当智驾成标配,车企暗战升级|2025上海车展
文|刘俊宏
编|王一粟
智能化无处不在的2025年上海车展,回归了卖车的初衷。
光锥智能在展会暴走两天,最大的感触是今年的车展少了争奇斗艳,多了些许务实。
回顾智能汽车时代的三场重要车展。2023年的上海车展充满了车企天马行空的智能化想法;2024年的北京车展是车圈大佬“互相串门”和争夺高阶智驾话语权。而今年的上海车展,“卖货”成了车圈玩家宣传的主旋律。
来到问界品牌展台,与其他展台最大的不同,是一圈门店新媒体销售卖力地向直播间介绍着问界M8的购车权益。对于这台上市四天大定便突破五万台的爆款车型,赛力斯显然想在车展上趁热打铁。
上午人流量最大的展台当属小米,11点不到展区就已经涌入了超过4000人次。对于一款已经发布了超过一年的车型(小米SU7),为何观众执意要再看一遍?原来是小米在限量发放官网售价129一顶的棒球帽,以此来赚观众的人气。
今年车展上还有车企们请来的黄渤、马东、陈道明、撒贝宁、樊振东等影视明星亮相带货。车圈老板们也没闲着,李斌在乐道L90发布会cosplay“钓鱼佬”、何小鹏让机器人当“车模”、李想找人演示“摔”MEGA车门……除此之外,“蹭”车展热度的也有。今年周鸿祎再次“身披红袍”跑到广汽、小米、北汽等展台,并买了台BJ40。但很显然,去年在车展上“翻江倒海的红衣大叔”,今年受到的关注度远小于去年了。
为何今年上海车展略显平淡?主要是因为汽车的智能化转型来到了普及阶段。无论是消费者、车企、技术供应商,在今年普遍将智能化看作智能汽车的标准配件。
尤其是现场前来“偷师”的老外们,他们今年对中国智能汽车的描述少了Amazing,多了系统化的观察。零跑的展台前,光锥智能还听到有老外在“算账”,想要彻底理解这台售价为15K美元的产品(零跑B10)是如何诞生的。
在2025年的智驾平权时代,车企可以选择自研、合作研发、采购解决方案等一系列的方式实现L2级辅助驾驶上车。想要座舱更智能,车企可以跟互联网大厂落地“专供”版APP、自研操作系统、找座舱智能化供应商适配。在AI Agent解放用户操作智能终端双手的趋势下,汽车也能替你一句话点咖啡。
当智能化进入车企设计产品的BOM列表,其结果就是车展上的新车,几乎每一辆都标配了不弱的智能化功能。无论车企自身的智能化技术强弱,或是干脆一次性发布一个新的产品矩阵,都像搭积木一样随意“拼配”任何想要的智能化功能。
“产业链所有玩家各司其职,才能实现更好的配合,做出更好的产品。”
面对智能汽车当下展现出的产品打造模式,光锥智能分别采访了地平线、黑芝麻、Momenta、问界、极氪等一系列头部车企和智能化厂商后,几乎所有工作人员都给出了相似的答案。
在2025年上海车展上,我们看到了中国智能汽车产业链变得更加成熟,新一轮的汽车智能化技术也随之显现。
世界模型+强化学习,智驾技术路线再升级
智驾能力,是智能汽车与一般新能源汽车(或传统燃油车)之间最大区别。随着工信部等监管部门收紧了智驾的宣传口径,光锥智能在本次车展上看到,过往被“花式宣传”的高阶智驾都“低调”了许多。
在华为乾崑展台,我们能看到一个华为ADS4.0“迈向智能驾驶新时代”的简单标语,而就在车展前一天晚上,华为车BU CEO靳玉志在智能技术大会上称,ADS4.0已在云端世界引擎进行了6亿公里的高速L3仿真与验证,为高速L3量产商用做好了准备。
在其他智驾供应商展台,光锥智能也注意到智驾的宣传已经都调整到了“辅助驾驶”的说法。对应之前城市NOA(或各种“门到门智驾”的说法),黑芝麻的高阶智驾被称为“高等级辅助驾驶”;地平线称之为“城区辅助驾驶系统”;Momenta称之为“智能辅助驾驶”;商汤绝影称之为“辅助驾驶”。
不过,就在当下低调宣传的背后,智驾技术正在迎来新的代际升级。在本次车展前,光锥智能了解到智驾研发的最新技术,已经从“端到端”升级至“更大的模型+世界模型训练+强化学习+云端蒸馏”的方案。
目前了解下来,已经或准备做新技术路线的玩家有小鹏、商汤绝影、Momenta、理想、地平线、华为等。
这条技术路线的理念,大致上都是在云端用世界模型做更大范围的仿真,然后针对效果进行强化学习,最后再通过蒸馏的手段将云端训练好的模型放置到车端。
