如果說大模型的上半場是以互聯網大數據預訓練為代表的數字AI；而下半場，是以機器人、世界模型等為代表的物理AI。汽車可能正好處于兩者之間的分水嶺上。

在杭州云棲小鎮的會場，今年云棲大會，無論是會場外的天氣熱度，和會場內的人群熱度，都達到了一個相當高的程度。

每一個我遇見的新老朋友都會說，今年大家對AI的關注度明顯提高了，討論的問題也都非常的實際。

而我這次對大會的關注點，是汽車。因為這個產業，是觀察AI未來發展脈絡一個非常好的切入點。

在云棲大會的汽車峰會開場詞里，有這樣一段話：

1886年，卡爾本茨發明了第一輛汽車。人類突破了肌肉的限制。139年后的今天，我們正在突破認知（智能）的邊界。汽車成為了移動的計算平臺，駕駛成為了人機協作的藝術，速度由數據的流轉效率重新定義物理，實現擁抱數字智能，數字智能融入實體產業，汽車恰好站在這個交匯點上，成為虛實融合的最佳載體。

我的理解是：如果說大模型的上半場是以互聯網大數據預訓練為代表的數字AI；而下半場，是以機器人、世界模型等為代表的物理AI。

汽車可能正好處于兩者之間的分水嶺上，承上啟下。重要性如何形容都不為過。

不過，分量既然重，難度系數也高。

一方面，是面向汽車智能化，所需要的資金資源，都在指數級增長；另一方面，消費者雖然喜歡中國車企所創造的智能體驗，但要真金白銀買單，或許還不到火候。

汽車的“卷”字，大概也就從中而來。這是一個投入和收益的剪刀差時刻。

此情此景之下，汽車產業成員在思考什么？阿里云，作為一個云和AI的基礎設施提供者，有什么解決之道？就特別值得探究。

一、當汽車學會"看"與"想"

智能駕駛，無疑是汽車智能化下半場最激昂的旋律。

因為無論將其推向L4、L5有多難，其不是選修課，而是決定一家車企生死的必修課，是不爭的事實，這也是所有我這次云棲大會期間所訪談的汽車人士的共識。

而談到智能駕駛，又必然談到VLA。

云棲大會汽車峰會的圓桌討論環節，元戎啟行創始人兼CEO周光說了一句讓人深思的話："自動駕駛分級的定義太早了，是30年前的定義。當時定義L4就是基于高精度地圖、基于SLAM的定義，有個地圖能在里面跑就叫L4。"

這個觀察切中要害。30年前，當美國汽車工程師學會（SAE）制定智能駕駛分級標準時，人工智能還處于"專家系統"時代。那時的工程師們想象的智能駕駛，是一臺遵循預設規則的精密機器——如果看到紅燈就停車，如果前方有障礙物就繞行，如果車道線向左彎就轉動方向盤。

VLA的出現，改變了游戲規則。

VLA（Vision-Language-Action）是一種新一代AI架構，它不僅能“看懂”圖像、“讀懂”語言，還能基于理解直接驅動決策與動作，被視為大模型從“會說”走向“會做”的關鍵拐點。

理想汽車自動駕駛研發高級副總裁郎咸朋在圓桌上分享了一個生動的案例："有用戶發了個'十連繞'場景的視頻——經過施工路段，隔一段就有井蓋或路障，車輛繞來繞去都成功通過。用戶第一天繞了不信，但第二天又試，還是能繞過去。"

他特別強調："我們并沒有定義'連續繞十次井蓋'這個場景。這就是能力涌現，我們做的是能力而不是功能。"

所謂能力與功能的區別，我想就像音樂家與音樂盒的區別。音樂盒只能播放固定的曲目，每個音符都是預設的；而音樂家理解音樂的本質，可以即興創作，可以根據現場氛圍調整演奏。當自動駕駛從"功能定義"進化到"能力涌現"，汽車就從機器進化成了某種新的存在。

廣汽集團自動駕駛首席科學家周寅在圓桌討論中，也從技術層面解釋了VLA為什么如此特別："VLA利用了VLM（Vision-Language Model）的預訓練，利用互聯網海量知識讓模型具有常識（common sense）。然后通過自動駕駛數據喚醒激活，能夠處理長尾案例，實現零樣本遷移（zero-shot transfer）。"

