深蓝汽车在AI智能化新时代下的创新实践

2025年10月30日，在第十三届汽车与环境创新论坛上，深蓝汽车AI开发总监江振文指出，在新能源汽车竞争转向智能化下半场的背景下，AI正成为汽车产业变革核心驱动力。不过，AI赋能也面临隐私安全、功能生态未构建、成本与商业壁垒、法规责任伦理灰色地带、生态壁垒等诸多挑战。

江振文表示，深蓝汽车积极应对挑战，在算力建设上与长安携手打造夸克计算中心，构建多模态大模型；在智能座舱领域构建多模型矩阵应用体系，推进端云一体化方案。他表示，未来，智能座舱和辅助驾驶技术路线将融合，生态从封闭域向开放域演进，企业将构建统一AI系统，AI将重塑汽车价值。

江振文｜深蓝汽车AI开发总监

以下为演讲内容整理:

AI已成为汽车产业变革的核心驱动力

当前，新能源汽车竞争已从上半场的能源竞争，转向下半场的智能化竞争。大模型领域，国内以Deepseek、千问大模型等为代表，国外有今年发布的ChatGPT-5等大模型，这些模型创新迅速，正从单语言向多模态方向演进。新能源的发展与AI的发展是并行推进的。由于新能源汽车具有独特的载体属性，未来其与AI的结合必将愈发紧密。反之，AI也必将进一步推动整个新能源汽车产业的发展。

图源:演讲嘉宾素材

当前智能化对用户体验有着显著影响，在消费者购车决策因素中占据极大比重。如今，新势力造车企业对智能化的关注度已超越其他诸多决策因素。可以说，智能化带来的体验优势以及低使用成本，已赢得市场的高度认可，成为消费者购车的主要考量因素。

此外，一套涵盖技术创新、基础设施和标准制定的顶层设计目前已初步构建完成，这必将推动智能汽车产业实现更快速的发展。

回顾互联网技术的发展历程，自上世纪90年代门户网站兴起，至21世纪前10年互联网快速发展，这一阶段互联网以PC电脑为载体。从2010年开始，智能手机与移动互联网实现快速绑定，成为新的发展载体。

从2020年至今审视大模型领域，汽车以其作为核心载体，兼具空间延展性、场景多样性以及硬件整合性等优势，有望成为下一代AI智能的终极载体形态。在AI大模型时代，算力、数据、算法协同进步且并行发展，能够加速智能辅助驾驶和智能座舱的迭代升级，推动人车关系从简单交互升维至智慧共生。

图源:演讲嘉宾素材

从技术浪潮的视角而言，在AI技术的推动下，当下软件与硬件均加速安全发展。硬件方面，以GPU或NPU为核心构建算力体系；软件层面，涵盖AI算法与模型，以及以AI OS为代表的底层操作系统核心。这一趋势推动着软硬件加速融合，引领智能化持续迭代升级。与此同时，这种迭代促使AI在汽车产业内部各维度全面渗透，包括我们常提及的智能辅助驾驶、智能座舱，以及传统底盘、三电系统，甚至为内部业务赋能，全方位提升整体效率。

智能座舱领域，传统座舱基于规则的语音助手，在AI赋能下，已从传统规则式语音助手转变为具备情感交互、多模块功能的AI agent。AI正驱动智能座舱进行价值重塑，从单纯被动响应升级为智能关怀，且通过与车控系统深度集成，从孤立模块跃升为掌控全局的一体化智能座舱中枢。

除智能座舱外，智能辅助驾驶是另一核心领域。今年，L2++级智能辅助驾驶成为行业关注重点，预计明年将成为L3级智能辅助驾驶的元年。L3级智能辅助驾驶堪称关键的革命性变革点，因为从这一级别开始，首次在法律法规层面允许在局部场景下实现从人类驾驶主导转变为机器驾驶主导的核心转变。

要达成这一变革，需解决占比可能不足1%的长尾场景问题。解决之道核心在于借助AI技术，包括当前构建的大模型，未来从L3向L4级发展亦是如此。

除产品层面外，内部业务领域亦是如此。在内部业务方面，从常规的管理、研发、供应链，到制造、营销、售后，覆盖整车开发全体系，AI如今作为核心驱动力，正在全面重构整个价值链，为整体业务进行全面赋能。

