【核心觀點】

重新定義：數字化或者說人工智能正在重新定義汽車企業的核心競爭力，不過這一定義是一個持續的過程，需要放在足夠長的時間尺度上來看。

端到端模型：過去開發自動駕駛系統需要很多工程師人工處理各種極端情況，既費時費力，又難以窮盡。而現在，基于Transformer架構的端到端模型，完全可以用少得多的工程師獲得相似甚至更好的自動駕駛效果。

連鎖反應：AI大模型對于自動駕駛的影響絕不僅僅局限于技術，而是會帶來一系列的連鎖反應，最終將改變整個汽車產業。

定位轉型：很多汽車企業紛紛調整自身的定位，從原來的制造公司向出行科技公司、出行服務公司轉型。

產業分工：大智能產業與汽車產業之間可行的分工方式是——汽車企業在算法和數據方面“以我為主”，而算力則由云計算公司提供。

專業模型：自動駕駛的專業模型不可能脫離大模型的支撐，這就需要車企與開發構建基礎大模型的公司加強合作。

創新生態：專業化分工的協同創新生態是未來企業取得成功的最重要支撐。而這樣的生態一定是開放性的，因為封閉性的生態難以成長和進化，即使原本體量很大、實力很強，也會逐漸落后和退化。

【對話實錄】

數字化正在重新定義汽車企業的核心競爭力

趙福全：我之前曾經講過，當前汽車產業的情況可以概括為三句話。一是“聽起來很熱”，數字化和智能化的前景尤其讓人心潮澎湃，吸引了大量資本和科技公司不斷涌入；二是“看起來很亂”，數字化和智能化的核心技術及能力涉及到大大小小的各類不同企業，相關的業務既有芯片、先進傳感器等新增硬件，更有各種軟件、操作系統以及復雜的軟件平臺等，很多不同層面的問題交織在一起，看起來非常亂；三是“做起來很難”，每一項核心技術都必須有效落地，同時還必須確保各項技術融合起來達到良好的效果，這其中涉及到資金投入、人力部署、知識產權、產品管理以及責任劃分等諸多難題。以責任劃分為例，原來汽車產品出現問題基本上都是因為硬件，即使問題是嵌入硬件的軟件造成的，責任也是清晰的；而現在軟件所占的比重越來越大，并且軟件與硬件逐漸相互解耦，這時候如果出現問題，責任就變得模糊了。例如自動駕駛汽車的制動失靈導致發生碰撞事故，這可能是制動器硬件出現了故障，也可能是調用制動器的軟件出了問題，還可能是該軟件受到了其他軟件的影響，此時具體責任應該怎樣判定以及如何處理，就需要全新的方法和規范了?？梢?，企業在數字化和智能化轉型的道路上，將面臨全新的挑戰。

上述情況之所以會出現，根本原因在于，汽車產業邊界正在不斷擴展，汽車核心技術正變得日益多元。特別是汽車產業必須與大智能產業緊密地融合起來，要應用數據技術、網聯技術、云技術、大模型等各種智能技術，還要解決芯片、操作系統等各類關鍵問題。這些技術都是汽車企業此前并不擁有的，今后也很難或者說不宜擁有，卻是ICT科技公司所擅長的。因此，汽車產業必將涌入新的重要參與者，形成新的競爭格局。這就讓汽車企業倍感糾結：究竟哪些核心技術應該自己掌握，又有哪些核心技術只能借助外力？事實上，車企原本引以為豪的傳統汽車核心技術，如發動機、變速器等，其重要性已經由于汽車電動化而大幅下降了；而智能化給汽車核心技術帶來的影響可能會更大。

