車企和智駕公司全力投入AI汽車，卻受限於安全許可權、資料不足、場景適配、艙駕割裂，陷入“信AI、做AI，卻不夠智慧”的轉型困境
文｜《財經》特約撰稿人 王欣
編輯｜趙成
從AI（人工智慧）拼湊式的創新，到以AI為核心重新定義汽車，汽車行業正經歷一場變革汽車。
2026年世界人工智慧大會（下稱“WAIC”）上，具身智慧首次與智算並列為核心板塊汽車。物理AI、世界模型、智慧體取代了往日的晶片算力與感知引數，成為會場高頻詞。
展館內，一條真實的汽車產線在執行，人形機器人演示著電池模組堆疊與線束插接汽車。圍觀者心裡清楚，這只是表演。從舞臺到產線，中間隔著把物理智慧裝進真實世界的全套工程化能力。行業對AI的討論，正在從“能算什麼”轉向“能做什麼”。
智慧汽車被視為物理AI走出虛擬世界的第一站汽車。大模型上車重新定義了“車”。吉利聯合階躍星辰推出超級智慧體“超級Eva”，試圖把語音互動從“一問一答”變成“一句話辦事”；比亞迪、小鵬、理想各自發布自研車載全域大模型，把座艙、智駕、車路協同統一納入同一個模型。
更值得注意的是，汽車產業鏈企業集體向具身智慧遷移汽車。蔚來用神璣NX9031車規晶片給機器人當“大腦”，禾賽把車載雷射雷達技術搬到了機器人上，理想把戰略願景從“創造移動的家”改成“進入物理世界的具身智慧機器人”，小鵬則直接喊出“汽車即機器人”，而智駕公司們集體轉向物理AI敘事，試圖以一個基座大模型“端”到所有地方去。
熱鬧之下，潛藏著深層次矛盾汽車。智駕行業戰略重心正向更大的敘事遷移，而最基礎的使用者信任，卻仍在前端停滯。當產業高歌猛進地將汽車推向“物理AI入口”，使用者的安全感與體驗感，仍是未被填平的底層缺口。
從功能上車到物理AI入口之爭
過去五年，行業用晶片算力、感知模型引數和平均接管里程來定義一輛車的智慧化水平汽車。到2026年，這些指標正退居二線，取而代之的是一個更宏大的敘事，汽車是物理AI最先落地的載體，智駕只是這個載體上的第一個應用。這一變化背後，是一次企業身份和估值邏輯的重構。
展開全文
自2026年初英偉達執行長黃仁勳點明物理AI趨勢後，幾乎所有國內智駕企業都在擁抱這套敘事汽車。
本屆WAIC上，Momenta以“物理AI第一股”的標籤完成亮相汽車。此前不久的7月8日，該公司登陸港交所，首日市值突破700億港元。而一年前它還是“智駕公司”，到上市前夕時已完成物理AI敘事切換。它最耀眼的成績是，國內第三方城市NOA（導航輔助駕駛）供應商市場的佔有率65%。
Momenta企業人士告訴《財經》，物理AI的核心是資料規模化拓展和商業閉環，且二者正形成正向反饋，自動駕駛是目前唯一同時實現這兩者的物理AI領域，Momenta計劃用同一套世界模型，支撐乘用車、無人配送車、無人貨運卡車和無人駕駛計程車等不同形態的規模化落地汽車。
當技術供應商集體切換賽道，車企的戰略分化也隨之加劇汽車。
新勢力陣營將AI上升為定義公司身份的核心汽車。2026年6月，蔚來創始人李斌提出“現在的汽車公司，必須成為AI公司”。理想汽車創始人李想則判斷，2026年是成為AI頭部企業的“最後上車時間”，全球能同時佈局基座模型、晶片、作業系統和具身智慧的公司不會超過三家。小鵬汽車已將公司定位升級為“面向全球的具身智慧公司”。在本屆WAIC，蔚來汽車首次獨立參展，推出了“睿動”具身智慧開發平臺及分散式智慧體平臺。
傳統自主品牌則選擇了另一條路徑汽車。比亞迪釋出“璇璣”架構，依託規模效應實現技術普惠。吉利構建“整車通用大腦”，長城汽車成立人工智慧實驗室。它們的共同邏輯是將AI作為打通智駕、座艙、動力域的技術工具，走的是“整車智慧”路線。
這條路落地可靠，但風險同樣清晰，如果AI的核心價值最終落在“生態”而非“整車”上，傳統車企可能再次被鎖定在硬體製造商的角色裡汽車。
長安汽車的危機感尤為強烈汽車。中國長安汽車集團有限公司黨委副書記、董事譚本宏在年中媒體溝通會上透露，長安今年在智算中心算力上的投入約30億元，並直言，“如果不做這樣的實踐，可能以後真的就是一個‘造殼’的公司”。他還公佈了“一腦多體”構想，核心邏輯是如果大模型能開車，它是否還能做點別的事，能否成為機器人。據悉，長安已序號產生器器人子公司。
