在2025年中國電動汽車百人會論壇上，地平線創(chuàng)始人兼CEO余凱的發(fā)言引發(fā)了智能駕駛行業(yè)的廣泛討論。他指出，車企一味追求全面自研并非明智之舉，聚焦差異化功能研發(fā)，將標準化功能交由第三方專業(yè)供應商，才是更具前瞻性的戰(zhàn)略選擇。

全面自研：吃力不討好的困局

當下，智能駕駛技術以令人驚嘆的“十倍速”迅猛發(fā)展，這無疑給車企的全面自研之路設置了重重障礙。從資金和技術積累的角度來看，研發(fā)智能駕駛相關技術所需的投入堪稱天文數(shù)字。以某知名芯片研發(fā)項目為例，其歷經(jīng)數(shù)年時間，耗費數(shù)十億資金才得以完成，如此巨大的成本并非所有車企都能承受得起。

全面自研的效率問題也不容忽視。智能駕駛技術的迭代速度遠遠超過傳統(tǒng)汽車研發(fā)周期。車企若選擇全面自研，不僅要組建規(guī)模龐大的研發(fā)團隊，還得時刻應對技術快速更新帶來的風險。余凱提到，智能駕駛的底層邏輯已從“模仿人類”轉(zhuǎn)變?yōu)?ldquo;超越人類”，這意味著車企需要在數(shù)學邏輯和虛擬仿真數(shù)據(jù)等方面投入更多精力，而不能再單純依賴用戶數(shù)據(jù)積累。然而，全面自研模式下，車企的精力被分散在各個環(huán)節(jié)，難以在這些關鍵領域做到深入鉆研，技術進步自然也就受到了限制。

數(shù)據(jù)與算力：智能駕駛的基石

智能駕駛技術的發(fā)展離不開強大的數(shù)據(jù)支持和算力保障。智能汽車在運行過程中會產(chǎn)生海量的數(shù)據(jù)，據(jù)華為預測，自動駕駛研發(fā)階段單車每日會產(chǎn)生近10TB數(shù)據(jù)，商業(yè)落地階段每日也會產(chǎn)生近2TB數(shù)據(jù)。這些數(shù)據(jù)包括車輛運行狀態(tài)、路況信息、駕駛行為等，為AI模型的訓練提供了豐富的素材。同時，強大的算力支持是處理這些海量數(shù)據(jù)、實現(xiàn)快速決策的關鍵。

基于LLM（大語言模型）和VLM（視覺語言模型）的大模型訓練對于提升智能駕駛的性能至關重要。LLM能夠理解自然語言指令，為用戶提供更個性化的駕駛體驗；VLM則能夠處理視覺信息，提升車輛對環(huán)境的感知能力。通過這些大模型的訓練，智能駕駛系統(tǒng)能夠更好地理解復雜的交通場景，做出更精準的決策。

物理世界AI：系統(tǒng)解法的必要性

隨著人工智能技術的不斷發(fā)展，其下一階段的重要發(fā)展方向是深度融入物理世界，與實體經(jīng)濟緊密結(jié)合，實現(xiàn)對真實場景的深刻理解與全面賦能。具身智能作為這一進程中的典型應用場景，其未來規(guī)�；�推廣面臨三大核心挑戰(zhàn)：安全性、協(xié)同性和經(jīng)濟性。

智能體終端的傳感器覆蓋范圍有限，存在無法處理和理解的盲區(qū)；多智能體大規(guī)模投入使用時，需要通過網(wǎng)絡實現(xiàn)交互協(xié)同與意圖共享；而智能體無法無限制地堆疊硬件、感知設備和算力，最終需像手機終端一樣實現(xiàn)后臺化，將部分功能置于云端。這些系統(tǒng)性問題亟待通過構(gòu)建實時物理世界的AI網(wǎng)絡來實現(xiàn)整體突破。

除了AI網(wǎng)絡，還需要一個深度理解物理世界的AI大模型，其本質(zhì)是物理世界的“認知中樞”。與傳統(tǒng)依賴靜態(tài)數(shù)據(jù)的AI模型不同，AI模型將融合多模態(tài)模型（VLM）和大語言模型（LLM），具備多模態(tài)理解、時空推理與自適應進化三大核心能力。能夠?qū)ξ锢硎澜邕M行深度理解和認知，可識別和理解視頻、圖像、文檔等多模態(tài)數(shù)據(jù)，并支持人機自然語言對話交互和邏輯推理。

基于AI大模型構(gòu)建的物理世界AI網(wǎng)絡，能夠提供全量的環(huán)境實時信息，將智能體周圍數(shù)公里范圍內(nèi)的所有信息完整呈現(xiàn)，不受氣象條件或遮擋物的影響。同時，AI基礎設施能夠及時預測或發(fā)現(xiàn)問題，并通過AI網(wǎng)絡將信息傳遞至每個智能終端，從而規(guī)避因信息缺失或處理不及時帶來的安全風險。

車路云一體化：協(xié)同網(wǎng)絡的實踐

在智能駕駛領域，車路云一體化是“獨一專研”理念的絕佳實踐范例。真正的車路云一體化，絕非車、路、云三端技術各自發(fā)展后簡單的拼湊擬合，而是深度融合、協(xié)同運作。

在一些城市的智能交通試點項目中，專業(yè)團隊專注于車路云一體化的整體架構(gòu)設計與技術融合。他們通過在道路上部署先進的傳感器和通信設備，讓道路具備實時感知交通狀況的能力；車輛則配備相應的智能終端，能夠接收道路和云端傳來的信息，并做出精準的駕駛決策；云端則如同大腦，整合分析車與路上傳的數(shù)據(jù)，進行全局的交通調(diào)度和優(yōu)化。

這種一體化的模式，相較于車企各自為戰(zhàn)，單獨發(fā)展車端技術、路端技術和云端技術，優(yōu)勢明顯。它不僅降低了整體的研發(fā)成本，避免了重復建設和資源浪費，而且大大提升了智能駕駛的安全性和通行效率。

行業(yè)未來：“20% 自研 + 80% 外采”成趨勢

余凱大膽預測，未來智能駕駛行業(yè)將逐漸形成“20% 自研 + 80% 外采”的穩(wěn)態(tài)格局。20%的頭部車企憑借自身強大的實力，可以選擇自研差異化功能，打造獨特的競爭優(yōu)勢；而80%的車企則更適合依賴第三方供應商提供標準化功能，實現(xiàn)資源的優(yōu)化配置。

這種格局的形成有其內(nèi)在的必然性。一方面，智能駕駛技術的標準化特性使得在這些方面很難通過差異化來塑造品牌價值；另一方面，技術的快速演進和高昂的研發(fā)成本，讓全面自研變得愈發(fā)不切實際。地平線通過開放合作模式，已經(jīng)助力多家車企實現(xiàn)了智駕平權，未來這一趨勢還將進一步加速發(fā)展。

專注協(xié)同，車企方能行穩(wěn)致遠

智能駕駛時代的競爭，早已不再是單純的速度競賽，而是一場比拼穩(wěn)定性和可持續(xù)發(fā)展能力的長跑。車企如果仍然固執(zhí)地堅持全面自研，很可能陷入資源浪費的困境，與技術快速發(fā)展的紅利失之交臂。與其盲目追求大而全，不如專注于差異化功能的研發(fā)，將標準化功能放心地交給第三方供應商。只有這樣，車企才能在智能化轉(zhuǎn)型的浪潮中找準自身的核心競爭力，實現(xiàn)高質(zhì)量的穩(wěn)健發(fā)展。

       原文標題 : 打不過“獨一專研”的車企們，確實該迷途知返了！