字节“亲儿子”，开始抢华为的车圈饭碗
金错刀车评官方账号
怎么做好智能化，是不少车企每天都要自我拷问的问题。
就在今年，小鹏汽车何小鹏、广汽集团冯兴亚、长安汽车朱华荣、理想汽车李想、东风集团杨青、奇瑞汽车尹同跃……一众车圈大佬先后来到深圳华为总部，与任正非交流、取经。
6年前，华为初入汽车圈时还被视作潜在对手，如今车圈之所以集体转换态度，智能化是个关键因素。
今年10月底，鸿蒙智行宣布达成百万交付量，用时仅43个月。其中，问界M9连续18个月蝉联50万级以上豪华车销冠，更是令所有人侧目。所有人都知道，这一切绚烂数据的核心，正是智能化。
也正因为智能化的市场潜力，华为迎来了越来越多的挑战。
比如字节跳动。据36氪报道，字节旗下的火山引擎和赛力斯，在合作推动豆包大模型进入车机。
此外，阿里通义AI大模型、百度的文心大模型等，也各拿下了不少的车企客户。
要玩转智能化，可能得先玩懂“大模型上车”。
01
没有大模型的车，快卖不动了
让大模型上车，特斯拉绝对是最激进的一个。
早在2015年，特斯拉就开始布局自动驾驶软硬件自研，2016-2019年陆续实现了算法和芯片自研。
但彼时还只是特斯拉的“圈地自嗨”，其他同行大都无动于衷。
直到两个关键节点的出现，大模型上车的趋势变得势不可挡。
一个是ChatGPT的横空出世。
大模型瞬间炙手可热，没多久国内更是直接打响了“百模大战”，大模型进入了手机、医疗、教育等各行各业，甚至又出现了那句老生常谈的话：所有生意都可以用大模型重做一遍。
从2023年下半年开始，大模型上车就成为了汽车智能化发展的潮流。2024年4月的北京车展上，一口气冒出来二十多个大模型上车项目。
一个是DeepSeek的突然爆火。
2025年1月20日，DeepSeek发布推理大模型DeepSeek-R1，凭借比肩OpenAI o1的性能和超低推理成本，迅速引发全球关注。
如果说在之前，大模型上车只是少数头部玩家的宣传噱头，那么DeepSeek的出现则是正式吹响了车圈集体拥抱大模型的集结号。
2月5日，何小鹏在开工信中，罕见地用近三分之一篇幅谈论DeepSeek：“除夕前后，DS大模型给全球科技圈带来震撼——它既实现了媲美OpenAI的体验，又将成本压缩到极低。未来十年，AI将驱动汽车发生远超电动化的变革。”
这样的看法，不只何小鹏一个人有。对于大模型在汽车行业的作用，不少业内人士甚至将其定位为“基础设施”。这是因为，作为一个较为垂直的领域，大模型在新能源汽车方面的应用更多，从智能座舱到智能驾驶再到底盘域……
所以，过去有人说新能源汽车是“大号手机加四个轮子”，现在的说法则升级为了“汽车机器人”。
大模型上车，自然成了所有车企必须追逐的风口。
今年2月7日，岚图官宣其已完成与DeepSeek模型的深度融合，岚图知音将成为汽车行业首个融合DeepSeek的量产车型。此后陆续有几十家车企接入DeepSeek或其他大模型。
连海外车企此次拥抱新技术，也比之前快了不少。在中国市场，它们不约而同接入了中国云服务公司提供的大模型服务，例如奔驰与字节的火山引擎合作，奥迪与华为乾崑联手。
向来以“沙发彩电大冰箱”+增程独步汽车市场的理想，也在张开双臂拥抱大模型。在理想i8纯电SUV新品发布会上，长达数小时的演讲中，占据绝对C位的，是一个名为“VLA”（Visual Language Model，视觉语言大模型）的AI技术。李想甚至将其称为汽车行业的——
iPhone 4时刻。
02
大模型上车，绝非噱头
大模型上车的浪潮来势汹汹。原因无他，是真有用。
大模型在汽车服务领域的应用主要体现在两个方面：一是智能座舱，二是自动驾驶，都对车主体验和车企发展有着极大影响。
对于用户，有无大模型加持，驾乘体验相差巨大。
