3月28日-30日，以“夯实电动化推进智能化实现高质量发展”为主题的中国电动汽车百人会论坛（2025）在京隆重召开！本届论坛汇聚20+政府有关部门领导、30+院士专家、100+汽车及相关领域的企业代表，共议汽车产业变革新路径。在30日召开的AI汽车论坛上，深蓝汽车软件开发总经理苏琳珂发表精彩演讲。以下内容为现场发言实录：

深蓝汽车软件开发总经理 苏琳珂

大家好！我是深蓝汽车的苏琳珂。今天给大家做一个题为“深蓝汽车在AI智能化新时代下的探索”的分享。

随着智能汽车不断演进，从电动汽车逐渐走向双轮驱动的质变，进入重塑出行新纪元的AI驱动阶段。从2010年开始，AI做了循环神经网络算法，到2012年有了Word2Vec算法，当时电动汽车的发展还是处于新能源早期阶段，只有混合动力汽车，纯电动汽车还处于预研阶段。2016年—2021年，不管是传感器架构，还是GPT1、2、3的发展，纯电动汽车才真正走向2C的客户端以及小型纯电动发展的阶段。我想说的是，在AI进入汽车同步的阶段，是电动化不断稳步推进量产的阶段。

从2021年到现在，是建立在电动化完全成熟的阶段。不管是GPT—4，还是现在众所周知的DeepSeek，我们逐渐走进所谓的AI定义汽车阶段，是逐步渐进最后取交集靠拢的过程。

从政策端可以看到技术路线发展的指导阶段。2020年—2023年，在技术路线发展的战略指导，国家推出了一些相关的要求，包括相关的发展战略以及技术路线图，2024年更加夯实了这个基础，在试点应用、标准制定、全面发展方面有了新的进步。2025年，在规范服务的管理以及进一步数字创新的完善上，也引领我们进入了全新的阶段。

整个智能化体验，我们通过大量的造车积累，发现客户在新能源逐步走向成熟的这刻起，对智能化的需求变得越来越高了，尤其是消费者的购车因素中智能化也起了非常大的选择作用，可以说智能化成为中国消费者对于购车的重要考量因素。

这张图是我们AI在智能汽车下多维度布局渐进的图，就像我们从90年代互联网的曲线，到2000年智能手机的曲线，再到AI大模型技术，有共同的特性：不断通过技术的深入发展，以及在相关产品上的应用进行推进。其实汽车给人带来移动空间的便利性，有望成为AI的终极载体。我们常说汽车是工业皇冠上的一颗明珠，这颗明珠最大的特点在于不断包容新的技术，一开始只是驱动的载体，包容了电气技术，包容了电子和电动化技术，到现在又包容AI技术，所以是不断演进的技术载体。

智能座舱是大家经常讨论的一个重点，我们分析，智能座舱多模态的AI大模型正在从被动响应发展向主动提供服务，同时与我们的车控进行了深度集成。我们的智能座舱在早期更多是偏简单的云助手，能够对关键字进行理解，对一些自然语言进行处理，再对车控处理，到现在我们的智能座舱变成了“AI+”的云助手，变成了多模态的AI助手，比如大语言模型，能够理解复杂的语义，能够进行自然对话，并且把上下文继承做得越来越流畅。多模助手方面，可以和舱内外感知做得更融合。相信大家用过智能化程度比较高的车型，在对话、驾驶和操控上，都能够非常流畅地控制和判断，让我们做出最优解的决策。

汽车在AI的布局下进入了智能化的全新阶段，2015年开始，我们从油到电的过程是能源供给变化的过程，从2020年开始很多车逐步配备了L2的自动驾驶，比例越来越高，现在从2024年很多企业包括长安今年都开始给大家带来“智能平权”、“智驾平权”的概念，我们会全系的车型都会上L2.5以上的自动驾驶来满足更多人的需求，相信不久的将来我们会把L3更多地推给相关消费者。

从AI的维度，不光进入了车辆最终消费者的维度，就像很早以前我们用笔来记录、用纸来画图作为开发工具，到一定阶段通过计算机作为开发工具，我们认为在AI进入汽车这个领域开始，会成为整个汽车全链条的基础工具，我们在这个基础工具上不断进行渗透，最后也许我们的组织架构将通过AI的深度学习来进行自适应的调整，改变着整个汽车行业的方方面面。比如在战略管理方面，我们的AI自动化能够进行战略分析，能够进行主动的机会识别，进行风险管理审计和相关控制。在研发和供应链侧，可以进行相关场景的识别、辅助设计、项目管理。比如我们现在经常做的测试文档的设计，基本能够用AI省去原先90%的人力。我们经常自己说一个笑话，我们自己把自己的饭碗干没了，确实极大地提升了我们的工作效率。

