欧意交易所,欧意,欧意交易平台,欧意注册,欧意靠谱吗,欧意APP下载,欧易交易所官网,欧易下载,欧易下载链接,欧易apk下载,欧易网页版,欧易交易所,欧易下载,欧易官网,okx官网,欧易客户端下载2026年2月3日下午，科大讯飞股份有限公司联合创始人、总裁吴晓如做客《赵福全研究院》高端对线期嘉宾，与世界汽车工程师学会联合会（FISITA）终身名誉主席、清华大学车辆学院教授、汽车产业与技术战略研究院院长赵福全进行了一场一对一的深度对话。本栏目由盖斯特管理咨询公司策划、赞助并在其官方视频号播出。在直播之后，我们精心整理了对话内容，现全文刊载。

　　拓展升级：汽车消费者对于车内导航、音乐等应用的需求显著提高了。这不仅仅是要求把原有功能做得更好，而且希望实现功能上的拓展和升级。也就是说，今后汽车要变成一个移动的音乐厅、一个移动的影视厅，同时还是一个移动的健康空间。为了实现上述功能拓展，就需要像科大讯飞这样的供应商与车企共同努力。

　　范式变革：此前汽车主要以硬件配置体现产品差异，现在汽车呈现出硬件标准化和同质化、而以软件实现产品差异化的趋势。未来汽车将进入到数据主导的智能化阶段，车企基于AI可以为用户提供更好的服务及体验。

　　空间属性放大：无论是客厅般的舒适体验，还是音乐厅般的音响效果，汽车作为“第三空间”的特征与内涵日益丰富。用户的空间需求大幅拓展，车上也需增加更多功能，整车企业只靠自身力量难以应对，这就需要与供应商进行共创。

　　整供关系改变：不再是车企直接给出功能定义、供应商按要求交付的单纯买卖关系；而是车企先提出功能定义，然后整供企业一起讨论相关场景、完善功能定义、共创技术方案。由此，整供车企之间就从简单的买卖关系转向了协同共创的伙伴关系。

　　AI赋能：未来AI能力平台将成为汽车产品的“基础设施”，即每辆车上都会搭载一定的基础硬件，以支撑后续不断增强的AI功能。这其中有很多细节的工作，需要整供双方共同商讨及推动落地。

　　AI重塑：AI带来的影响不只局限于某一项技术或某一个环节，而是会波及人类社会的各个方面。就企业而言，AI将引发整个运营体系的全方位变革，从研产供销服全链条的各个环节，到产品体系、知识体系、能力体系及人才体系等，都将被AI重塑。

　　模型与应用并重：科大讯飞采用差异化竞争策略，即AI基础大模型开发与重点行业关键场景应用同步推进，二者相辅相成、互为促进。

　　大模型要素：最终大模型就相当于一种非常底层的操作系统，或者说类似于一种基础性的数据库。至于谁能成为竞争留下来的大模型公司，关键因素在于：其大模型是否在一些体量大、范围广、用户多的场景中落地应用了。

　　端侧模型：在可预见的未来5-10年，汽车行业一定需要专属的大模型。其主要原因有两点：一是汽车产品对端侧能力包括响应速度、可靠性等的要求极高，对隐私保护的要求也很高；二是汽车产品的端侧算力在目前已有的各种智能设备中是最强的，足以支撑相当程度的大模型。

　　云端模型：汽车产业的云端模型将如何发展，仍然存在较大的不确定性。未来云端可能会形成基础模型与各种汽车行业模型并存的格局。

　　拥抱AI：对汽车企业来说拥抱AI至关重要。车企如果跟不上AI的发展节奏，无法实现产品与AI的深度融合，是不会有竞争力的，最后大概率将被淘汰。

　　合作模式：汽车企业亟需探索新型合作模式，特别是要与AI科技公司在“产品定义-产品打造-产品运营”的全链条上深度协同。目前有些车企在这方面已经走在了前列，其他车企也都在持续推进中。

　　如何拥抱AI：车企必须建立适配AI发展的组织架构。AI时代企业组织变革的核心在于提升解决问题的速度。应该说，汽车产业目前还没有形成面向AI的最佳组织形态，各类企业都需要在持续实践中迭代优化自身组织。

　　新势力车企：在拥抱AI上，新势力车企会相对容易一些，更多的是因为它们具有时间窗口上的优势。新势力车企在组织架构、人才结构等方面，天生就更贴近AI的发展需求。

　　传统车企：传统车企的组织架构、人才结构等都是在硬件技术的基础上逐步形成的，这种长期积淀必然会产生某种发展惯性，导致企业面向AI的转型节奏相对缓慢。但不同企业、不同领导的重视程度存在差异，而这恰恰会影响企业转型决心的强弱、行动速度的快慢以及具体举措的优劣，并最终决定企业拥抱AI的效果。

　　最大差异：汽车与其他行业的最大差异就在于，AI企业在其中扮演的角色不同。在很多行业AI企业提供的是完整的数字化系统，直接交付给用户使用，系统定义由AI企业负责；但是汽车行业则由车企主导，车企始终要对整车产品及其核心系统负责，AI企业提供的仅是系统内的一个模块或受邀参与开发一部分。这是在产品及功能的定义本身存在明显差异。

　　大智能体：未来汽车产品不仅仍将具有复杂工业品的基本属性，还将成为一个复杂的大智能体，这个大智能体集成了多种不同的小智能体及其智能化功能，并且这些功能不能是零散的，而是必须给用户提供完整的体验。

　　产品迭代：与手机等快消品完全不同，汽车产品属于耐用型消费品。因此，汽车产品定义必须考虑硬件长期支撑软件迭代更新的问题，这对车企来说无疑是一大挑战。

　　生态复杂：在电动化、智能化的时代，原本就高度复杂的汽车产业、企业和产品正变得更加复杂，涉及到诸多要素及其背后的不同主体，而且这些主体之间呈现出“你中有我、我中有你”的交织状态和复杂关系。

　　长期共创：大量“业外”的科技公司、服务公司等纷纷涌入，成为汽车产业大生态中不可或缺的参与主体，基于专业化分工的协同创新将是未来汽车产业发展的必由之路。需要强调的是，这种全新的资源组合和能力融合方式不是一次性的合作，而是长期性的共创，需要贯穿于产品全生命周期持续进行。

　　场景结合：人工智能在本质上属于赋能型技术，用户每天直接使用的并非AI技术本身，而是AI技术支撑下的各类服务，所以关键在于能否把AI技术与具体场景有效结合起来。

　　深度对接：车企需要主动与各类AI科技公司及服务公司深度对接，将自身的场景需求与这些合作伙伴提供的技术与服务融为一体，并且在汽车漫长的使用周期内持续迭代更新、不断优化用户体验。

　　生态分工：汽车作为大智能体的总体设计与统筹协调，必须由整车企业主导。这意味着车上各种软硬件的接口标准和指令规范都要由车企来制定；而这些软硬件背后的不同主体，也即各类生态伙伴，必须基于上述标准和规范来进行分工协作。

　　统一规范：整车企业无论是打造汽车大智能体，还是其中的小智能体，最终目标始终是通过智能化技术优化用户体验、提升用户满意度。因此，车企应该建立一套能够精准反映用户体验的评价标准与规范。

　　不被绑架：车企避免被供应商绑架的根本前提是要始终保持对用户的深刻洞察，车企必须“最懂用户”。在此基础上，车企应该牢牢掌控两大核心要点：一是产品关键功能的定义权，二是最终用户体验的评价标准。

　　非健康模式：一是车企以“随时替换”为筹码逼迫供应商不停地降价，这会大幅压缩供应商的生存空间，使之无力继续投入研发；二是供应商凭借技术或资源优势而抬高供货价格，这会增加汽车产品的成本，降低车企的竞争力，进而影响产业创新的进程。

　　新型模式：在新汽车时代的生态化发展模式下，整供车企的协作共创模式将超越简单的接口统一、标准一致以及联合开发，甚至还会涉及到知识产权的交叉融合。

　　数据应用瓶颈：破解数据应用瓶颈需解决四大问题——数据脱敏、数据质量、数据合规、利益一致。

　　可用与高质量：对于数据的可用性和高质量，首先要明确数据是否有用或者说价值的高低，比如哪些数据是金矿、哪些是铁矿、哪些则是没有开采价值的贫矿。

　　价值最大化：整供企业应该在确保合规底线和统一技术标准的前提下，提前明确数据共享与使用的范围和方式，然后各自加工相关数据，进而融合双方的数据应用成果，以实现数据价值的最大化。

　　算力布局：整车企业应当遵循“最小需求”原则，其核心在于围绕实际业务需求来配置算力资源。整体而言，对于企业需要经常使用的基本算力，或者说支撑关键数据存储和使用的算力基础设施，建议以自建为主，以保障核心业务的稳定性与安全性。但是企业也不应盲目囤积算力。

　　人机交互：人机交互是汽车品牌特质的核心载体，无论是交互逻辑、还是交互界面，很多交互细节都是品牌调性和基因的重要体现，尤其当自动驾驶普及后，交互将成为体现产品差异化的关键点，价值更加凸显。

