圆桌论坛二

　　主持人：再次感谢各位给我们贡献的非常精彩的讨论，既给我们带来了前沿一线的观察，同时也给我们分享了解决核心痛点的方案和路径，再次感谢大家！

　　接下来进入第二场圆桌论坛。随着智能驾驶、智能座舱的持续演进，物理AI正在成为行业新的关注焦点。本场论坛的主题是物理AI时代下的智驾座舱一体化与产业链价值重塑。一起来听听下面几位嘉宾的分享。

　　有请本场圆桌论坛主持人，中欧协会智能网联汽车分会会长 马振山

　　以及本场圆桌论坛嘉宾：

　　江铃汽车副总裁 刘森海

　　吉利研究院大项目组长 丁鑫博士

　　轻舟智航联合创始人、董事长兼CEO 于骞

　　车联天下董事长 杨泓泽

　　上海天永智能董事长 荣俊林

　　中科摇橹船董事长 郑道勤

　　下面把时间交给几位嘉宾。

　　马振山：各位领导，咱们讨论一个更加细的问题，因为第一个问题是人工智能包括车企的转型，我们这个单元就讨论一下智舱、智驾的一体化和产业链价值重塑的问题。

　　实际上这里有一个大背景，就是整个汽车和AI的结合，包括强化学习更加深入渗透汽车界，汽车的智能化成为了一个焦点。我们车企、科技公司包括服务商的定位已经不是原来的主宰关系，可能是相互的交叉，这个角色正在模模糊糊但是更加清醒的形成，这个价值定位也在理清过程中，产业需要更加明确的分工和价值的重新分配。

　　所以第一个问题就是在物理AI时代，整车企业应该如何定位自身价值？如何与技术公司和服务公司协同推进产业的共同发展？我们请刘总先谈一下江铃汽车的思考。

　　刘森海：我是来自整车企业，刚刚这个问题也非常好，其实我们整车企业也是非常主动拥抱AI时代。面对新的价值重构或者是价值重估，因为江铃汽车是做商用车和SUV，SUV的品类又偏越野风格，所以在商用车和SUV的特点上是非常鲜明的，特别是场景化的，所以对于不同品类车型的场景，像轻客、皮卡、轻卡、SUV越野系列，我们有不同的标准和要求，特别是基于客户的需求，重新评估客户需要的一些价值。所以在这个方面我们其实做了很多的分析，也建立了一套自主的标准或者规范，希望能走出一条适合我们商用车特点和越野风格、有功能价值的路出来。

　　马振山：第二个问题问丁总，吉利这块整个智能化做得非常与时俱进，特别是在智能化这块我觉得是完全靠咱们吉利自研为主的战略。从这点来看，估计你可能会有更多的想法和感觉。

　　丁鑫：感谢马老师，我觉得物理AI是把我们汽车产业从传统的智能载具变成了智慧生命体，这实际上解决了之前所有物理的痛点，让他具有对于世界的惯性、摩擦以及重力有了更智能化的感知。刚才您提到强化学习以及终极全域的物理AI，视世界模型该是我们的认知灵魂，吉利在去年发布了世界模型行业内的标准和范式。强化学习我觉得是一个核心的训练范式，终极是要达到全域的物理AI，这里面就是要把它做到最安全。昨天我看到一个报道，在AI颠覆逻辑里面提出了一个驾驭工程，它不是说对AI进行限制，而是给AI制定一个赛马场，让它在这个里面尽情奔跑。吉利也是跟生态伙伴保持开放、合作、共赢，我个人认为整车企业有它的优势，第一，它对于出行场景的定义一定是有全量的用户数据；第二，对于整车企业来说，一定是AI颠覆之后，整个我们智慧生命体安全的第一责任人；第三，在用户全价值生命周期体现上一定是基于整车进行全维度的呈现。所以基于这个，我觉得是大家一起进行新技术的联合不断迭代。

