摘要：对于汽车行业而言，AI的应用会给智能交互与座舱体验、智能驾驶与出行安全、汽车设计与研发、汽车营销与售后服务、汽车安全与隐私保护等诸多领域带来新场景。从而推动自动驾驶技术跃迁，从辅助驾驶到完全无人驾驶；实现智能座舱重构，从功能容器到情感交互空间；促进车联网与 V

作者 / 莫 莉

编辑 / 黄大路

设计 / 柴文静

编者按：

最近华为技术有限公司董事、首席执行官任正非表示，AI可能是人类最后一次技术革命。

AI 对汽车行业的影响已从技术渗透演变为产业重构，其带来的变革不仅体现在产品功能的升级，更推动了整个行业价值链的重塑。

对于汽车行业而言，AI的应用会给智能交互与座舱体验、智能驾驶与出行安全、汽车设计与研发、汽车营销与售后服务、汽车安全与隐私保护等诸多领域带来新场景。从而推动自动驾驶技术跃迁，从辅助驾驶到完全无人驾驶；实现智能座舱重构，从功能容器到情感交互空间；促进车联网与 V2X 融合，构建智慧城市神经末梢；加速产业格局重塑，实现技术下放与生态协同。

那么，这些新场景对汽车行业的参与者会带来什么收益呢？企业面临AI时代的挑战，又面临什么挑战呢？

6月15日，第十七届轩辕汽车蓝皮书论坛上，来自车企、供应链的嘉宾们，就“AI+将给汽车产品带来什么样的新场景”展开了精彩的讨论。

参与讨论的嘉宾有博泰车联网创始人、董事长应宜伦，中科创达执行总裁兼智能汽车事业群总裁常衡生，东风奕派营销事业部总经理余飞，SoCar产品战略咨询创始人、CEO张晓亮，艾拉比副总裁、艾博连科技CEO周恩泽。主持人是上海交通大学教授、上海智能网联汽车技术中心董事长殷承良。

应宜伦认为，从人工智能对智能座舱和智能汽车角度上来看。首先第一个，我认为最大的变革应该是在这几年组织的变革。从产品本身来讲，新的人工智能肯定给座舱带来很多的体验，而没有方向盘的完全自动驾驶时代的到来，会颠覆很多商业模式，这对行业的挑战还是比较大的。

常衡生表示，从计算逻辑上讲，其实已经发生了巨大的变化。过去的应用计算或者讲通用计算，是串行的，从一个指令输入，然后出一个结果。但是现在是通过大量的数据，训练完了之后，形成一个大模型，它输入的可能是数据，出来的是行动。

余飞表示，用AI做发布会的话，人只是很小的一部分，更多是通过AI去实现很多场景的切换。任何关于这个产品的场景，通过AI来去切换，这个是已经落地的，消费者马上可以直接感知到的。

张晓亮认为，智能化的变革最后落下来就是三个方维度。第一就是效率的提升，包括车辆操作越来越简单，占用的精力越来越少，成本越来越低；第二是安全。虽然智能驾驶由于使用不当带来一些风险，但是本质上交通事故是减少了；第三是舒适性，包括情绪价值、包括让AI自动调车上各种功能状态，其实也是跟舒适性有关。

周恩泽表示，运用产品的时候，特别指AI的时候，不单大模型才叫AI，小模型也叫AI。有很多在应用场景下，特别是在目前端侧算力不足情况下，要考虑一个最佳的解决方案，要选对技术、用对技术，用好技术，然后找到技术与商业之间的平衡。

殷承良表示，现在大谈特谈AI，全世界都特别热，其实AI有三个基本要素，算力、算法以及数据。如果没有深度和这三样东西进行绑定，所谓的AI从学者角度上，都好像是属于非常不尊重AI科学。

下面是圆桌讨论的实录，略有删节。

主持人殷承良：很荣幸我们这一场是整个论坛的压轴圆桌讨论，是最后一个panel，人们说一头一尾非常重要。首先感谢有这么一个机会，也感谢老贾能给咱们最后所有的参与者机会。作为一个压轴的节目，希望咱们共同努力把它做好。

各位老总，今天是AI的专场，题目叫“AI+将给汽车产品带来什么样的新场景？”说老实话，刚才我听了半天上一场，我发现这两个题目跟前面那个好像很像，只不过是换了一个名词，我感觉到是这样。我想今天有那么三四个话题，咱们尽量简化一点。

