過程中也面臨諸多核心挑戰，其中首當其沖的便是隱私安全問題。以智能座艙領域為例，當下各車企乃至各行各業都強調提升用戶體驗、打造用戶價值。而提升用戶體驗的關鍵在于獲取用戶數據，只有掌握用戶數據，才能了解用戶需求與痛點。這些數據必然是與用戶強相關的，然而如何保障此類強相關數據的安全，如何保護用戶隱私，成為亟待解決的核心問題。

我們認為，若要使AI在實際產品中實現良好落地，必須完善相關法律法規建設，如此才能充分釋放AI的潛能。

第二個核心問題在于智能座艙領域的應用。當前，大模型在汽車行業應用最多的便是智能座艙與智能輔助駕駛。從智能化下半場競爭的角度來看，相較于智能輔助駕駛，智能座艙更有可能成為打造差異化的關鍵點。

然而，目前從車企的實踐情況來看，座艙中搭載了許多大模型功能，如閑聊、繪圖等各類功能。但截至目前，這些功能雖對用戶體驗有一定幫助，卻尚未充分發揮大模型的核心價值，功能的輸入與產出尚未形成完全的線性或正向關系。究其原因，在于各車企目前主要聚焦于功能的堆疊，而非構建統一的生態。

在智駕方面，目前也面臨一定的挑戰，首先，目前包括車企以及在內，整體技術路線主要包含兩條。有走端到端路線的，不過端到端路線存在差異，例如以理想為代表的VLA路線，以及以小鵬、華為等為代表的采用世界模型路線。無論采取何種路線，就當前圍繞大模型在感知、決策、規控等全鏈路結合層面而言，仍存在一定痛點與技術挑戰。

圖源：演講嘉賓素材

第二個挑戰在于成本與商業的現實壁壘。以華為為例，自2019年開展智能輔助駕駛業務以來，直至今年，每年投入至少達50億元左右，直至去年才實現當年盈利。在不久前華為的發布會上，其下一代ADAS 5單個版本的投入就已超過百億元。如此巨額的投入，后續如何分攤到每輛車的成本上，以及技術能否達到足夠高的水平以讓用戶買單，都是亟待解決的問題。若技術不夠出色，或企業不具備足夠大的體量，又該如何分攤高昂的開發成本，這無疑是一大挑戰。

第三，法規、責任與倫理方面存在的灰色地帶，這也是我們認為AI在智能輔助駕駛領域所面臨的挑戰。

此外，AI在智能輔助駕駛領域還面臨生態壁壘方面的挑戰。這一問題或許在各公司均不同程度存在。對于AI而言，其并非單純的車端控制器應用，也非僅在云端開發算法即可完成，而是一套完整的系統工程。

從底層的數據算力，到上層的算法模型測試，再到更上層的部署應用，全鏈路需要眾多部門協同配合，甚至涉及內部不同數據的交互融合，存在大量需求。然而，當前許多企業在數據孤島、技術標準不統一、工具鏈制造等方面存在分割問題，致使AI技術難以跨部門、跨層級順暢滲透，進而導致其技術潛力與實際提升需求無法精準匹配。

深藍汽車的創新與實踐

算力建設方面，深藍汽車與長安汽車攜手打造夸克計算中心，構建萬卡集群。同時，因深藍汽車承接了長安汽車新能源板塊的全部數據，涵蓋車輛數據與業務場景數據，數據資源豐富?；谶@一優勢，我們打造了基于多模態的大模型，圍繞語音、場景功能、智能輔助駕駛、人員業務等不同維度構建垂類模型，整體搭建深藍AI引擎，加速賦能業務場景的打造。

智能座艙領域，我們以多模型矩陣作為基礎支撐，創新構建整體應用體系，全面覆蓋用戶閑聊、娛樂體驗、資訊獲取等不同場景的需求。深藍汽車致力于打造多個智能體的協同機制，通過協同創新，突破當前自媒體間的壁壘問題。我們認為AI應為用戶帶來智能化、無感化的體驗。