　　精准服务：车载人机交互需精准理解需求、适配个性化，更要感知用户情绪、提供情绪价值，实现情感连接，从被动响应升级为主动陪伴式服务。

　　智能空间：人机交互需连接外部服务体系，为用户提供多元价值，让汽车突破出行工具属性，成为集出行、工作、休闲、娱乐、医疗保健于一体的移动智能空间和全能服务智能体。

　　智慧声场：以AI技术优化座舱声学环境，智能声场技术依托现有车载音响硬件，大幅提升音质，低成本打造车载卡拉OK、移动音乐厅、私人影院，充分释放硬件潜力，实现用户、车企、供应商多方共赢。

　　赋能车企：一方面依托多语种的人机交互技术、统一接口及低成本优势，科大讯飞助力中国车企加快出海；另一方面，借由与合资车企的合作，让国外品牌车企看到了中国科技公司在智能化领域的技术实力，改变了其此前优先选择海外供应商的固有理念。

　　打破认知：外资车企需打破认知壁垒，与中国科技供应商由浅入深扩展合作，提升在华研发话语权，借助中国智能化技术深耕中国及全球市场。

　　破卷利器：未来五年汽车智能化的核心是创造用户价值，聚焦用户可感知场景打造差异化，破解行业同质化内卷，带动座舱软硬件与生态协同升级。

　　场景多元：汽车座舱将拓展健康监测、沉浸式娱乐、私人独立空间等多元场景，成为复合智能空间，持续放大车内空间体验与服务价值。

　　整供协同：车企与科技公司需深度分工协同，车企洞察需求、制定标准，科技公司提供技术支撑，在全周期内共创打造差异化产品，共同实现高质量发展。

　　清华大学教授、汽车产业与技术战略研究院院长赵福全（左）与科大讯飞股份有限公司联合创始人、总裁吴晓如（右）

　　赵福全：大家好！欢迎大家来到《赵福全研究院》高端对话栏目。我是本栏目的主持人、清华大学的赵福全。本栏目由盖斯特管理咨询公司承办，在此表示感谢。本栏目自2014年创办以来，今天迎来了第78期专场，我们非常荣幸邀请到了科大讯飞总裁吴晓如先生，请吴总和大家打个招呼。

　　赵福全：吴总，欢迎来参加本期高端对话节目。大家对科大讯飞的印象可能大多停留在能够“将语音转换成文字”的一家公司。实际上，科大讯飞是涉足多个领域的科技公司。以汽车产业为例，应该说10年前科大讯飞与汽车的关联还比较少，不过随着汽车智能化的深入发展，科大讯飞早已成为汽车产业的重要参与者和贡献者之一。下面先请吴总为广大观众介绍一下，科大讯飞是一家怎样的公司？主要从事什么业务？

　　吴晓如：的确，在很多人印象中，科大讯飞是专业做语音转换的公司。我们公司是在1999年底由学生创业成立的——当时创始人刘庆峰董事长和我都是中国科学技术大学的在读研究生。公司的前身是中科大的语音实验室，因此多年来公司业务与语音技术的关联度一直比较高，但实际上我们涉及的领域不限于此。科大讯飞最早从事语音合成和识别技术，后来逐渐扩展到翻译和图像业务，到今天开始致力于AI大模型等技术。也就是说，科大讯飞首先是一家技术型公司。

　　在商业模式上，科大讯飞早期主要是为其他公司提供技术授权。后来随着我们的技术在一些行业应用得越来越深，就诞生了各种应用系统和解决方案。目前科大讯飞的技术在教育和医疗等行业有很多应用，可能这些行业的从业者对我们了解得更多一些。2024年我们还把医疗板块拆分出来，成为一家独立的上市公司。

　　对于汽车行业，在10年前科大讯飞做得还很少，只是有一些车企开始使用我们的语音交互技术。可能很多人还记得，那时车载导航里出现了林志玲或者郭德纲的声音，大家觉得挺有趣，这就是我们做的。不过近几年随着汽车智能化的程度越来越高，我们的汽车业务也做得越来越多了，不仅为车企提供语音识别、合成及交互技术，还深入到智能音响等领域。

　　总的来说，科大讯飞是一家最早由学生创业、后来逐渐发展壮大的技术型公司，现在我们的技术在一些行业的应用越来越深入。

　　赵福全：目前科大讯飞的规模有多大？研发实力如何？能否从人才结构的角度来讲一讲，比如研发人员所占的比例有多少？

　　吴晓如：目前科大讯飞大约有1万多人，其中技术开发人员占60%，约六七千人。在这些研发人员中，有1500多人专门做AI技术，我们专门设有AI研究院，主要研究各种大模型，像讯飞语音、翻译大模型等相关技术就是在这个研究院开发出来的；同时，我们还设有软件技术中心和硬件技术中心。此外，我们还有各个不同的业务部门。公司的组织架构大体上就是这样。

　　赵福全：现在学生创业比较流行，但在1999年还非常少见。可以说，科大讯飞是应时代需求而诞生、随时代发展而进步的，公司业务从最初的语音合成与识别技术逐渐拓展到多种技术，并在多个行业应用。刚才您谈到，目前科大讯飞有1/4的研发人员在做AI技术，包括开发大模型，这可以说是紧跟智能化大潮的热点了。实际上，科大讯飞作为一家技术型公司，其发展历程就是始终坚持核心技术创新，同时把这些技术不断应用到更多的行业和领域中。包括汽车行业，近年来科大讯飞也做得越来越多。吴总，我们这个栏目主要就是面向汽车行业的，所以下面我想更多围绕着汽车业务来与您探讨。

　　众所周知，当前汽车产业正在经历前所未有的颠覆性变革。此前汽车在本质上就是硬件集成的产品，主要以硬件配置体现产品差异；在汽车销售出去之后，整车企业与用户基本上就没有直接联系了。随着智能网联技术的发展和应用，现在汽车搭载的软件越来越丰富，呈现出硬件标准化、同质化而以软件实现产品差异化的趋势；整车企业在用户使用汽车的全过程中都与其连接，并通过更新软件等手段持续优化用户体验。展望未来，汽车将进入到数据主导的新阶段，基于数据的AI能力会越来越强，车企基于此可以为用户提供更好的服务及体验。这意味着在SDV（软件定义汽车）的产品演进尚未完成之际，汽车行业现在已经开始探索AIDV（AI定义汽车）的发展之路了。在此背景下，我想了解一下，科大讯飞的汽车业务目前占多大比例？近几年的发展态势是怎样的？

　　吴晓如：目前科大讯飞汽车业务的体量还不算大，大约占我们整体营收的7%左右，但是发展速度非常快。早年科大讯飞是通过语音识别技术进入汽车行业的，当时车企发现车内不能只有触屏，还需要有语音，所以科大讯飞就为其提供语音技术的使用授权。后来不少车企合作伙伴希望我们能再进一步做一些场景的应用，比如通过语音来优化导航场景等。由此，科大讯飞的汽车业务也就从单纯的语音技术授权扩展到各种场景应用。在这种情况下，近几年我们的汽车业务整体上在不断扩大。

　　实际上，一直以来科大讯飞都聚焦于软件业务，所以之前在硬件主导的汽车行业中，我们的业务规模并不大；而现在由于软件在汽车产品中的比重越来越大、受重视程度也越来越高，我们与汽车行业的联系也就越来越紧密了。应该说，汽车行业是科大讯飞非常看好的、预计未来将会快速发展的业务板块之一。在这方面，今天我会和赵老师进行深入的交流。

　　赵福全：当前，汽车产业正在发生一系列重要变化。过去，汽车产品主要围绕硬件进行集成式创新。汽车产业形态则是由上游供应商、中间整车企业、下游经销商构成的线型链条；整供之间的分工很明确，供应商按照整车企业的要求提供零部件即可。现在，汽车产品通过硬件配置来实现差异化已经越来越难了。一方面，硬件很容易被竞争对手效仿而趋于同质化；另一方面，硬件研发周期长、投入大、成本高，一味堆砌硬件会给企业带来很大的负担；更重要的是，产品上市后即固化的硬件，无法为用户持续提供越来越多的功能、越来越好的体验。所以，正如吴总刚才谈到的，软件在汽车产品上的重要性越来越高、应用越来越广。实际上，汽车产业已经进入到软件主导的时代，特别是在AI应用的热潮下，软件的价值还在进一步增大。由此，汽车产业形态正向多主体分工协作的网状生态转变；相应的，整供之间也不再是泾渭分明的甲乙方，而是共生共创的合作伙伴，并衍生出一系列新的商业模式。比如近期广汽、宁德时代和京东就合作打造“国民好车”，由京东提供用户洞察、销售及售后服务，这就完全不同于以往供应商、经销商的角色了。

　　那么，您作为科大讯飞的领军人，如何看待汽车整供关系与合作模式的这些变化？这会不会为科大讯飞带来新的发展机遇？如果答案是肯定的，科大讯飞又该如何把握住这种机遇呢？请谈谈您的思考。

　　吴晓如：科大讯飞作为一家汽车供应商，同时我本人也作为汽车消费者，确实感受到汽车产业正在发生深刻的变化。以前，汽车只是一种出行工具，用户觉得车开着好就够了；现在，汽车越来越成为移动的空间，用户的需求较之前大幅拓展，车上也增加了满足这些需求的更多功能。例如，一些用户在车上不是简单地听听歌，而是希望能够享受音乐，这就对车载音响的音质提出了更高要求；又如，当前中国的互联网非常发达，很多用户都希望在车上也能享用各种各样的互联网服务，这就对车辆的网联化、智能化提出了更高要求。而与其他产品不同的是，在汽车产品的各种场景中，一定要以一种更加自然、完全不会影响到驾乘安全的方式来提供上述功能与服务，这就对人车交互的方式和质量提出了更高要求。