首先，我想每一位老总先抛开你自己的公司，咱们就是作为汽车科技圈的业内人士，咱们扣扣主题，AI到底能给汽车带来什么样的场景？这个众说纷纭，普通的老百姓可能也不知道，有点模模糊糊。您可以结合您自己的研究方向，如果研究得深的，可以多说一点，但是我还是希望咱们别做广告，不要宣传自己公司怎么样，咱们直截了当的，你认为AI到底有什么新场景，也给咱们普通老百姓算是解解惑，从不同的专家角度。时间不希望太长，咱们5位，每人争取3-5分钟左右。咱们顺着来，首先请应总，您怎么看这个问题？

应宜伦：我觉得从人工智能对智能座舱和智能汽车角度上来看。首先第一个，我认为最大的变革应该是在这几年组织的变革。试想一下，假设我们的公司研发的效率能提升1万倍，人员可以降低100倍，同时并发的这种服务能力可以增加上千倍，这家公司将会是下一个非常有竞争力的公司。

我们一直在做的就是把人工智能如何提升研发效率作为一个比较核心的话题来讨论。当然现在人工智能并没有做到100%的效率提升，可能有些是20%，可能有些是30%，而且很多工程师的思路还得转变。每个礼拜，我就在牵头这样的会。我觉得这是第一个。

从产品本身来讲，DeepSeek也好，ChatGPT也好，Sora也好，这些新的智能肯定给座舱带来很多的体验。同时，前面那个Panel也说了，L4的，没有方向盘的完全自动驾驶时代的到来，我相信会颠覆很多商业模式，这对我们行业的挑战还是比较大的。

这是我的观点。

殷承良：谢谢，有请常总。

常衡生：殷教授，我刚才在想这个问题，从产品的角度来说，作为一个汽车人，我想起《变形金刚》里面的大黄蜂，如果人工智能发展到今天或者再往前走一段时间，可能大黄蜂真的会实现，它就是在你想开的时候，它才是汽车，你不想开，它自己真的是一个机器人，带着你到处跑，它非常的懂你、理解你，而且它有自主的能力。这是从产品的角度。

因为我们是做操作系统的，从系统的角度来说，今天在整个计算逻辑上面其实已经发生了巨大的变化。我们过去讲应用计算或者讲通用计算来说，它是串行的，从一个指令输入，然后出一个结果。但是事实上今天从逻辑上讲已经完全变化了，通过大量的数据，训练完了之后，形成一个大模型，它输入的可能是数据，出来的是行动。

在技术上面，在整个逻辑上有巨大的变化，我想对于我们今天在研发、在具体的企业组织，在各个方面可能都有巨大的冲击，我想主要是这两个大的方面。

殷承良：前两位，应总是从开发管理的角度上，人员，方方面面的，可能AI带来了很大的变化，能降本。常总是从一个技术的角度，基本上还没有深入到老百姓特别关注的，这个AI到底是什么？就像好多人说一个座舱里头，可能我跑到那个里面，就相当于第三类、第四类的大空间一样的，在这个里面，AR、VR，什么乱七八糟的，那么炫酷的，没有从这个方面来讲。

下一位余总，咱们是来自于整车厂，负责销售方面的，但是从整车的逻辑上面来说，您还是给消费者描述一下AI+上车了以后，车这个产品上头都能有什么好的东西，能更加促进人们愿意买这个车？

余飞：刚刚殷老师前面有两个指示，一个是不能打广告，一个是要简短，正好我说已经落地的事情。

我们产品端在车机上已经加入了DeepSeek和豆包，当然我就不说是谁家了，因为免得您说我是打广告。在车机上的时候，原先你只能跟这个车做一些功能性的指令，但是加入了这两个模型之后，已经可以实现更智能的交互。

比如你说我的心情不好了，它真的会先问你“跟你讲个笑话好不好？”然后你觉得还不够好笑，它还会跟你提建议，“你回去做个冥想怎么样？”还告诉你说要不要我们考虑现在把车停下来，开启小憩模式。它已经变成了一个可以给你做一些情感陪伴，甚至给一些情感上的建议、好像旁边坐了一个副驾驶这样的角色。

还有就是过去我们说我要开空调，调到多少度，打开座椅通风等等，但是现在我们可以实现，说一个你当前的感受，它来帮你安排指令。比如说我现在有点热，它会给你定制一套，给你调到你喜欢的25摄氏度，座椅通风打开，这样你接不接受？这就是一个变化，并且这是已经落地的。这是在产品端很直观的我们消费者能感受到的东西。

因为我本身是负责营销这个板块，之前我们也做了这方面的一个尝试，觉得还是很有意思的。以前我们做发布会，每个做车企营销的都要干这个事情：就是一个主讲人在台上来回讲，镜头不断给到这个主讲人，但是车其实都在背后的屏幕上，占了很多时间。