在這種情況下，安博士，您覺得大智能產業與汽車產業之間的邊界應該怎樣劃分？在數字化和智能化時代，汽車核心技術到底包括哪些？又應該由哪類企業掌握呢？

安筱鵬：這是一個很大的話題，可以講的內容非常多。

趙福全：您可以分享一下結論性的觀點。實際上，安博士對傳統汽車產業來說是局外人，而對新汽車產業來說又是局內人，您有自己獨特的視角，這也是我邀請您來參加本期對話的原因。在產業變革之際，AI產業和汽車產業究竟怎樣分工才最合適？汽車產業應該做多少？AI產業又該做多少？說起來，業界對此也不乏爭議。有一種說法是軟件將賦予汽車靈魂，因此ICT公司對汽車企業會構成降維打擊，傳統汽車制造業已經沒有多少發展空間了；另一種說法是汽車硬件始終是基礎，如果沒有汽車企業打造的底盤、車身以及制動、轉向等硬件，軟件何以依托？那豈不成了“孤魂野鬼”？您怎么看這些觀點？

安筱鵬：我先說一個結論——數字化或者說人工智能正在重新定義汽車企業的核心競爭力，不過這一定義是一個持續的過程，需要放在足夠長的時間尺度上來看。就近期而言，我們更應該關注數字化在汽車產業各個細分領域應用的情況。我認為主要有幾個方面：一是自動駕駛，二是智能座艙，三是汽車制造體系。前兩個主要影響產品力，后一個關乎生產力，也就是您說的創造力。

這其中自動駕駛應該是當前業內討論最多的，而以我從外部視角的觀察來看，AI正在引發自動駕駛技術路線的重大轉變。2023年9月，馬斯克曾經在全球1200萬網民的關注下展示了特斯拉當時最新的自動駕駛技術。我認為，馬斯克從車里走出之后說的那句話非常關鍵。他說，我的工程師們從來沒有寫過任何一行代碼來讓車停在什么地方，但車總是停在它應該停的地方。這句話表明AI大模型開始與自動駕駛關聯了，端到端的技術路線呼之欲出。

以前的自動駕駛技術路線，包括特斯拉的FSD 11版本的自駕系統，都是通過人工進行海量數據標注和編寫規則代碼的方式來開發的。比如，要讓汽車識別出紅燈后停下來，就要編寫這一規則的代碼，在各種場景下加起來可能會有幾十萬行。而今天基于大模型，可以把原來的感知、規劃、控制三個模型，統一到一個基于Transformer架構的端到端模型中，然后只要提供足夠多的數據讓其自學習，到一定階段后模型就能學會什么時候停車、什么時候左轉或右轉等等。這樣自動駕駛技術的開發就大不相同了，可能只需要幾千行的代碼就可以了。

過去，開發自動駕駛系統需要很多工程師人工處理各種極端情況，即所謂的Corner Case，這既費時費力，又難以窮盡。而現在，基于Transformer架構的端到端模型，完全可以用少得多的工程師獲得相似甚至更好的自動駕駛效果。所以，目前國內外很多車企都在朝著這個方向努力，這無疑是大模型對汽車產業的一個重要影響。

由此我們不妨延伸一下來思考，AI大模型對于汽車產業及產品到底意味著什么？反過來，汽車產業及產品又會對AI大模型產生什么影響？現在基于新的Transformer技術路線，同時利用海量里程的車輛行駛數據，車企就可以實現效果相當不錯并且還能持續提升的自動駕駛，從而使其更接近于成為一種易被消費者接受的商品。當然，自動駕駛技術當前的市場售價并不低。如果從技術經濟學的角度來看，我們可以從中得出三個判斷。

第一，自動駕駛系統會改變汽車的定價邏輯和價格結構。自動駕駛系統除了芯片、傳感器等基本硬件之外，主要價值體現在軟件上。那么，與傳統汽車的各種物理硬件相比，自動駕駛這套軟件系統應該在一輛車的價格中占據多大比重呢？在自動駕駛系統的效果還不夠好時，這當然不能很高；可是當一套很有競爭力的自動駕駛系統搭載到車上時，我覺得完全可能會占到整車售價的1/5-1/4，甚至在低價車型中可以占到1/3。因為這相當于為用戶提供了一個專職代駕，將使汽車產品的定價邏輯和價格結構發生重大改變。

我們知道，軟件在經濟學上的特點就是具有相對高的固定成本和非常低的邊際成本，其邊際成本甚至可以趨近于零。當一套軟件開發出來之后，后續讓更多的用戶下載使用，企業并不需要付出什么額外的成本，比如微軟的操作系統就是如此。而汽車自動駕駛系統作為軟件，也符合同樣的經濟學規律。