为何智驾要从“端到端”升级至世界模型方案,基本原理是因为“端到端”只是在学习人类操作。智驾要想更加安全,不能仅限于模仿人。AI必须要有能力面对“端到端”时代难以采集到的危险场景数据,在特殊场景也能保障行车安全。
有差异的部分,主要是各家厂商在这套体系内发挥自己的“长板”。
例如小鹏认为,结合过往大量写智驾规则的经验,这些积累的规则能够给新的智驾模型一个较高的能力下限。做大模型的商汤,其优势在AI生成的训练场景更加合理。在商汤绝影展台看到,虽然两家生成的场景都有AI生成的痕迹,但左侧对比的效果明显不符合真实世界规律(路上的车是倒着开的)。
不过,这一套新的训练范式也存在相当多的挑战。
例如车端需要更大的算力,才能将更大的智驾大模型“塞入”。使用英伟达最新的Thor芯片的话,每一块又是几万块的成本。更别提市面上已经出现搭载双Thor芯片、算力高达1400TOPS的产品(极氪9X)。
另一边,从常识逻辑上来说,世界模型+强化学习的思路本质上也还是针对场景进行强化训练,称不上完全解决长尾问题。
关于这个问题,商汤绝影的工作人员回答称,“我们的目标肯定是比驾驶员安全。之前端到端是解决大部分人驾场景,现在是补齐人驾数据之外的能力。这一套方案的优势在于,如果现实发生了从来没遇到过的事故,那么世界模型能够以最快的速度学会应对方案。这种解决问题的效率,是过去想象不到的。”
有趣的是,不少智驾玩家在新一代智驾技术发布会上都致敬了Deepseek。或许,智驾的世界模型是在具身物理世界,“重走”Deepseek在比特世界的“来时路”。
随着AI大模型技术的进化,汽车智能化技术也在随之迭代。
汽车智能随着大模型进化
汽车智能的迭代,与AI大模型的发展高度相关。
“AI爆发式发展,推动汽车智能化进入深水区。智能辅助驾驶的架构革新,从基于规则的传统架构,向感知、决策一体化的“端到端”架构演进,不仅减少信息损耗,也具有更强的泛化性。”
回顾过往汽车智驾技术的迭代,腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生如此总结着发展脉络。
我们在近几年经历大模型从“生成式”到“多模态”,再到如今AI Agent的“三级跳”中,能够看到AI越来越能够“理解”现实世界。随着汽车智能化厂商对AI理解越来越深入,如今的汽车智能也发生了天翻地覆的变化。
过去的汽车大模型,严格意义上说是用于座舱的。
为何不在智驾层面应用?主要是因为需要让智驾云端模型与车端模型“对齐”。“基于当前主流的车端芯片,车端模型的尺寸一般在1亿到5亿之间”,小鹏汽车自动驾驶副总裁李力耘说。连1B规模都没有的模型,显然很难称得上“大”。
真正用到大模型的智能座舱,过往落地的智能化功能也比较有限。2023年,车企们开始思考如何让ChatGPT上车,用接入云端大语言模型来解决模糊指令的问题。2024年,结合大模型多模态能力,用户可以“隔空操作”车机屏幕。
如今,随着AI Scaling Law的持续释放和Deepseek用蒸馏+强化学习验证了大模型下一个的进化路线后,AI大模型再次改写了汽车智能化的方方面面。
在华为的ADS4.0上,是车端大模型引入了传感器全模态感知能力。在各种类型传感器的联合感知下,华为的世界行为模型(World Action Model)正在打通驾驶(视觉)、座舱(听觉)和底盘(触觉)。在大模型对世界的综合理解下,智能汽车简直像是能自我感知、自我调整的“生命体”。
为了在车端装下更大的模型,汽车智能化硬件厂商也做好了准备。
“我们可以容纳现在提出的世界模型”,一位黑芝麻工作人员如此介绍着最新的华山A2000系列芯片的能力。当光锥智能询问是否担心自研芯片跟不上大模型的发展趋势时,这位工作人员相当有信心地称,“相比采用英伟达芯片,我们自研IP最大的优势就是能随时变化,改起来非常快”。
在大模型最新的AI Agent的应用趋势下,智能座舱的设计逻辑也在发生改变。最大的变化在于,相比去年的注重功能,今年车展上的智能座舱更关注商业化和生态。
在商汤绝影展台,我们看到其综合了多个传感器的能力,给出了一套驾驶员状态检测系统。该系统可以检测司机的眼神、眨眼频次、是否饮酒等一系列指标。关于推出这套系统的原因,商汤绝影工作人员介绍称,“主要是为了满足欧洲的标准,目的是出海”。
智能座舱生态层面,光锥智能发现互联网大厂已经隐隐有了“相互圈地”的趋势。