但是用AI做发布会的话，人只是很小的一部分，更多通过AI去实现了很多场景的切换。想讲性能讲性能，想讲颜值讲颜值，还可以讲包括所有其他的你想讲的任何关于这个产品的场景，通过AI来去切换。当然刚刚殷老师说不能做广告，但是我还得说一下，这确实是我们已经落地了的，消费者选择就可以直接感知到的。

殷承良：谢谢余总。张总，您做产品战略咨询的时候，各方面询问你们的肯定没少问，您怎么看这个问题？

张晓亮：因为这可能是人类最后一次技术革命嘛，所以想把它想得很清楚，这可能很难。所以我想从汽车发展的历史里面可能能看到一些趋势。比如说过去5年，我们讲电动化、智能化的变革到底给用户创造了什么不可替代的价值或者用了回不去的价值，可能最后落下来就是三个方维度。

第一就是效率的提升，包括车辆操作越来越简单，占用的精力越来越少，包括成本越来越低，这是一个非常刚性的维度。第二是安全。虽然智能驾驶由于使用不当带来一些风险，但是本质上交通事故是减少了。第三是舒适性，包括情绪价值、包括让AI自动调车上各种功能状态，其实也是跟舒适性有关。这三个维度可能是我们能看到就是过去五年对用户真正产生价值的东西。

很多历史趋势还是有一个可向前推演的惯性存在的，至少接下来AI演化的过程，可能这三个维度还是非常重要的逻辑主线。

还有一点相对来说有一点悲观， AI今天究竟发展到一个什么样的阶段？套用新技术成熟度曲线，大部分新技术的沿海过程都会经历萌芽期和预期快速膨胀，再到泡沫破裂的低谷期，以及稳步成熟期等等。我们今天到底是一个泡沫的快速膨胀期，还是已经进入到稳步发展期。针对这个问题，我们似乎看到的是基础大模型已经不断超出大家预期，但是具体应用场景下，比如说今天咱们坐在这里，每个人讲一个除了自动驾驶以外的东西，把这个东西卖给用户，不用说一万块钱，两千块钱用户愿意买单的AI的场景可能我们暂时都想不出来，或者想到了，但短期做不到。这可能就是我们今天的一个问题。

殷承良：最后真正意义上老百姓确确实实就觉得你这个很明确一个场景，而且他愿意为这个买单，哪怕是两千块钱，这个说得很有意思。周总您怎么看？

周恩泽：站在用户角度上购买一个产品，从体验上特别是年轻的消费者一定要觉得“爽”，我们过去在汽车体验过程当中，我们在买完车以后除了贴膜以外，同步可能还要再买一个手机支架，意味着我的生活习惯都在它身上。现在消费者的体验更多转向跟车之间的直接交流，我觉得这是一个可能过去没有AI和有AI很大的变化。

它给我们带来的体验是什么？第一个是我们可以更好去感知用户的行为。只有更好地感知我们才能释放精力，能够去判断或者是交互或者是我们去提供一些建议。

第二个，什么是有价值行为，我们说用户会为什么样的场景或者是为什么样的产品买单，好比我们谈到的服务。

什么是极致的服务，服务也分很多种，日常消费观念当中有一些是收服务费的场景有一些不收服务费的场景，它的差异在哪儿。有一些矿泉水卖两块钱，有一些矿泉水可能就是卖10块钱，它的消费场景变化在哪儿？可能会通过AI未来给我们带来比较大遐想的空间，作为行业从业者，我们应该去不断考虑怎么去完善整个场景，从技术驱动产品，产品驱动场景，最后形成整个商业闭环。

殷承良：非常感谢！大家从各自不同经历介绍了对AI场景的一个理解。现在大谈特谈AI，全世界都特别热，其实AI有三个基本要素，算力、算法以及数据。没有深度和这三样东西进行绑定，你所说的AI从我这个学者角度上，我觉得这个都好像是属于非常不尊重AI科学。

今天我们在汽车里面都在往AI发展过程之中，我就想问一下您怎么去理解这个东西是花巨额资金的，成本要很高的。然后你们的算力是自己的吗？

比如说今天我上午演讲的时候也说到，全世界真正搞车里面算力投得最大的是特斯拉，一百多亿美元，这个投入简直不得了，可能全世界任何一个车企比不过他，更别说我们某一个小公司了，首先，这个算力问题怎么解决？

第二，算法上头是根据你研发的这些如何跟得上来，什么样合理算法还是直接大模型嵌到里面的做法，这个各有各的做法。

第三，数据从哪里来，我们既然说到AI在今天车上，我就想听听咱们各位老总以你们切身实践，其实是两方面的问题。三要素怎么解决的，然后那么多的成本又是怎么摊销的。还是应总您先来。