　　具体来说，汽车消费者对于车内导航、音乐等应用的需求显著提高了。这不仅仅是要求把原有功能做得更好，而是希望实现功能上的拓展和升级。也就是说，今后汽车要变成一个移动的音乐厅、一个移动的影视厅，同时还是一个移动的健康空间。为了实现上述功能拓展，就需要像科大讯飞这样的供应商与车企共同努力。

　　在这个过程中，我们也亲历了整供关系的转变：不再是车企直接给出功能定义、供应商按要求交付的单纯买卖关系；而是车企先提出功能定义，然后整供企业一起讨论相关场景、完善功能定义、共创技术方案，看各自的技术分别能完成哪些部分，又该怎样融合起来，以便为消费者提供其真正需要的功能。例如，前段时间科大讯飞就是按照这种方式打造推出了汽车智能音响产品。从这个意义上讲，我认为车端应用场景的牵引作用至关重要。

　　赵福全：的确如此，就像吴总刚才讲到的，汽车产品的空间属性正在不断放大，无论是客厅般的舒适体验，还是音乐厅般的音响效果，汽车作为“第三空间”的特征与内涵日益丰富。在这种情况下，整车企业只靠自身力量是难以应对的，毕竟与空间属性相关的很多核心技术都是车企并不掌握的，有些也不应由车企掌握，这就需要与供应商进行共创。由此，整供车企之间也就从简单的买卖关系转向了协同共创的伙伴关系。

　　究其根源，我认为这是“新汽车”时代的必然趋势。我之所以提出“新汽车”的概念，就是想强调本轮变革并非只是汽车动力形式的改变以及智能化技术的引入，而是会将汽车产品彻底重塑为全新的物种，并由此引发整个产业范式的巨变。包括我们刚刚谈到的整供关系的改变；也包括销售模式的改变，传统的4S店模式正在向线O”模式演进。那么在本轮汽车产业巨变的过程中，您认为科大讯飞有哪些独特的核心技术能为车企赋能呢？

　　吴晓如：赵老师对行业的理解非常深刻。大家知道，此前整车企业把供应商分为T1（一级供应商）、T2（二级供应商）、T3（三级供应商）等，科大讯飞最早与车企合作时只是T2或T3。近几年有多家车企的领导都曾和我说过：科大讯飞不该是T2，甚至也不是T1，而应该是T0.5（0.5级供应商）。他们表达的意思是，科大讯飞在做的很多事情，都不是车企先把需求定义清楚，然后交给我们来落实，而是双方先沟通技术能做到什么程度，然后再一起定义需求和共创方案。

　　我举两个具体的案例。第一个例子，早期我们做车载语音交互，都是一些简单指令，比如“打电话给某某”。后来人车之间的语音交互越来越复杂，不只驾驶员需要语音交互，车上不同位置的乘客也都需要语音交互，而且对语音交互准确性的要求也越来越高。这就要求座舱里的麦克风必须准确采集到每个座位上乘客的语音。但是我们发现，车内麦克风的原有布置方案无法满足上述要求，因为此前车企在选择布置方案时只考虑了设计上的美观和工艺上的易实现等因素。在此情况下，我们就与车企深度沟通，强调必须把准确采集语音的需求也考虑进来，并与车企一起优化麦克风阵列的布置。这实际上体现了软硬件一体化的理念：科大讯飞并非单纯地提供语音交互软件，而是也要参与到硬件的开发中，通过与整车企业深度共创来确保软硬融合。

　　第二个例子，现在AI大模型特别热，越来越多的车企把各类AI大模型引入到汽车产品中，而这些模型需要相应的硬件支撑。那么，一辆汽车到底需要多大算力的芯片呢？显然，不同定位、不同价位的车型，其配置芯片的需求肯定是不一样的。这就需要我们与车企沟通，看他们究竟想实现哪些场景，为此我们需要应用哪些技术，最终根据这些技术的适配方案来确定算力的需求。实际上，我认为未来AI能力平台将成为汽车产品的“基础设施”，即每辆车上都会搭载一定的基础硬件，以支撑后续不断增强的AI功能。这其中有很多细节的工作，需要整供双方共同商讨及推动落地。

　　就科大讯飞而言，不管是早期的语音交互，还是现在的各类智能应用，我们的核心技术都需要语音、图像等方面的AI能力支撑；而这些AI能力又都需要构建在底层硬件之上。这就要求我们必须深度参与汽车产品的开发，与车企沟通讨论，一起确定合适的硬件环境。

　　赵福全：吴总，我们这个高端对话栏目的观众群体非常广泛，包括很多行业领导、企业高层以及技术专家都会收看。所以，我们不妨敞开来聊，相信一定会有很好的传播效果。

　　我觉得，您刚才提到了非常重要的一点，整供企业之间的分工及关系正在发生重大变化。以科大讯飞为例，曾经你们只是T2或T3，只需提供相关软件，帮助车企实现语音识别等基本功能即可。但是近年来情况不同了，车上不仅需要有更多的功能，并把这些功能做得更好，而且具备了一定的功能和性能还不够，还需要让用户获得更好的体验，这就不是整车企业独自就能做到的了。在这方面，吴总讲的麦克风布置的案例就很典型。以前车企只关注麦克风的功能是否可靠、安装是否方便、外观是否符合内饰的整体风格等因素；而现在还必须精准判断出是哪个位置用户的语音，这就需要基于对声学的深刻理解，重新确定麦克风的数量、性能和位置，以期实现良好的语音交互效果。

　　现在业界都在讲所谓“体验经济”，在我看来，其关键在于产品不只是功能有无的问题，也不只是性能好坏的问题，而是要做得“精细”，让用户获得最佳的体验。或者用当前另一个流行的概念来说，就是要为用户提供“情绪价值”。比如用户在车内听音乐时，有音乐厅一样的沉浸感；在车内玩游戏时，有身临其境、现场对战的逼真感，等等。说实话，对于这样的用户体验，整车企业就算想得到也很难做得到，毕竟车企的核心业务是造车，而不是打造视听环境。以音响为例，其效果与硬件、软件、车内环境等诸多因素都有关，整车企业唯有借助专业供应商多年积累的技术能力，进行深度协同共创，才有可能拿出最优的方案。所以我认为，汽车产业正从集成式创新迈向融合式创新的新阶段，车企如果认为自己主导就能做好所有事情，甚至还秉持“肥水不流外人田”的想法，那就太低估供应商专业化能力的重要性了，最终肯定无法实现最佳的用户体验。

　　赵福全：吴总刚才还谈到了人工智能。实际上，AI带来的影响远不局限于汽车产业，而是会重塑整个世界。所以，我想请您先分享一下，AI将对人类社会产生哪些重大影响。然后再聚焦汽车产业，谈谈未来5-10年AI会带来哪些变化。而科大讯飞对此准备如何应对，要做哪些储备？

　　吴晓如：赵老师的这个问题很大。人工智能的影响非常广泛且深远，说实线年后AI究竟会发展到什么程度，真的很难预测，因为变化实在太快了。虽然我在人工智能领域已经做了20多年了，长期身处其中，但最近两三年的发展还是让我切身感受到“眼花缭乱”——各大厂商不断推出各种AI模型，并且很多模型的技术迭代进步速度远远超出预期。

　　更重要的是，人工智能并不只是技术层面的变革，而是将给整个人类社会带来全方位的变化。从国家层面看，当前发展AI已经成为中国的国家战略，同时其他很多国家也都高度重视AI，将其视为全球竞争的制高点。我认为，后续AI必将对国际政治经济格局以及各国之间的关系产生极其重大的影响。

　　从社会层面看，在AI的影响下，未来的职业结构一定会发生显著变化。相应的，教育模式必然随之改变。更进一步来说，整个社会的结构也会发生深刻变化。

　　从企业层面看，首先是产品本身，当前包括汽车在内的各行各业，都越来越重视AI，致力于通过AI来提升产品的竞争力。因为AI可以实现精准化、个性化的产品及服务，就是说，不再只是简单地实现某些功能，而是让这些功能能够更加精准地匹配用户的需求，真正触达用户的痛点。其次是研发模式，在AI的影响下，整个产品的开发流程及管理模式等都将发生变化。以前一款产品的核心开发团队需要很多人，现在借助AI，用更少的人就能完成同样的任务，而且还能把产品定义得更准、打造得更好。最后是组织模式和人才需求等，这些方面也会随着产品及其研发模式的改变而变化。

　　正因如此，科大讯飞这几年花了大量精力进行内部建设，比如鼓励优秀的员工和团队总结提炼AI应用经验，让这些经验在公司内部快速传播和复用。面对AI的快速发展，我们能做的就是在技术应用上跑得更快，为此要让企业的研发模式、服务模式和组织模式等，能够支撑一系列新技术的快速应用。同时，企业也要对员工负责。比如说，很多员工加入科大讯飞时，AI大模型还没有出现；所以现在我们要及时给员工进行AI基础技术及行业应用等方面的培训，让大家都跟上AI快速发展的节奏。