大的更新方向上,今年的智能座舱落地了AI Agent。这部分跟2024年年底手机圈的Agent差不多,主要是限定场景内的Agent。比如斑马智行做了一个系统级用于调用其他功能的Agent,加上10个平台级应用Agent(出行、导航、本地生活等等)。
但是值得注意的是,在斑马智行的展台上,我们看到了大量“阿里系”的APP演示。而就在车展前一天,腾讯在智慧出行技术开放日上,宣布在车端落地了打通车载微信小程序、腾讯地图等内容和服务的AI Agent。
关于为何展示这些APP,斑马智行工作人员向光锥智能解释称,“主要是阿里有一些资源倾斜”。谈到何时能打通其他主流APP时,工作人员坦言道:“其他大厂考虑的可能比较多。要调用APP,他们可能会给你开个接口。但更复杂的合作,他们会更在意是否划算。”
总而言之,AI大模型的发展带动了整个汽车智能化的进化。随着更大的模型落地汽车,智能汽车正在越来越接近“全车智能”的终极目标。
汽车智能化壁垒正在加高
在智能汽车概念刚刚出现的时候,中央式的汽车电子架构就被认为是汽车智能化的终极方案。
如此设计的原因,其一是为了节省成本。一个中央计算平台不仅能够节省大量汽车生产成本(线束、控制器等),而且还能一次性通过OTA解决智能化软件升级。另一方面,就是随着智能化控制的部件越来越多,大算力的中央式计算平台能一次性解决所有智能化算力需求。
所以在近几年智能汽车行业的发展中,随着汽车电子架构的更新,汽车的智能化也在朝着集中化的趋势演进。
今年比较前沿的玩家,零跑与高通合作,在B10上将智驾和智舱芯片整合在了一块“板子”上。在华为乾崑展台上,我们也能看到华为对汽车智能化架构的理解也是趋向于“计算节点越少越好”。在黑芝麻展台上,工作人员告诉光锥智能,“武当C1200芯片也准备好舱驾一体了,而且我们是一颗芯片搞定”。
从汽车智能化架构的变化趋势中看到,车企和汽车智能化供应商的“业务范围”正在逐渐变大。换言之,就是整个智能汽车产业链的技术壁垒正在显著变高。
一个显著的案例是,去年地平线创始人余凯在主机厂专家来体验SuperDrive时,有专家“点出”地平线有参与汽车底盘调教。华为则是在智驾、智舱的基础上,还衍生出了智能底盘。通过优化行车体验,进而才能批量合作打造出问界M9、享界S9、尊界S800这些豪华车型。
在今年上海车展上,光锥智能询问了多家汽车智能化厂商,发现大家都在做一些更细节、更深度的研究。例如Momenta这次宣布首批车端无人的Robotaxi预计在2025年底进入试运营。量产Robotaxi的底气,来源于智驾复用量产传感器和计算单元的降本。
对于车企而言,就是尽可能自研汽车智能化的每个部分,从而对汽车智能的“每一寸都了如指掌”。
“智能汽车新三大件,智驾芯片、全域操作系统、智能底盘。智能汽车的核心技术的新三大件决定了智能汽车的体验的上限和安全的上限。”正如蔚来创始人、董事长、CEO 李斌在今年车展上所言。智能化“全域”自研或许将成为车企们下一个竞争的焦点。
其中,智驾芯片的关键之处在于能否更好地发挥“新”智驾大模型的能力。使用自研的芯片,搭载自研的软件,其实就是软硬结合。智能底盘部分,参考华为途灵底盘和比亚迪云辇,能“自己看路”的底盘能直接给出“不颠不晃”的乘车体验。
全域操作系统的好处,可以参考理想在车展前夕公布的星环OS的看法。全域系统最重要的价值在于打造智能汽车高效的数据交互通信平台,从而解决汽车中央式电子架构的数据毫秒级内确定性传输和通信主题(topic)与算力、存储空间有限的矛盾。换句话说,就是智能汽车在软件层面上,也要从原来的“分布式”变成中央式的架构。
“说到底,都是殊途同归”,蔚来数字架构负责人黄军君总结说。智驾芯片、全域操作系统、智能底盘其实都是车企平台化能力的体现,“对公司来讲,平台化的复用大幅度降低每台车在数字化开发的成本,这个也是我们为什么能够同时运用三大品牌在一年交这么多车的底气”。
看完今年的上海车展,光锥智能颇有感叹。
相对于往届中国智能汽车时代的A级车展,今年的上海车展确实算不上新奇和好玩,放眼各处都是按部就班发布产品和卖货。但平静的“水面”下,暗示出车企们的战事已经来到了next level。
当智能化不再是卖车“噱头”,车企们只能拼成本、产品能力、工程能力的“白刃战”时代到了。
相关文章:

当智驾成标配,车企暗战升级|2025上海车展
文|刘俊宏 编|王一粟 智能化无处不在的2025年上海车展,回归了卖车的初衷。 光锥智能在展会暴走两天,最大的感触是今年的车展少了争奇斗艳,多了些许务实。 回顾智能汽车时代的三场重要车展。2023年的上海车展充满了…...
QuecPython+GNSS:实现快速定位
概述 QuecPython 结合 GNSS(全球导航卫星系统)模块为物联网设备提供开箱即用的定位能力解决方案。该方案支持 GPS/北斗/GLONASS/Galileo 多系统联合定位,为物联网开发者提供从硬件接入到云端服务的全栈式定位解决方案。 优势特点 多体系定…...
[java八股文][Java基础面试篇]设计模式
volatile和sychronized如何实现单例模式 public class SingleTon {// volatile 关键字修饰变量 防止指令重排序private static volatile SingleTon instance null;private SingleTon(){}public static SingleTon getInstance(){if(instance null){//同步代码块 只有在第一次…...

在网上找的资料怎样打印出来?
在数字化时代,我们经常需要从互联网上获取各种资料,无论是学术论文、工作文档还是学习资料。然而,如何高效地将这些网上的资料打印出来,却是一个值得探讨的问题。本文将为您提供一个全面的解决方案,帮助您轻松完成网上…...