应宜伦：其实现在回到公司如何通过AI能把公司研发效率提升，举几个比较简单的例子，比如说文档的撰写过去可能需要4天，现在通过AI可能10分钟就完成了。所以我们自己搭了一套算力进行本地化部署，当然我们会用很多AI的技术，有些技术收费的，有些技术不收费，有些技术可能功能性好一点，有些技术还有一点距离。

算法和数据问题，因为现在的人工智能编一个小程序挺好，但是你让它做车载上的软件、硬件或者原理图的一些理解,它其实还是不专业，我们要给它喂大量的数据，把十几年积累的很多高通平台或者其他平台所有硬件软件的数据喂给它，然后让它慢慢学习。坦率来讲是有一定的效果，但是这件事其实难度在于几点：

第一点，如果你让全公司都能通过人工智能来开发你的产品的话，这个投入还是比较大的；第二点，现在人工智能并不具备如这么严肃的智能座舱领域所需要的能力，所以还是有很长路要走；第三点，第三方的AI平台变化非常大，我们目前只有服务器是独立的，数据是独立的，算法我们也会自己加一点，与不同的主流人工智能结合起来用。

我们现在推了大概四个多月，我觉得还要继续努力，但是我觉得这是不可逆的道路，所以我经常跟团队说，如果有一天有一家竞争对手公司他只需要60个工程师能完成六万个工程师的工作，那行业可能就面临非常严峻的挑战，所以我们必须拥抱人工智能时代，一步一步把它做好。

殷承良：谢谢应总，还是以提高公司开发效率的角度上回答这样一个问题。常总，中科创达在AI投入和刚才说的这几个方面做了哪些工作？

常衡生：刚刚应老师说了三个要素，算法、算力和数据。实际上到今天会有一点点变化，我们在里面区分一下做通用大模型的训练，还是做端侧在特殊领域里面的训练。

特斯拉当年说自动驾驶端到端的门槛是100亿美元，有一段时间大家会说通用大模型或者自动驾驶可能也就是只有顶级玩家或者大车厂玩，但是实际上就被DeepSeek，我花了几百万美元我能够做出你同样的效果，所以算力今天看起来它的重要性并不像开始的时候那样。

第二，其实我觉得算力、算法和数据之中，可能数据的作用是最高的，反而算法今天看起来重要性是在逐步降低，两头的算力和数据的重要性在提升。所以说从中科创达我们自己过去投入的体验看，其实在2-3年前我们每年在算力的投入上相当大，第一年我们差不多投了1.5个亿，就是在做算力和购买服务器。

今年我们发现算力需求大大降低，这里面有两个大的变化。第一，如果适度去通用大模型的话，我们可能不会自己去训练大模型，因为今天开源的大模型做得非常好。所以通用大模型的竞争现在可能还是很复杂，最后可能也许不会存在那么多。

其实车上面是一个典型的领域大模型，通过通用大模型然后在特殊的领域里面通过数据训练，这个其实对于算力要求并不是那么大，算力这一块我们就没有自己投入再买更多的算力服务器，我们就在用第三方算力中心的算力，基本上够用了。

今天通用的大模型DeepSeek、千问、豆包以及OpenAI，我们都在车上做场景的训练，最后发现训练投入并不大，但最重要的是针对每一个场景持续积累数据，这样的话，你的模型精度，推理的精度才会越来越高，这是我们在这方面的变化和调整。

殷承良：非常感谢。张总，因为您以战略咨询为主，并不是你公司肯定不投这些东西，但是从咨询的角度上有人了解，特别是想新入局的，城外的人想进来，城内的人觉得自己好难受，不知道受到时候是一头。

从咨询的角度上，就你们了解这些情况。第一，大概还有什么价值值得往里头冲；第二，这些要花这么多年，咱们反过来问你，你觉得最后不用点名，谁还能玩下去，他能坚持到底吗？（成本上各方面），这个大致说一下。

张晓亮：蛮大的话题，刚才咱们在台下也聊过两句。第一，我们也是回顾过去几年，大家在做电动车的时候，去掉了传统发动机变速箱，但是，增加了三电，所以整车平均一台车增加了5-6万块钱，最后我车子卖的价格没有变化，一部分被国家补贴各种其他补贴吃掉了。另外一部分来自于技术降本，还有一部分当然来自于整车供应链、车企的利润和损失。我们也看到今天行业内卷很大一部分是由这些驱动的。

今天我们再去看看叠加的时候，其实还是接着刚才那个话题说。我相信长期能找到的，但是，短期可能马上就能卖钱的东西，暂时还没有找到非常准确的方法，或者没有把它形成商业上的闭环，但是，成本一定是在增加的，这在一定程度上也会推动市场的进一步内卷。