在新能源汽车领域，智能座舱是大模型最为便捷的应用场景。在过去的智能座舱内，一条指令对应一个执行或一个应用，完成这一系列动作就需要多个指令。而面对这条命令给出的复杂任务，大模型可以调用多个应用分步骤完成。相比以往的人机交互来说，新的能力更接近人类。
2025年8月，华为车BU CEO靳玉志曾公开介绍，对鸿蒙座舱的规划是，让HarmonySpace 5 从简单的问答式交互，变成自然的全能伙伴，从被动响应走向主动服务。“比如当座舱检测到，车主在后排睡着后，汽车会自动把幕布降下来、让车窗变黑、把声音调小”。
所以有人说，五年后，消费者购买一辆高端智能电动车，最关心的将不再是它有多少块屏幕，而是它的“智商”有多高。
对于车企，有了大模型之后，不仅是多了个卖点，许多事做起来更是事半功倍。
拿智驾来说，大模型能处理海量数据，还能提高模型的准确率和性能，这对智驾驶作用很大。
以往智能驾驶感知使用的都是各个小模型“堆叠”的方式，识别的原理就是自己先看，然后到知识库里进行比对，如果以前没有学习过，可能无法准确识别。而大模型能在处理路面复杂情况时具有推理能力，以及像人一样思考的能力，可以对路网、路况、环境、驾乘行为等海量数据进行处理和多维度分析，提高智驾的准确性和可靠性。
在研发和生产方面，大模型的作用也到了必须重视的程度。
李想曾表示：“过去我们一年要做大概1000万帧的自动驾驶图像的人工标定，所以我们请了很多外包公司进行标定，大概6元到8元钱一张，一年的成本接近一个亿，这仅仅是来做自动驾驶方面的图片标定。但是当我们使用软件2.0的大模型，通过训练的方式进行自动化标定，结果和效果会非常可怕，过去需要用一年做的事情，基本上3个小时就能完成，效率是人的1000倍，这个领域的工作完全不一样了。”
此前还有报道称，小鹏等车企30%以上的软件依赖于大模型自动生成。
难怪何小鹏曾多次公开表示，AI汽车时代已经到来，从研发，到生产、管理、运维，“内部接近200个业务方面都使用了AI。”
03
暂时不要抱太高期待
越是重大改变，越是没法一蹴而就。
周鸿祎说过，大模型上车虽然会给汽车产业带来革命性变化，但这个变化不会在“一夜之间”发生。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生也曾表示：大模型上车需要耐心。
有许多现实挑战，所有车企都必须直面和解决，没法弯道超车。
比如芯片问题。
大模型竞争的核心在于算力。
大模型云端训练需要上万片高端GPU训练芯片，尤其是端到端自动驾驶训练数据量已达到PB级，训练芯片需求更大。特斯拉端到端自动驾驶FSD V12在超过10万块GPU芯片支撑下才实现周级迭代。
而现在，海外的高性能GPU芯片仍被禁止对华出售，同时国产芯片仍存在制程落后、性能不足等问题。
这也是为什么，有人建议加快推动算力共享，将国内各公司分散的算力集中起来。
还有“数据”问题。
大模型在汽车行业落地应用过程中，面临的主要问题是数据量少且质量不高。
数量方面，国内车企场景数据普遍不足百万，且出于数据合规的考虑，车企之间数据难以共享流通，导致国内车企的高价值场景数据并不充足。
质量方面，受限于现实因素，许多车企在数据挖掘和数据治理领域方面的沉淀不足。比如日常驾驶中，极难遇到像车祸、暴雪等极端场景，这导致了仅有不超过1%的数据可用于最终训练。
数据问题不解决，大模型可能会“偏科”，导致产生严重的“幻觉”问题，不仅影响体验，还可能影响安全。
最后是“生态”问题。
让大模型和车主闲聊很容易，但要让大模型提供更多服务，就需要第三方应用配合了。但调取数据、开放权限或提供高质量的API接口，通常需要投入大量资源，许多第三方公司并不愿意为了一家车企的需求进行这样的投入。
毫无疑问，大模型和AI正在从选配变标配，未来甚至还可能成为核心卖点之一。
但同时也要清楚：一场划时代的革命注定是持久战。
作者 | 观海 审校 | 琪琪
视觉 | 金克斯 轮值主编 |石峰轩