算法训练营 Day1
努力追上那个曾经被寄予厚望的自己 —— 25.4.25 一、LeetCode_26 删除有序数组中的重复项 给你⼀个 升序排列 的数组 nums ,请你 原地 删除重复出现的元素,使每个元素 只出现⼀次 ,返回删除后数组的 新⻓度。元素的 相对顺序 应该保持 ⼀致 …...

【linux】Chrony服务器
简介 1.1 时间的重要性 由于 IT 系统中,准确的计时非常重要,有很多种原因需要准确计时: 在网络传输中,数据包括和日志需要准确的时间戳 各种应用程序中,如订单信息,交易信息等 都需要准确的时间戳 1.2 时区…...

技术视界 | 数据的金字塔:从仿真到现实,机器人学习的破局之道
在人工智能的世界里,有一个共识正逐渐达成——谁掌握了数据,谁就掌握了未来。 尤其是在机器人技术迅速演进的今天,“如何让机器人理解世界、学习操作”这一问题的根源,越来越回归到数据本身。正如一座金字塔般,不同层…...

wsl联通外网
在C:\Users<你的用户名>下,新建.wslconfig文件添加如下配置(具体配置参考官方文档): # Settings apply across all Linux distros running on WSL 2 [wsl2]# Limits VM memory to use no more than 4 GB, this can be set …...

shadcn/radix-ui的tooltip高度定制arrow位置
尝试了半天,后来发现,不支持。。。。。就是不支持 那箭头只能居中 改side和align都没用,下面有在线实例 https://codesandbox.io/p/sandbox/radix-ui-slider-forked-zgn7hj?file%2Fsrc%2FApp.tsx%3A69%2C21 但是呢, 第一如果…...

【专题刷题】二分查找(二)
📝前言说明: 本专栏主要记录本人的基础算法学习以及LeetCode刷题记录,按专题划分每题主要记录:(1)本人解法 本人屎山代码;(2)优质解法 优质代码;ÿ…...

C++_数据结构_详解红黑树
✨✨ 欢迎大家来到小伞的大讲堂✨✨ 🎈🎈养成好习惯,先赞后看哦~🎈🎈 所属专栏:C学习 小伞的主页:xiaosan_blog 制作不易!点个赞吧!!谢谢喵!&…...

数据结构手撕--【二叉树】
目录 定义结构体: 初始化: 手动创建一个二叉树: 前序遍历: 中序遍历: 后序遍历 二叉树节点个数: 叶子节点个数: 二叉树第k层节点个数: 二叉树的高度: 查找值为x…...
【刷题Day26】Linux命令、分段分页和中断(浅)
说下你常用的 Linux 命令? 文件与目录操作: ls:列出当前目录的文件和子目录,常用参数如-l(详细信息)、-a(包括隐藏文件)cd:切换目录,用于在文件系统中导航m…...
星火燎原:大数据时代的Spark技术革命在数字化浪潮席卷全球的今天,海量数据如同奔涌不息的洪流,传统的数据处理方式已难以满足实时、高效的需求。
星火燎原:大数据时代的Spark技术革命 在数字化浪潮席卷全球的今天,海量数据如同奔涌不息的洪流,传统的数据处理方式已难以满足实时、高效的需求。Apache Spark作为大数据领域的璀璨明星,凭借其卓越的性能和强大的功能,…...

.NET MAUI 发展历程:从 Xamarin 到现代跨平台应用开发框架
文章目录 引言Xamarin 起源:MAUI 的前身Xamarin 的创立(2011年)Xamarin Studio 与 Visual Studio 集成(2013年)Xamarin.Forms 的诞生(2014年)微软收购Xamarin(2016年) .N…...

多模态大语言模型arxiv论文略读(四十)
The Wolf Within: Covert Injection of Malice into MLLM Societies via an MLLM Operative ➡️ 论文标题:The Wolf Within: Covert Injection of Malice into MLLM Societies via an MLLM Operative ➡️ 论文作者:Zhen Tan, Chengshuai Zhao, Raha M…...

【蓝桥杯选拔赛真题104】Scratch回文数 第十五届蓝桥杯scratch图形化编程 少儿编程创意编程选拔赛真题解析
目录 scratch回文数 一、题目要求 1、准备工作 2、功能实现 二、案例分析 1、角色分析 2、背景分析 3、前期准备 三、解题思路 四、程序编写 五、考点分析 六、推荐资料 1、scratch资料 2、python资料 3、C++资料 scratch回文数 第十五届青少年蓝桥杯scratch编…...

OpenWrt 与 Docker:打造轻量级容器化应用平台技术分享
文章目录 前言一、OpenWrt 与 Docker 的集成前提1.1 硬件与内核要求1.2 软件依赖 二、Docker 环境部署与验证2.1 基础服务配置2.2 存储驱动适配 三、容器化应用部署实践3.1 资源限制策略3.2 Docker Compose 适配 四、性能优化与监控4.1 容器资源监控4.2 镜像精简策略 五、典型问…...
tkinter的文件对话框:filedialog
诸神缄默不语-个人技术博文与视频目录 文章目录 一、前言二、tkinter.filedialog模块详解2.1 模块导入方式2.2 通用参数说明 三、五大核心函数实战3.1 选择单个文件 - askopenfilename()3.2 多文件选择 - askopenfilenames()3.3 保存文件对话框 - asksaveasfilename()3.4 选择目…...