他列舉了幾個具體的能力涌現案例："道路施工自動避讓、復雜交通標識識別、潮汐車道處理，以及對紙箱、小動物等未訓練過的物體識別。"

郎咸朋進一步解釋了VLA中"L"（Language）的深層含義："它并不是大家想象的對話或文字。它背后是人類長時序的思考、邏輯推理能力的體現。有人問我，不會說話的人就沒有思維能力嗎？不是的，他們也會看書、看文字，這些都是人類知識高度濃縮和壓縮的過程，表達了長時間思維能力。"

這個解釋讓我想起了維特根斯坦的名言："語言的界限就是世界的界限。"當我們給機器賦予語言能力，我們實際上是在擴展它理解世界的邊界。

但這種認知能力的獲得是有代價的，是巨大的代價。

元戎啟行CEO周光直言不諱地談到了智駕成本結構的變化："以前可能97%是人力成本，算力只占3%；但到了大模型時代，兩個數字最終可能變成一半一半。"

比例的變化，首先是財務報表上的龐大數字。其次，它意味著整個產業的底層邏輯在改變。過去，汽車公司的核心資產是工程師、設計師、產品經理；未來，可能是GPU集群、訓練數據、模型參數。

郎咸朋在圓桌上提供了更具體的數據："在云上要做兩件事：一是生成仿真環境（世界模型），需要大量云端推理算力；二是訓練本身需要算力。世界模型和VLA模型是一主一輔——VLA是要訓練的主模型，世界模型輔助訓練VLA。現在理想用世界模型生成的數據已經占到VLA訓練的10%以上。"

10%聽起來不多，但考慮到汽車每天處理的數據量，這個數字背后是驚人的AI消耗。而且這個比例還在快速增長。

在汽車峰會的主題演講中，阿里云智能集團公共事務副總裁，研究中心主任安筱鵬指出："能夠參與智能駕駛競爭賽道的基本條件，就是AI規模的投入。美國已經到了5萬卡、10萬卡級別。"我從另外一個車企得到了一個數字，10億AI算力投入差不多是入場券。

雖然對阿里云來說，AI算力需求增加是好事，但阿里云的方法論是，AI算力的增加，一定要用在模型訓練的每一分鐘，每一秒，而不是空耗。

因為在大規模智算集群里，利用率幾乎等于投資回報率。過去車企在AI算力運維上的短板，使得集群常因調度不均、任務不匹配或故障延遲而出現大量閑置資源。

在這方面，阿里云做了大量工作。我們以小鵬汽車為例。根據之前的一個消息，這個異常搶眼的新勢力車企依托阿里云靈駿智算，打造了國內汽車行業首個萬卡規模AI算力集群，AI算力儲備達到10EFLOPS，集群利用率最高可達98%。同時，該集群還具備秒級故障發現與處置能力，建立了高可用的容災體系。在此基礎上，小鵬汽車“云端模型工廠”的迭代周期平均縮短至5天，大模型迭代效率顯著提升。

把利用率拉升到98%，意味著同樣的硬件能產出幾乎和無優化情況翻倍的模型訓練結果。

阿里云智能集團計算平臺事業部負責人汪軍華在汽車峰會主題演講中，介紹了更多創新：

統一元數據管理（DLF）。"數據量級達到數百PB之后，任何備份、流動、處理都帶來大量成本上升。通過DLF統一元數據和數據存儲，原始數據、訓練樣本數據、樣本挖掘后的特征數據，只需要保存一份，大大降低存儲成本。"

MaxFrame分布式計算框架。"MaxFrame可以直接調用第三方模型，對多模態數據進行萬級別的高并發處理，相比開源框架性能提升40%以上。客戶案例顯示，從每天7000個數據包處理提升到20萬個，資源消耗下降40%，綜合處理效能提升50多倍。"

PAI Turbo X加速包的極致優化。這個專門為智能輔助駕駛定制的加速包，帶來了驚人的性能提升："在BEVFusion訓練中，訓練時間縮短58%；在MapTR訓練中，縮短53%；在UniAD訓練中，縮短50%。"

