刚刚落幕的北京车展，勾勒出全球汽车产业的转型轨迹。本届展会呈现出三大标志性变化：AI大模型批量“上车”、智能体加速迈向规模化落地、整车与零部件展区首次实现“整零同馆”。与此同时，L3级自动驾驶也正式跨越概念阶段，蜕变为可量产的商品。多重信号交汇，全球汽车工业的风向标正加速向北京倾斜。

　　走进展会可以看到，“AI”“大模型”“舱驾一体”已成为展台标配。车企集体向“AI科技公司”转型的背后，是行业竞争逻辑的深刻重构：汽车行业的较量已从整车单点性能，全面升级为“算力 + 算法 + 数据 + 生态”的全产业链生态对决。

　　在这一产业拐点上，底层算力与AI基础设施的支撑能力成为决定车企智能化天花板的关键。4月29日，IDC正式发布《中国汽车云市场跟踪报告（2025 下半年）》，百度智能云在自动驾驶研发市场继续保持第一的市场份额，这也是其连续多期领跑该领域。百度智能云汽车业务部副总经理肖猛从算力结构变迁、智能体落地路径、商业模式重构等维度，拆解了汽车智能化下半场的产业航向。

　　算力需求结构生变：推理爆发与国产替代成主旋律

　　2026北京车展期间，各品牌纷纷亮出算力底牌：理想L9 Livis全球首秀，搭载2颗自研5nm“马赫100”芯片，综合算力2560TOPS；蔚来ES9搭载自研神玑芯片，算力超1000TOPS；小鹏GX则宣称配备4颗自研图灵AI芯片，本地有效算力达3000TOPS。

　　当前车企算力需求结构正呈现显著的分化与重构。

　　“以往车企算力主要集中在自动驾驶训练环节，今年开始出现明显分化。”坚持全栈自研的头部车企持续加码训练算力；而部分车企转向供应商方案，通过部门整合收拢算力，仅保留基础合规规模。与此同时，随着AI技术普及与行业热度攀升，推理算力需求正迎来爆发式增长。

　　同时，国产算力迎来历史性窗口期。以昆仑芯P800/P900为代表的国产芯片市场需求旺盛，订单供不应求。“现阶段整体处于供不应求的卖方市场，车企算力布局以‘资源抢购’为主。”在芯片短缺背景下，车企暂难完成系统化长期规划，核心目标已转向算力储备。

　　面对这一局面，百度智能云提出“储算力、建平台、治数据”三大路径。在落地策略上，肖猛介绍混合算力架构将成为车企标配：涉密与高敏感数据依托本地私有化部署，低密级业务接入公有云以控制成本。而国产芯片正是私有化算力建设的核心支撑，“昆仑芯P900超级节点性能提升30%，已针对车企推理场景完成深度优化。”算力重心的转移，也标志着自动驾驶产业正从“研发训练期”加速迈向“车载量产期”。

　　智能体跨越“Demo期”：告别噱头，聚焦高价值务实场景

　　在此次北京车展现场可以看到，汽车正在变成AI移动终端，厂商的展板上到处都是“AI”“大模型”“舱驾一体”等特色宣传。AI不再是炫技的标签，而是实实在在的效率引擎与商业增量。正如百度智能云所判断的：“行业告别概念内卷，正式进入AI价值落地的务实发展阶段。”

　　当前智能体在车企的应用仍以项目管理、供应链、客服等通用场景为主，但高价值研发场景已跑出标杆案例。在汽车工业设计领域，拥有二十余年行业经验的阿尔特汽车技术股份有限公司，此前长期受困于风阻测试耗时长达10小时的行业瓶颈。依托百度“伐谋”智能体，阿尔特将空气动力学、流体力学物理约束及车身造型等设计特征融入算法，实现风阻评估从小时级到分钟级的跨越。目前同类车型可直接复用同一套算法模型，高效完成风阻测算，大幅提升研发效率。

　　然而，智能体从演示走向规模化仍面临两大瓶颈：人才缺口与技术稳定性。 “AI技术每3个月迭代一次，车企作为制造业，薪酬体系与吸引力难以与互联网竞争顶尖人才，内部培养体系节奏也相对较慢。”高校AI扩招人才将在2027-2028年逐步流入市场，缺口有望缓解。此外，车企生产体系对稳定性、可追溯性要求极高，无法适配高频波动的新技术，因此目前仍以非核心场景试点为主。“待技术路线定型、人才补齐后，智能体才会全面走向规模化。”

　　打破BOM成本思维：汽车迈向“全生命周期运营”新商业逻辑

　　大模型与车载AI的普及，正在击穿传统车企沿用数十年的成本核算体系。

　　肖猛介绍：“传统车企习惯以BOM成本为核心，核算硬件、电量等固定成本。车载AI体验越强，推理算力消耗越大，若沿用传统定价模式，供应商利润将被严重压缩，难以形成健康生态。”

　　行业的经营思路正在发生根本性转变：从“一次性硬件售卖”转向“硬件+长期服务”的复合模式。车辆正演变为10至15年的长效智能终端，车企开始通过优质座舱AI与智能服务提升体验，探索增值服务付费。

　　面对AI推理带来的持续性成本，车企如何破局？百度智能云给出明确建议：“不能将AI推理单纯视为成本负担，而应定义为核心生产资源。百度智能云在落地中建议‘先跑场景，后优成本’——前期快速打通高价值应用，实现效率增值；场景成熟后，再通过模型压缩、指令优化、算力调度持续降本。推理投入带来的研发周期缩短、人力成本下降与体验溢价，综合收益远高于算力支出。”

　　在“算力+算法+数据+生态”的全链条对决中，云厂商的角色正从资源提供商升级为智能化底座共建者。

　　百度智能云针对不同发展阶段的车企，提供差异化的赋能策略：头部成熟车企（如吉利、潍柴）算力与平台已完善，核心瓶颈在于数据治理。百度Data Builder通过本体建模改造传统数据模型，适配大模型推理逻辑，打通多业务数据关联，助力头部车企深度落地AI场景。而对于起步较晚的新入局车企，首要任务是搭建智能体与大模型推理平台，规划公私混合部署边界，从办公、通用AI场景切入，循序渐进向核心业务延伸。

　　“百度智能云具备从底层基础设施到上层应用的全栈服务能力。”据介绍，依托成熟的AI底座、持续迭代的智能体平台（如DuClaw、DuMate）以及完整的数字员工产品矩阵，百度智能云可为车企提供覆盖产、研、供、销、服全链路的一体化解决方案。（记者 林梦雪）