“汽车行业已进入自动驾驶运行安全时代，自动驾驶汽车安全第一。”正如中国工程院院士、清华大学车辆与运载学院教授李骏所强调的，随着越来越多的智能汽车跑上路，智能化的下半场之争不断深化，安全被给予越来越多的关注，行业企业也都在不断创新技术融合和商业模式，力争让智能汽车推进汽车行业更好发展。

智能汽车向具身智能体递进加速

理想汽车智能驾驶产品负责人杨杰判断，汽车发展将进入真正意义的具身智能汽车阶段，不再需要用户持续学习、主动适配各类车辆功能，而是切换角色主体，让车辆具备“主人翁意识”自主感知、主动响应的能力，自主识别、理解各类出行场景。具备具身智能的车辆，能够主动承接用户出行目标、独立完成对应任务，甚至可以简化复杂执行流程，直接向用户交付最终结果。独立完成任务的能力，是下一阶段具身智能汽车最核心、最重要的评价指标。

“高阶自动驾驶不仅需要优质的出行体验，更要实现远超人类的安全水准，安全性能需达到人类驾驶的十倍以上。”他表示，未来用户购车时，核心考量的将是车辆远超人类的智能驾驶安全能力。接下来的十年，汽车将成为最重要、最真实、也最具规模化价值的具身智能载体之一。而智能驾驶的进程才刚刚开始。未来的路还很长，挑战还很多。但它将彻底改变人类的出行方式，甚至生活方式。当汽车真正具备了“职业司机”的能力，能够主动理解你的意图、承接你的目标、完成你的任务时，就真正实现了“给汽车空间赋予生命”。在智能汽车的发展过程中，芯片在很大程度上承担着决定性作用。“2025年是算力膨胀之年，今年将进入算力爆炸阶段。”芯擎科技副总裁兼产品规划部总经理蒋汉平强调，芯片技术演进，始终依靠成本博弈，性能与技术博弈，两组博弈共同驱动芯片技术迭代。AI座舱属于数字座舱范畴，自动驾驶对应的是物理AI，如今行业开始统筹考虑二者融合。行业需要依靠成本博弈划定技术发展边界，稳步提升真实技术能力，这就是芯片演进的合理路径。“如果采取粗放式发展模式，今天建造四层楼房，明天建设五十层，后天直接规划两百层，对于整个产业生态并不是好事。”他提出，如果形成单纯堆砌算力的路径依赖，在国内智能化高速发展过程中，芯片制造工艺、配套应用开发节奏难以跟上，前期积累的技术基础相当于被迫重构，这一风险值得行业警惕。芯片行业的发展，技术层面，要守住成本边界、技术边界；产品交付维度，理清生态边界。只有妥善厘清各类边界，权责清晰，才能实现有序融合。

智驾新程（neueHCT）产品与市场总经理卢游提出，目前行业虽然已经推出城区智驾方案，但在使用体验、新增功能、ODD 覆盖范围、安全性等方面，仍然存在巨大提升空间，更高算力必然是中高阶产品未来发展方向。从整车成本视角考虑，不会无限制追求算力提升，而是针对不同功能等级进行分层布局。未来的芯片产品，安全是首要前提，在保障安全的基础上，如何为用户创造更好的价值，同时帮助整车企业优化成本，是核心问题。

在德赛西威高级总工程师彭学明看来，芯片产业存在三类不可忽视的隐性成本，即算法迭代沉没成本、L3 合规重构成本、平台整体迭代重置成本。智驾布局必须立足整车十年全生命周期规划。算力层面，2000TOPS 是 AI 原生 L3 车型起步门槛，远期 L4 产品则需要 6000TOPS 全域算力底座，算力平台需预留长期 OTA、多传感器融合、安全冗余与舱驾交互运算余量。芯片产品要跳出短期低价内卷，以长期主义共建统一安全、开放协同的产业生态，依托整车全域智能架构、自主技术标准提升中国汽车全球竞争力，共同推动智慧出行产业高质量发展。

好用是智能汽车的必答题

百度地图智能座舱总经理余云飞，智能座舱必须让好用且用户愿意持续使用，要解决这个问题，必须要更精准地感知真实世界的信息，并用最合理的方式满足用户，而不应让用户记住太多复杂指令和唤醒词；要在量产成本上取得平衡，即在大模型带来的智能化和调用成本之间做好权衡；产品上线后体验要持续提升，依赖高可靠的数据飞轮能力及时获得用户反馈并据此不断迭代，让产品越用越好用。“真正被用户认可、好用的智能体产品，一定要在真实用车场景中不断‘摔打’，需要真实的量产数据来演进。”余云飞提出，随着场景越来越多，模型不断堆砌，架构的不稳定性、维护复杂度和维护成本都会持续增加，未来的AI座舱一定会从多个专用模型走向一个自进化的大脑，未来不再根据场景来定义模型，而是通过一个自进化的智能体全局规划、调用工具和能力，帮助用户完成各类需求。

AI安全已不再仅仅是技术问题或合规问题，而是必须主动构建的系统性能力。中安智研（武汉）AI技术专家龚宇强调，从应用场景看，AI安全风险主要体现在智能座舱、智能驾驶、电池系统能量管理与智能网联四个领域。应从完整系统工程视角进行分析。AI上车的主要环节——需求定义与场景设计、系统架构设计、AI模型开发与训练、集成与验证、部署后运行，每一环节均存在特定风险。概念偏差与长尾场景覆盖不足、AI安全架构缺失、数据质量偏差与模型鲁棒性不足、测试覆盖不全、模型漂移与持续监测缺失等问题环环相扣。AI安全并非简单叠加于传统安全体系之上，而是要求对既有安全体系进行系统性重构。

组织级AI治理体系与责任机制构建、产品级AI安全论证与验证、部署后AI系统持续监测与应急响应，是国际AI监管的共同逻辑，三者共同形成“事前治理—过程验证—事后保障”的闭环监管框架。针对监管要求，企业要建立组织级AI治理体系与责任机制，解决“怎么管”的问题；产品方面要构建覆盖汽车AI产品全生命周期的自主可控核心能力；运维方面要，建立AI系统部署后持续监测与自适应保障机制，包括模型性能持续监控、漂移检测、安全事件响应、OTA更新闭环及安全案例定期再评估。

镁佳科技座舱智能副总裁穆向禹判断，今年是智能座舱迈向 L3 的关键一年，实现跨越的基础是依托大模型以及智能体操作系统发展。GUI agent 大模型基础能力将在今年持续发展，原先处理效率低、结果不准确、延迟偏高的痛点将明显改善，在更多量产车上实现更好的用户体验，达到用户接受的水准。依托完整记忆机制搭配 token 优化方案，可以把成本降低到车主、整车厂商可以承受的范围。端云协同架构十分关键，既强化端侧响应能力，也可以节约 token 消耗。