专访王耀：AI技术成熟曲线进入产业化爆发期 | 封面故事：AI汽车赛道起跑(二)

汽车纵横全媒体

最近DeepSeek狂潮席卷全球，掀起了新一轮汽车行业企业AI热潮。它打破了传统大模型依赖大算力的路径，加速AI技术普及和普惠。AI赋能汽车全价值链，已成为驱动汽车智能化变革的核心引擎和新的战略支点，助力车企在智能化转型中抢占先机。迎接AI定义汽车时代来临，但也应正视AI应用所面临的诸多现实和潜在挑战。

围绕AI汽车赛道，《汽车纵横》特作本期“封面故事”专题报道。

汽车从传统交通工具向移动智能终端进化，AI成为驱动这场变革的核心引擎。而DeepSeek的崛起是当前AI技术成熟曲线进入产业化爆发期的缩影。这类大模型应用有助于车企在智能化转型中抢占先机。

“AI爆发远超预期，国内科技产业方兴未艾，潜力巨大。”2025年2月24日，阿里巴巴集团CEO吴泳铭宣布，未来三年阿里将投入超3800亿元，用于建设云和AI硬件基础设施，预计总额超过去十年的总和。这是中国民营企业在云和AI硬件基础设施建设领域有史以来最大规模投资纪录。吴泳铭表示，阿里巴巴将不遗余力加速云和AI硬件基础设施建设，助推全行业生态发展。

此前的2月20日，吴泳铭曾表示，未来三年阿里将加大投入三大AI领域：一是投入AI和云计算的基础设施建设，二是投入AI基础模型平台以及AI原生应用，三是投入现有业务的AI转型升级。其实，1月，阿里也开源了新一代多模态模型Qwen 2.5-VL，推出了基于MoE架构的旗舰版模型Qwen 2.5-Max。截至2025年2月中旬，由阿里牵头发起的AI模型社区“魔搭”模型总量超过4万个，服务超1000万名开发者。

这是自DeepSeek火爆以来，知名企业在AI领域的又一重磅举措。此前，DeepSeek掀起了AI新一波热潮。这波热潮波及到各行各业，其中包括汽车产业企业。中国汽车工业协会副总工程师王耀接受《汽车纵横》专访时说：“DeepSeek的崛起是当前AI技术成熟曲线进入产业化爆发期的缩影。它不仅代表了AI在自然语言处理、图像识别等领域的创新，也在多模态技术融合、深度学习算法突破等方面起到了巨大的推动作用，一定程度加速了AI在各领域的深度渗透。”

AI成为驱动汽车智能化变革的核心引擎

面对DeepSeek引发的AI热潮，近来汽车行业企业等纷纷接入DeepSeek。有人认为，这是企业为接住这波流量的营销噱头。但王耀认为，将DeepSeek的应用视为营销噱头是对其真正价值的低估。

王耀表示，以DeepSeek为代表的大模型应用掀起的热潮，不仅代表了全社会对技术创新关注的提升，也代表了AI发展至今变得更加人性化、易用化的趋势。“这是响应市场需求的必然结果，使得更多领域的工作和决策更加智能化。这其中多个因素助推了其技术跃升，包括算力的提升、数据量的增长、大模型架构的突破以及算法的优化等。”

“对汽车行业而言，汽车正从传统交通工具向移动智能终端进化，AI已成为驱动这场变革的核心引擎。”王耀认为，车企接入DeepSeek更多的是为了真正提升汽车产品的智能化水平而做出的努力和尝试。随着车载智能化技术的快速发展，尤其是语音交互、自动驾驶、个性化服务等领域的需求日益增长，车企需要紧跟最前沿的技术趋势，优化其产品力，以满足消费者需求。

以智能座舱和语音交互系统为例，王耀认为，车企通过接入大模型技术可以优化语音助手的精准度、多轮对话能力和模糊语义理解力，让车主的指令不再仅限于简单的命令输入，而是能够进行更自然、更个性、更复杂的交互。他说：“大模型还被用于优化高阶智驾的研发，提供更为可靠的技术基础，帮助车企降低研发成本，加速技术迭代，提升模型适应复杂场景的能力。可以说，像这一类的大模型应用正帮助车企在智能化转型中抢占先机。”