“‘一腦多體’的技術可行性正在得到驗證，特斯拉正在透過端到端機器人基礎模型實現自動駕駛、人形機器人、數字智慧體的多場景複用，基於海量車隊資料訓練的基座模型可適配不同‘身體’的控制需求汽車。”一位智駕行業人士告訴《財經》。
國際品牌陣營同樣在分化汽車。寶馬在全球降低L3級研發優先順序，卻在中國發布“360度全鏈AI戰略”。賓士全球擱置L3、聚焦L2+級，在中國持續與Momenta合作。大眾採取“在中國，為中國”戰略，與小鵬聯合開發的車型已經落地。
“全球謹慎、中國激進”的分裂根源在於，中國市場的智慧化已不是加分項而是入場券汽車。特斯拉則顯得更為激進，將汽車視為“輪式機器人”，人形機器人視為“無輪汽車”，共享同一套技術棧。
在智慧座艙領域，據不完全統計，過去一年已有超過30個大模型上車汽車。而2026年上半年，智己、上汽榮威、賽力斯等車企密集推出AI車型方案。
“我們理解的AI汽車，不只是把AI放到車上，而是讓汽車成為物理AI的新物種汽車。”火山引擎副總裁楊立偉稱，目前火山引擎已與主流車企達成AI創新合作，搭載豆包大模型的智慧汽車超700萬輛。
但當前AI汽車的概念存在泛濫之嫌，上汽榮威品牌事業部總經理錢漾直言不諱，“AI汽車”被說得太多，但本質上很多產品只是加了點AI功能，體驗都是散點，AI原生汽車的核心是AI作為唯一入口汽車。
賽豆科技的路徑更為激進汽車。2026年6月，賽豆科技釋出全新AI汽車品牌AIVA，其總裁李博稱，AI參與從產品定義到技術架構的全流程，如果AI要長出身體，汽車就是那個最重、最合適的身體。
由此一來，汽車被重新定義為一個能持續進化的智慧夥伴汽車。這一敘事對正在尋求估值邏輯重構的行業而言，吸引力巨大。
產業端千億投入加碼汽車，消費端使用者沉默
麥肯錫《2026中國汽車消費者洞察》顯示，智駕已成體驗門檻，69%受訪者視城市NOA為標配，近九成受訪者看好2035年可實現L4汽車。
智慧化硬體的裝車率正在飛速攀升汽車。工信部資料顯示，2026年以來搭載組合駕駛輔助功能的乘用車新車滲透率已達70%，城市NOA車型滲透率超過30%。
然而，故事的另一面，是沉默的使用者汽車。車企對AI的真心實意，與使用者的實際體感之間，橫亙著一道信任鴻溝，裝車熱潮並未換來使用熱潮。
東吳證券調研顯示，僅31%車主經常使用城市NOA，20%明確“不敢用”，超70%極少或從未啟用汽車。硬體上車趨之若鶩，上路啟用卻望而卻步，智駕領域的“葉公好龍”正在上演。
“使用者不是不在意智駕，只是之前都太不好用了汽車。”文遠知行執行長韓旭表示。他認為衡量智駕水平的三個指標是平均接管里程、智駕啟用率和智駕使用里程數，“很多廠商宣稱他們有世界模型，我現在懷疑他們有沒有”。
韓旭指出，美國加州特斯拉車主的自動駕駛里程佔比已達98%以上，而國內最強系統約在百分之三四十，差距本質在於真實路況下的可用性和可信賴度汽車。
華為智慧駕駛解決方案產品線總裁李文廣同樣指出，當下多數標榜“高階智駕”的產品存在嚴重宣傳溢價，無接管里程僅數百至數千公里，而行業真正的准入門檻是數十萬公里零安全事故汽車。
對此，輕舟智航相關負責人則對《財經》表示，“一個好用的智駕系統，既要在技術上補足功能的短板，也要在責任上提高使用者的信任感汽車。車企和智駕企業敢於承諾安全兜底，比任何技術指標都更能建立使用者信任。”
智慧座艙面臨同樣尷尬汽車。麥肯錫全球副董事合夥人周冠嵩認為，當前行業仍處於“有AI、不智慧”的過渡階段。現階段的智慧系統距消費者心中“能聽懂、會記憶、善思考、可執行”的全場景夥伴仍有差距，未來競爭焦點是誰能率先讓使用者產生“這臺車懂我”的感知。
艙駕割裂的難題，正在出現新的解法汽車。火山引擎已於4月釋出基於代理式人工智慧架構的汽車AI解決方案，嘗試透過一個AI大腦打通車控、導航、智駕等關鍵功能域。但楊立偉指出，不追求座艙與智駕模型在同一晶片上執行才是務實選擇，因為“智駕模型推理頻次要求10至48赫茲每秒，而座艙模型1秒內1或2赫茲就能滿足互動需求，價效比不高”。
這從側面印證，真正的“AI原生架構”時代，尚未到來汽車。
