三、車企智能化轉(zhuǎn)型的關(guān)鍵問題解析

關(guān)鍵問題二：車企如何擁抱AI大模型？

傳統(tǒng)的AI專業(yè)模型（算法）早已存在，前面已經(jīng)談到，這類專業(yè)模型屬于ANI模型，僅“就事論事”，只能解決單一的、特定類型的任務(wù)，其能力也很有限，可將其比作獨立的“盆景”。未來基于通用大模型構(gòu)建的專業(yè)模型，能夠充分汲取整個“大地土壤”的養(yǎng)分成長，最終實現(xiàn)能力的質(zhì)變和飛躍。

如圖5所示，理想的AI大模型產(chǎn)業(yè)應(yīng)用范式呈現(xiàn)“1+N+X”模式。其中，“1”指的是1類基礎(chǔ)大模型，例如NLP（自然語言處理）大模型、CV（計算機視覺）大模型、多模態(tài)大模型等，未來基礎(chǔ)大模型將發(fā)展成為社會層面的重要基礎(chǔ)設(shè)施。但其開發(fā)門檻高，資源投入巨大，應(yīng)由ICT企業(yè)主導(dǎo)，并且基礎(chǔ)大模型數(shù)量逐步趨向于收斂；“N”指的是n個行業(yè)大模型，是在基礎(chǔ)大模型基礎(chǔ)上，針對垂直領(lǐng)域內(nèi)跨企業(yè)的共性需求來開發(fā)的行業(yè)大模型，主要包括算法和數(shù)據(jù)；而“X”則代表大量的企業(yè)專業(yè)模型，這部分是當(dāng)下車企的開發(fā)重點，這類模型與個性化場景、自有數(shù)據(jù)充分結(jié)合，突出差異化。

圖5大模型“1+N+X”產(chǎn)業(yè)應(yīng)用范式

基礎(chǔ)大模型是行業(yè)模型、專業(yè)模型的基礎(chǔ)，決定了這些垂類模型的能力上限，而行業(yè)/專業(yè)模型的應(yīng)用又可反哺基礎(chǔ)大模型的迭代進化。它們之間是互動共創(chuàng)、相輔相成的關(guān)系。也可以說，如果基礎(chǔ)大模型是1，那么行業(yè)/專業(yè)模型則是1后面的0，沒有基礎(chǔ)大模型，所謂行業(yè)模型或?qū)I(yè)模型都是“無本之木”，因此基礎(chǔ)大模型的選擇至關(guān)重要。當(dāng)下由Deepseek引領(lǐng)的低成本高性能開源模式正在加速促進基礎(chǔ)大模型在各行業(yè)的普及應(yīng)用。

行業(yè)模型需要行業(yè)內(nèi)多家企業(yè)共建平臺，貢獻自身的算法與數(shù)據(jù)，并需要統(tǒng)一范式，如數(shù)據(jù)處理標(biāo)準、流通工具鏈等。需要強調(diào)的是，行業(yè)模型平臺的建設(shè)，不能僅靠行政機構(gòu)或行業(yè)組織推動，各家企業(yè)也要具備自驅(qū)力，積極參與且依托該平臺有效受益，這樣才能推動行業(yè)模型的持續(xù)有效發(fā)展。

當(dāng)下行業(yè)大模型N發(fā)展滯后、存在感低，但企業(yè)不能等待，所以采取“1+X”打通模式更具現(xiàn)實落地意義。未來隨著行業(yè)共性積累逐漸到位，將走向應(yīng)用效果更好、資源利用效率更高的“1+N+X”打通模式。

對于車企而言，自身的算法與數(shù)據(jù)能力是有效推進智能化轉(zhuǎn)型的基礎(chǔ)，這是“1+X”打通并落地的前提。車企的核心策略是：掌握基于大模型打通不同專業(yè)模型的新能力。將過去大量碎片化的專業(yè)算法有效整合及打通，而這正是端到端的基本理念。為此，車企需重點選擇擁有基礎(chǔ)大模型的ICT公司作為伙伴，與之形成長期伴生式、聯(lián)合體開發(fā)的戰(zhàn)略合作關(guān)系，同時車企還應(yīng)積極參與、推動，甚至主導(dǎo)行業(yè)大模型平臺的生態(tài)建設(shè)。