　　近期大家经常讨论的一个话题就是，AGI（通用人工智能）究竟何时能够实现？对此的估计既有乐观派，也有悲观派，即便长期从事AI的专家学者意见也不一致，甚至是天差地别。其实这种所谓“AI根技术”的发展进程是难以精准预判的，就更别说对AI技术应用于各个产业的深度和广度进行判断了。我倒觉得，与其纠结于这些判断，不如积极实践。正因如此，企业要做的就是专注于自己的领域，把AI技术的落地应用做得更扎实，这样才能更好地适应AI的发展，进而推动AI的进步。

　　赵福全：我完全认同吴总的看法，现在要准确预测5年、10年之后AI的状态，确实很难做到。因为技术的进步实在太快了，用“日新月异”来形容一点都不为过。我曾经讲过，2024年AI还是“山雨欲来风满楼”，而2025年已经是“忽如一夜春风来”了——尽管AI大范围普及应用的春天还没有真正到来，但是各行各业都已经感受到春天般的气息了。

　　您还特别谈到，AI带来的影响不只局限于某一项技术或某一个环节，而是会波及人类社会的各个方面。我觉得，这一点您看得非常透彻。就企业而言，我同样认为，AI将引发整个运营体系的全方位变革，从研产供销服全链条的各个环节，到产品体系、知识体系、能力体系及人才体系等，都将被AI重塑。

　　赵福全：由此就带来了一个问题：在AI快速发展的新时期，科大讯飞对自身角色是如何定义的？你们究竟是AI的技术开发公司，还是在AI赋能下拥有较强AI应用能力的公司？这两种公司的定位完全不同：比如，汽车企业肯定不会成为AI技术开发公司，但完全可以成为很强的AI应用公司。您刚才也谈到，AI根技术和AI应用是两回事。那么围绕着AI领域，科大讯飞是怎样自我定位的呢？

　　吴晓如：这是一个非常好的问题。科大讯飞内部也在持续思考和实践，因为这直接关系到公司未来发展与组织变革的方向。目前，我们在AI方面的具体措施大致可以分为三个层面：

　　第一，我们在公司内部专门设立了人工智能研究院，重点研究底层的通用大模型，比如星火大模型。在研发过程中，我们会更多地考虑模型在相关行业的关键应用场景，包括教育、汽车行业等等。由于现在外部的通用大模型发展很快，所以我们的星火大模型也必须不断地向前快跑。为此，我们还建立了模型的测试体系，不仅有通用性的测试体系，还有为各种应用场景搭建的专属测试体系，以便让用户能够直观感知到我们的大模型一直在进步。

　　第二，我们采取了“1+N”的AI应用模式。其中，“1”是底层的通用大模型，“N”则代表不同行业的应用场景，比如汽车产品就可以基于科大讯飞的通用大模型，实现各种不同的应用场景，即在“1”的上面加上很多个“N”。在应用层面，科大讯飞的灵活性是很高的：客户既可以使用我们的星火大模型；也可以选用外部的开源大模型，再由我们协助完成“N”的工作。在公司的组织架构中，我们把各个行业的业务部门统称为事业部。每个事业部也即业务部门内部也有专门的AI团队，当然他们更多的是做AI模型应用的。由于这些团队在讯飞内部工作，与我们的大模型研发团队距离非常近，彼此可以随时交流，所以他们对大模型有较强的“鉴赏”能力，非常清楚哪些大模型适合什么样的特定场景。就是说，无论是基于我们自己的通用大模型，还是基于外部的通用大模型，他们都有能力有效匹配及实现相应的应用场景，并达到良好的效果。与此同时，面向一些重要行业的“N”，业务部门还会结合该行业的专属数据，训练更贴合其应用场景的行业模型和场景模型。

　　第三，无论哪个业务部门，我们最终的核心目标在于提升AI应用的用户体验。例如，汽车行业的车控、音效、智驾等应用，都要站在用户角度来判断其效果的优劣，或者说都要以用户的体验感和认可度为评价指标。其他行业的应用也是如此。说到底，AI技术即便再先进，如果不能为用户带来所需的价值，也没有任何实际意义。

　　整体而言，科大讯飞首先是一家人工智能公司，我们必须确保自己的底座模型始终处于第一阵营。同时，科大讯飞也高度重视人工智能的关键应用，我们在AI应用层面也要走在前面。而科大讯飞业务部门的核心任务就是把各种基础模型用好，既包括我们自己的模型，也包括其他第三方的模型，都要基于各种数据进行专业化的训练，还要把不同来源的技术都融合起来，最终实现最好的应用效果。以上就是我们公司目前的定位和策略。

　　赵福全：吴总讲得非常好。科大讯飞作为一家AI公司，一方面在做通用的基础大模型，就是您所说的“1”；另一方面也在做若干行业的关键应用，就是您所说的“N”。而这个“N”的具体数量和内容，取决于企业自身的重点战略方向和业务拓展能力，具有很强的灵活性。

　　从逻辑上讲，在开发基础模型的同时，推进其应用于若干垂直领域，这在短期内肯定是有益的，既能以基础模型支撑应用的落地，又能以应用拉动基础模型的优化。但从长期来看，这未尝不是一种挑战，毕竟战略需要聚焦。说到这里，我想与您探讨一个问题：科大讯飞把资源分散到多个“N”上，会不会影响你们对基础大模型的持续投入及其性能的快速提升呢？我判断，未来真正能够存活下来的基础大模型，数量可能会非常有限，如果科大讯飞的基础大模型最终没能进入第一梯队该怎么办？会不会有这样一种风险——本来想要兼顾“农业”和“工业”，结果顾此失彼，导致田没种好，工厂也没做好呢？

　　这个问题可以再延伸一下，您认为5年之后，或者说等到AI大模型收敛的时候，科大讯飞会是一家专业的AI大模型公司，还是一家更偏重AI应用的公司？特别是在我们重点讨论的汽车行业，届时科大讯飞会是怎样的角色？

　　吴晓如：我觉得，最终大模型就相当于一种非常底层的操作系统，或者说类似于一种基础性的数据库。由此出发，我完全同意赵老师刚才的判断——5年以后底层大模型的数量肯定不会像现在这么多。我认为，到时候应该只会剩下少数几家公司的大模型。至于具体会是哪几家公司，现在还没有定论。站在今天这个时间点上，恐怕没有哪家企业敢说自己已经稳稳拿到了未来大模型的船票，就此可以高枕无忧了，这一点是确定无疑的。

　　那么，怎样才能成为最终留下来的大模型公司中的一家呢？我想关键因素在于：你的大模型是否在一些体量大、范围广、用户多的场景中落地应用了。如果能在这样的场景中站稳脚跟，这个模型就更有可能走到最后。因为最终决定哪些底层模型能存活下来的，一定是用户的选择。这是我想说的第一点。

　　第二点，当前科大讯飞其实也是有所聚焦的，并不是在各个方向上都全面铺开。比如，刚才谈到的教育行业，就有比较独特的应用场景，这是我们核心的业务方向之一；再如，我们也非常关注汽车行业，因为汽车也有交互类的重要应用场景。

　　以教育行业为例，早年我们进入其中主要是靠语音技术。而现在大家讲得更多的是多模态交互，不过语音技术在其中依然处于核心位置。所以，我们完全可以在语音技术优势的基础上，重点拓展相关的应用方向，诸如语音记录、语音翻译以及多模态交互等。其他行业也是如此，我们都是有选择地进入的，而非盲目扩张。

　　第三点，上述策略也可以从用户体验的角度来审视。在真正意义上的AGI到来之前，用户对大模型的使用习惯其实还在形成中。而我们希望依托自身的模型开发及应用能力，在人车交互等重要场景中为用户提供最佳体验，并由此培养用户的使用习惯。最终只要用户体验足够好，我们的底层模型就一定能在相关行业中占据一席之地。而如果用户都习惯于使用科大讯飞的底层模型，我们的优势也就更加明显了。

　　总之，一方面，我们在推动通用的底座模型持续发展，另一方面，我们也构建了模型应用的开放平台，并且目前已经有了大量的用户。后续我们希望这个开放平台能够吸引来自不同行业的更多用户使用。毕竟对于通用的底座模型来说，除了模型自身的效果要好之外，与第三方生态建立良好的连接，这也是一个至关重要的因素。而要建立这种连接，最重要的工作就是要把重点行业的关键场景做好。

　　对此，正如我前面谈到的，科大讯飞内部在AI领域的组织划分和分工模式是明确的：一部分人专注于通用模型的研发，另一部分人聚焦于垂直领域的模型开发及应用。比如，我们有专门从事人车交互等汽车业务的团队，他们不仅深刻理解大模型的机理和优化方法，也非常熟悉汽车产品的应用场景和具体需求。正因如此，他们才能立足于底层模型，更快更好地进行落地应用和迭代优化，进而不断提升用户体验。

　　回到您刚才的问题，科大讯飞的核心目标是，在我们最关注的几个重点行业的应用场景中，确保我们的大模型能够立得住。当然，从技术角度看，最终的解决方案很可能是多个大模型相互融合，所以我们在自研大模型的同时，也不排斥使用其他大模型。但是不管使用哪种大模型，关键是要对AI大模型及其底层算法有足够深入的理解，这样才能把我们自己的大模型打造成最好用的大模型之一，同时也才能把基于大模型的各种应用场景做出最佳的用户体验。