那么，自動駕駛系統的固定成本有多高呢？馬斯克說過，他要投資100億美元建設算力集群，因為開發端對端的自動駕駛系統不僅需要海量數據、大模型算法，還需要有強大的算力，只有把這三個要素集成起來，才能訓練出效果極好的自動駕駛系統。顯然，這是需要大量資金投入的。我們就按100億美元來衡量，試問全球有多少家公司具備在這個賽道上競爭的實力？未來自動駕駛將越來越成為汽車產品競爭的焦點，而車企要想把自動駕駛做好，就必須在算力、數據和算法上加大投入，這意味著自動駕駛系統會有很高的固定成本。顯然，車企唯有給自動駕駛系統合理定價，并努力擴大其使用規模，才有可能承受得起這樣的成本。

也就是說，對于軟件定義硬件的全新汽車產品來說，其定價邏輯一定會發生變化。越來越多的車企將采用“硬件部分不漲價、軟件部分不降價”的競爭策略，我判斷這是未來汽車產業的必然發展趨勢，并將由此引發產業格局的根本性改變。

第二，自動駕駛會影響汽車保險行業。當自動駕駛真正落地時，必須出臺很多新的保險規則。比如一旦發生交通事故，車企要不要承擔責任，承擔多少責任？這需要有顆粒度很細的規則以及相關的數據來確定和判斷責任方。由此汽車保險的定價方式將發生全方位改變，進而可能會影響到整個保險行業。

第三，自動駕駛會影響消費者的購車心理和決策依據。當高級別自動駕駛成為現實，汽車完全可以“招之即來、揮之即去”，屆時消費者是繼續購買汽車產品，還是轉為購買汽車出行服務，這也是一個很大的問題。

總體而言，我認為AI大模型對于自動駕駛的影響絕不僅僅局限于技術，而是會帶來一系列的連鎖反應，最終將改變整個汽車產業。我覺得，這個例子很能說明AI如何重新定義汽車企業的核心競爭力。當然，AI也非常需要像汽車這樣重要的大產業來擴展其應用價值。

趙福全：我非常認同安博士的這段分享，這其實正是當前汽車人既深感焦慮、又希望尋求突破的關鍵點。數字化和智能化將使汽車產業的內涵外延、汽車企業的商業模式以及汽車產品的屬性定位等都發生革命性的改變。特別是，原來汽車產品是以硬件為主導的，車企對硬件的特點非常了解，只要不斷打磨和升級硬件就可以了；而今后汽車產品將越來越以軟件為主導，產品競爭力及價值也越來越指向軟件，這就需要車企轉變理念，努力加深對軟件的理解和掌握。

正如安博士談到的，今后汽車企業可以通過數字化手段不斷對產品進行迭代優化，這將成為未來汽車產業競爭的重點。在此情況下，硬件可以基本不變或少變，而通過軟件來實現產品持續改進，不斷提升用戶的個性化體驗。事實上，汽車業內的同仁們應該都能感受到，現在硬件已經越來越同質化了，車企要靠硬件來實現產品差異化越來越難了；相比之下，憑借軟件來實現產品差異化的空間卻越來越大。比如，特斯拉的車型換代速度很慢，但是通過不斷推出新軟件或升級軟件版本，用戶在原來的車型上一樣可以持續獲得新體驗。這就是所謂的“常用常新、越用越好”，我認為這個理念至關重要。

正因如此，很多汽車企業紛紛調整自身的定位，從原來的制造公司向出行科技公司、出行服務公司轉型。我覺得，這反映出這些企業的領軍人對汽車產業數字化和智能化的高度重視與深刻認識，他們意識到汽車企業的核心競爭力正在被重新定義，為此企業必須調整經營管理的理念、方向和模式。

未來車企應自行掌握算法和數據，并利用好外部算力資源

趙福全：這就帶來了一個新問題——未來支撐出行科技公司、出行服務公司的核心能力是什么？現在的汽車企業要怎樣做才能轉型成功？您剛才舉了特斯拉自動駕駛系統的例子，強調這背后既有數據、又有算法、還有算力。作為人工智能的三大支撐要素，三者缺一不可，每一個都很重要。而目前掌握這三個要素的主體各不相同，總體而言，算力、算法基本掌握在大智能產業的科技公司手中，而數據則掌握在整車企業手中，因為直接面對用戶的還是車企。