綜合來看，AI大模型的應(yīng)用落地一定是“通用底座+行業(yè)場景”的組合模式，必須依靠專業(yè)化分工的多主體協(xié)同，來實現(xiàn)持續(xù)的應(yīng)用拓展與生態(tài)打通。

關(guān)鍵問題三：車企如何有效掌控數(shù)據(jù)和算力資源？

過去車企在算法積累上更多依靠的是研發(fā)人員數(shù)量，而大模型框架下的成本則主要在于數(shù)據(jù)與算力資源的投入，那么車企如何有效掌控不同類別的數(shù)據(jù)、有效協(xié)同外部算力資源以支撐算法的持續(xù)迭代變得至關(guān)重要。所以車企應(yīng)該主導(dǎo)數(shù)據(jù)和算力協(xié)同體系建設(shè)。

具體來看，不同類型模型對于數(shù)據(jù)、算力的需求有所區(qū)別。如圖6所示，在數(shù)據(jù)層面，企業(yè)專業(yè)模型需要高度專業(yè)化、個性化的數(shù)據(jù)進行訓(xùn)練；行業(yè)大模型需要垂域共性、通用數(shù)據(jù)，必須由多家企業(yè)共享數(shù)據(jù)并建設(shè)行業(yè)數(shù)據(jù)庫；而基礎(chǔ)大模型對應(yīng)的是人類社會知識體量的數(shù)據(jù)庫，行業(yè)數(shù)據(jù)庫可視為其子集。各類大模型所需數(shù)據(jù)的體量直接決定了算力需求，所以企業(yè)模型主要依靠車端AI芯片與企業(yè)內(nèi)部算力設(shè)施支撐，而大模型則需要云端大規(guī)模計算集群來提供算力。未來面向大模型的應(yīng)用，車云、內(nèi)外部算力需要有效協(xié)同，車端算力將向計算與通訊處理并重的方向發(fā)展。

圖6車企面向大模型的“數(shù)據(jù)+算力”協(xié)同體系建設(shè)

在數(shù)據(jù)為王的發(fā)展趨勢下，車企必須確保持續(xù)掌控模型訓(xùn)練所需專業(yè)的、個性的和共性的數(shù)據(jù)。車企核心策略是構(gòu)建自身專業(yè)數(shù)據(jù)能力，并與行業(yè)共性數(shù)據(jù)充分互動，從而可持續(xù)獲取高質(zhì)量數(shù)據(jù)。一方面，車企應(yīng)建設(shè)自有數(shù)據(jù)庫，確?？捎行Хe累自身專業(yè)數(shù)據(jù)，并構(gòu)建以數(shù)據(jù)驅(qū)動的閉環(huán)體系能力；另一方面，車企僅靠自身數(shù)據(jù)不夠，應(yīng)積極參與或主導(dǎo)行業(yè)數(shù)據(jù)的共享共創(chuàng)，推動成立行業(yè)數(shù)據(jù)聯(lián)盟，這樣各方貢獻自身數(shù)據(jù)的同時可以實現(xiàn)資源互換，從而有效匯聚行業(yè)內(nèi)高質(zhì)量數(shù)據(jù)，并可持續(xù)進化，最終實現(xiàn)高質(zhì)量數(shù)據(jù)的自由流轉(zhuǎn)，充分發(fā)揮協(xié)同效應(yīng)，提升數(shù)據(jù)的價值。

未來車企的算力需求一定是日益增長的，但是大規(guī)模算力集群屬于高門檻、高投入基礎(chǔ)設(shè)施，應(yīng)由ICT公司主導(dǎo)建設(shè)。車企需要針對算力需求做好統(tǒng)籌規(guī)劃，一方面構(gòu)建企業(yè)內(nèi)部一定程度的算力設(shè)施，同時與外部大算力平臺形成共同部署，從而實現(xiàn)車云算力協(xié)同。對于有能力的車企，可選擇與ICT企業(yè)共建專屬的算力中心，使協(xié)同效果、效率更優(yōu)。

總之，面向未來大模型在汽車行業(yè)的應(yīng)用，車企應(yīng)與ICT公司有效分工和協(xié)同，其中車企必須自主掌握算法和數(shù)據(jù)，充分利用外部算力資源，同時還要主導(dǎo)技術(shù)底座的搭建與迭代。