供应链侧，我们的市场需求、发展趋势的预测，基于曾经积累下的相关数据，会对供应商进行自适应的优化识别、成本的智能分析以及用AI对供应商进行评分。

在制造和营销侧，会通过AI进行更合理的排产建议。大家都知道，我们一个工厂可能会混线生产很多车型，会自适应的基于市场需求、基于月份进行AI的排布，让相关投产的排布风险降到最低、让整个效率提升。在营销侧，更多可以看到，电力采集数据可以帮助我们进行客户需求、分析销量预测以及相关用户的VOC，形成AI闭环的链条。售后侧，我们有AI的客服个性化的营销推荐，以及相关的客户评分和更加精准的客户画像。

除了对整个行业无缝的全链条的渗入之外，相关合作伙伴在AI上也进行了大量投入，就像2022年、2023年大家常说或者听到的一句话就是，头部企业都在重做AI，事实上到今天所有企业都在对AI进行非常大的投入。不光是我们生态链的服务体系在全面进入AI这个领域，包括AI的车云链，不管是头部非常强大的企业，还是现在新兴势力企业，都在对AI进行巨大的投入。在AI软件方面，在智能驾驶、智能座舱和相关车控域，它的方方面面，从产品提供到软件开发、测试、验证，全链条的AI都更加深入有专业的供应商进行研究，从供应链侧更快地提供给主机厂更好更新的产品。

硬件方面，我们的智驾、座舱、车控领域也面临同样的情况，通过AI的赋能，相关平台更加聚焦，我们可以获得更加基于主机厂差异化的需求以及更加稳定的硬件平台来赋能我们整个产品的研发。

从这个趋势来讲，我把智能化的自动驾驶的趋势和AI的趋势做了合成，可以看到，这两项正在不断演进的、大家最关注的技术，是处于同一个历史的交汇点：正处于从双L2到L3发展的阶段。当前我们的AI与AD技术都在这个阶段，从辅助到自主的关键跨越，我认为这也是我们如此关注这项技术并且愿意去投入这项技术的重要原因，谁能够在这个关键的跨越点做出差异化的领先的普适于消费者需求的东西谁就能取得未来的领先。

我们在分析任何一项新的技术、新的趋势之前，就像我们分析过去的技术是一样的，我们要去看它所带来的挑战，就像我们做功能安全一样，会带来更多的挑战和我们要去解决的痛点。就像经常看到的报道会说，可能机器人都会翻跟头，但我们该怎么用它、该怎么能让它变现、该怎么让它是真需求，是我们面临的痛点，我认为也是行业要正视的痛点。我把它分成四个领域：

1、智能座舱领域，我们现在的场景功能还是偏孤立，生态协同偏不足，语音的泛化能力还是不足的。大家有的时候对话会发现，好像它的答案并不是真正我需要的最优解的答案。

2、智能驾驶领域，我们还面临着比较长尾的效应，需要更多数据、更先进的方法来去解决和处理，在高质量训练数据上还有待提升。

3、智慧电动，我们认为可能已经偏稳健的领域，事实上还需要大量的AI赋能，比如电池研发周期长，电池系统的控制精度，在整个全生命周期的控制上还是非常有挑战的课题。在电驱方面，我们的电驱集成度越做越高、越做越复杂，我们面临热密度提升之后，怎样让它变成更好的耐久性的产品需求，以及底盘方面多系统的独立控制、协调性控制，我认为是行业内正在解决的一个重要点。车控方面，虽然我们经常说我们会AI赋能整个车上的硬件，事实上我们做得远远不够，车控方面更多还是被动式的交付，无法满足主动的客户需求。

4、研发体系，通过这一两年的过程，我们认为真正的复合型人才，缺口是巨大的。我们有AI的人才，但是怎样让AI人才复合性地跨端在汽车上起到真正的作用，还需要做非常多的工作。在数据标准化方面，AI时代下的体系也是不足的，以及软硬件解耦性和生态壁垒，都是我们面临的需要解决的点，我在后续内容会讲深蓝汽车怎样克服这样的问题。