加上我相信国内车企还没有哪家可以独立做出基础大模型，大家都是接入别人的大模型。这就意味着AI增加的这部分成本要进入到整车的价值分割里面了，剩下的价值大家怎么去分配以及OEM在里角色选择，或者以后还有没有OEM都是一个问题。

这个其实都是现实的压力，压下来平均一台车可能加两万块钱，对于大部分平均成交价15万元左右的车来说，BOM里面大概占了15%，这一部分压进来以后大家怎么去选择。

对于车企来说，有几个要思考的问题，或者找到这里面的关键问题，第一就是找那种能够直接用AI去产生盈利的方法；第二，能够用AI优化产品结构效率，比如说前些年大家都在讲共享，共享算力本身来说，就是让同样一个资源能够产生复用的价值，复用的价值就会有更高的效率，也就是通过技术优化实现降本。

AI融入以后，大家也去做设备各种抽象以及原子化，再用AI统筹这些原子化的能力，要么去给用户创立更多场景，要么用更少硬件去实现同样的事情，这个车企可以认真去做的，而且车企也有这方面的数据。当然怎么把这个东西用组织数据结构化，把它融入AI里面去这是车企要去解决的问题。

如果联系到昨天场景那个话题，对车企来说，现在每一家车企都有几十款车非常庞大的产品组合。昨天我说形态各异的同质化，造成通用化率下降，但是又没有给用户去创造更多有价值的差异，怎么能够把它进行一个合理重新的调整，就像我们整个蓝皮书“决断”的主题一样，对这些基于十年前产品规划不断传承下来的产品组合，能否做一些“决断”，做一些调整，然后让它在AI条件下做得更好。换句话说我们怎么能让未来产品去适应AI，融入AI。这个其实是OEM真正思考的最关键问题。

殷承良：谢谢张总。其实在这个里头就像你说的，下面讨论的你刚才也提到的。不管怎么说，AI成本这个问题一定增加，但是增加能否去消纳或者怎么样，甚至有的人疑问说可能越走越完蛋。

这个世界上我总是认为，只要有一家走出来，这就证明技术、成本各方面是可行的。比如说FSD最新交互，那是真的连方向盘都没有了，这几天新闻炒得很厉害，交车模式也变了，不用去服务中心提车，告诉特斯拉你家的地址，这个车自己开到你指定的地址，这说明了什么呢？

无论是算法、算力加持的这些东西，如果成本总体上算不上大账的，那么西方资本家他是坚决不干的，但是他走通了，至少说明这事成本是一定可以消纳的，只是我们今天在当前这个环境下，周总您从技术角度上讲，贵公司做的产品可能用哪些方法能够把这个AI加持的成本降下来，如果当前不行，在未来又有哪些模式上能给你提示，能解决这个问题。

周恩泽：我的第一个观点，回归到产品而言，其实技术本身很难衡量价值。我们做产品其实将技术和未来的商业之间整合一个最佳的平衡点。特别在今天这样一个大环境下，其实我觉得大家对于花钱这件事情非常冷静。

所以我们运用产品的时候，特别我们指AI的时候，我们不单大模型才叫AI，小模型也叫AI，这是我第一个观点。我觉得有很多在应用场景下，特别是在目前端侧算力不足情况下，我们要考虑一个最佳的解决方案，要选对技术、用对技术，用好技术，然后找到技术与商业之间的平衡。

第二，我想说我们不能神话这个大模型，因为大模型不是万能的，比方说我们现在在很多产品运用上，其实通用模型的能力，越来越好，越来越强，现在它总有更好的时候。但是我们在当下交互的很多工作，其实通用模型在里面占到工作量可能不到50%，甚至有一些只有20%左右，其实还是凭借我们对于行业的沉淀、对业务的理解以及结合用户行为需求等等去做出来的产品。

其实我们在选择技术的同时，再去平衡我们商业的成本，我觉得这本身是一个非常重要的观点，同时，我觉得在和客户合作过程当中，不仅是大模型带来人和车之间的重构，也会带来整个分工的重构，会让大家清楚自己的定位，基于自己擅长的部分，去找对一个合适的商业化方向。

殷承良：大家从不同角度上来阐释了成本和这些AI投入之间到底怎么解决的问题。刚才应总两次都提到公司管理方面，包括怎么去降本。这让我想起最近从另外一类的声音，都是AI的出现会给这个社会带来什么样大的一些影响，其中有一个关系非常大，对老岗位的消融，可能他们未来就业的问题最典型。

第一，文秘也好，编程也好，基本上差不多被干掉；第二，从去年武汉出的Robotaxi，最后出租车司机、网约车司机反映工作因为它而丢掉。

在整个这个过程之中，又怎么看待这个问题？如何理解总不能说技术不发展，但是它到底是真命题、伪命题还是说我们在做这个过程之中，能有什么一些方法和手段，避免出现突然一个行业整个倒闭，带来另外社会的问题，从AI提升效率这个问题说一下？

