最重要的是商业模式与生态。
在全球汽车产业百年未有之大变局下，智能化与网联化已成为不可逆的核心转型方向，而人工智能（AI）技术正作为关键驱动力，从底层架构到应用场景全方位重塑汽车的价值逻辑。
过去十年，汽车产业经历了从机械产品向电子智能产品的初步跨越，随着算力芯片性能的指数级提升、传感器成本的持续下降以及AI算法的迭代突破，当前行业已进入AI深度渗透的关键阶段：从单一功能的智能化升级，转向整车架构、研发模式、商业模式的系统性变革。
2025年9月11日，由盖世汽车主办的“第五届未来汽车AI计算大会”上，相关企业及机构的实践与洞察，不仅揭示了当前汽车AI化进程中的技术焦点与市场痛点，更为理解行业从技术落地到生态重构的演进路径提供了关键参考。
争相入局大市场
从市场渗透率来看，智能网联功能已告别尝鲜式应用，进入规模化普及阶段。
据盖世汽车王显斌团队数据，2025年上半年，乘用车L2及以上高级驾驶辅助系统（ADAS）标配渗透率已突破55%，其中导航辅助驾驶（NOA）功能表现尤为亮眼，渗透率从2024年的10%以下飙升至17%，成为高阶智能驾驶落地的核心标志。
分价格带观察，市场分化特征显著：15万-35万及50万以上车型的L2级ADAS渗透率已逼近90%，逐步成为中高端车型的标配配置；而15万以下尤其是10万以下车型，高阶自动驾驶功能下探缓慢，仅胎压监测、自动紧急制动（AEB）等安全类功能配套率较高。
竞争格局层面，梯队化特征日益凸显，技术路线的差异进一步拉大玩家间的差距。
王显斌团队将当前市场参与者划分为四个清晰梯队：第一梯队以特斯拉、华为、小鹏、理想为代表，已实现端对端全场景智能驾驶辅助（VA）量产，能够覆盖城市道路、高速路、停车场等复杂场景。
第二梯队如小米、元戎启行，虽接近全场景能力，但在极端天气、拥堵路况等复杂场景的体验上仍有明显差距。蔚来、百度等企业则聚焦无地图或轻地图NOA路线，通过降低对高精地图的依赖提升功能落地效率。传统自主品牌则以高速NOA应用为主，在高阶功能研发上相对滞后。
从玩家类型看，整车企业凭借算法自研优势与自研SoC芯片布局，正逐步掌握核心技术主动权。
华为等互联网企业以“软硬一体”模式快速实现规模化落地，其代表的鸿蒙智行车型已形成可观的市场规模。本土初创企业在先进算法研发上具备潜力，但规模不大仍是制约其发展的核心短板。外资企业在高阶智能驾驶功能进展缓慢，虽在自适应巡航（ACC）、车道保持辅助（LKA）等入门级安全功能与执行端技术上保有优势，但在高阶功能配套规模上已明显落后于中国企业。
智能座舱领域的进展同样迅猛，成为提升用户体验的核心抓手。王显斌指出，2025年上半年座舱域控标配渗透率已接近40%，中国市场智能座舱整体渗透率更是高达80%，预计到2030年这一比例将超过95%。
从竞争格局看，座舱域控核心玩家以自主品牌为主，外资企业如博世、哈曼虽占据一定市场份额，但在本地化创新速度上稍显滞后。中国企业更能快速响应用户对多屏交互、语音助手、场景化服务的需求，而外资企业的方案迭代周期往往难以匹配中国市场的快节奏。
芯片层面，高通以75%的标配占比呈现一家独大的格局，其骁龙8155、8295芯片成为中高端智能座舱的主流选择。
同时，座舱域控方案也呈现多元化演进趋势：以德赛西威第五代方案为代表的单大算力SoC方案，可满足基础智能化需求；双8295方案通过双芯片协同，支持多屏交互、情感化体验等复杂功能；AIbox方案则为存量车型提供算力升级路径，有效解决单SoC算力不足的问题。
小米等企业探索的“多域融合一体”方案，更推动座舱系统与智驾系统、车身系统的深度集成，为未来汽车向“移动空间”转型奠定基础。
在技术架构层面，中央计算平台已成为汽车电子电器架构演进的核心方向，标志着汽车从“分布式控制”向“集中式管理”的跨越。
哈曼李培治表示，随着算力芯片性能的飞跃与AI技术的持续革新，叠加主机厂对成本控制、用户体验提升及安全保障的多重需求，整车电子架构已从域控制器阶段迈向跨域融合阶段，最终将过渡到中央集中式计算平台。
目前，多家主机厂已启动中央计算平台的研发工作，部分企业的方案已进入量产阶段。从市场前景看，2025年起中央计算平台市场将进入快速增长期，预计到2030年全球装机量将突破2500万辆，而中国凭借技术创新速度与庞大的市场规模，将成为全球最大的潜在市场，并主导中央计算平台的技术演进方向。