關(guān)鍵問題四：車企如何有效推進組織管理變革？

智能化轉(zhuǎn)型成功落地的關(guān)鍵在于組織、流程、分工等全面重構(gòu)，車企需要建立跨業(yè)務(wù)數(shù)據(jù)暢通、跨部門充分互動、有效協(xié)同創(chuàng)新的新組織形態(tài)。

蓋斯特研究團隊研究由AI驅(qū)動的企業(yè)組織管理形態(tài)，展望其理想圖景，具體如圖7所示。未來一定是基于AI平臺賦能的組織架構(gòu)，通過共性能力平臺、企業(yè)級模型的開發(fā)，來實現(xiàn)跨業(yè)務(wù)場景的打通及數(shù)據(jù)流的充分流轉(zhuǎn)，達到整體組織能力的“涌現(xiàn)”。

圖7智能化驅(qū)動的企業(yè)組織形態(tài)理想圖景

具體來說，面向AI化組織形態(tài)變革，企業(yè)高層領(lǐng)導(dǎo)力的變革在于“牽引”，所以必須轉(zhuǎn)變傳統(tǒng)的管理思維，變成“重引導(dǎo)、輕管控”，即從頂層規(guī)劃上有效統(tǒng)括企業(yè)全局和配置資源，充分推動智能化新型組織的建設(shè)。組織變革的核心是從單體獨立、各自為戰(zhàn)的職能型組織向融合打通的協(xié)同型、自驅(qū)型組織轉(zhuǎn)變。為此車企必須建設(shè)AI共性平臺，讓研、產(chǎn)、供、銷、服各業(yè)務(wù)均根植于此企業(yè)專業(yè)模型之上，打破過去各個業(yè)務(wù)部門孤立的困境，實現(xiàn)整合和打通。在此基礎(chǔ)上，各部門通過數(shù)據(jù)連接，實現(xiàn)跨業(yè)務(wù)場景之間的全要素互通和充分互動，最終形成深度協(xié)同的創(chuàng)新形態(tài)。例如，研發(fā)有了新需求，能夠快速傳遞到供應(yīng)鏈、快速影響生產(chǎn)布局；又如，銷售端數(shù)據(jù)可及時反饋研發(fā)、設(shè)計部門。而這些依靠傳統(tǒng)的行政命令是難以適時共享和傳遞的。

由此可見，未來AI化組織架構(gòu)中各部門不再是清晰的職能劃分，彼此界限將日益模糊、趨向融合，呈現(xiàn)出“你中有我，我中有你”的協(xié)同狀態(tài)。例如，研發(fā)部門必須與采購、市場、銷售等部門緊密互動，同時CTO（首席技術(shù)官）職能需要進一步拓展，車企需要與外部供應(yīng)商伙伴聯(lián)合共創(chuàng)，CTO將被賦予一定的CEO職責(zé)，成為“CTO Plus”的新角色。又如，在智能駕駛端到端架構(gòu)下，原有感知、決策、執(zhí)行模塊等各團隊需要深度整合和打通。也就是說，車企傳統(tǒng)職能型組織分工未來將逐漸趨弱，協(xié)同型組織能力不斷增強，通過有效利用AI平臺能力對全業(yè)務(wù)領(lǐng)域賦能，靈活地應(yīng)對內(nèi)外需求變化，從而提升企業(yè)全局資源配置效率。

關(guān)鍵問題五：大智能產(chǎn)業(yè)對汽車產(chǎn)業(yè)是降維打擊嗎？

前文已經(jīng)談到，大智能時代車企智能化轉(zhuǎn)型所需的全新能力并非車企所擅長的，甚至過去較少涉獵，更多是ICT企業(yè)的固有優(yōu)勢，那么大智能產(chǎn)業(yè)對于汽車產(chǎn)業(yè)，是否形成降維打擊而讓車企沒有發(fā)展前景？蓋斯特研究團隊認為，實際情況并非如此，原因如下：