应宜伦：这个是特别好的问题。事实上现在很多人就业的方向，就是送外卖、跑专车、跑快车，具体数字我不知道，但是这是非常大的数字。其实机器人出现之后，很多劳动密集型的产业也会被替代，而通用人工智能这个基点到的时候，很多知识类行业就没有了，不管是医生、教授，还是企业家、程序员。

但是有一条是肯定的，我认为公司会越来越小，未来可能任何一个人，如果他有创造力，都能够为人工智能创造一些新的需求、新的服务或者新的产品。

对于企业来说这是不可逆的，对国家来讲也是不可逆的，某种程度人工智能的竞争，国家也将其放在非常高的高度上。

所以，我认为他是不可逆，我们每个人都得去拥抱他，但是这种挑战也是前所未有。

也有另外一种可能，当AI效率大幅提升以后，所有的成本都会变得非常低，每个人的福利都会变得很好，也许我们更快迎来像共产主义这样的理想，这也是有可能的，也就是说大家不用卷那么累了，每个礼拜工作两天，每天工作两小时就够了，大部分人可能就是度度假，我觉得这个也是挺美好的未来。不管怎么样作为从业者来讲，肯定是要全身心投入进去，这是不可逆的一个方向。

殷承良：常总您怎么看这个问题。

常衡生：我挺赞同应总刚刚讲的这个观点。首先，如果从单个岗位上来看，确实有可能会替代，但是，如果从全行业来看或者全产业界来看，有可能这个岗位没有了，可能会诞生新的岗位，就像过去我们特别焦虑电商，很多实体店消失，但是，他带来很多物流行业和其他行业新的一些工作机会。如果今天确实由于人工智能的诞生导，致某一些岗位没有了，应该在其他某一个地方有新的岗位诞生出来。

从历史上来看，每一次技术的进步，他一定会诞生一些新的需求出来。效率提升30%，是不是要解决30%的岗位？并不是，有可能总体的人数效率提升了，整体的需求上去了，增加更多的机会也不一定。

我特别赞同应总刚刚讲的，其实产业分为第一产业、第二产业、第三产业，其实在生产性工作越来越少的时候，服务性的工作越来越多，而且服务性工作相对来说，随着产业发展第，三产业越来越多的。所以如果我们在第三产业上面搞服务性岗位多，也就像应总说的，可能那些岗位通过社会的分配，其实大家整体生活条件，大家整体福利反而是上升的，所以，我是觉得不用太焦虑，从历史上几次大的技术变革来看，大家焦虑的很多事情并没有发生。

殷承良：谢谢。其实好多宏观的解答都是这样的，人类历史上发现新技术出来的时候一定是干掉老的，无数次已经出现新技术出现干掉老的职业，一开始一定有些不适应，但是最终总会找到新的饭碗，让它能够平衡掉，关键就是这一段过渡期的时候，怎么能够尽量减少社会的影响。

刚才也提到了Robotaxi在武汉的这一块，特斯拉这次就是纯粹来搞完全无人驾驶，自己不去运营，因此它不会去触发直接干掉出租车司机位置的问题。在这个过程之中，我们从车企如何看这一块，对于特斯拉产品是要跟上去呢？还是认为它也有问题呢？咱们整车是怎么看的，它对咱们售后市场又产生什么样的影响？余总。

余飞：刚刚说特斯拉什么？

殷承良：对于特斯拉完全无人驾驶这款产品，是不是未来的方向，是不是我们整车要跟上去？

余飞：我的观点跟应总、常总的观点基本一致，这个事我认为是不可避免的。刚刚也举了一个很好的例子，就是马车和汽车的关系，这个大家觉得已经是必然的，而且在有些产品上，我们真的脱开双手，让它去应对一些城市的场景、高速的场景，当然法规可能还不允许，大家或多或少都尝试过。

随着技术的迭代，我认为这是几乎不可避免的事情，它必然发生，只是一个时间点的问题，这是我的一个观点。所以车企要不要跟上去，我想它既然是一个必然结果，你想活到那个时代到来的话，我们也必然要跟上去，这是站在我们的角度上，看这个问题的答案和决定。

殷承良：谢谢，其实这个问题老实说，我也思考了很久，曾经我在北京坐一个出租车，就是去年，正好是武汉那件事发酵得很厉害。我就和的哥聊聊天，我说，问他怎么看这个问题？他当时立即义愤填膺地说，这是砸他们的饭碗。后来我说这个事情倒过来想，只能说运营商太笨了，他没有想好到底怎么去讲这件事，又怎么去解决矛盾。