技术路径上，当前呈现三种方案共存的态势：双盒子多芯片方案（座舱域控与ADAS域控分离）仍是主流，技术成熟度高；单盒子多SoC方案通过系统集成降低硬件成本、提升功能协同性；单盒子单SoC方案则依赖高通8775、8797等融合芯片的算力突破，虽集成度最高，但技术难度也最大，三种形态将在未来3-5年内持续共存。
痛点还要慢慢解决
在AI重塑汽车产业的进程中，技术落地的挑战与突破始终相伴而行，硬件模块化与软件开放式架构是当前破局的核心抓手，而高阶智驾安全、功能验证等痛点仍需逐步化解，这些探索共同推动行业向“移动智能终端”转型。
硬件层面，国内主机厂对开发周期的要求愈发严苛，部分项目周期甚至压缩至12个月以内，供应商需快速响应才能跟上节奏。
哈曼李培治表示，通过复用全球量产成熟模块，既能满足中国速度以缩短开发周期，又能将过往量产经验与失效分析融入高端平台研发，实现快速迭代与质量保障的平衡。
热管理方案则需兼顾风冷与水冷设计，既要适配新能源汽车高功率、高发热的需求，也要兼容传统燃油车场景，尤其在10-25万主流市场，这种兼容设计能覆盖不同动力车型，有效降低主机厂研发成本。
软件领域，开放式架构已成行业共识。哈曼采用“应用层行业共建、中间件抽象整车基础软件、操作系统模块化”的设计，实现软件高度解耦与跨平台复用，为模块化升级和多元应用提供支撑。
黑莓QNX则凭借微内核架构占据优势，其QNX8.0版本支持ARMv9架构，兼容高通、英伟达、地平线等主流芯片，还通过ISO26262ASIL-D功能安全与ISO/SAE21434网络信息安全认证，成为座舱、智驾及舱驾融合系统的底层核心，在异形多屏座舱领域，90%以上底层基础软件均采用其Hybrid方案。
AI大模型正从研发端渗透至汽车全生命周期，成为降本增效的关键。
研发环节，AI可快速生成设计草图、优化参数、自动化数据标注与代码生成，长城汽车已将其用于车型造型设计以缩短周期；仿真测试中，AI生成海量极端与边缘场景，减少实车测试成本和时间，提升碰撞、可靠性测试效率；芯片与电池架构设计上，AI通过多变量优化算法平衡性能与成本。
智驾领域呈现“云端+车端”协同模式：云端AI处理数据标注、挖掘与仿真场景生成，车端AI聚焦车道轨迹预测与场景衍生仿真，DeepSeek等企业技术已量产。
车辆语言助手（VLA）进入1.0阶段，未来将从“被动响应”向“主动规划”演进，实现端对端决策与类人脑推理；座舱交互则向“主动服务”升级，未来将成为“私人智能助手”，推动座舱转型为“移动办公与娱乐空间”。
高阶智能驾驶（L3及以上）落地的核心痛点的是安全冗余与故障可运行能力。恩智浦夏青青指出，当前L2系统多为“单通道架构”，依赖人类驾驶员兜底，无法满足L3“系统兜底”要求。L3系统故障时，需在驾驶员接管前安全运行约10秒，若驾驶员无法接管，需执行最小风险机制（如停至应急车道）。
为此，恩智浦提出“三通道架构”：以L2系统为主通道，新增“备用系统”负责最小风险控制，搭配“安全监控模块”实时监控轨迹，异常时立即切换。该架构可复用L2硬件资源降本，通过“主系统AI化+备用系统规则化”降低长尾风险，更将测试量从600万公里降至6万公里，大幅提升L3量产工程可行性，但这一方案的全面落地仍需时间验证。
功能安全与免于干扰的验证是AI汽车可靠运行的基础。刘相全团队表示，ISO26262标准要求高、低风险组件物理与逻辑隔离，防止故障传播（如时序堵塞、内存越界等）。他们提出的“静态架构检查”方法，通过“架构模型-源代码-映射关系”三要素体系验证代码与架构一致性：
架构模型定义组件依赖，源代码转换为中间形式提取实际依赖，映射关系关联二者，再通过自动化工具检查“分歧”（代码违背架构）与“缺失”（架构未实现），将测试“左移”至开发早期，避免后期重构浪费。不过，静态分析不能替代动态检查，需结合动态测试应对偶发故障、工具链兼容等场景，形成全方位验证体系，这一验证体系的完善也需持续优化。
长远来看，AI将推动汽车从“交通工具”转型为“移动智能终端+数据载体”，重塑商业模式与生态。无人驾驶成熟后，将推动共享经济发展，改变用户“拥有汽车”向“使用汽车”的观念。
董渊文指出，中国在汽车电子领域优势显著：技术量产早、开发周期短、迭代快，全球前沿科技常先在国内落地，本土芯片（地平线、黑芝麻）、操作系统（鸿蒙）及零部件供应商崛起，构建了完整产业链。
但外资企业在核心芯片（高端GPU、MCU）、执行端技术（高精度电机、传感器）上仍有积累，未来行业竞争将聚焦“全栈自研”与“生态整合”能力。正如李培治所言，企业需在算法创新、安全验证、成本控制上持续突破，才能在产业重构中占据先机，而这一系列目标的实现，仍需行业逐步攻克痛点，稳步推进。