從ICT企業(yè)角度來看，更多是在通用化算法、算力資源方面擁有短期先發(fā)優(yōu)勢，但是長期壟斷將失去后發(fā)潛力。當(dāng)前深度轉(zhuǎn)型行業(yè)普遍有數(shù)字化技術(shù)短板，通過快速導(dǎo)入ICT新技術(shù)，凸顯自身優(yōu)勢，弱化了制造業(yè)的重要性，那么垂直整合效率確實更高。但是長期來看，一是面臨“做多”和“做精”之間的矛盾，實際上汽車涉及的核心技術(shù)多元且復(fù)雜，倘若ICT企業(yè)獨立包攬全部能力，其組織效率必然受限，同時極易走向封閉生態(tài)，無法從全行業(yè)汲取營養(yǎng)，難以保證進化能力和發(fā)展?jié)摿ΑＲ虼薎CT企業(yè)要想獲得可持續(xù)發(fā)展，必然離不開汽車產(chǎn)業(yè)的深度場景應(yīng)用與專業(yè)數(shù)據(jù)的輸入，只有通過共性能力的持續(xù)進化，并與汽車產(chǎn)業(yè)各專業(yè)能力充分結(jié)合，才能真正做出特色。

從車企角度來看，必須未雨綢繆、提前布局，否則也將被其他積極求變的車企降維打擊。對于部分新的ICT技術(shù)，車企既不易、也不宜擁有，尤其是門檻高、投入大的共性技術(shù)，因此車企一定是有所為、有所不為。一方面，專業(yè)部分需要做精、做強，重點是基于制造業(yè)的核心軟件、硬件單點技術(shù)，與數(shù)據(jù)實現(xiàn)深度融合；另一方面，車企應(yīng)積極推進面向大智能時代的新能力建設(shè)，做到自身真正理解的同時，充分利用專有數(shù)據(jù)的價值，實現(xiàn)整合和打通。所以，車企應(yīng)該積極擁抱ICT技術(shù)，使得AI賦能的產(chǎn)品、體驗個性化能夠真正落地，實現(xiàn)全面智能化轉(zhuǎn)型。

其實，ICT企業(yè)與車企必然會走向融合創(chuàng)新，推動大智能產(chǎn)業(yè)與汽車產(chǎn)業(yè)的資源要素通過創(chuàng)造性融合，達到最佳的互補和匹配。其中，大智能產(chǎn)業(yè)負責(zé)做好共性支撐部分，汽車產(chǎn)業(yè)做好專業(yè)部分及集成創(chuàng)新，二者充分互動和融合，形成全新的復(fù)合智能體新業(yè)態(tài)，推動汽車整體能力發(fā)生質(zhì)變，最終形成新的、獨特的、不可復(fù)制的、甚至不可超越的產(chǎn)業(yè)核心競爭力，而這也恰是生產(chǎn)力和生產(chǎn)關(guān)系協(xié)同的最佳境界。

關(guān)鍵問題六：車企如何平衡整體與局部問題、短期與長期利益？

大智能趨勢下的汽車產(chǎn)業(yè)已經(jīng)進入融合創(chuàng)新的時代，跨界協(xié)同成為新趨勢，但是跨界融合創(chuàng)新的效果依靠技術(shù)、管理、模式等多維度創(chuàng)新。這些都在挑戰(zhàn)汽車企業(yè)家的領(lǐng)導(dǎo)力和商業(yè)智慧。新一輪的智能化轉(zhuǎn)型既涉及單個環(huán)節(jié)如何突破，更有多個領(lǐng)域如何有效協(xié)同的全局難題，這是一個高度復(fù)雜的系統(tǒng)工程。并且沒有所謂的標(biāo)準答案，車企需結(jié)合自身情況主導(dǎo)這場變革。那么企業(yè)如何平衡好整體與局部、短期和長期利益呢？

第一，車企需要正確認識智能化轉(zhuǎn)型的總體發(fā)展規(guī)律。智能化轉(zhuǎn)型是長期過程，前期企業(yè)投入巨大，需要持續(xù)建設(shè)數(shù)字化的基礎(chǔ)底座，此時收益并不明顯；隨著多方面舉措逐步疊加，等積累到一定程度而達到拐點，即跨環(huán)節(jié)、跨領(lǐng)域充分打通，各業(yè)務(wù)協(xié)同落地，此時轉(zhuǎn)型收益急速提升，如圖8所示。特別需要提醒的是，智能化轉(zhuǎn)型的投入與收益并非是平行線的關(guān)系，因此車企需要堅定而持續(xù)地投入，才能收獲良好的效果。

