传统汽车跑在马路上，智能汽车跑在云上
"如果自动驾驶不能 Think Like Human（像人类一样思考），那它真的安全吗？"
这一直击本质的问题，正在引领整个汽车产业的思考方向。在2025年云栖大会的阿里云汽车行业峰会上，来自不同主机厂和科技公司的专家们虽然对技术演进细节存在分歧，但都认同一个核心观点：自动驾驶必须从当前的"模仿学习"阶段，迈向"自主思考"的新高度。
这一转变意味着什么？它代表着自动驾驶技术需要具备更强的推理能力、更大的模型参数，以及在更真实仿真环境中的学习能力。而这些，都离不开云端强大的基建能力支持。
事实上，"云"的能力已经渗透到车企的各个业务维度，从智能驾驶研发到企业管理提效，再到全球化拓展，无处不在。数据显示，阿里云为国内智能驾驶行业提供了60%的AI算力；95%选择出海的车企都与阿里云有过合作；阿里云汽车行业公共云基础设施增速高达132%。
AI及其背后的云基建，正在像石油、电力那样，成为智能汽车时代必不可少的新基础设施。
智能驾驶，进入「大」模型时代
2025年，想要在中国市场成功销售任何一台新能源车，"智能化"已成为绕不开的关键词。其中，智能驾驶技术的体验和演进方向，更是每一家主机厂和智能驾驶公司关注的重中之重。
过去几年，特斯拉提出的"端到端"范式引领了智能驾驶研发从规则驱动向数据驱动的转变。这一技术变革大幅提高了开发效率，系统应对不同场景的泛化能力也得到了显著提升。
然而，关于端到端范式"天花板有限"的讨论很快出现。根本原因在于，端到端系统就像一位经历过"题海"洗礼的学生，模仿学习能力很强，见过的题目可以不出错，但一旦面对没有见过的"新题"（即行业常说的corner case），其自主解题能力就会受到严峻考验。
要达到L4甚至L5级别的完全自动驾驶，系统将面对数不清的未被标记学习过的障碍物，以及无数未被定义过的场景。因此，在端到端之后，智能驾驶必须实现真正的AI化。系统需要提升的是底层的"能力"，而非人工开发一个个具体的"功能"。
这一转变与人工智能行业的发展路径相似——在预训练后，加入后训练和强化学习，增强推理能力。
VLA：智能驾驶的新共识
VLA（Vision-Language-Action）是近年来开始被行业热议，有望成为新共识的技术路线。依托于GPT架构的VLA，参数量将大幅提升，这对研发底座提出了新的要求：
首先，算力需求远高于上一代技术范式。这既指需要更大算力的车端算力，也代表云端的训练、推理需求。理想汽车自动驾驶研发高级副总裁郎咸朋将云端开发智能驾驶模式比作"在虚拟城市里开极品飞车"："不仅车的推理需要算力，生成这座模拟城市也需要大量算力。"
其次，VLA中的"L"代表对物理世界的理解——可视为"基本智商"，例如看懂临时路牌、分辨潮汐车道、避让特种车辆等。这些与驾驶无关的常识能力，恰恰是当前语言大模型已经具备的。
因此，主机厂在研发VLA模型时，往往选择在行业领先的基座模型上进行蒸馏，而不需要从零开始重复造轮子，再造一个大语言模型。
基于此，行业专家们普遍认为，在如今的智能驾驶研发过程中，云服务商不仅是AI算力的提供者，更是与车企、科技公司共同解决问题的合作伙伴。
当智能座舱开始「自主服务」
在汽车智能化进入深水区的当下，智能座舱正经历从"指令响应"到"主动服务"的代际跨越。长城汽车技术中心副总经理姜海鹏指出："座舱正经历着从基于规则到基于AI的重要转型，之前我们定义座舱是基于功能驱动性的，但未来的座舱一定是基于能力涌现性的。"
大模型以及大模型的端云协同技术成为这一变革的核心牵引力。而在协同中，分工是核心关键。
阿里云智能集团公共云事业部AI汽车行业解决方案总经理霍健举例说明：当乘客说"我感觉有点冷"，在端云协同下新架构的智能座舱会"车端确认调整温度意图后，云端会首先进行记忆召回，找到'他'过去对温度的偏好，提供给车端结合车外温度，车内温度，温度偏好做执行。"
AI的核心能力可分为思考、感知、记忆以及执行等几个维度。云端在深度推理和思考方面具有优势，但随着端侧算力提升，本地完成思考任务的能力也在增强。感知主要由端侧承担，因为涉及声音、声纹、人脸识别及环境监测等敏感数据，需考虑安全与实时性。记忆功能需端云协同：短期记忆在端侧闭环处理，长期记忆经隐私处理后结构化上传至云端。