　　赵福全：我听下来感觉科大讯飞作为一家技术型公司，其自身定位是很清晰的。在技术创新上，科大讯飞具有坚持核心技术创新的基因，从最初以语音合成与识别技术为起点，到后来逐步扩展至多模态交互技术，再到如今深耕AI大模型开发及重点行业应用，始终都是如此。在商业模式上，科大讯飞从单纯的技术输出逐渐转向为行业提供各种应用系统及解决方案，目前已深入扩展到教育、医疗、汽车等多个行业。特别是在汽车产业发生全面重构的背景下，科大讯飞从早期的导航语音切入，到现在已经覆盖了多模态交互、智能音响、智能座舱、AI算力布局等众多领域，其汽车业务近年来取得了长足发展，且将成为科大讯飞未来的增长引擎之一。

　　而在AI领域，吴总刚刚也谈到了科大讯飞的差异化竞争策略：即AI基础大模型开发与重点行业关键场景应用同步推进，二者相辅相成、互为促进。在吴总看来，要线”的开发，就必须做好大模型在“N”个行业及领域的落地应用，包括教育、医疗、汽车行业等等。科大讯飞通过深度参与这些重点行业的AI应用，可以更好地了解特定产业的真实需求，获得相关用户群体的真实反馈，从而使自己开发的基础模型更具针对性和适配力。同时，基于基础模型的开发能力与经验，科大讯飞也可以更好地推进AI大模型在相关行业的应用。在这个过程中，科大讯飞并非只限于自身的基础大模型，而是也可以基于第三方的开源大模型来为客户进行应用开发，核心目标是实现端侧的用户体验最优。吴总强调，未来究竟哪家公司的大模型能在竞争中最终胜出，关键在于用户的选择——大模型的应用越广、体验越好，就越有竞争力。这也是科大讯飞选择基础模型开发与行业应用并重策略的底层逻辑。

　　其实关于AI大模型的问题，我之前曾与多家整车企业的高层讨论过，大家普遍认同“1+N+X”的大模型应用范式：其中，“1”代表基础大模型，当然基础大模型未必只有一个，也可能是几个。过去业界的认识偏向于选择一个最好的大模型即可，但现在发现不同的大模型各有能力侧重，通常并没有绝对的“最好”。“N”代表在基础大模型之上构建的若干行业或垂域模型，在这个层面，不同行业和领域的差异是很大的：比如，汽车、医疗、教育等行业的需求就完全不同；又如，在汽车行业内，围绕智能驾驶、智能座舱以及研产供销服等方向，也都是高度专业化的不同领域；而“X”则代表针对具体应用场景的专业模型，这要由各家企业基于“1”和“N”，并根据自身业务和能力情况来构建及优化。下面，我们重点讨论一下AI在汽车行业的应用方案。

　　赵福全：当前业界有一个普遍关注的核心问题——未来汽车行业究竟是会形成一个专属的基础大模型？还是会出现一个对汽车产业适配性很强、但并非汽车产业专属的基础大模型？又或者是汽车产业同时适配于多个通用的基础大模型？不知道吴总对这个问题怎么看？

　　吴晓如：我个人认为，在可预见的未来5-10年，汽车行业一定需要专属的大模型。其主要原因有两点：一是汽车产品对端侧能力包括响应速度、可靠性等的要求极高，对隐私保护的要求也很高；二是汽车产品的端侧算力在目前已有的各种智能设备中是最强的，足以支撑相当程度的大模型。所以，专门面向汽车产品部署高度适配的端侧大模型既有需求，也是可行的。而端侧本身的限制使汽车产品不太可能部署基于Scaling law（缩放定律）构建的通用基础大模型，毕竟通用基础大模型的规模太过庞大，难以在车上部署。

　　应该说，汽车产品对端侧模型有着独特的需求：一方面，端侧模型要承担人车交互的基本任务，也要承担智能驾驶及人员健康监测等各种场景的任务；另一方面，汽车产品作为开放的系统，需要高效对接各种互联网服务，特别是未来必须与云端模型打通，因此端侧模型还要具备与云端协同的能力。由此出发，我觉得，打造汽车产业专属的端侧模型将是相关企业的一种必然选择。

　　与此同时，汽车产业的云端模型将如何发展，仍然存在较大的不确定性：一方面，云端模型可能逐步收敛为少数几个基础大模型；另一方面，也不排除部分企业构建“通用的基础大模型+行业大模型”相结合的底座，再基于此拓展自身的各种服务。这种模式类似于当前一些互联网公司将自身服务与大模型底座深度嵌套的发展路径。

　　简单地说，我的判断是：未来云端可能会形成基础模型与各种汽车行业模型并存的格局，而汽车产品端则需要配备专属的端侧模型。当然，以上观点不一定正确，仅供参考。

　　赵福全：吴总讲得很好。您大可不必有任何顾虑，今天我们交流的很多问题，本来就没有一致的意见或者公认的结论。特别是人工智能的发展速度远超预期，其引发的各种变化往往出乎所有人的预料。比如，Open AI恐怕就没有料到DeepSeek的出现会带来这么大的冲击；又如，最近谷歌的Gemini 3又呈现出了后来居上的态势。实际上，过去两三年间这种“此起彼伏”一直在不断发生，这恰恰表明AI及其在各行各业深度应用的格局还没有定型。事实上，在当下这个科技黑马持续涌现、创新成果层出不穷的时代，对于AI技术未来的发展进程，我想没有谁能够给出绝对精准的预测。有位知名AI专家就曾在公开场合说过，自己甚至不敢预测6个月后的AI技术走向。

　　另外，前段时间华为在其发布的《智能世界2035》中提出，到2035年全社会的总算力将比2025年增长10万倍。这个预测想必会让很多人大感震惊，其实在我看来，我们更应关注华为这种科技公司对未来AI发展之快的大势判断，至于具体数字反而没那么重要，要知道届时即便只实现了预测值的1/10，即算力增长了1万倍，也是非常庞大的数字了。这背后涉及到电力供应、基础设施建设以及巨额资金投入等一系列问题，充满了机遇和挑战。最终，在日益增长的算力支撑下，人工智能的发展将会越来越快，并给整个社会带来颠覆性的变化。

　　赵福全：吴总刚才谈到，科大讯飞既在布局基础大模型，也在深耕包括汽车在内的重点行业应用。与此同时，汽车企业也在持续加大AI领域的投入。而汽车产品有其独特性，可以说是对安全性要求最高的大型移动智能终端。另一方面，汽车产品又是价值巨大的智能终端。我一直有这样一个判断：如果说在互联网时代，手机是核心的移动智能终端；那么进入物联网时代，汽车必将成为核心的移动智能终端。因为汽车作为未来城市中的移动节点，能够连接所有的固定节点，也就是各种各样的智能终端，从而打通人流、物流、能源流、信息流和价值链。在此背景下，您对汽车行业拥抱AI有哪些建议？科大讯飞在这方面又有哪些具体实践?

　　吴晓如：近年来汽车产业的发展有两条主线，即电动化和智能化。而我们在与多家车企高层的交流沟通中发现：电动化的路径已经比较清晰了，其核心在于续驶里程等关键指标的提升，具体措施包括优化动力电池等；相较而言，智能化的路径尚未收敛，还需要相关各方一起努力、共同探索。不过有一点是明确的：汽车智能化，包括人车交互、智能驾驶等，都是用户最能直接感知到的环节，早已成为影响用户购车选择的核心要素。因此，拥抱AI对汽车企业来说至关重要。展望未来，我认为车企如果跟不上AI的发展节奏，无法实现产品与AI的深度融合，是不会有竞争力的，最后大概率将被淘汰。

　　当然，各家车企由于基因差异等原因，其转型难度各不相同。部分新势力车企最初就是以数字化科技公司的姿态进入汽车行业的，因此拥抱AI的意识相对更强，在“软件定义汽车”等方向上更容易发力，对智能化的推进可能也就更顺畅一些。而传统车企受限于内部长期形成的组织结构和发展惯性，再加上大企业落地各种举措往往需要更多时间，所以推进智能化的难度会更大一些。不过我想强调的是，近年来传统车企的转型行动并不慢。尤其是部分实力雄厚的传统车企，通过资本合作、战略投资等多种形式与AI科技公司紧密联动、深度合作，已经突破了传统“甲方-乙方”的合作模式，并由此在内部初步建立起了较强的AI应用体系。事实上，我感觉目前大多数车企的管理层都非常清醒，他们已经认识到：汽车产品本来就是高度复杂的系统工程，是国家工业体系综合实力的集中体现；而现在融入智能化之后，其复杂度就更高了。正因如此，汽车企业只靠自身力量是难以充分拥抱AI的，必须加强与AI科技公司等的有效协作。

　　在我看来，在智能化方向上，汽车企业亟需探索新型合作模式，特别是要与AI科技公司在“产品定义-产品打造-产品运营”的全链条上深度协同。目前有些车企在这方面已经走在了前列，其他车企也都在持续推进中。我认为，总体而言，汽车企业与AI深度融合是一项非常复杂而艰巨的任务，今后还需要车企与相关科技公司共同尝试多种形式的合作，以期实现更紧密的融合。