清華大學教授李升波認為，在“物理原生智慧”框架下，自動駕駛汽車作為首個量產化的具身智慧系統，其智慧性仍遠未達到人類水平汽車。他指出了一個關鍵錯配，AI對世界的理解必須強化因果規律，原因先於結果，狀態預測不得依賴未來資訊，然而現有訓練正規化多從視覺、語言大模型遷移而來，行業在用處理“資訊”的方法論去處理“物理”，這是問題的根源。
身份升級後汽車，智駕經驗能否遷移？
智慧駕駛作為一個獨立賽道的估值天花板正在被觸碰，行業集體轉向“物理AI”以求突破汽車。但身份躍遷本身，也暴露出產業深處的斷裂。
最直觀的訊號來自人才流動汽車。過去兩年，國內智駕領域近40位核心高管及技術骨幹跨界進入具身智慧。這些跨界者帶走的，是在智駕領域驗證過的工程化與產品化方法論。與此同時，一個頗具象徵意味的現象出現了，部分具身智慧企業在招聘世界模型研究員時，直接將“不要智駕背景”寫入崗位要求。
中國人才研究會汽車人才專業委員會秘書長李喆樂告訴《財經》，這是企業的招聘偏好，更偏向個案汽車。目前國內汽車研發人員保守規模已達93.8萬人，智慧網聯零部件企業研發人員佔比高達42%，但智駕人才湧向具身智慧的底層原因是前期賽道熱潮造成人才供給過剩，從業者看好新賽道前景主動尋求機會，同時車企佈局機器人產業尋求第二增長曲線，屬於產業週期的正常現象。
智駕領域積累的經驗，究竟能否向具身智慧遷移？行業內部出現了兩種不同判斷汽車。
持否定立場者已將立場寫進招聘啟事汽車。在實操方面，均勝機器人總經理胡爽稱，過去兩年，AI可以寫程式碼、透過執業考試，機器人可以跳舞、翻跟頭，但將其放進真實工廠獨立頂一個班，全世界沒有一臺機器人做得到。但Momenta相關人士卻樂觀表示，“今天已獲得驗證的演算法、資料、規模化量產經驗和工程化能力，會是跨場景複用的核心能力。”
輕舟智航相關負責人對《財經》分析稱，自動駕駛與具身智慧的技術正規化本身沒有本質差異，都是基於資料驅動汽車。但根本差異在於，智慧汽車處理的是轉向、油門、剎車等連續低維的動作空間，環境規則相對明確；而具身智慧要處理關節運動、抓取姿態等離散高維的動作空間，任務複雜度更高。
技術棧可以複用，方法論卻需要重構汽車。類似的斷裂感在商業化落地層面體現得更為直接。
“2026年之前，端到端方案通用能力達到70分，經過少量泛化後可以達到90分，形成一個基本好用的水平汽車。但除了乘用車之外，其他垂類都是碎片化的，一旦跨垂類，問題就很大。如果要對每一個垂類都適配一遍，成本將非常高昂。”卓馭執行長沈劭劼對《財經》表示。
這正是“智駕淪為載體入口”的關鍵卡點，入口的價值，取決於能否低成本、高效率地通向多個場景汽車。作為應對，卓馭釋出了原生多模態基礎模型，核心願景是實現零資料知識遷移，讓“移動智慧基座”具備跨垂類開箱即用的能力。這是目前最激進的解法之一，也意味著極高的技術門檻。
當一個行業的技術能力無法平滑遷移時，資本期待的“爆發式增長”便無從談起汽車。
“如果回到兩年前，我都不太信L4跟L5會真正落地汽車。但最近兩年AI對自動駕駛乃至物理AI的推動力，徹底改變了這一判斷。”小鵬汽車董事長何小鵬告訴《財經》，預計未來三到五年內L4乃至L5將實現落地，高等級智駕與普通L2的體驗差距將拉開10至1000倍量級鴻溝。
如果L4在三到五年內落地是大機率事件，那麼從智駕向具身智慧的跳躍，必然需要一個比資本敘事長得多的週期汽車。另據《財經》獲悉，Momenta創始人曹旭東預期其公司將於2028年實現盈利，並計劃利用部分利潤投入家用場景的具身智慧業務。
不過，技術基礎設施的迭代節奏，遠慢於資本的鼓點汽車。以算力為例，德賽西威高階總工程師彭學明認為，短期的硬體低價可能只是一個賬面優勢，全域同源的高算力平臺才是長期價值所在。企業選型算力平臺需立足整車五年以上的全生命週期視角，當前2000TOPS已是AI原生L3的基礎門檻，未來需求或將提升至6000TOPS以上。
在通往物理AI的漫長路途中，智駕行業已經大多跑通了技術，跑通了資本，但現在需要跑通人與機器之間最基礎的信任關係汽車。能完成這場“使用者握手”的企業，才更有資格定義AI汽車的下一個十年。
責編 | 要琢
題圖來源 | 視覺中國