蔚来汽车副总裁吴杰表示："从技术角度来看，针对不同的品牌和场景，我们都在探索不同的端云协同的黄金分割点。"
全模态模型：智能座舱的突破
阿里云在2025云栖大会上首次公布了座舱领域车端与云端配套的全模态模型"Qwen3-Omni-Mobile"和"Qwen3-Omni-Flash"。这三大特点使其成为行业焦点：
- 端到端全模态的交互
- 主流芯片厂商全适配
- 0.5秒超低延时
这些新模型让智能座舱真正拥有了全模态的感知能力，使智能座舱不再只是一个听从明确指令的"实习生"，而是真正了解用户需求的贴身AI助理。这标志着智能座舱即将迈入"自主行动"新阶段——座舱能基于环境与乘员状态自主决策，而非依赖明确指令。
车企也在「自动驾驶」
除了在汽车产品上的自动驾驶和智能座舱研发外，现代车企在运营和管理体系上，也希望通过AI进行数字化转型之后的又一轮变革，实现"企业运营的自动驾驶"。
阿里云智能集团的公共云事业部AI汽车行业总经理李强曾与中国一汽沟通时指出："过去的数字化解决了信息'能存'的问题，让车企流程的标准化和效率的提升；但系统并没有解决信息'能懂'的问题。所以企业过去的数字化转型，往往只能止步于八成，最后20%很难突破。"
从「能存」到「能懂」：一汽的数智化改革
传统数字化管理下，设备日志、客服录音、合同图片等数据，从企业技术层面来看隶属文字、语音、图片等不同模态，而在管理层面又存在"部门墙"这样的沟通问题，所以信息并没有做到极致的高效利用。
中国一汽的解决方案是：从大模型中得到启发，把所有数据转换为"Token"，这样就可以把不同模态的内容映射到同一套Token空间里。这样，企业运行中的"上下文"就能变得丰富很多，管理企业的模型有了"长文本"的支持，自然也就更聪明了。
要实现这种以"理解"为基础的智能化管理，AI大模型是必需的基础设施。和自动驾驶一样，车企自研一套领先的基座模型不仅耗时耗力，也不是其业务重心。因此，寻求强有力的技术合作伙伴成为行业共识。
在中国一汽和阿里云的合作中，阿里云负责提供通义基座大模型，并提供一些"定向能力支持"；而一汽集团则将过去在数字化转型中积累的高质量行业数据，为模型提供了最好的训练语料。
OpenMind智能体平台：实践成果
这种合作的成果体现为中国一汽发布的OpenMind智能体平台。在2025云栖大会的现场，中国一汽体系数字化部副总经理陈韵从三个场景分享了OpenMind平台的具体应用效果：
- 差旅智能交互助手
- 辅材数据协同范式
- 薪酬发放数字员工
在这些应用场景里，共性在于这套基于AI的平台可以通过"纵向"（从管理层直达每个车间）、"横向"（打破不同部门墙）、"时空"（融合企业过去的案例）三个维度获得更全局的视角。
在应用过程中，员工的工作重心也逐渐从执行好某一项具体业务，变为了做好"数据模型"，这不仅让中国一汽实现了提效，更是完成了企业运营范式上的一次彻底重塑，从依赖固定流程的刚性体系，迈向由数据驱动、智能体协同的柔性生态。
云与车企：从基础设施到共创伙伴
从自动驾驶向"自主思考"跨越，到智能座舱从"指令响应"转向"主动服务"，再到车企运营实现从"数据能存"到"数据能懂"的突破，智能汽车的每一次进化，都深深扎根于AI与云基建的协同土壤。
这场变革的核心在于，云厂商不再是单纯的算力供给者，而是与主机厂并肩的"共创伙伴"。二者共同搭建的不仅是技术底座，更是重塑汽车智能生态的核心骨架。
在智能驾驶领域，云厂商提供的不仅是算力，更是与车企共同研发新技术的合作伙伴关系；在智能座舱领域，端云协同的全模态模型让座舱真正具备了"理解"用户的能力；在企业运营层面，云厂商提供的基座模型与车企的行业数据结合，创造出全新的智能管理范式。
这场产业与技术的深度融合，正一步步将更安全、更智能的出行未来，从蓝图变为现实。随着AI技术的不断进步，汽车产业将迎来更加深刻的变革，而云与AI的结合，将继续在这场变革中扮演核心角色。