我说，你自己买的车加盟的吧？他说，是的。我说你倒过来想一想，将来这个车出来，类似马斯克这种Robotaxi，你能不能自己买一台这个无人驾驶车，然后政府出台政策，整个平台所有过去的司机必须优先，你拿这台车替掉你现在开的车，让它替你赚钱，自己不就解放出来了。

解放出来了以后，你打第二份工，再挣第二份工资行不行？或者像咱们四川老俵，干脆回家打麻将多潇洒，那边车子替你赚钱。他说这个事可以这样的？我说为什么不可以这样？

所以当时做应急公关的那帮人就是蠢蛋，本来这个事情根本不可能闹出那么大社会舆论的，确实这个商业模式可以实现。所以这一点也是一个启示，当这个东西来了以后，它到底用什么方法来变通，保护现在的弱者，给他们找到一个合理的方式。我觉得像刚才这个，完完全全未来就是这么一个路。

其实刚才常总和应总说的时候也提到了，以后由于AI更新的时候，会出现这种情况，大公司慢慢地可能就会越来越少，甚至消亡。这个观点，我不知道两位怎么看？

我看了一份资料，美国加州硅谷那边投融资的人写的，其认为现在跟AI有关的投资基金坚决不投20个人以上的公司，为什么？他认为都已经AI时代了，你还靠100人、1000人、10000人，谷歌里头几万人，还不如人家100人的公司干的效率高。这不是我讲的，你们去看看网上，前任CEO说的。最后的逻辑，企业一定是朝着比较小的这个方向。

那么在这个过程之中，咱们来谈谈这个话题，从咨询的角度上，你现在有多少人，你认可不认可应该是朝着小而美发展？还有咱们艾拉比也一样，未来到底多大的规模才是比较合理的？怎么加持？

张晓亮：蛮大的话题，刚才咱们在台下也聊过两句。第一，我们也是回顾过去几年，大家在做电动车的时候，去掉了传统发动机变速箱，但是，增加了三电，所以整车平均一台车增加了5-6万块钱，最后我车子卖的价格没有变化，一部分被国家补贴各种其他补贴吃掉了。另外一部分来自于技术降本，还有一部分当然来自于整车供应链、车企的利润和损失。我们也看到今天行业内卷很大一部分是由这些驱动的。

今天我们再去看看叠加的时候，其实还是接着刚才那个话题说。我相信长期能找到的，但是，短期可能马上就能卖钱的东西，暂时还没有找到非常准确的方法，或者没有把它形成商业上的闭环，但是，成本一定是在增加的，这在一定程度上也会推动市场的进一步内卷。

加上我相信国内车企还没有哪家可以独立做出基础大模型，大家都是接入别人的大模型。这就意味着AI增加的这部分成本要进入到整车的价值分割里面了，剩下的价值大家怎么去分配以及OEM在里角色选择，或者以后还有没有OEM都是一个问题。

这个其实都是现实的压力，压下来平均一台车可能加两万块钱，对于大部分平均成交价15万元左右的车来说，BOM里面大概占了15%，这一部分压进来以后大家怎么去选择。

对于车企来说，有几个要思考的问题，或者找到这里面的关键问题，第一就是找那种能够直接用AI去产生盈利的方法；第二，能够用AI优化产品结构效率，比如说前些年大家都在讲共享，共享算力本身来说，就是让同样一个资源能够产生复用的价值，复用的价值就会有更高的效率，也就是通过技术优化实现降本。

AI融入以后，大家也去做设备各种抽象以及原子化，再用AI统筹这些原子化的能力，要么去给用户创立更多场景，要么用更少硬件去实现同样的事情，这个车企可以认真去做的，而且车企也有这方面的数据。当然怎么把这个东西用组织数据结构化，把它融入AI里面去这是车企要去解决的问题。

如果联系到昨天场景那个话题，对车企来说，现在每一家车企都有几十款车非常庞大的产品组合。昨天我说形态各异的同质化，造成通用化率下降，但是又没有给用户去创造更多有价值的差异，怎么能够把它进行一个合理重新的调整，就像我们整个蓝皮书“决断”的主题一样，对这些基于十年前产品规划不断传承下来的产品组合，能否做一些“决断”，做一些调整，然后让它在AI条件下做得更好。换句话说我们怎么能让未来产品去适应AI，融入AI。这个其实是OEM真正思考的最关键问题。

殷承良：非常好。周总来回答一下。

周恩泽：这个话题也是我们一直在思考的，大模型的组织框架变革，因为整个流程体系的变化，我们也在思考，组织要不要跟着变，或者组织对应未来的整个技术架构，应该如何流转，如何形成一种新的模式，来去做新的组织变革和管理。