在這種情況下，很多企業的高層都曾與我交流過一個核心問題：整車企業應不應該、又能不能夠自己擁有算力和算法呢？現在看來，特斯拉可能是將人工智能和汽車合二為一的唯一一家企業，它本身也自認為是科技公司，而非汽車企業。那么，特斯拉是一個特殊的存在嗎？還是說這是未來汽車企業轉型的必然方向，像大眾、豐田這樣的全球頂級車企今后也要努力成為人工智能科技公司？

說到底，這還是未來整車企業應該具備什么核心能力的問題。毫無疑問，自動駕駛技術逐漸投入產業化應用，并且不斷進化升級，一定離不開算力、算法等的支撐，這些AI技術當然是大智能產業的強項；但是AI大模型必須用數據來訓練，而數據掌握在整車企業手中。所以，大智能產業和汽車產業必須相互融合、緊密合作。不過這兩個產業之間總還是要有一個邊界吧，如果交集始終是灰色地帶恐怕行不通。具體來說，您覺得汽車企業應該向人工智能的方向拓展多少？又應該把重點放在哪里？假如說10年之后，人工智能將實現全面的重大突破，那么汽車企業現在要做哪些布局和儲備，屆時才足以擁抱更強大的人工智能呢？

目前的情況是，面向未來的汽車智能化競爭，汽車企業缺少AI技術；而像阿里這樣的ICT科技公司，也缺少汽車技術。這樣一來，是不是誰都無法與特斯拉抗衡了呢？說實話，我并不這樣認為。我覺得，現在有點類似春秋戰國時期，各方八仙過海、各顯神通，但最終還是會有殊途同歸的一天。安博士，您怎樣看這個問題？這可能也是收看我們欄目的企業家們最關注的問題之一，其中既涉及未來發展的大方向，又涉及具體時間節點的判斷。

安筱鵬：我們不妨分析一下支撐智能產業生態系統的這幾個核心要素。第一個要素是算力。前面提到，馬斯克宣稱要投資100億美元來建設算力集群?？梢?，要構建一個可以進行自動駕駛大模型訓練的智能算力集群，門檻是非常高的?？赡車鴥溶嚻罂梢越装?、幾千GPU卡的算力集群，能夠支撐小模型的運行，但面向未來自動駕駛大模型的算力需求，這是遠遠不夠的。所以，我覺得車企應該與國內的云計算公司合作，讓其提供算力服務，幫助車企進行所需的模型訓練。當然，這個訓練本身還是由汽車企業來做，云計算公司負責為車企提供高效、安全的算力基礎設施即可，這就是雙方的職責與分工。

需要注意的是，現在有一個認知誤區。我們今天談大模型時經常會提到萬卡算力集群，但是很多企業可能都低估了從百卡、千卡集群到萬卡集群的技術門檻。實際上，并不是簡單地把上萬張GPU卡堆積起來就是萬卡集群了，這其中還需要一套非常復雜的調度優化系統，其技術門檻是很高的。也就是說，即便車企有足夠的資金，也未必有足夠的技術能力來構建大模型算力。因此我的結論是：中國乃至全球最終能夠真正具備萬卡乃至超萬卡算力集群的公司，數量會非常有限。

當然對于汽車產業的垂直模型來說，并不需要像大模型那么高的算力。不過車企訓練自動駕駛系統的算力需求，肯定會越來越高，這部分算力完全可以由云計算公司來提供。而且既然車企有這樣的商業訴求，那么云計算公司就會做好相關的服務。例如，阿里目前就在和小鵬汽車合作，為其提供自動駕駛模型訓練的云解決方案。我相信，未來這類需求的規模會更大。