首先，座舱方面。通过三个方向，依托全域的模型进行技术基座，实现语音、视觉跨域的深度融合，突破语义认知瓶颈，来构建新的人机交互范式。其实我们理解“座舱”，既是座也是舱，要把座和舱真正有机融合在一起，是大座舱的概念。1、我们会做更加全面的语音融合，会基于自主研发的语音平台模型搭建端云的大模型，提供语音泛化能力，在角色扮演方面提升交互的趣味性、满足个性化的需求，以及在架构方面实现多模态语音到语音的控制。在今年上市的车型中将逐步搭载，来满足客户语音融合的全链条需求。2、场景鸿沟方面，我们会结合当前所有的优秀大模型做生态链接，不管是AI新闻、行程助手、AI会话，都会在车上逐步和大模型以及语音进行深度融合，在用车指南方面积累我们几十年的造车经验，会在你需要用车的时候调出来你需要的关键答案。以及在多场景，我们会自主推进相关的Agent创建，推进场景的架构。模型矩阵方面，我们会深度解析用户的口令，在云端做专属的部署，在分发和判断回归方面做专项开发，能够实现人机畅联的沟通，在端侧大模型做到既保护隐私又能够快速响应，以及把多模态大模型进行整合，在我们自己专属的服务器上推进这三项的链接，让座舱不光是舱智能，和相关的执行器从屏到座椅、到相关的声光电都是一体的打通。

第二，我们对AI智能驾驶推进的方向。大模型是我们实现L3泛化能力潜力途径的重要举措，我们通过长安每年收集的大量数据来训练大模型的网络架构，让这个模型具备通识能力，增加query即可获得一些任务结果，大模型通过VLA、VLM的应用，能够让具身智能在大模型上应用得更加顺畅，来解决我们部分长尾效应。

第三，AI整车系统控制。大模型正在做一个重构，车控、电池、电驱、底盘四域融合的体系，推动从独立控制到协同化控制的推进。举个简单的例子，我们经常说的上下电的控制，在绝大多数主机厂的控制方案里，电池、VCU、电驱联动的控制，不管是预充电过程还是最终上电的过程，是协同联动的控制，通过AI的折合，将由一个大脑进行一步到位端到端的控制，让整个链路更加精准，让控制精度更高、响应更快。不管是从相关的电池材料研发全面AI化，就像前两天邓总在会上讲的，我们在自研固态电池，用AI化进行材料的选型和开发，以及云端的处理，来提升控制管理的精度，再到热管理模型，结合大模型来实施动态散热控制和动态优化协同，以及我们现在在做的智能底盘的多维感知和智驾控制器、智驾传感器进行复用，实现真正平顺的效果。最后到智能决策以及智能化控制，通过云端数据和发动机侧、电驱侧的协同，最后起到能耗最低、NVH最好的效果，最终达成满足客户需求的过程。

除了在技术侧之外，不管是对内、对外，在能力侧、体系侧、标准共建侧都做了比较多的工作。比如体系侧，我们把微模型从今年开始已经全面转向敏捷化的模型，适应AI研发的趋势，来推进相关的工作，和生态链伙伴由我们发起共建相关权益，快速实现基于单一控制器异构端口统一的过程。

讲完技术再说一下展望。我觉得未来我们将会由多个独立交互的控制器最后走向AI逐渐进行中央演进大脑的趋势，我想思想上就该这么做，才真正能够实现端到端的思维，中间没有其他小脑，靠一个大脑来实现整车的统一控制，实现性能最优。在智能座舱相关方面，会赋能世界的大模型实现相关的智能座舱和智驾的自主控制。汽车会由一个移动空间最终变成社交的生命体，会变成第二职场、第一家园、第三生活空间。其实这个展望也是来推进相关供应商的过程，可能现在的供应商不会做汽车，但会做办公软件、办公硬件以及办公系统，未来汽车就是它大展拳脚的场景，因为这个车很多时候是干其他的事情，来推进其他相关方面的需求。

最后，在这里抛一个我自己的想法。因为之前特别喜欢看一本书叫《人类简史》中提到了，当AI发展到一定阶段的时候会面临一些我们需要思考的深层次问题，不光关乎于产业、技术和安全，我认为会进一步走向关乎社会、法律和伦理方面的思考，我们怎样让AI更好地服务于车、服务于人，构建我们更加和谐社会的关系，我觉得可能是我们后续大家一起来共同思考的问题，也是我们要一起来推进这个行业不断繁荣的方向。

我的分享到此结束。谢谢各位！