当然每一个做大模型的公司都在宣传自己团队的“含模量”或者是人效、人均的贡献到底有多大，但是我觉得今天还没有到达最佳的时刻。特别是我们在汽车行业当中，有非常多的工作，包括需要去沉淀的事情，它不是靠一个人解决的，但是我觉得方向确实是要提高人的质量，或者提高大家自我学习的能力，不断地去前进，由原来的执行者逐渐转向制定标准或者是制作产品的人，我觉得这是我的第一个观点。

另外，我在最近看到一个反向的观点，或者说是反面的例子，就是海外的有一家科技公司，它在融资方面是非常的顺利，融了非常多的资。突然有一天投资人发现这个公司里面没有一个做大模型的人，全部都是工程化交付的人。

回过头来讲，反向印证了并不代表这些人的效率就低，或者是他的产出、他的人均贡献值就差。在现在这个节点没有最好的观点，只有最适合的组织架构和最适合自己组织内的文化和自我学习或者是成长方式。

殷承良：非常感谢。时间过得特别快，咱们原定计划是到5点半过一点，现在马上6点了，下面是我们的最后一个问题。我希望大家每个人用1分钟左右来回答，刚才张总提到的，也是我想问的最后一个问题。由于AI是一种非因果式的，人类的思维是习惯于因果式的，有因才有果，但是这个AI显然目前的技术不是这个样子的。

那么到了我们的车上，特别是自动驾驶，一旦出问题的情况下，特别是出重大事故的情况下，AI的不可直接追溯性，让你搞不清楚是什么原因。一个大模型，举例子来说，不一定特别恰当，现在都已经做到6400多亿参数，到底这么多参数里，哪一个东西影响了它，是哪一只蝴蝶在太平洋彼岸扇动了一下翅膀，造成的后果，我跟你说基本没有可能性知道，这是一个最大的问题。

最后一个问题就是大家认为它是风险吗？如何应对这个风险？大家简单地谈谈自己的观点。

应宜伦：我想我们还是要借助人工智能，把智能座舱做得更加满足用户的需求或者超越用户的需求。从工程开发角度来讲，我们还因思考如何将人工智能应用在企业管理里面，以此带来运营效率的提升。

AI是不可逆的方向。你negative去想它是没有意义的，你只有positive去拥抱它，可能说不定哪一天某一个灵感来了，来自一个孩子，或者某一个工程师，最后帮我们发现了这把钥匙，但是我觉得首先是去拥抱它。

殷承良：非常好，其实目前绝大多数人都是这么想的。常总，您来谈谈。

常衡生：我是这样看这个问题的。首先，这个问题肯定要重视，但是需要看时间段。我们往往容易高估一年之内的变化，我感觉我们现在对AI的期待也有点特别高，但是可能会低估5年之后的变化。

也许在一年、两年，它逐步到五年之后，越到后面越快。其实在今天，AI上车或者大模型上车，它是一个刚刚的起步阶段。我今天下午演讲的时候也讲了，操作系统底座的算力目前都不够。所以我们回过头来看大模型上车，回去参照一下自动驾驶，L1、L2、L3，但是你不能说我现在直接一上来就按照L3的标准去要求。

我的回答就是大模型上车，它的智能化程度也是逐步完善的。像我们今天看到绝大多数的大模型，其实都是先感知，完了提示，它不会一上来就做非常复杂性的操作，这跟辅助驾驶是很像的。

在发展的过程中，我原来一直在想，其实我们公司内部也进行过讨论，是不是在车的智能化和具身智能的智能化这块，可能也有一个分级，L1、L2，它逐步在上去，然后在每个级别，可能有相应的规律，这个可以从监管部门或者说从行业协会，大家可以来做这样一件事情，其实我们原来还想着是不是接下来应该讨论这个事情。

殷承良：谢谢，因为时间实际上已经很紧了，后面咱们干脆就是一句话，就像应总说的，我们先拥抱它，就往前走了，那个玩意儿将来天塌下来，个儿高的顶着，等着找到那把钥匙，就是按照这种态度，赞成这个观点，您就说yes，不赞同就说no，咱们就是这么一句话。 张总。

张晓亮：如果只谈座舱的话，实际上AI的长期角色一定是一个私人助理或者一个车上管家。我相信一个车上管家能做的事情应该不会给我造成太大的风险，所以我还是更倾向于拥抱AI。

周恩泽：我跟前面的观点几乎是类似的。

殷承良：好，谢谢。最后结论其实很明确，一定是拥抱新技术，碰到什么问题，咱们再见招拆招、借势破势。

今天感谢诸位，圆桌到此结束！

来源：轩辕商业评论