未来将围绕数据-算法-算力要素全面竞争

电动化、智能化引发汽车行业全面变革，尤其近年来汽车智能化也开始迅猛发展，由此也引发了汽车行业更加激烈的竞争。有人认为，DeepSeek或重塑车企在AI时代的竞争格局。那么，AI技术对汽车智能化发展到底有哪些促进作用或影响？

“在智能化竞争格局中，以DeepSeek为代表的大模型技术玩家的加入，无疑会重塑车企在AI时代的市场竞争格局。”王耀表示，它将加速那些在AI领域布局较早的车企在未来的市场竞争中占据优势，也将成为智能汽车时代的“加速器”，加快车企之间的技术更新换代速度。

王耀说：“未来的竞争不仅仅是‘硬件+软件’的竞争，而是围绕着数据-算法-算力三大要素的全面竞争。车企能否在这场竞争中占得先机，关键在于其是否能够快速有效地整合这三大要素。”

“从智能座舱到自动驾驶，AI的应用几乎渗透到汽车产业链各个环节。除了在用户体验方面带来革命性变化，AI还在车辆研发设计、制造与维护、运营管理、销售管理以及后市场服务等环节发挥着重要作用。”王耀认为，在车企内部运营中还可以帮助优化生产计划、库存管理、供应链预测等业务流程，提高了整个供应链的运作效率。

显然，AI技术不仅有利于提升企业产品力、研发能力和生产水平，还有利于提高企业综合运营效率。因此，王耀说：“车企应当认识到，AI不仅仅是一个技术工具，还应该是公司战略的一部分。要提升产品力，车企首先需要在研发过程中重视AI技术的投入，其中数据、算力和算法的投入都不能忽视。此外，车企还要加强产学研用的合作，共同研发更符合未来需求的智能化技术。”

在应用层面，王耀认为，车企可以利用AI进行数据驱动的优化。通过分析大量的驾驶数据、车主行为数据，AI能够帮助车企精准预测用户需求，进而提供更加个性化的服务等。“总的来说，AI技术的有效运用，不仅能够提升产品的智能化水平，还能够大大增强车企的创新能力和市场竞争力。”

突破AI应用瓶颈可从三方面着手

尽管AI技术发展非常迅速，但要进入全面且成熟的应用阶段还需时日。那么，目前AI技术在汽车行业的应用面临哪些主要挑战或瓶颈？

“AI技术在汽车行业的应用发展迅猛且深入，尤其在自动驾驶领域，其核心依赖于数据、算法和算力的深度融合。”王耀说，“然而，国内企业在数据积累体量和质量仍存在差距，数据孤岛仍未得到有效解决，且算力瓶颈问题也亟待解决。”

“数据的积累并不是一蹴而就。目前数据采集成本非常高，加大了车企研发投入的压力。同时，AI模型的准确性和可靠性依赖于高质量、多样化的情境数据。”王耀表示，车企需要确保数据的广泛性与标注精确度，以保障在复杂应用场景中的安全性和可靠性。

王耀认为，算力问题也不可忽视，尤其在车载系统中，有限的算力资源和高计算需求构成了技术应用的瓶颈。车企要解决如何在相对低功耗平台上高效运行这些AI模型，以确保实时反应和流畅体验。

要突破这些挑战或瓶颈，王耀认为，车企可以从以下几个方面着手：

一是车企应当积极推动跨企业、跨领域的数据共享与合作，通过打破数据孤岛，补充实际路测数据的不足，并以此推动行业标准的建立，降低数据交互成本。

二是针对数据质量问题，车企需要通过质量管理体系，确保数据的时效性、有效性和准确性，以支撑AI模型的高效训练和可靠应用。

三是通过加强技术合作和研发，推动模型轻量化设计，提升算力的使用效率，并通过云端与车端协同计算等技术方式解决算力瓶颈。

王耀说：“通过加强合作共享、持续创新与技术迭代，车企可以有效突破当前瓶颈，推动AI技术在智能网联汽车和自动驾驶领域的广泛应用。”

版权与免责：以上作品（包括文、图、音视频）版权归发布者【汽车纵横全媒体】所有。本App为发布者提供信息发布平台服务，不代表经观的观点和构成投资等建议