圖源：演講嘉賓素材

同時，我們正推進端云一體化的產品方案，著力打造具備智能化感知能力、能傳遞人文關懷的產品體驗，并構建全維度的隱私防護體系。這也是我們當前AI平臺的工作重點，旨在保障用戶隱私安全合規。

智能輔助駕駛方面，深藍汽車采取雙線并行的策略。一方面，我們與華為開展深度合作，；另一方面，我們依托長安汽車開展自研工作，目前正在推進基于VLM的端到端技術，通過云端仿真解決長尾問題。

除智能座艙與智能輔助駕駛領域外，我們在底盤技術方面也進行了創新。通過結合云端技術并實施多域集成控制，實現了多元智慧識別功能，從而滿足用戶對于運動性能、舒適性以及其他多元化的需求。

能源管理方面，我們很早就開始運用AI技術賦能電池安全，從最初的AI生產制造環節，到智能預警系統，再到碰撞后的質控檢測，我們全面覆蓋了電池安全的主被動防護領域。借助AI技術，我們實現了電池安全的全面升級，取得了電子安全領域的新突破。因此，自品牌成立以來，深藍汽車未發生過一起因電池質量問題導致的過熱事件，實踐證明，這一舉措取得了顯著成效。

電驅領域，我們打造了多合一電驅系統，并推出超級增程2.0技術，均通過AI賦能，推動深藍汽車動力系統實現性能躍遷，進而提升下一代電驅性能。

公司內部針對AI制定了“一體兩翼”戰略。我們的戰略打破了各部門間的數據壁壘，構建了統一匯總的數據資源體系，實現數據共享訓練、能力共享及服務共享，從而對各部門存在的業務場景弊端進行迭代升級，提升研發開發效率。

小藍博士是深藍汽車面向內部業務打造的載體，其構建體系從底層模型延伸至上層智能體。目前，依托小藍博士，我們已搭建約100余個應用場景，全方位賦能員工，成為員工成長的新伙伴。從實際應用效果來看，小藍博士日均使用次數達千次以上，且在諸多業務的開展中，顯著提升了工作效率。

未來趨勢展望

當前，智能座艙領域普遍采用打造多模塊的發展思路，未來將朝著更優的群體智能方向演進。沿著這一方向發展，能夠重構人車關系，推動用戶體驗從當前功能堆砌式的被動響應，向無感服務的主動適配進化。

在智能輔助駕駛領域亦是如此。目前智能輔助駕駛主要有兩條技術路線，一是以華為為代表的世界大模型路線，二是以理想為代表的VLA路線。VLA路線的優勢在于，可通過增加CoT的方式增強模型的可解釋性；而世界大模型的優勢在于，能夠實現從數字世界到物理世界的升維理解。二者各有優劣。

我認為目前單純走VLA路線或世界大模型路線的企業，未來兩者將會走向融合。唯有如此，才能更好地實現技術落地，推動智能輔助駕駛向更高程度的自主化階段發展。

第二個趨勢體現在生態層面。當前，車企開發了諸多功能，這些功能的實現大多依托大模型。大模型在其中扮演著類似人類理解與組織能力的角色，借助模型的自主迭代或第三方資源，能夠推動整體功能的落地。

從這個角度而言，打造開放生態將成為未來以用戶價值為核心的關鍵所在，也是全新服務升級的重要體現。因此，我們認為生態領域是一個重要的發展趨勢，具體表現為從封閉域向開放域的演進。

圖源：演講嘉賓素材

另外，我們認為，隨著AI技術持續演進，未來企業在逐步加深對AI的理解后，必將逐步構建統一的AI系統。該系統以數據為神經血液，各部門作為有機功能模塊，形成智慧型載體，從而徹底打破生態壁壘。如此，方可實現協同效率的大幅提升與創新活力的顯著增強。

自大模型應用以來，汽車智能發展經歷了從功能堆砌的簡單被動響應，到單體智能，再到未來多智能體協同的群體智能，并最終邁向具身智能的演變過程。我們認為，未來AI將重塑汽車價值，推動汽車成為可感知環境、理解用戶需求并主動創造價值的智能生態伙伴。