　　赵福全：吴总讲到，当前人工智能已经进入到规模化应用的阶段，后续将对整个社会产生颠覆性的影响，为此企业必须积极拥抱AI。在这一点上，汽车行业的认知也是一致的。同时，您分析了不同车企在智能化转型上的差异，认为新势力车企拥抱AI会相对容易一些。对此，我想与您进一步探讨。这种差异是源于思维理念吗？可是前面您也提及，现在传统车企的高层已经充分认识到了AI的重要性。又或者是由于新势力车企具备某些独特的能力？我认同您提到的有些新势力车企带有数字化或者说互联网科技公司的基因，但是互联网时代与人工智能时代的思维方式、核心能力等，其实并不相同。在这种情况下，为什么说新势力车企拥抱AI的机会更大呢？

　　吴晓如：我所说的新势力车企拥抱AI会相对容易一些，更多的是因为它们具有时间窗口上的优势。新势力车企在成立之初，没有任何历史包袱，甚至连工厂都是新建的，它们从一开始就致力于打造智能电动汽车产品，并聚焦于相应的产品定义、软件研发和体系建设等。如果把企业比作一个人，那么新势力车企在组织架构、人才结构等方面，天生就更贴近AI的发展需求。

　　相比之下，传统车企长期围绕发动机、变速箱等硬件构建自身的核心能力体系，其组织架构、人才结构等都是在硬件技术的基础上逐步形成的。这种长期积淀必然会产生某种发展惯性，导致企业面向AI的转型节奏相对缓慢。我认为，这是主要原因所在。与此同时，尽管不少传统车企的高层对AI的认知也已经非常深刻了，但不同企业、不同领导的重视程度还是有区别的，而这恰恰会影响企业转型决心的强弱、行动速度的快慢以及具体举措的优劣，并最终决定企业拥抱AI的效果。

　　赵福全：吴总提到的这一点非常重要。我原本以为您会从资金或者说资源约束的角度来谈传统车企拥抱AI的难点，毕竟它们需要新旧业务兼顾。但您更强调组织架构和人才结构等固有差异对企业转型速度的影响，这很可能会导致传统车企出现行动“慢半拍”的迟缓，进而恐将错过拥抱AI的关键窗口期。事实上，AI的重要性毋庸置疑，企业如果认知到位，下定决心拥抱AI，我想资金总能筹措到，人才也总能招聘到。而吴总谈到的既有组织架构、流程体系等带来的惯性，却没那么容易解决，或将成为传统车企智能化转型的核心制约。

　　那么在吴总看来，汽车企业尤其是传统车企，要想真正拥抱AI，究竟需要在哪些方面做出重大调整、采取有力行动，才能更快地获得转型成效呢？

　　吴晓如：赵老师的这个问题很难回答，可能也没有标准答案，我还是谈谈个人的看法。之前我曾经看过一篇分析大众汽车在互联网时代面临转型困境的文章，其中提及大众在做OTA（在线升级）的过程中非常吃力。客观地说，大众团队在相关领域的专业能力并不弱，但还是遇到了一系列问题。而这些问题及其根源，对于当前车企在AI时代的转型，同样具有参考价值。

　　从本质上看，互联网时代更侧重于应用层面的创新，而AI大模型时代更聚焦于底层技术和基座的突破。具体而言，车企要想真正拥抱AI，必须解决四个核心问题：第一，在AI时代大模型人才极度稀缺，企业必须以足够的投入来引进顶尖的AI大模型等相关人才。第二，为了让这些顶尖的AI人才有效发挥作用，企业必须为其提供适宜的内部环境，使其能够快速立足生根。而这个环境中最重要的就是企业文化和组织架构。第三，有鉴于此，企业必须变革自身的组织架构，使之适配“以AI为中心”的发展需求。不过我想强调的是，这种变革绝非“单点突破”就能奏效，只是简单成立一个AI部门、配备200名AI人才，并不能解决根本问题，因为拥抱AI不是靠单一部门、单一环节的变革就能达成目标的，而是需要构建起内部各部门高效协同的组织及机制；第四，在此基础上，企业还必须与供应链伙伴形成分工协作、深度融合的新型业态，也就是说，企业需要向外进行商业模式与合作机制的变革。

　　总之，企业推进面向AI的全面转型时，必然会遇到各种难题和障碍，这个时候比拼的就是谁能更快地破解这些难题、突破这些障碍。一句话，汽车企业拥抱AI的竞争，关键在于解决问题的速度。

　　赵福全：大家有没有注意到，关于车企如何拥抱AI的问题，吴总并没有谈到诸如数据、算力、算法等技术层面的要素，而是强调必须建立适配AI发展的组织架构；同时吴总认为，AI时代企业组织变革的核心在于提升解决问题的速度。应该说，汽车产业目前还没有形成面向AI的最佳组织形态，各类企业都需要在持续实践中迭代优化自身组织。相对而言，传统车企由于长期受机械硬件技术及逻辑主导，其组织架构和流程体系已经固化多年，包括人才结构、管理方式、薪资体系及激励机制等均深度嵌入在现有体系中，因此，传统车企的组织变革恐怕要比“从零开始”的新势力车企难得多。

　　需要强调的是，上述组织变革不只限于企业内部，还要拓展至企业外部。毕竟AI大模型等基础技术都是由科技公司提供的，所以，车企必须与AI科技公司等紧密合作。而有效合作的关键在于两点：一是车企要摒弃传统整供关系中处于绝对主导地位的“老大”心态，谋求与AI科技公司等建立真正的战略伙伴关系；二是车企要解决对外合作中的组织适配问题，比如企业之间数据如何共享、业务如何协同等，都需要相应的组织、模式及机制支撑，否则效果将大打折扣。也就是说，无论是传统车企，还是新势力车企，都必须构建更灵活、更开放的组织架构与流程体系，以提升企业面向AI的分工协作、快速迭代和随机应变能力。也唯有如此，企业拥抱AI才有了切实落地的基础，而不只是一句宣传的口号。

　　当然，这一点说起来容易，做起来很难。比如，同样的科大讯飞星火大模型，业内所有车企都可以选用。然而能否用得好并与自身业务深度结合，这就要看各家车企能否围绕着模型落地，构建起适宜的组织架构和业务流程了。否则，即便选择的大模型再好，也是难以有效落地的。从这个角度看，既有组织和体系根深蒂固的传统车企转型难度的确相对更大，不过新势力车企的挑战同样不小，如果不能有效变革组织，也难以适应AI时代的发展需求。

　　吴晓如：赵老师的总结很精准，重点确实就在组织架构方面。因为人工智能属于数字化技术的大范畴，而一些新势力车企在起步阶段就具有数字化的天然基因，再加上这类企业成立时间短、转型负担轻，所以建立适配AI发展的组织可能相对容易一些。但这并不是绝对的，事实上，当前不少传统车企的智能化转型速度也非常快。

　　赵福全：吴总，前面您提到，科大讯飞在教育、医疗等行业都做得非常深入。那么，科大讯飞在其他行业的实践中，有没有共性的经验可以为汽车产业提供参考和借鉴？与此同时，您觉得就引入AI而言，汽车与教育、医疗等行业相比，又有哪些个性的差异？

　　吴晓如：我主要谈谈不同之处。在我看来，汽车与其他行业的第一个差异就在于，科大讯飞在其中扮演的角色与其他行业不同。以教育行业为例，科大讯飞提供的是完整的数字化系统，直接交付给用户使用，这些系统的定义由我们负责；但是汽车行业不同，车企始终要对整车产品及其核心系统负责，科大讯飞提供的只是系统内的一个模块。因此，产品及功能的定义本身就存在明显差异。汽车行业是由车企来主导，仅在部分场景下我们会受邀参与，提供建议、商讨方案。这也导致了产品及功能落地的节奏有所不同，汽车行业相较于教育等行业要慢一些。当然，不同车企的情况也不一样。比如部分车企在与我们的合作中比较开放，我们的想法就能较快地融入；也有部分车企相对封闭，且自身决策周期较长，一些功能就难以快速落地。我认为这一点是汽车与其他行业的最大差异所在。

　　第二个差异是，汽车智能化的复杂性更高。未来汽车产品不仅仍将具有复杂工业品的基本属性，还将成为一个复杂的大智能体，这个大智能体集成了多种不同的小智能体及其智能化功能，并且这些功能不能是零散的，而是必须给用户提供完整的体验。这就要求整车企业必须在统一的协同框架下，有效整合像科大讯飞这样的众多供应商，这种跨领域、跨系统、跨企业的协同难度是非常大的。

　　第三个差异是，汽车的使用周期更长。与手机等快消品完全不同，汽车产品属于耐用型消费品，其使用周期通常长达5-8年乃至更久。因此，汽车产品定义必须考虑硬件长期支撑软件迭代更新的问题，这对车企来说无疑是一大挑战。事实上，由于不同的软硬件供应商往往各有立场，车企必须在产品及系统定义阶段就做好软硬件的统筹规划以及相关供应商的有效协同，这样才能确保汽车产品在整个使用周期内都可以为用户提供良好的服务及体验。

　　赵福全：我觉得，吴总刚才谈到的三点抓住了汽车行业的核心。正是因为科大讯飞在教育、医疗、汽车等多个行业均有深入布局，加上你们对AI及其应用的理解非常深刻，才更能体会到汽车行业的独特性。这就是我常说的，在电动化、智能化的时代，原本就高度复杂的汽车产业、企业和产品正变得更加复杂，涉及到诸多要素及其背后的不同主体，而且这些主体之间呈现出“你中有我、我中有你”的交织状态和复杂关系。