圖8企業(yè)智能化轉(zhuǎn)型發(fā)展規(guī)律

第二，車企智能化轉(zhuǎn)型必須解決核心問題。實際上，核心挑戰(zhàn)在于解決全局性需求與碎片化供給之間的矛盾。一方面，車企需要實現(xiàn)產(chǎn)品力與創(chuàng)造力全方位的重構(gòu)，這是全局性需求；另一方面供給方提供卻是碎片化的，目前多家ICT企業(yè)提供的方案只是解決某一局部問題，沒有任何外部企業(yè)的方案能夠系統(tǒng)解決車企所有問題。因此，車企面臨的難題是如何有效整合內(nèi)外資源，以實現(xiàn)協(xié)同效應(yīng)最大化。

第三，車企應(yīng)制定系統(tǒng)的智能化轉(zhuǎn)型行動方案。蓋斯特研究團隊認為，車企必須“以我為主”系統(tǒng)化協(xié)同推進智能化轉(zhuǎn)型。首先，整體上做好統(tǒng)籌。從理念、定位到技術(shù)、工具，再到組織管理變革，多管齊下，構(gòu)建全新的數(shù)字化基礎(chǔ)底座，持續(xù)賦能全業(yè)務(wù)場景應(yīng)用；其次，做好供需聯(lián)動。車企從自身需求出發(fā)，充分與ICT公司協(xié)同，打通各個環(huán)節(jié)，在技術(shù)與管理兩方面均確保各參與方始終站在同一條進度線上；最后，推進場景應(yīng)用。利用基礎(chǔ)底座充分和持續(xù)賦能企業(yè)各項經(jīng)營活動，由點及面、逐步深入全業(yè)務(wù)場景應(yīng)用。

綜上，面對智能化轉(zhuǎn)型帶來的挑戰(zhàn)，車企必須集中資源全力構(gòu)建全新的基礎(chǔ)底座，并從系統(tǒng)性的全局視角出發(fā)，主導(dǎo)推動內(nèi)外部生態(tài)資源的深度互動與協(xié)同。

四、總結(jié)與建議

以AI大模型引領(lǐng)的新一輪大智能產(chǎn)業(yè)變革是大勢所趨，并給社會及各個產(chǎn)業(yè)帶來全方位的巨變。未來將是AI主導(dǎo)的數(shù)字化新紀元，車企必須深刻認識到推進智能化轉(zhuǎn)型的重要性和緊迫性。

車企的核心應(yīng)對策略是構(gòu)建全新的“技術(shù)+體系”數(shù)字化基礎(chǔ)底座，一方面賦能產(chǎn)品力升級，另一方面賦能產(chǎn)品背后的創(chuàng)造力變革。在大智能產(chǎn)業(yè)多元復(fù)雜、高度專業(yè)化分工的趨勢下，車企應(yīng)該積極擁抱大智能產(chǎn)業(yè)生態(tài)，與ICT企業(yè)緊密協(xié)同和融合創(chuàng)新，形成新的技術(shù)方案、新的組織架構(gòu)、新的商業(yè)模式。同時車企逐步推動AI賦能研、產(chǎn)、供、銷、服等各業(yè)務(wù)環(huán)節(jié)，并充分打通內(nèi)外部各個環(huán)節(jié)，優(yōu)化提升全局性的資源配置效率。需要強調(diào)的是，車企智能化轉(zhuǎn)型必須堅持“長期主義”，對于前期數(shù)字化及AI的核心能力的建設(shè)應(yīng)該堅定、持續(xù)投入，實現(xiàn)從量變到質(zhì)變的突破。

面對復(fù)雜挑戰(zhàn)，車企做好準備的同時更要充滿信心。未來成功轉(zhuǎn)型的車企，一定是基于品牌調(diào)性（數(shù)據(jù)）的掌控力、核心技術(shù)（算法）應(yīng)用的主導(dǎo)力、關(guān)鍵資源的分工布局（算力），以及系統(tǒng)整合及打通的能力，來構(gòu)建專業(yè)化分工、協(xié)同化發(fā)展的開放生態(tài)，實現(xiàn)融合創(chuàng)新，最終贏得未來大智能時代的全新競爭！