這些技術細節可能顯得枯燥，但就像上世紀初的鐵路建設。當所有人都在爭論該運什么貨、去哪里時，總要有人先把鐵軌鋪好。

在峰會開場致辭中，阿里云智能集團公共云事業部AI汽車行業總經理李強透露了一個關鍵數據："從2024年云棲大會到2025年這一年時間里，超過60%中國智能輔助駕駛的AI算力來自阿里云。"

60%，這意味著中國智能輔助駕駛的"登月計劃"，有一半以上的臺階是阿里云搭建的。

當然，我們需要再次強調，雖然VLA增加了大家的投入，但它看起來是必經之路。郎咸朋說："如果把VLA加強化學習閉環跑通，會非常快，就像'天上一天，地下一年'。所有閉環強化都在虛擬世界、仿真環境里做。"

二、從"座艙"到"陪伴"

如果說智能駕駛是關于"如何抵達目的地"的技術革命，那么智能座艙就是關于"如何度過旅程"的思考。

長城汽車技術中心副總經理姜海鵬提出了一個特別有意思的"座艙四段論"："相識、相知、相愛、相伴。"

他詳細解釋了每個階段的含義："相識——讓AI認識你。現在我可以喚醒小魏同學，但小魏同學不知道我是誰、副駕是誰、后排是誰。相知——學習你的操作習慣、用車習慣。相愛——產生感情，有溫度。相伴——長期陪伴。"

當然，話鋒一轉："或者相殺。"

"因為人是善變的，"姜海鵬解釋，"當你的變化速度大于智能體學習速度，可能就是相殺的結果。"

這個"相殺"的隱喻觸及了人機關系的本質。它不是主人與工具的關系，而更像是兩個生命體的相處。需要相互理解，共同成長。

如果一方的進化速度遠超另一方，分離幾乎是必然的。那么，如何讓人機互動只相識相知相愛，不相殺？

在和理想汽車空間AI團隊負責人江會星博士的交流中，我也記錄了一些他的心得。

首先：沒有捷徑。

江博透露了一個讓人意外的時間線："我們在2023年的3月份，就快速的去立項的做自己的大模型。從預訓練、后訓練、強化學習這些全部做了。到了2023年的12月份完全上線用戶。這段時間我們就把所有的該趟的所有的坑都趟了一遍。"

9個月，從零開始到全面上線。這種速度背后，是理想對AI的戰略決心。

在專訪中，江博還分享了理想內部的AI文化："我們內部每周都會有AI周會。大家會對于最前沿的AI的一些包括洞察，包括具體的實踐，都會拿在那會上去分享。"

其次，是細節的藝術：一個功能背后的100次打磨。

江博說，大家都說理想的座艙體驗好：“這個體驗的背后，坦率講是慢工出細活。每一個體驗一點點摳，一點點做出來。”

他舉了一個具體的例子：

理想汽車在處理乘客說有點冷時，并不是簡單下調溫度，而是依賴大模型與多模態感知來理解場景。

語音識別系統會結合車內傳感器（溫度、座椅占用、紅外檢測等），判斷乘客身份、所在位置和當前環境，再通過自研大模型解析出更細的意圖，比如需要調節空調風量、局部溫度，還是開啟座椅加熱。這種方式避免了機械式的“一刀切”，而是做出針對性的組合響應。

江博補充道："我們每周都有數據閉環的會，每周都會從里面去看用戶反饋的問題，我們及時去在下一版本就給它迭代上去了。"

這種產品打磨方式，"不是一個技術細節，有點像互聯網產品"，需要"大量的工程性的東西"。

這也讓我想到，無論是理想汽車，還是阿里云，它們都有一個共同的特點，就是都有互聯網、移動互聯網的經驗。

由于我是一個微博AI博主，經常看到信息流上有一個說法：互聯網產品經理們喜歡開理想，大家就是感受到了產品的細膩吧。

當然，智能座艙的完美體驗，也需要云與車，或者說云與端的配合。

阿里云智能集團公共云事業部AI汽車行業解決方案總經理霍健詳細解釋了智能座艙的技術架構："我們認為智能座艙的技術趨勢之一是大模型的端云協同架構。端側大模型與云端大模型的分工是核心關鍵。"

還以乘客有點冷來說明這種分工："處理這個操作，車端MindGPT首先要完成環境感知和理解：誰在說話，車內溫度，空氣質量，以及當前的車速等情況。然后結合前面的說話內容，以及全信息記憶里對用戶的記憶，推理出用戶的真實意圖。"