　　从产品层面看，我认为，未来汽车产品必将成为整合多个单智能体的复合智能体，像空调等单智能体都是这个复合智能体的组成部分。从企业层面看，车企要设计、制造并运营好这样的汽车产品，其自身也必须进化成为综合性的智能体体系。具体来说，汽车企业的研产供销服等各环节都要形成各自的智能体，并且还要相互打通；企业的运营管理也要形成相应的智能体；最终这些智能体将共同构成企业的综合智能体体系。从产业层面看，此前汽车产业以硬件为主导，其参与主体相对固化，彼此之间分工明确、边界清晰，形成了以整车企业为主导、各级供应商逐层配合的线型链条；而未来汽车产业将以软件乃至AI为主导，涉及到更多不同类型的跨界参与主体，并将由此形成边界模糊、彼此交融、深度协作的网状生态。站在更高层面看，未来汽车作为复合智能体还将与交通、能源和城市中的其他诸多智能体相互连通，形成规模庞大、能力超强的群体智能，从而为人类提供更多元、更精准、更优质的出行服务。显然，这意味着汽车的复杂度和协同性都将空前提升。也就是说，在AI时代，汽车产业的逻辑将会发生根本性的变化。

　　正因如此，汽车产业亟需重新构建与传统汽车产业完全不同的整供关系及商业模式：未来一些不生产任何零部件的供应商，也将成为汽车生态中不可或缺的参与者。而整车企业唯有把汽车产业所涉及到的诸多要素、主体及其背后的资源和能力，都整合协同到最佳状态，才能真正打造并运营好越来越懂人的汽车，为用户提供越来越贴心的服务体验。

　　吴晓如：是的，汽车产业的变化非常大。特别是汽车产品在交付后，还会经历5-8年的使用周期，需要持续为用户提供服务，因此车企与供应商的关系显然不可能“交付即结束”，否则后续必将出现各种问题。何况AI的迭代进步速度如此之快，现在早已不能用“年”，而是必须以“月”为单位来审视，几乎每隔一两个月，AI技术就会有很大的差异，这就更需要车企与提供AI技术方案的供应商保持常态化的紧密协作。

　　更为重要的是，人工智能在本质上属于赋能型技术，用户每天直接使用的并非AI技术本身，而是AI技术支撑下的各类服务，所以关键在于能否把AI技术与具体场景有效结合起来。为此，车企需要主动与各类AI科技公司及服务公司深度对接，将自身的场景需求与这些合作伙伴提供的技术与服务融为一体，并且在汽车漫长的使用周期内持续迭代更新、不断优化用户体验。我认为，这是当前汽车行业亟需解决的核心问题之一。

　　赵福全：进入“软件定义汽车”的时代，汽车可以通过OTA实现高频的迭代升级；而到了“AI定义汽车”的时代，汽车甚至可以实现近乎实时的持续自我迭代进化。我将这种“自进化”称为“智能化”的高级阶段，或者也可将其视为汽车智能化的终极发展目标。事实上，如果AGI真的能够在短期内实现，那么汽车“自进化”的图景其实并不遥远。无论如何，传统的整供关系及商业模式都面临严峻挑战：之前供应商在SOP（产品投产）节点完成交付后即不再参与该款产品后续工作的模式，显然已经不再适用了；今后需要整车企业与供应商伙伴长期协作，共同支撑产品在全生命周期内的不断优化。

　　由此也引出了一个问题——整车企业如果想要自己来完成产品的持续迭代升级，就一定不可行吗？或者说，汽车产品持续迭代升级所需的核心能力究竟是什么？车企能否完全掌握？

　　吴晓如：我认为，供应商在产品SOP后即退出、后续工作都由整车企业来负责的传统模式，今后肯定是行不通了。从根源上讲，这是因为整车企业并不具备供应商的相关核心能力。比如，AI底层模型的持续演进，这本就不在车企的能力边界之内。并且现在AI模型的迭代更新，早已不是简单的编码优化、漏洞修复之类的版本升级了，而是可能涉及到底层逻辑的变化，进而基于“模型即服务”，产生应用层面的根本性变化。与此同时，底层模型在云端迭代相对容易，但在车端迭代将会面临诸多现实难题：特别是模型持续升级后，原有的硬件还能适配吗？这就要求车企必须基于AI模型的预期演进，选择可以长期支撑模型顺畅运行的硬件平台。显然，整车企业唯有与提供AI模型及应用服务的相关公司建立起长期稳定的强绑定关系，才能把双方不同的核心能力有效结合起来——即车企依托产品硬件平台及运营体系，借助合作伙伴的AI技术能力，确保汽车的底层模型与应用服务能够持续优化、不断升级。除此之外，我觉得整车企业没有其他方式可以做好这项工作。

　　赵福全：这正是新汽车时代的核心特征——不仅技术、产品和企业层面发生重大变革，而且产业层面也在发生重大变革。可以说，过去100多年来形成的汽车产业体系，包括技术创新范式、产品开发模式、资源组织方式以及分工协作逻辑等都将全面重构。正因如此，就像吴总刚刚谈到的，过去那种“供应商完成交付后即离场，后续只有在新产品或改款产品上才能实现功能和服务更新”的模式已经完全不适用了。现在汽车产品的迭代甚至不是按年、按月，而是按周来进行的，未来更会实现实时在线、持续更新的自进化，即在多元数据的支撑下，企业可以随时发现问题并立即予以优化。

　　上述变化也使汽车产业的边界渐趋模糊，大量“业外”的科技公司、服务公司等纷纷涌入其中，成为汽车产业大生态中不可或缺的参与主体。由于各类主体各有不同的优势核心能力，因此基于专业化分工的协同创新将是未来汽车产业发展的必由之路。需要强调的是，这种全新的资源组合和能力融合方式不是一次性的合作，而是长期性的共创，需要贯穿于产品全生命周期持续进行。或许有人觉得，只要某家企业能够掌握所需的各种汽车核心技术，就不需要上述生态协同了，但这其实是不可能的。毕竟企业的资源有限、基因各异：如果整车企业自己去做AI大模型，那就变成大模型公司了；反过来，如果AI大模型公司去造车，那也就变成整车企业了。从这个意义上讲，产业重构对整车企业以及像科大讯飞这样的供应商来说，都是严峻的挑战，但也是重大的机遇。

　　赵福全：吴总，刚才我们围绕AI在汽车行业的应用及其引发的变化展开了深入交流。我们达成了一个共识：过去汽车产业是由整车企业与供应商、经销商组成的线型链条，供应商并不参与产品上市后的迭代更新与运营服务；而今后汽车产业将是由跨产业、跨领域的众多参与主体组成的网状生态，特别是供应商要在产品上市后继续参与其迭代更新。

　　而这些变化的根源在于，进入软件乃至AI定义汽车的时代，汽车产品将成为可以不断进化的智能体，并且正如我前面提到的，这将是一个由众多单智能体构成的复合智能体。与此同时，在AI的驱动下，企业本身也将向智能体的方向演进，其运营管理体系将越来越依赖于各类专业化的智能体。事实上，业内很多人都认为，2025是AI智能体的元年。

　　此前Open AI首席执行官Sam Altman提出，AI按其能力可以划分为五个发展阶段，即聊天机器人、推理者、智能体、创新者和自组织，智能体处于第三阶段。不过在我看来，一方面，进入第三阶段后，智能体将使前两个阶段形成的AI能力倍增，例如AI技术在不同产业、不同场景的应用价值将通过智能体得到大幅释放；另一方面，即便到了第四乃至第五阶段，智能体的重要性也不会降低，反而会更加凸显，因为届时各种业务以及组织的基座依然是各类智能体。展望未来，智能体将成为人类的代理，承担大量复杂繁琐的工作，提供一站式的解决方案，最终使“可说即可得，可见即可得”真正成为现实。

　　所以，接下来我想和吴总聊聊智能体方面的话题，我想请教您三个问题：第一，面向智能体在汽车产品端的应用，整车企业与AI科技公司应该如何有效合作？第二，产品端的智能体与汽车企业内部运营管理的智能体，应该如何充分打通？第三，科大讯飞在教育行业的智能体逐步承担起“老师”的角色，与学生互动；在医疗行业的智能体则逐步担负起“医生”的职责或者成为人类医生的助手，与患者互动。那么智能体大规模应用于汽车行业时，将会负责什么工作？实现怎样的互动？对此，不知道您有哪些观察和思考可以与大家分享？

　　吴晓如：要回答这些问题，首先必须明确汽车作为大智能体的运行逻辑。正如赵老师所说的，未来车载的各种功能和服务都是一个个单智能体，然后集成起来，就形成了汽车这个大智能体。而汽车作为大智能体，其各种功能和服务是通过类似“路由”的机制来统一调度的。科大讯飞这类科技公司的核心任务，就是将用户的自然语言转化为能够驱动某项功能，也即某个单智能体的指令，使用户可以随时获得所需的服务。但是这些指令要真正启动某项功能，必须依赖于大量不同的硬件控制器协同工作。也就是说，即使自然语言已经准确地转换为控制指令，但如果不同控制器的指令规范不统一，还是很容易出现混乱。正因如此，整车企业的整合集成作用至关重要。车企必须明确各种接口及标准，这样才能将车内各类功能所对应的单智能体，与驱动这些单智能体的控制指令有机融合起来。