　　马振山：在您的判断，AI目前是处于起步阶段？

　　丁鑫：讲到舱驾融合，我认为2026年是爆发的元年。前面地平线的余总也提到了他们发布了星空舱驾融合芯片，可能未来生态联合角度还有很多工作要迭代，软件上如何打通几个控制域之间的壁垒，最后做到一句话可以体现全场景的领航。

　　马振山：感谢丁总。轻舟的于总，您这个公司是做智驾方案的，应该说跟主机厂也打了很多交道，在舱驾融合这个方案来看，您应该更有心得吧？

　　于骞：我们轻舟的一个业务智能驾驶，当然不仅仅是智能驾驶，我们还有L4业务，包括萝卜快跑的原型我们研发很长时间了，现在整个行业处在一个阶段，舱驾融合确实是一个很好的趋势，从用户体验，包括整体系统方案的降本有很大的优势。同时我也看到，我们的目的是更好的产生用户价值，让用户用这个产品时更丝滑，真的是随心所欲，想到的、看到的、听到的和自己触控的形成融合一体的感觉，这个用户价值是非常重要的。比如一个机器人行动能力和语言能力本来就应该在一个体系下，并不是说语音部分或者显示部分和行为能力是完全割裂的，很多层面就是高度结合的。我们越来越往AI或者通用物理AI往具身方面发展的话，你会发现融合性的智能会越来越多。就像现在的大语言模型不只是聊天，还可以生成图片，甚至可以写代码，舱驾这个也是。对于轻舟来说，我们更多是围绕怎样更好的为客户消费者创造更大的价值，我们也比较看好舱驾一体包括未来迈向通用物理AI领域为用户更多的创造价值。

　　马振山：我在研究这个课题时有一个问题，舱驾一体为啥没有从华为和Momenta两家提出来？

　　于骞：不同的厂商有自己的节奏，我感觉这里面的融合本身是一个比较新的事，但我现在感觉可能座舱和智驾融合这件事还没有特别大范围广泛被接受，现在舱驾一体的芯片在全世界范围内也并不多，高通有几款，还有一些相对来讲性能小一些的芯片。所以，我觉得本身这是一个小事物，但是这件事是不是真正大范围能够成功，还要看能不能为我们的消费者创造实实在在的价值来看待，我整体还是比较乐观的对这个方向。

　　马振山：所以应该说还是一个起步阶段，大家都在尝试。泓泽总，你现在准备舱驾一体了吗？

　　杨泓泽：振山问我这个话题，我不想打广告都不行，不是故意的。我们车联天下是世界上第一个实现舱驾一体上车的供应商，下周二北汽在北京发布的一台新款V9的新车上市，是我们连续第三款产品，这个具有绝对的先进性。

　　舱驾跟座舱有什么关系呢？舱驾是驾驶者对车辆产生最大的控制的行为，座舱是什么呢？是整车所有的传感、处理、决策，最后在人机交互上都要通过座舱实现。把这两个放在一起是极有价值的一件事，它们最大限度的实现了具身智能上，在汽车上最现实也是比较深刻的应用产生。本身舱和驾本身就是把两个多模态的数据放在一个场景下，用一套工具方法去处理的一个很典型的应用范式，这更像具身智能的一个最主要的产品形态。

　　马振山：它能够给车企带来降本，这一点是明显的，包括芯片减少，包括采购成本降低，给客户带来体验也好，应该是这样一个方向吧？

　　杨泓泽：我相信马斯克说的那句话，就是说我使用视觉算法的原因不是因为它省钱，而是因为它本身真的好。降本是因为我做对了一件事，所以那是一个好的结果。舱驾融合本身符合第一性原理，符合芯片发展的必然逻辑，符合数据在物理上放在统一平台上高效运转和使用的这样一种处理方式，极大的减少了通讯的存储、通讯的障碍各个运算主体之间的关系，它本身的简洁化是一定让用户得到更好的产品体验和服务，当然同时也能降低成本。

　　马振山：泓泽总给我们的解释我突然有了一个灵感，从油车到电车，我们的零部件大幅的减少，电车的发展又舱驾一体，未来可能又会导致整车零部件包括芯片大幅的减少，越来越精简，可能这是未来智能电动车的方向吧？

