以“中国经济：开放与韧性共生长”为主题的2025贝壳财经年会7月10日开幕。其中，“智能网联汽车如何重构新生态”分论坛聚焦中国汽车如何巩固和扩大智能网联汽车优势，加速构建产业新生态。
在圆桌访谈中，嘉宾们分析了人工智能对汽车行业影响，它为汽车行业发展带来变革，目前人工智能大模型还有发展空间，需要逐步完善。
圆桌嘉宾分享。 活动现场图
【圆桌嘉宾】
郑新芬 北京汽车研究总院有限公司副院长
苏琳珂 深蓝汽车软件开发总经理
董志华 阿维塔科技自动驾驶及座舱总监
张栋林 上汽集团大乘用车智能驾驶总监
许鹏飞 四维图新副总裁
陈伟刚 京西智行副总裁及悬架产品首席技术官
新京报贝壳财经：AI大模型今年火爆，端到端技术也深刻变革汽车智能化。你认为这些技术给汽车产业带来了哪些颠覆性改变？实践中有哪些难点需要突破？
陈伟刚：有句话说“AI可以把所有行业或专业都用AI重新做一遍”，能用更聪明的方式把事情做得更好。我们做智能底盘，两大产品线是制动和悬架，都与智能驾驶直接相关。
在悬架算法上，传统算法需平衡舒适、操控与安全，依赖大量传感器信号。引入大模型后，可结合激光雷达、毫米波雷达数据，提前100-200米感知路况，通过算法调节阻尼，实现更好效果。
许鹏飞：AI技术对行业的影响体现在产品力与生产力两方面。
产品力上，端到端技术让感知从“规则驱动”升级为“语义理解”，能理解交通参与者的意图和场景含义，比如预判前车在黄灯时的停车意图，解决传统规则难以覆盖的场景；座舱通过多模态交互实现“理解人、服务人”，响应更自然。
生产力上，大模型像“超级学霸+工程师”，能高效处理信息、生成测试场景，辅助编程，加速研发周期，但在架构设计等深层逻辑上仍需人工把控。整体来看，AI对生产力和产品力提升很大，未来“学霸”可能成为全能学霸，贡献更大。
张栋林：上汽在智能化布局较早，2018年规划自动泊车等前瞻技术，2022年推出MG品牌的NGP（支持城区辅助驾驶）产品。原来的模式基于代码和规则，现在人工智能改变了开发范式。做智能驾驶的工程师过去最痛苦的是解决bug，依赖人工；有了大模型后，数据经处理能输出预期结果，提升了效率，把基于专家系统的模式变成基于数据驱动和专家推理的模式。
但新技术应用存在难点：一是模型不可解释性，不符合功能安全追溯要求，难以预判风险；二是端侧算力不足，量产时性能损失可能引发安全争议；三是传统企业的团队知识储备、流程体系需加速调整。上汽会拥抱新技术，在安全、成本和体验中寻求平衡。
董志华：人工智能大模型依赖大算力发展，会带来算力溢出，走向舱驾融合。舱驾融合的好处是弹性算力分配，即“聚是一团火，散是满天星”，能根据场景调节算力。没有这种机制时，大算力多用于智能驾驶等场景，而汽车上很多与用户交互的功能需人工智能支撑，却难以配备强算力。有了弹性分配机制后，这些都成为可能。
具体有三方面变革：一是智能驾驶领域会快速优化；二是硬件资源利用率提升，自动驾驶传感器可服务于智能服务、舱内使用等场景；三是小而微的人机交互场景借助大算力变得智能，比如空调可结合多种因素实现智能调节。
苏琳珂：深蓝较早开始做AI相关的工作，内部叫“一体两翼”，即一个AI大智能体分到产品侧和非产品侧推进。AI会成为企业的基础设施，贯穿运营过程。
产品侧，电池材料选型运用AI技术，效果较好；电驱的热管理技术经AI化处理，得出关联因子，落地效果佳。智能驾驶通过端到端大模型重构架构，优化开发范式；座舱基于客户需求，通过多Agent（智能体）实现从感知到理解的交互。车控及底盘域方面，AI让控制器获得新能力，算力可流转复用。研发侧，AI赋能明显，比如测试板块通过AI节省70%的算力。AI的发展会持续迭代，带给消费者更好体验。
郑新芬：我们要拥抱并利用好以DeepSeek为代表的大模型。从软件定义汽车被提出，到最近几年组合驾驶辅助系统和智能座舱大量普及，汽车软件代码的规模急剧上升。大模型作为辅助研发的工具大大提高研发效率，如功能需求检查，代码自动生成，测试用例评审和实施。把大模型引入到具体的功能中又可以大量节省基于规则的代码规模。二者结合起来对于研发效率的提升非常明显。
同时，基于市场对大模型的需求，更多与大模型、数据、算力相关的跨界供应商会进入到汽车行业，共同推动产业发展。