"云端會首先進行記憶召回，找到'他'過去對溫度的偏好，提供給車端結合車外溫度，車內溫度，溫度偏好做執行。"

這種端云協同的設計，既保證了響應速度（端側處理），又確保了智能的深度（云端推理）。就像一個優秀的管家，既能快速響應你的需求，又能記住你所有的偏好。

為了支撐這種體驗，阿里云推出了專門為汽車場景定制的通義Omni模型。李強在峰會開場致辭中詳細介紹："這是一個'三進兩出'的架構設計——三種輸入：語音、視覺、文本；兩種輸出：語音、文本。延時低至0.5秒，到11月份將支持超過20種語言的語音交互。"

不過，還有一個很小的插曲，由于充滿信息量，我也記錄如下。

在汽車峰會圓桌討論中，姜海鵬坦率地指出了艙駕融合面臨的一個現實挑戰："智能駕駛在企業里的重要度高于座艙。”

他進一步解釋："技術沒問題時，組織就成了最大問題。未來一定會把AI算力做到一起，因為座艙和智能駕駛對大模型的需求越來越趨同。座艙的演變跟兩三年前的智能駕駛完全一樣，從規則驅動到數據驅動，從CNN到端到端再到VLA。"

蔚來汽車副總裁吳杰在圓桌上補充了一個有趣的視角："以前開車的司機（智能駕駛）和助手（智艙）之間沒什么關系，涇渭分明，最多時不時爭寵，搶算力。現在有了VLA，底層技術在趨同，從原先的算力分享，變成可能的模型共享。"

三、出海的"異鄉人"，全球舞臺上的中國聲音

我們前兩章是關于技術和產品的進化，但這個部分就要談談市場了，海外市場。

如果說VLA、云端協同是大家對智能駕駛、智能座艙的共識，那么出海，就是大家對中國車企市場拓展方向的共識。

李強在汽車峰會的開場致辭中透露了一個驚人的數據：“95%的中國車企在出海時選擇了阿里云。”

在云棲大會期間，我與阿里云智能集團公共云事業部AI汽車行業解決方案架構師黃華杰做了交流，專門談出海這個議題。

黃華杰是汽車行業老兵，曾在東風汽車工作六七年，2021年加入阿里云后一直專注汽車行業，主要負責出海和智能化板塊。

黃華杰分享了一個特別有意思的"反常識"。

"客戶一般會認為在海外用阿里云不那么容易合規，用海外云會更加合規。"他說，"但事實不是這樣。"

他提供了具體的數據支撐："我們有130項國際安全合規資質。2018年就通過了GDPR合規認證。"

這種"反常識"背后，是對合規的深度理解和長期投入。"更重要的是服務經驗的積累。"像阿里巴巴電商、菜鳥物流、螞蟻支付，和眾多消費電子企業，這些內外部客戶比汽車更早出海。我們在這些案例中沉淀的經驗，可以反復跟車企的業務部門、IT部門、法務部門、采購部門去講。"

黃華杰解釋了這種選擇的深層邏輯："中企出海，特別是汽車這種復雜的業務系統，需要的不只是云服務，更需要深度的業務理解和貼身的技術支持。"

他分享了服務某車企客戶的一個細節："我們當時大概花了三個月的時間做業務調研，把16個子系統加4個大數據平臺，每一個子系統的技術架構都畫得很清楚，整個子系統之間的關聯都梳理得很清楚。"

這種深度服務，他說是一些友商很難提供的。不是技術不行，而是文化理解和服務意愿的差異。

我問他，貼身服務是不是成本很高，商業模式如何成立？黃華杰卻講："我們產品在幫客戶做定制優化，但會提煉出通用的東西，反哺產品演進。"，"阿里云的多模態數據庫Lindorm，云原生中間件、日志服務SLS等產品，很多都是在跟客戶場景共創中不斷迭代演進的。"