我们认为，随着AI技术从功能应用阶段迈向深度赋能阶段，行业正全力围绕AI构建以数字基石为核心的全新生产体系。同时，将硬件、软件、数据、服务等多个要素整合为一个有机整体，实现从制造优质车辆到提供全新价值体验的转变。

AI赋能汽车产业创新发展的核心挑战

目前AI对行业驱动作用巨大，但在实际运行过程中也面临诸多核心挑战，其中首当其冲的便是隐私安全问题。以智能座舱领域为例，当下各车企乃至各行各业都强调提升用户体验、打造用户价值。而提升用户体验的关键在于获取用户数据，只有掌握用户数据，才能了解用户需求与痛点。这些数据必然是与用户强相关的，然而如何保障此类强相关数据的安全，如何保护用户隐私，成为亟待解决的核心问题。

我们认为，若要使AI在实际产品中实现良好落地，必须完善相关法律法规建设，如此才能充分释放AI的潜能。

第二个核心问题在于智能座舱领域的应用。当前，大模型在汽车行业应用最多的便是智能座舱与智能辅助驾驶。从智能化下半场竞争的角度来看，相较于智能辅助驾驶，智能座舱更有可能成为打造差异化的关键点。

然而，目前从车企的实践情况来看，座舱中搭载了许多大模型功能，如闲聊、绘图等各类功能。但截至目前，这些功能虽对用户体验有一定帮助，却尚未充分发挥大模型的核心价值，功能的输入与产出尚未形成完全的线性或正向关系。究其原因，在于各车企目前主要聚焦于功能的堆叠，而非构建统一的生态。

在智驾方面，目前也面临一定的挑战，首先，目前包括车企以及华为在内，整体技术路线主要包含两条。有走端到端路线的，不过端到端路线存在差异，例如以理想为代表的VLA路线，以及以小鹏、华为等为代表的采用世界模型路线。无论采取何种路线，就当前围绕大模型在感知、决策、规控等全链路结合层面而言，仍存在一定痛点与技术挑战。

图源:演讲嘉宾素材

第二个挑战在于成本与商业的现实壁垒。以华为为例，自2019年开展智能辅助驾驶业务以来，直至今年，每年投入至少达50亿元左右，直至去年才实现当年盈利。在不久前华为的发布会上，其下一代ADAS 5单个版本的投入就已超过百亿元。如此巨额的投入，后续如何分摊到每辆车的成本上，以及技术能否达到足够高的水平以让用户买单，都是亟待解决的问题。若技术不够出色，或企业不具备足够大的体量，又该如何分摊高昂的开发成本，这无疑是一大挑战。

第三，法规、责任与伦理方面存在的灰色地带，这也是我们认为AI在智能辅助驾驶领域所面临的挑战。

此外，AI在智能辅助驾驶领域还面临生态壁垒方面的挑战。这一问题或许在各公司均不同程度存在。对于AI而言，其并非单纯的车端控制器应用，也非仅在云端开发算法即可完成，而是一套完整的系统工程。

从底层的数据算力，到上层的算法模型测试，再到更上层的部署应用，全链路需要众多部门协同配合，甚至涉及内部不同数据的交互融合，存在大量需求。然而，当前许多企业在数据孤岛、技术标准不统一、工具链制造等方面存在分割问题，致使AI技术难以跨部门、跨层级顺畅渗透，进而导致其技术潜力与实际提升需求无法精准匹配。

深蓝汽车的创新与实践

算力建设方面，深蓝汽车与长安汽车携手打造夸克计算中心，构建万卡集群。同时，因深蓝汽车承接了长安汽车新能源板块的全部数据，涵盖车辆数据与业务场景数据，数据资源丰富。基于这一优势，我们打造了基于多模态的大模型，围绕语音、场景功能、智能辅助驾驶、人员业务等不同维度构建垂类模型，整体搭建深蓝AI引擎，加速赋能业务场景的打造。

智能座舱领域，我们以多模型矩阵作为基础支撑，创新构建整体应用体系，全面覆盖用户闲聊、娱乐体验、资讯获取等不同场景的需求。深蓝汽车致力于打造多个智能体的协同机制，通过协同创新，突破当前自媒体间的壁垒问题。我们认为AI应为用户带来智能化、无感化的体验。