　　杨泓泽：是，舱驾一体本身也从物理上让你实现了更加智能化的必要条件，我们刚才谈到AI赋能以后，可以说没有舱驾一体、没有更强大的算力支持，也没有AI未来发展的必要条件和空间。

　　马振山：泓泽总的解释令我们豁然开朗，启发很大。荣总有什么独特见解？

　　荣俊林：我们是给汽车厂提供生产设备、制造生产线系统集成的，我们公司成立30几年来见证了整个行业在制造方面的发展，一开始是模仿学习外国，慢慢我们自己达到了一定的水平。自从有了汽车生产线以来，大概几十年、上百年从手动到半自动到自动，到目前这个水平已经基本上接近世界先进水平了，某些地方还有超越，特别是我们的信息化做得比国外还要好。智能化现在是刚刚接触一点点，智能化是什么呢？我们想首先是代替人，也是围绕着机械臂来做整个自动化。现在就是要围绕着具身机器人将来实现黑灯工厂也好，做信息化、人工智能也好，最后会有一个新的变化。

　　我刚才听到好多汽车厂都是自己在做机器人，但是他们做机器人和我们是没有矛盾的，因为目前的具身机器人可以说是一个初级阶段，就像人类是经过几十万年进化到人的，人类会走路，大概几十万年就会了，但是能够做工作做事也是近几千年的事。具身机器人的发展还有很长的路径，在这个过程中就有我们的工作了，我们会把它应用到我们的细分领域来，让它逐步代替人，逐步把人工智能应用上来。目前的自动化水平，像一般的能达到50%自动化率就已经很不错了，焊装可能好一点，局部的达到90%，百分之百还做不到。有了具身机器人以后，完全是黑灯工厂，不管你怎么变化，它的柔性等等都会这样做，这是一个过程。这可能又需要很多年，机械臂几十年了，围绕着六关节机器人来做，我们就围绕着它来实现自动化。现在具身机器人我们也会围绕着它来做，不管是主机厂自己能做出来机器人，还是头部企业，最后都要应用到场景来。谁来应用呢？我们就来干这件事，结合人工智能、结合产品工艺来完成这个产线。所以说我们认为整个这个行业是人工智能也好、在整车、零件、集成或者在我们工业自动化上，它接下来的发展是非常快的，我很有信心，认为它若干年后就能实现。

　　马振山：整车四大工艺里面用人最多的是总装，总装目前来看，我到各大主机厂走的时候还是大量的人工，这一期具身机器人什么时候能大幅度替代总装车间的人工？这一块您有判断吗？

　　杨泓泽：现在要解决两个问题，一个是具身机器人大脑，它对环境的感知，现在基本上非常少，这一点做不到。好比说一个人，我们一眼就看出来了，现在具身机器人要看这一块，它要算，需要很多的算力，目前二进制算法达不到，一定要有一个新的算法，在它的脑袋里面，或者是利用万物互联的概念，能够迅速把数据算好。这个时候它就能干这件事了，就能代替人了。还有一个就是夹具，这个发展了一定的程度之后，就可以完全代替人了。

　　马振山：咱们判断还需要多少年？

　　杨泓泽：时间上是这样，大脑一定要出现一个天才，这个天才干什么呢？不用二进制，用别的算法，神经元或者是量子计算，能脑袋里装上CPU它就能计算了，这个时候才可以，否则的话利用目前英伟达GPU算的话，如果能干这件事的话，它需要几万个GPU来算才能够达到人的50%的感觉，所以这个是要有一段时间的。但是就堆算力，堆个十年八年也能堆出来，如果有一个天才出来的话，两年三年就突破了。

　　马振山：所以说总装替代人工还需要一段时间，因为这块人工最多，对质量效率的影响最大。

　　杨泓泽：对，目前良率、效率，将来一旦具身机器人能成功，完全代替人，能够具有人智商的10%，像小孩的智商就可以了，整个工厂就不用人了，完全实现黑灯工厂。机器人的好处是什么？人是一个孤立的个体，机器人是万物互联，它通过无线就连在一起了，它的效率非常高，比人的效率要高，成本也要低。

