AI能为汽车带来哪些改变？何小鹏：未来一家AI汽车公司年研发投入至少500亿元

　　近日，在

　　对一家造车新势力而言，这样的数字既像是蓝图，也像是一场押注。300亿元，几乎相当于一家中小型车企一年的营收，却要投向一个边界尚未清晰的赛道。

　　过去，车企研发的核心在于发动机、变速箱和底盘，如今算法、算力和数据成为不能忽视的因素。AI不再只是语音助手或自动泊车的附属功能，而是被推上了产业重构的中心舞台。

　　东吴证券研报指出，未来5年汽车将迎来智能化时代，智能汽车不是简单的智能手机，或将成为AI时代最重要终端之一。

　　中国信通院的报告同样显示，AI 技术正全面融入研发设计、用户运营、座舱体验等核心价值域，构建业务智能化升级支柱。

　　何小鹏此前曾喊话，小鹏汽车的目标是“成为面向全球的AI汽车公司”。而在资本市场与产业链的交织中，重金投入背后尚有一个未解的问题：AI真正能为汽车带来什么？

　　智能座舱：AI大模型的新战场

　　沙利文联合头豹研究院发布的

　　汽车产业正是这波演进的前线：用户需求足够高频、数据闭环天然可得、硬件更新周期与软件持续迭代可以解耦，“座舱”因此成为最先跑通商业与体验闭环的入口。

　　“AI作为通用技术，可以在多个维度赋能汽车产业。”北方工业大学汽车产业创新研究中心主任纪雪洪对

　　这一趋势已经在车企层面显现。2025年，随着DeepSeek大模型走红，吉利、东风、广汽、上汽、长城、奇瑞、比亚迪等头部车企密集宣布与其合作，目标直指座舱智能化的重构。它不仅仅是一次功能“升级”，而且让座舱从执行命令的工具，转向能主动理解与陪伴的伙伴。

　　中国信通院报告认为，AI重新定义了人与座舱的互动本质。端到端优化的大模型技术显著降低了语音交互延迟，并能更准确地理解和执行复杂的多意图指令。强大的场景引擎协调舱内各系统，基于情境和用户状态提供主动、连贯的服务。同时，大模型能力拓展至丰富的服务生态，包括自然对话、内容创作、信息获取及用车帮助等。

　　“原来的语音助手模式比较固定，依赖有限的指令集，给人的感觉更像是‘我说他做’的冷冰冰的机器人。”在2025沙利文新投资大会上，四维智联CEO杨赖土接受

　　他进一步指出，除了执行指令，智能助手还能主动感知环境变化，给出车辆调整建议或软件优化方案，甚至提供情感陪伴，成为更智能的伙伴。

　　但智能座舱的演进并非一帆风顺。在新能源汽车业界，“冰箱、空调、彩电”一度成为发布会上的热词，也让中控屏变成功能菜单的集市。亿欧智库指出，座舱中控屏上堆满各种功能选项，让人眼花缭乱，这不仅提高了用户的使用难度，也阻碍了用户体验的提升。

　　多模态AI大模型的应用为智能座舱带来新的解决方案。它通过更简单、流畅的人车交互方式，将多种功能进行统一调度和管理。用户无需逐个操控各个功能，只需与AI简单交互即可满足需求。

　　在杨赖土看来，智能座舱最终会从堆叠，演化成一个AI驱动的“大脑”。用户与座舱的交互形式也会随之变化——更多依赖语音，辅以主动提醒和轻量化的屏幕提示，而不是像目前的大段文字或念白。

　　此外，杨赖土认为，其实智能座舱每个场景、每个功能背后都会有AI加持，比如导航、音乐、娱乐等。随着辅助驾驶能力增强，司机投入开车的精力减少，就能通过汽车这一“移动空间”连接智能家居、手机、互联网信息等，形成新的生活方式。

　　或大幅降低物理测试成本

　　在业内看来，AI技术也正深度革新汽车研发流程。它使用生成式算法，依据设计目标和物理参数自动创建设计方案并进行优化。高度逼真的虚拟仿真平台，可以模拟复杂环境以大幅减少物理测试成本。