第二、第三個要素是算法和數據。對于汽車企業來說，自動駕駛的算法是其核心競爭力，數據也是其核心競爭力。而這兩個要素還會相互影響，形成一個不斷迭代和演進的過程。例如，現有的自動駕駛系統不斷采集到新數據，再用這些數據進行訓練，持續迭代改進算法，然后演進出下一個版本的自動駕駛系統。今后這種技術發展模式將越來越成為一種常態，并且這也是汽車企業和自動駕駛公司在激烈的市場競爭中必須做好的一項工作。

所以我認為，從較長的周期來看，大智能產業與汽車產業之間可行的分工方式是：汽車企業在算法和數據方面“以我為主”，而算力則由云計算公司提供?；蛟S部分汽車企業也會自己構建較小的算力集群，但同時其更多的算力需求還是要依靠大型的云計算公司滿足。畢竟算力集群的資金和技術門檻都非常高，而且相關核心技術又變化得非?？?。

當然，特斯拉可能確實比較特殊，因為其創始人馬斯克出身于IT領域，之后才去做汽車企業，2023年他又成立了一家人工智能公司。也就是說，馬斯克麾下既有汽車、也有人工智能的技術和人才等資源。從這個角度看，特斯拉有點像是一家縱向一體化整合的獨特企業。

中國車企要通過構建并用好汽車產業生態來贏得優勢

趙福全：應該說，這樣的分工是清晰的。同時，您也認為特斯拉有其獨特性，不具有普適的參考價值。而我們都知道，在產業轉型期，顛覆者往往都是那些“另類”的企業，那么特斯拉會不會成為顛覆者？進而導致很多汽車企業尤其是傳統車企，失去向人工智能方向成功轉型的機會呢？剛才安博士談到了美國的大模型已經基本形成了相對穩定的“3+1+1”競爭格局，而特斯拉就位列其中，這不能不說是其重要優勢。

當然反過來看，特斯拉既在算法和數據上有深厚的積累，又有自己強大的算力，這會不會造成自我封閉呢？也就是說，將來特斯拉的大模型很可能沒有其他車企使用，從而影響其迭代優化的速度。從企業戰略的角度看，我認為這其實涉及到要不要垂直整合的重大問題。就短期來說，垂直整合可以助力企業提升速度、降低成本，因此是有利的，甚至企業可能因此搶先抓住轉型機遇而贏得眼前的優勢；但長期而言，垂直整合就不一定是合適的商業模式了，否則當年通用也就不必把德爾福拆分出去了。我覺得，這個問題值得我們進行更深層次的思考。

問題的關鍵在于，未來企業的核心競爭力究竟是什么？而要獲得這種競爭力，企業采取怎樣的策略才是最佳選擇？應該說，剛剛安博士的分享讓汽車企業安心不少。因為您認為，車企自己掌握數據和算法，同時使用外部的算力資源即可，并不是一定要把三個要素都抓在自己手里。我們不妨再具體看看：算力可以依靠合作伙伴即云計算公司來提供。數據本來就是由車企掌握的，正如我一直講的，誰擁有汽車品牌，誰直接面對用戶，誰就擁有相關數據。當然如果車企不能把數據真正用起來，轉變為自身的核心競爭力，那就會逐漸失去用戶、直至品牌不復存在，最終也就無法再獲得數據了。而數據的充分利用有賴于算法，所以，車企必須在自動駕駛、智能座艙等的算法上形成能力。獲得這些能力當然也可以借助一些外力，但絕對不是簡單的“拿來主義”。

安博士，算法的背后其實就是模型。我們前面交流過，未來各個產業的專業模型都必須構建在大模型之上，才能實現能力的躍升。顯然，自動駕駛的專業模型也不可能脫離大模型的支撐，這就需要車企與開發構建基礎大模型的公司加強合作。在這種情況下，面對特斯拉這樣既有專業模型、又有基礎大模型的競爭對手，中國車企應該怎樣與其競爭呢？請您為大家指點迷津。

安筱鵬：這確實是一個業界高度關注的問題。前面提到，馬斯克成立了一家大模型公司，叫做xAI。這是特斯拉之外，馬斯克的又一家公司。同時，特斯拉本身也有自己的AI部門?？梢哉f，在人工智能方面，馬斯克麾下的團隊是有著很強的實力的。