　　马振山：所以总装车间如果大规模用具身机器人这个时点来了的话，恐怕汽车工厂是无人工厂的时代就真的来了。

　　杨泓泽：对，这个时候它是东西很便宜，把成本降得非常低。因为机器人是可以批量生产的，目前十几万一个的机器人可能再过两年以后就能实现一两千块钱，就像手机一样便宜。

　　马振山：咱们从具身智能这个主题回到舱驾一体，因为都是热点。郑总，您对于舱驾一体这个话题，有什么观点需要补充？

　　郑道勤：刚才听了地平线的演讲，芯片解决了，算力解决了，我们是做空间计算智能成像的，空间计算智能成像是什么概念呢？相较于目前传统的多维感知，你要用激光雷达、毫米波阵列、相机，时空要对齐调整，我们用一条光线、一个物理信号、一个传感器成像时测距、3D测量。说到舱驾一体，真的要实现，我觉得站在几个维度讲，一个是场景定义，这是车企的活。我们作为技术公司，我们是送水的，我们是提供支撑的。AI不会颠覆车企，AI应该是武装车企的，我们是助力者、支撑者。舱驾一体，你要软件、算法、系统、硬件、整车全部打通，如果芯片解决了，我们认为感知数据要花点功夫。舱内的DMS和舱外感知数据不统一，能不能实现算力共享和算法复用，用一套模型。未来智驾或者是自动座舱前进的趋势毫无疑问是空间计算+物理AI，一个模型，分布式智能，然后一套感知，统一感知，成像、识别、测量、测距全部搞定，同时可以抗强光、炫光、雨雾天气干扰。现在是带来了算力的负荷和算法的复杂度，系统越复杂，稳定性越差。所以我们认为未来的趋势是空间计算+物理AI，统一感知、分布式智能。

　　马振山：怎么理解空间计算呢？

　　郑道勤：空间计算相较于空间智能，比如说智能驾驶两条路线，一条是纯视觉，以特斯拉为代表，包括小鹏，一条是感知视觉，加上毫米波雷达，实现抗强光炫光，但是这条路线之间彼此博弈竞争。就我们而言，智能感知国家队，我们做了几十年的空间智能光学，有一套替代方案，我可以成像时就测距，测距时就测量，同时能抗强光眩光干扰，我们称之为空间计算智能推扫成像技术，成本特别高，在百万级，我们现在把成本降到了万元级，未来可以降到千元级，最终目标是百元级。因为今天时间关系，空间计算就不展开讲了。

　　马振山：郑总刚才有一个观点，AI赋能和助力车企，这个绝对是正确的。其实我当年在一汽的时候，一汽代表国家去学习经济生产方式，包括国内很多厂都学，但是学了几十年以后，还是没有学到位。后来以华为为主导的AI赋能制造，因为通过投资花了很多钱，用了普通工厂建厂一倍的钱，通过智能制造、智能检测解决了很多生产一致性的问题，可靠性得到了提高，品质得到了提升。我觉得制造能力不靠AI不行、靠人不行，人有情绪、有心情，还是不稳定。所以这一点来看，我们还是认同AI一定是赋能车企制造的。

　　考虑时间关系，我们还有13分钟，进入下一个话题，智驾要求芯片软件硬件整车和制造全链路的协同。当前产业链最大的痛点是什么？如何跨域数据融合和标准化的难题？如何实现共赢？这个实际上刚才郑总也提到了数据，荣总也提到了数据融合的问题，荣总您先讲讲您的看法。

　　荣俊林：对于汽车生产过程，我们是做生产线的，对汽车本身了解还是没有主机厂多。我们做项目也是跟主机厂合作，主机厂提要求，我们来实施，一般是这样的。他们提一个大概的工艺路线，智能化要求、自动化要求，然后我们来实现。我本身也做一些这方面的研究，我们认为在这个行业，人工智能会带来天翻地覆的变化。无论是从零件、工艺、性能等等，估计在很短时间内就会到来，以倍数来说的话，至少两三年就会出现大变化。