　　在深信科创创始人杨子江看来，虚拟仿真并不是新鲜词。“早在五十年前，汽车厂商就已经在用仿真技术。比如做车辆碰撞实验，总不能每次都真车相撞。当时的仿真更多是聚焦车辆自身的动力学特性。”他向

　　但到了自动驾驶和辅助驾驶时代，仿真的内核被彻底改写。过去是模拟“车”，如今是模拟“世界”。

　　杨子江举例称，假如等算法开发完、车子造出来，再推到道路上去测试，成本几乎无法承受。软件研发有一个规律——每个阶段没发现的错误，到了下一个阶段修复成本会以十倍递增。假如等两年后车造好后，才回过头修复现在算法里的漏洞，整个项目可能就要推倒重来。

　　因此，在一辆车还没有量产之前，虚拟仿真就能让工程师把算法丢进一个模拟的城市中，测试它如何应对复杂的交通场景、物流状况。这意味着算法错误会更早暴露出来，研发成本也随之下降。

　　更重要的，是安全。汽车制造是一个高安全门槛的系统，研发通常遵循严格的“V字流程”——从模型在环、软件在环、硬件在环再到车辆在环、驾驶员在环。对自动驾驶而言，仿真平台的软件在环格外重要。没有仿真，算法很难覆盖各种极端情况的安全验证。

　　杨子江说，“它是确保安全的必备手段。”过去几十年，仿真只是实验室里的辅助工具；而在自动驾驶时代，它逐渐变成真正的试炼场。

　　虚拟仿真为自动驾驶研发搭建了“试炼场”，而世界模型与

　　在3D高斯重建、NeRF等新技术的支持下，真实场景能够被更精准地还原到虚拟空间中。再叠加“世界模型”，算法不仅能在已有数据里学习，还能“想象”出新的场景。

　　纪雪洪指出，世界模型的最大意义，在于补齐 Corner case的覆盖不足。现实中自动驾驶车辆很难接触到所有极端场景，但这些场景又可能影响安全。它通过虚拟仿真生成各类罕见、高难度场景，像 “做难题” 一样训练算法，让车辆在遇到类似情况时能更好应对。

　　VLA 则是另一条路径。它将大语言模型与

　　纪雪洪认为，世界模型侧重 “经验总结”，靠海量虚拟场景积累应对能力；VLA 侧重 “认知提升”，靠多模态融合实现通用推理。但它们完全可以结合，既有足够的场景经验，又有聪明的决策大脑，能快速提升自动驾驶应对能力。

　　在CES 2025上，英伟达创始人黄仁勋提出一个新概念——“Physical AI”。他回溯过去十余年的AI演进：从2012年AlexNet引领的“感知 AI”，到近年的“生成式 AI”，再到正在兴起的“智能体AI”；而下一个时代，将是全面进入物理世界的“物理 AI”。

　　在黄仁勋的设想中，未来的自动驾驶汽车和机器人一样，需要依赖三个计算平台。一是在数据中心的DGX，用于训练AI堆栈；二是运行在OVX平台上的Omniverse，负责仿真与合成数据生成；三是车载的DRIVE AGX，作为超级计算平台，实时处理传感器数据以保障驾驶安全。

　　这种对“物理 AI”的定位，很快在国内找到了呼应者。

　　传统仿真往往以有限元求解为基础，各模块彼此独立：风阻、动力学、胎压、结构受力，各有一套单独的软件。松应科技创始人聂凯旋向

　　这种协同对车企尤其关键。汽车设计环节保密性强，分工细碎——外观、内饰、结构，各自用不同软件，数据相互隔离，难以合作。过去宣传片里的设计动画往往是后期合成的，实际研发过程中各团队基本是“各做各的”。

　　松应科技的ORCA系统试图打破这种割裂。在与某车企的合作中，他们搭建了一条“数据管线”，把五个离散部门的软件连通起来，相当于放了一张“共享桌子”：谁修改了某个部件，其他环节能实时看到影响，不必等到整车合成后才发现问题。这既提升了效率，也让设计更具整体性。

　　谈到与英伟达的差异，聂凯旋坦言，从系统架构上看两者并无太大不同，但松应科技的优势在于数据。“国内制造业客户的场景数据是我们比英伟达强的地方。有些机器人要进工厂应用，需要数据训练，我们能提供大量高精度、能与工业软件打通的数据。”