不過從大模型的角度來看，自動駕駛大模型與大語言模型的核心并不完全相同，雖然自動駕駛大模型也是基于Transformer基礎架構的，但其參數要求沒有大語言模型那么高。所以，國內車企應該也有可能形成部分這樣的能力，即基于Transformer架構做出自己的自動駕駛大模型。目前國內車企特別是造車新勢力，在這方面已經做了一定的布局，而且發展速度都還比較快。

在全球范圍內，中國車企包括傳統車企和造車新勢力，可能還是對特斯拉跟得最緊的。目前已經有不少車企宣布，正在基于Transformer架構構建自己的端到端自動駕駛解決方案。所以，全球自動駕駛的第一梯隊仍然是以美國和中國的企業為主，二者之間的差距有時候大一些，有時候小一些，各自都在不斷迭代和進步中。

我認為，過去六七年甚至更長的時間里，國內車企特別是造車新勢力一直在智能化的賽道上不懈努力，到如今在組織、管理和人才等方面都已經有了很多積累，同時也形成了對新技術的洞察能力。盡管在前進的道路上仍然會有嚴峻挑戰，但目前來看，我感覺中國汽車企業是有信心也有能力追上特斯拉的。

趙福全：特斯拉確實是一個特例，這家公司作為整車制造商，在數據上是有優勢的；同時一直以自動駕駛作為核心競爭力，在算法上已經做了很大的投入，也取得了不小的成果；而在算力以及AI大模型方面，又可以獲得新成立的人工智能公司的助力。雖然特斯拉和xAI并不是一家公司，但同屬于馬斯克，肯定會“左手幫右手”，這樣形成的合力絕對不可小覷。不過就像安博士談到的，盡管中國車企要成為特斯拉這樣的公司可能不太現實，但這并不意味著未來我們就沒有趕超的機會了。至于具體行動，我認為主要有以下三點：

第一，車企一定要掌握數據和算法，并且要通過算法，讓數據真正發揮作用。為此，應該在自身更擅長的專業模型上下足功夫。在此過程中，也可以借助外力，但是核心工作必須由車企主導。如果想要引領未來的產業發展，不充分挖掘數據和算法潛力的車企是沒有機會的。

第二，對于自動駕駛技術，車企沒有必要自建大模型，但是不自建不代表不需要，而是可以借助外部更專業的力量。為此，車企要選擇國內頂級的大模型公司建立真正的戰略合作伙伴關系，互相賦能。即由合作伙伴提供車企所需的大模型，而車企的著力點應該放在大模型支撐下的專業模型上。這樣就能把車企的數據和專業模型算法，與合作伙伴的算力和大模型算法結合起來，共同驅動自動駕駛技術的快速發展。在這方面，中國車企甚至還可以利用國家的算力資源，這可能也是中國體制優勢的一個表現。

第三，汽車及相關企業還要攜手努力，共同構建開放性的全新汽車產業大生態，并充分發揮其作用。汽車原本就是由上萬個零部件組成的復雜工業品，未來還要加上成千上萬套軟件，最終汽車軟硬件將共同構成了一個可移動的AI機器人。這樣的AI機器人涉及到諸多領域各不相同的核心技術，沒有任何一家乃至一類企業能夠擁有全部這些核心技術。因此，所有企業都必須借助汽車產業大生態來獲取自己不具備的技術及能力等資源。整車企業也不例外，既不可能也不需要自己“包打天下”，只要扮演好集大成的角色即可。

實際上，奉行開放理念和模式的汽車企業，相對于特斯拉這種獨自掌握了很多核心資源、可能會相對封閉的公司來說，說不定還會具有某種優勢。當然具體能否形成這種優勢，還要看企業有沒有極強的集成能力，同時有沒有找準專業化的生態伙伴，并以創新性的商業模式來實現有效分工和共同發展。我始終認為，專業化分工的協同創新生態是未來企業取得成功的最重要支撐。而這樣的生態一定是開放性的，因為封閉性的生態難以成長和進化，即使原本體量很大、實力很強，也會逐漸落后和退化。從這個角度來看，中國車企其實有很好的發展前景，完全有機會在未來汽車產業生態的全球競爭中占據制高點。