　　马振山：泓泽总，智驾一体化您觉得有哪些痛点？

　　杨泓泽：第一个是安全，对处理安全、信息安全等等带来的风险很大，对用户实际场景要求也会带来更大的影响。第二，我觉得是认知，我认为这是对技术推广最大的障碍。第三个是组织，刚才徐志刚总也讲，北汽内部打破了原来的组织规划，实际上是多域融合。今天我可以明确讲，特斯拉我没有研究，不算，我没有看到一个车企的组织架构是适应跨域融合的，一个都没有。

　　马振山：意味着以舱驾融合为代表的技术路线未来一定会对整个企业组织产生巨大的改变。

　　马振山：所以我觉得可能在智能化的路上最大的障碍在于已有的思维惯性，于总您怎么看这个问题？

　　于骞：作为企业来讲，我们是比较聚焦在自动驾驶领域，我觉得自动驾驶这件事本身还在快速的发展。大家看到最近随着AI模型的进化速度，其实是一个加速进化的速度，整个体验在飞速的发展。所以在这个过程中，我能感觉到系统的复杂度很有可能会加大这个问题的困难程度，涉及到比如说我们的舱驾融合，本身智驾发展就非常快，算力这几年基本上一年翻一番的状态，发展很快。所以我感觉整体这个行业还属于在快速发展和变化的阶段，我相信这个阶段还只是刚刚开始。对于我们轻舟来讲，我们要聚焦做好智驾这块，我们非常愿意和座舱、主机厂，和各个方面能合作的合作伙伴一起把这件事做好，聚焦自己擅长的东西，而不是说觉得遍地都是机会，我们要把自己擅长的东西打穿打透，更好的为客户和消费者创造价值，聚焦是我们的态度。

　　马振山：在您的项目组里面，您是怎么去解决全链路，从芯片、到软件、到硬件、到制造的痛点的？

　　丁鑫：我非常认同部门墙的概念，在吉利我们有项目组，我本人参与了出行车的项目和萝卜快跑的业务，实际上AI的颠覆我认为不只是舱驾，因为舱驾一定还要连通底盘的AI，这几个域串联的话，必须要有一个强大的项目组。第二个就是从产品定义上要进行顶层设计，我觉得基于这几点。当然最终要实现真正的不光是舱驾以及AI底盘，包括AI动力，实际上就变成AI全域的架构，这个其实也需要你有一定的算力，或者说你要有一样的基础设施，吉利现在为此也做了智算中心，算力也是很大的。另外一个，我觉得要实现终极突破还要有海量数据。最终我认为回到原点，还是要形成数据的安全普惠。

　　马振山：未来有没有可能舱驾一体了，把底盘域都整到一起？

　　丁鑫：站在用户角度，这一定是一个趋势，简单一点，当我们去开车的时候，或者当我们无人驾驶的时候，一定用一句话可以让它从舱、驾、底盘，让它自己进行物理AI的智慧生命体的迭代。

　　马振山：刘总，江铃这块呢？

　　刘森海：对我们来说，我们的细分场景和市场又多，所以在技术路线的制定和前置研究上确实遇到了很多的困难。刚才杨总也说，这之间热烈的讨论都产生了不同的观点和意见。

　　马振山：好，时间快到了，我总结一下，经过刚才35分钟的讨论，我觉得形成了几个初步结论。第一，舱驾一体是一个大趋势，从客户体验、从主机厂的技术路线和降本角度也是共识和方向。第二，可能舱驾一体在过程中会面临很多槛，包括安全，包括部门墙，包括数据的标准和融合问题，再多的墙也得跨越。所以我觉得未来一部车、一个CPU或者一个GPU是解决，可能也是方向。同时在舱驾一体课题，我们也看到未来具身智能一旦技术突破，有可能在主机厂，特别是用人最多的总装车间要实现具身机器人大量使用，这一点也不惊奇。

　　所以我们通过讨论得出了这三个方向的讨论。感谢各位专家和各位老总的分享，谢谢！