四、One more thing：AI Rocks

本來講到這里，關于云棲大會的AI汽車故事，我們已經可以收尾了，但由于今年云棲大會的熱度，我們不升華一下似乎不合適。

2001年有一部老電影《北京樂與路》，主題是搖滾人生。

電影里，吳彥祖飾演的香港音樂人Michael因故滯留北京，遇到了耿樂飾演的搖滾樂隊主唱平路。一個來自商業音樂體系成熟的香港，習慣了唱片公司的運作規則；一個扎根于北京地下音樂場景，在破舊的排練室里尋找真正的搖滾精神。電影的英文名"Beijing Rocks"一語雙關，既是"搖滾的新姿態"，也暗示著"城市的新脈動"。

電影里有一句臺詞特別動人："我想到光的深處，那里有風么？"

這是對未知的追問，對夢想的向往。即使不知道標準答案，依然要去追尋。

今天的汽車產業，也在追問自己的"光的深處"。

當理想汽車說要做"家"，他們追問的是：車能否成為家的延伸？

當廣汽談論VLA的能力涌現，他們追問的是：機器能否真正理解世界？

當一汽描繪3萬個業務神經元，他們追問的是：企業能否成為一個有機生命體？

當比亞迪足跡遍布全球110多個國家和地區，他們追問的是：中國智造能否定義全球標準？

這些追問沒有標準答案，但追問本身就是意義。就像平路他們的音樂，超越了商業的成功，奔向了創造的快樂。

云棲大會汽車峰會上，阿里云智能集團公共云事業部AI汽車行業總經理李強分享了三個深刻的觀察，恰好回應了這種追問。

"第一，AI基礎設施不是一夜之間產生的。"李強說，"它是從過去通用算力時代的所有積累、所有技術沉淀，到今天被AI以十倍甚至百倍的能量重新迸發。IT人在過去被企業重視，但今天被高層更加關注，因為在AI時代，所有的投資將會以十倍甚至百倍的速度增長。"

這是技術演進的必然——每一次革命都建立在前一次的基礎上，但當質變發生時，能量是指數級釋放的。

"第二，越來越多的主機廠選擇了自研加合作共同前進的道路。"李強觀察到，"他們的思考很樸素：一是做兜底工作，二是探索未來，做差異化價值。"

這種選擇背后，是中國車企的成熟——既不盲目依賴，也不閉門造車，而是在開放與自主之間找到平衡。

"第三，全球車企都在和大模型公司深度共創，這是必然路徑。"

這三個觀察勾勒出一幅圖景：汽車產業正在經歷一場從基礎設施到研發模式，再到生態合作的全面重構。

李強還分享了一個讓人深思的細節："我的很多小伙伴做了非常多努力，他們雖然辛苦，但和我一樣很幸福。為什么幸福？因為被需要。"

"被需要"——這三個字道出了阿里云在這場變革中的價值。

他們不造車，但60%中國智能輔助駕駛的AI算力來自阿里云。

他們不開發座艙，但通義大模型讓很多座艙有了"靈魂"。

很遺憾，我們的排比句要到此為止了。因為阿里真是原生外貿專家，現在也在讓95%的中國車企順利出海。

IDC數據顯示，2025年H1阿里云汽車行業公共云基礎設施增長實現132%的增長。但比數字更重要的，是這種增長背后的意義——它意味著中國汽車產業的智能化進程正在加速，意味著越來越多的企業選擇了相信和合作。

李強特別提到："如果我們汽車產業的車賣到全球，我們的模型會陪伴我們的車走向世界各地。"這個"陪伴"，不是技術參數的堆砌，而是一種承諾。

汽車，這個第二次工業革命的標志性產物，在第四次工業革命中再次獲得新生。從福特流水線上的標準化產品，變成一個會思考、會感知、會陪伴的智能體。

在這個歷史進程中，每個參與者都在尋找自己的節奏。車企在尋找智能化的突破口，技術公司在尋找落地的場景，而阿里云找到的，是成為這場變革的基礎設施——不張揚，但不可或缺。

正如李強所說，云和計算是兩件事：云像電網，計算像電力。阿里云要做的，就是這個時代的電網——讓每一份算力都能被需要它的人使用，讓每一個創新都有堅實的基礎。

阿里云全棧AI云，在這個過程中，支撐著中國車企智能化落地和全球化布局。

這或許就是"光的深處"的答案——不是某個具體的技術突破，也不是某個單一的商業成功，而是整個產業生態的共同進化。

APSARA Rocks。

AI Rocks too。（作者：高飛）