图源:演讲嘉宾素材

同时，我们正推进端云一体化的产品方案，着力打造具备智能化感知能力、能传递人文关怀的产品体验，并构建全维度的隐私防护体系。这也是我们当前AI平台的工作重点，旨在保障用户隐私安全合规。

智能辅助驾驶方面，深蓝汽车采取双线并行的策略。一方面，我们与华为开展深度合作，；另一方面，我们依托长安汽车开展自研工作，目前正在推进基于VLM的端到端技术，通过云端仿真解决长尾问题。

除智能座舱与智能辅助驾驶领域外，我们在底盘技术方面也进行了创新。通过结合云端技术并实施多域集成控制，实现了多元智慧识别功能，从而满足用户对于运动性能、舒适性以及其他多元化的需求。

能源管理方面，我们很早就开始运用AI技术赋能电池安全，从最初的AI生产制造环节，到智能预警系统，再到碰撞后的质控检测，我们全面覆盖了电池安全的主被动防护领域。借助AI技术，我们实现了电池安全的全面升级，取得了电子安全领域的新突破。因此，自品牌成立以来，深蓝汽车未发生过一起因电池质量问题导致的过热事件，实践证明，这一举措取得了显著成效。

电驱领域，我们打造了多合一电驱系统，并推出超级增程2.0技术，均通过AI赋能，推动深蓝汽车动力系统实现性能跃迁，进而提升下一代电驱性能。

公司内部针对AI制定了“一体两翼”战略。我们的战略打破了各部门间的数据壁垒，构建了统一汇总的数据资源体系，实现数据共享训练、能力共享及服务共享，从而对各部门存在的业务场景弊端进行迭代升级，提升研发开发效率。

小蓝博士是深蓝汽车面向内部业务打造的载体，其构建体系从底层模型延伸至上层智能体。目前，依托小蓝博士，我们已搭建约100余个应用场景，全方位赋能员工，成为员工成长的新伙伴。从实际应用效果来看，小蓝博士日均使用次数达千次以上，且在诸多业务的开展中，显著提升了工作效率。

未来趋势展望

当前，智能座舱领域普遍采用打造多模块的发展思路，未来将朝着更优的群体智能方向演进。沿着这一方向发展，能够重构人车关系，推动用户体验从当前功能堆砌式的被动响应，向无感服务的主动适配进化。

在智能辅助驾驶领域亦是如此。目前智能辅助驾驶主要有两条技术路线，一是以华为为代表的世界大模型路线，二是以理想为代表的VLA路线。VLA路线的优势在于，可通过增加CoT的方式增强模型的可解释性；而世界大模型的优势在于，能够实现从数字世界到物理世界的升维理解。二者各有优劣。

我认为目前单纯走VLA路线或世界大模型路线的企业，未来两者将会走向融合。唯有如此，才能更好地实现技术落地，推动智能辅助驾驶向更高程度的自主化阶段发展。

第二个趋势体现在生态层面。当前，车企开发了诸多功能，这些功能的实现大多依托大模型。大模型在其中扮演着类似人类理解与组织能力的角色，借助模型的自主迭代或第三方资源，能够推动整体功能的落地。

从这个角度而言，打造开放生态将成为未来以用户价值为核心的关键所在，也是全新服务升级的重要体现。因此，我们认为生态领域是一个重要的发展趋势，具体表现为从封闭域向开放域的演进。

图源:演讲嘉宾素材

另外，我们认为，随着AI技术持续演进，未来企业在逐步加深对AI的理解后，必将逐步构建统一的AI系统。该系统以数据为神经血液，各部门作为有机功能模块，形成智慧型载体，从而彻底打破生态壁垒。如此，方可实现协同效率的大幅提升与创新活力的显著增强。

自大模型应用以来，汽车智能发展经历了从功能堆砌的简单被动响应，到单体智能，再到未来多智能体协同的群体智能，并最终迈向具身智能的演变过程。我们认为，未来AI将重塑汽车价值，推动汽车成为可感知环境、理解用户需求并主动创造价值的智能生态伙伴。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。