C++初阶----模板初阶
引言 什么是模板 模板是泛型编程的基础,泛型编程是以一种独立于任何特定类型的方式编写代码。 模板也是创建泛型类或者函数的蓝图。 如:库容器,迭代器和算法,都是泛型编程的例子 1. 泛型编程 首先,我们应该了解什么是…...

网络流量分析 | 流量分析基础
流量分析是网络安全领域的一个子领域,其主要重点是调查网络数据,以发现问题和异常情况。本文将涵盖网络安全和流量分析的基础知识。 网络安全与网络中的数据 网络安全的两个最关键概念就是:认证(Authentication)和授…...
幻读是什么项目中是怎么保证不会出现幻读
幻读(Phantom Read)是数据库并发控制中的一种现象,指的是在事务处理中,一个事务在读取某个数据范围时,另一个事务插入、删除或者修改了该数据范围,导致第一个事务再次读取数据时,看到的数据发生…...
C语言实现对哈希表的操作:创建哈希表与扩容哈希表
一. 简介 前面文章简单了解了哈希表 这种数据结构,文章如下: 什么是哈希表-CSDN博客 本文来学习一下哈希表,具体学习一下C语言实现对哈希表的简单实现。 二. C语言实现对哈希表的操作 1. 哈希表 哈希表(Hash Tableÿ…...
MYSQL 常用字符串函数 和 时间函数详解
一、字符串函数 1、CONCAT(str1, str2, …) 拼接多个字符串。 SELECT CONCAT(Hello, , World); -- 输出 Hello World2、SUBSTRING(str, start, length) 或 SUBSTR() 截取字符串。 SELECT SUBSTRING(MySQL, 3, 2); -- 输出 SQ3、LENGTH(str) 与 CHAR_LENGTH…...
通过API接口在自己的独立站系统上架商品信息。(实战案例)
以下是一个通过API接口在独立站系统上架商品信息的实战案例,以某跨境电商独立站集成亚马逊产品数据为例,详细说明技术实现流程和关键代码逻辑: 案例背景 某跨境电商独立站需要从亚马逊平台同步商品数据(标题、价格、库存、图片、…...

C语言文件操作完全手册:读写·定位·实战
1.什么是文件 1.1文件的概念 文件(File)是计算机中用于持久化存储数据的基本单位。它可以存储文本、图片、音频、程序代码等各种信息,并在程序运行结束后仍然保留数据。 1.2文件名 一个文件要有一个唯一的文件标识,以便用户识别…...

多模态大语言模型arxiv论文略读(三十七)
A Spectrum Evaluation Benchmark for Medical Multi-Modal Large Language Models ➡️ 论文标题:A Spectrum Evaluation Benchmark for Medical Multi-Modal Large Language Models ➡️ 论文作者:Jie Liu, Wenxuan Wang, Yihang Su, Jingyuan Huan, …...
IDEA创建Gradle项目然后删除报错解决方法
根据错误信息,你的项目目录中缺少Gradle构建必需的核心文件(如settings.gradle/build.gradle),且IDEA可能残留了Gradle的配置。以下是具体解决方案: 一、问题根源分析 残留Gradle配置 你通过IDEA先创建了Gradle子模块…...

SpringBoot 学习
什么是 SpringBoot SpringBoot 是基于 Spring 生态的开源框架,旨在简化 Spring 应用的初始化搭建和开发配置。它通过约定大于配置的理念,提供快速构建生产级应用的解决方案,显著降低开发者对 XML 配置和依赖管理的负担。 特点: …...
MoE架构解析:如何用“分治”思想打造高效大模型?
在人工智能领域,模型规模的扩大似乎永无止境。从GPT-3的1750亿参数到传闻中的GPT-4万亿级规模,每一次突破都伴随着惊人的算力消耗。但当我们为这些成就欢呼时,一个根本性问题愈发尖锐:如何在提升模型能力的同时控制计算成本&#…...