　　从生态分工的角度看，汽车作为大智能体的总体设计与统筹协调，必须由整车企业主导。这意味着车上各种软硬件的接口标准和指令规范都要由车企来制定；而这些软硬件背后的不同主体，也即各类生态伙伴，必须基于上述标准和规范来进行分工协作。例如，科大讯飞的主要工作是，确保用户通过自然语言或者说自然交互，能够顺畅调用汽车产品上的各个智能体，让人们尽享各种功能及服务。又如，像音乐厂商、地图厂商等第三方服务商，其未来的服务也会逐步演化成为智能体的形态，并且借助汽车产品上相关硬件的能力，让自身提供的服务能够更好地触达用户。

　　由此可见，对于您刚才提出的问题，我认为答案应该是这样：在汽车产业生态中，以车企为协同的核心，确定统一的框架，然后不同参与主体据此明确分工、各司其职，把各自负责的工作做好，共同推动各个智能体的有效落地与相互打通。反过来讲，如果各方的能力不能有效融合起来，那么最后很可能形成的只是一个个残缺的智能体。对用户来说，这些智能体的使用体验甚至可能还不如没有。

　　赵福全：也就是说，AI时代整车企业作为集成者的角色要比以前更加重要了。因为新汽车产业所需的核心能力及资源日益多元，无论是整车企业，还是大科技公司等供应商，没有任何一家乃至一类企业能够独自拥有所有的核心能力及资源。在这种情况下，基于专业化分工的多主体协同创新，也就是生态化的发展模式，就成为一种必然。反之，如果各方的能力无法高效率、高质量地深度融合起来，那恐怕至多只能做出60分的产品，各类智能体的构建及应用也会半途而废或者形如虚设——看起来各项功能也都具备，但用户体验却难以令人满意，不可能真正形成市场竞争力。

　　刚才围绕AI如何赋能汽车产业，我与吴总进行了深入交流。下面我简单做个小结，我们主要谈了四个问题。

　　第一，关于AI大模型在汽车产品上的应用。吴总认为，汽车需要专属的端侧模型。由于端侧算力、快速响应以及隐私保护等需求，超大规模的通用基础模型无法在车端部署。正因如此，专属的汽车端侧模型就成为了必然选择，且该模型必须能够有效支撑本地交互、智能驾驶等重要场景。同时，云端则可能会形成“基础模型+行业模型”并存的格局，支撑汽车产品与云端各种互联网服务之间实现有效协同。

　　第二，关于车企拥抱AI的重要性及落地策略。吴总谈到，目前智能化已成为汽车产品的核心卖点，今后会越来越影响用户的购车决策，因此不积极拥抱AI的车企终将被淘汰。而车企与AI的深度融合是一项高度复杂的系统工程，要做好并不容易。对此吴总认为，组织架构和人才结构是企业转型的突破口。尤其是汽车企业需要构建适配AI发展的新型组织体系和商业模式，以形成内部跨部门、外部跨企业的有效协同。从这个角度讲，资金并非主要障碍，组织惯性才是关键卡点。由此出发，吴总判断，一些先天具有数字化基因、且没有历史包袱的新势力车企，拥抱AI可能会相对容易；而传统车企即便高层也有认知，但长期以来基于硬件主导形成的固化组织与人才结构，还是会制约其面向AI的转型节奏。

　　第三，关于汽车行业引入AI的独特性。吴总基于科大讯飞的实践经验，指出了汽车行业有别于教育、医疗等行业的三大特点。一是供应商的定位存在差异，汽车产品的定义由车企主导，供应商处于配合实现的角色；二是相关各方协同的复杂性存在差异，汽车本就具有复杂工业品的属性，未来更将成为大智能体，因此车企需要整合跨行业、跨领域的各类不同供应商，有效协同的难度极高；三是产品的使用周期存在差异，不同于一般的电子快消品，汽车的使用周期通常长达5-8年甚至更长，这就需要硬件长期适配不断迭代更新的软件，为此车企唯有与供应商在产品全生命周期内紧密协同，才能始终确保良好的用户体验。

　　第四，关于未来汽车智能体打造的问题。我们的共识是，汽车必将成为集各种单智能体于一身的复合智能体，或者说大智能体。而打造汽车智能体需要由整车企业统筹总体设计、确定标准规范，再基于此协同诸多科技公司以及第三方服务商等，打造出各种单智能体并有效打通，最终确保各项功能及服务都能准确、快速地触达用户。正是由于AI驱动汽车智能体的上述底层逻辑，今后整车企业的集成作用将比以往任何时候都更加重要。同时，整供车企之间“交付即结束”的传统合作模式也不再有效，双方需要建立长期的强绑定关系，以共同应对AI模型不断迭代与硬件持续适配的难题，进而形成实时共创的新汽车产品创新及运营模式。

　　赵福全：前面我们谈到，今后汽车产品的打造需要由整车企业搭建整体架构，并明确各个接口的标准和规范，基于此与各类供应商一起协同共创。但在实践中整供之间的合作难免存在灰色地带。对此我想与吴总继续探讨：您觉得在理想状态下，整车企业有哪些能力需要自行掌控，有哪些能力需要与供应商协作获取，又有哪些能力可以直接由供应商提供？另一方面，当供应商按照既定的接口标准开展工作时，整车企业应该采用什么标准来衡量其适配效果呢？

　　更进一步来说，智能汽车就像一个人一样，既需要聪慧的大脑，也需要灵活的手脚和敏锐的感官，也就是说，汽车软件与硬件必须有效组合起来，才能真正实现智能化。为此，我之前提出了整供车企融合共创的理念，旨在强调智能汽车绝不是简单的软硬件叠加，而是要实现软硬件融合。同时我还提出了智能汽车产品开发的方法论：首先要软硬分离，以适应软件和硬件在开发周期及相关技术等方面的明显差异；继而要软硬组合，以确保不同的软硬件能够在物理上有效连接、灵活组合；进而要软硬融合，这既涵盖了知识和技术层面的融合，也涵盖了整供各方开发团队的融合，以实现极致的产品功能、性能和用户体验；最后还要软硬平衡，以确保硬件与软件适配的成本受控。说实话，要做到以上四点并不容易，这涉及到产品创新模式的重构，也涉及到产业分工或者说不同主体协作模式的重构。不过随着AI时代的到来，有一种观点认为，未来可以把各项工作都交给机器来完成。由于机器没有人性的弱点，只要定义好规则，就不会有推诿扯皮、各行其是等问题了。您如何看待这一观点？

　　吴晓如：对于赵老师提出的第二个问题，我认为，至少在现阶段，将所有工作都交给机器并不现实，而且这可能会彻底抹杀人的主动性。

　　而对于您提出的第一个问题，我有两点看法：一要坚持以终为始。整车企业无论是打造汽车大智能体，还是其中的小智能体，最终目标始终是通过智能化技术优化用户体验、提升用户满意度。因此，车企应该建立一套能够精准反映用户体验的评价标准与规范，这一点至关重要。基于这套标准与规范，车企就可以在产品开发的各个阶段及时发现问题，并检验目标的达成度，包括对供应商的工作进行评判。二要明确主次分工。在产品开发过程中，很多时候都需要多家供应商同时参与。在此情况下，如果车企事事都亲自牵头，不仅头绪繁多、分散精力，而且还会增加管理成本。所以在硬件主导的传统汽车时代，才会出现层级分明的Tier1、Tier2等供应商——车企只需把相关工作整体交给Tier1，再由其协同各家Tier2并对最终结果负责即可；到了软件主导的新汽车时代，我觉得这个逻辑并没有改变，只是行业需要适配智能化的新Tier1，同时某些车企可能自行承担了部分Tier1的职责。

　　比如说，有些车企选择将智能化功能从定义到打造都交给供应商来做，类似于华为鸿蒙模式；也有些车企为凸显个性化，选择保留核心的定义权，并自行牵头完成相关业务，此时车企就扮演了超级Tier1的角色；当然，如果所有业务都是车企自己做超级Tier1，那负担就太重了，所以车企必须清晰划定分工的边界，将部分业务交给有能力的新Tier1来承担。

　　无论由谁负责，整车企业都必须建立最终体验的评价标准，避免出现各个模块单独都能达标、但集成起来却出现种种问题的情况。同时，整车企业与各级供应商的分工，即上下序关系以及输入、输出内容等，也必须界定清楚，明确谁要对哪个功能模块负责、谁要对模块集成起来的系统负责、而谁要对相关场景的最终体验负责，以确保供应商的交付与车企的诉求相符，至少不能出现较大偏差。

　　赵福全：我认为，未来有很多“黑盒子”的软硬件，车企都无法也不必自行打造，但是必须深刻理解其底层逻辑，并建立适宜的评价标准。否则，车企很难把握相关业务的重点及边界，也无法在供应商之间出现争议时做出合理裁决。当然，要做到这一点并不容易。在硬件主导的传统汽车时代，对零部件的验收标准相对简单，只要物理尺寸合格、并能够通过相关试验测试即可。然而进入到软件乃至AI定义的新汽车时代，带有很强主观性的用户体验成为产品最重要的目标，要对其建立直观量化的评价标准无疑非常困难，这就给整车企业带来了严峻挑战。毕竟车企对诸多新领域可能并不精。