万字长文，探讨中国汽车最核心的15大趋势

这几年，中国车市的变化太过剧烈。商战如战场的结果就造成了，车企间的剑拔弩张，已经到了一个新的峰值。

回望刚刚过去的2025年，全行业以超3000万辆的整体销量胜利收官，可这份成绩单的背后，却是价格战硝烟弥漫、库存持续高位、单车盈利承压的严峻考验。曾经高歌猛进的“增量时代”已然落幕，取而代之的是一个充满复杂性与不确定性的新阶段。

新的时代背景下，对于身在中国车市的每一家企业来说，持续性的内卷俨然不再是一个最佳的策略选择，“在真正洞察新的产业趋势之余，寻找突破口”更该成为整个行业不得不面对的主旋律。

为求新生，我们很清楚地能看到，来自汽车行业各个领域的声音，试图在这个时代交替的关口，给予一个可信的答案。

去年，就连身为行业TOP级供应商的博世也一直在极力寻找着新的发展空间。

不管是计划在2027年底前向人工智能领域投入超25亿欧元（约合204.66亿元人民币），用于提升汽车智能化体验，还是强势入局今年的CES，展出全新AI智能座舱平台与全球首发的第七代毫米波雷达至尊版，前者可实现拟人化交互、自动寻位等功能，无论结果如何，这些行业顶尖玩家要的就是尽快蓄力，来应对即将新一轮的产业竞争。

近期，博世智能驾控中国区总裁吴永桥，根据博世和自身对汽车行业的理解和洞察，探讨了汽车行业大家都非常关心的未来十五大趋势。

Q：未来汽车行业还会出现继续增长的主旋律吗？之前很多人说未来中国能够活下来的车企只会有几家，你怎么看？

A：2026年，“降速求稳”将成为汽车行业主旋律，车企内外的整合将持续发生，但不会复刻欧美国汽车产业大一统的剧本，五年后我国仍会有15家左右的车企留在牌桌上。

2025年对于汽车行业是艰难的一年，经过多方努力，最终达成整体3440万、乘用车3010万销量。面向2026，社会各界对车市的预测普遍悲观，但可以明确的是，至少有两种极端情况不会发生：

首先，汽车产业的结构性衰退现象不会发生。尽管行业整体库存水平持续高位承压，同时还存在产能利用率和单车盈利水平不足等现象，我们仍有信心行业将在2026年保持良性发展。毕竟，汽车行业对我国民生、经济、地方发展都具有重大意义。

全产业链对GDP的贡献接近10%，同时提供了超过2000万个就业机会。面对诸多的不确定性，国家必然会从顶层设计促进汽车产业的稳定发展，以旧换新政策仍将持续实施，提振内需。而随着《汽车行业价格行为合规指南》等反内卷政策的出台，也看出了国家希望行业软着陆、降速求稳、高质量发展的决心。

其次，汽车行业的大整合、大一统也不会发生。美国在1900-1930年代曾陆续出现过近两千家汽车作坊，但经过流水线革命和经济波动的催化，最终整合为3家。从行业分散度上看，当前的中国汽车市场与当时的美国确实有一定相似之处，但中国汽车行业的发展又不能仅考虑商业因素，中国特色的市场经济环境和地方政府的财政支持都是影响汽车行业整合进程的重要因素。

2025年我国销量前20的汽车品牌总部分布在13个城市；而全国范围内靠一个车企、一个汽车工厂支撑全市民生发展的现象并不在少数。各车企内的子品牌间或将持续整合，但跨车企间的整合则将面临着多方博弈。预计到2030年，中国的主流车企会维持在15家左右——国资约5-6家，民营外资约5家，新势力约3-4家越过生存线。

Q：新能源发展非常快速，但也出现了增长瓶颈，燃油车、内燃机依旧充满活力，未来我们的纯电、混动、燃油车会出现怎样的趋势变化？

A：依赖于国家的顶层设计和深厚人才储备，中国汽车的新能源转型已接近完成，未来较长一段时间内，我国的纯电、混动、燃油车销量将呈现出4:4:2的比例格局。

2025年，中国汽车产业的新能源转型已初步完成，新能源乘用车销量首次超过50%、保有量首次突破10%大关。但综合考虑我国能源战略、气候和地域分布多元化、用车习惯多元化、车企技术布局分散化等因素，绝不会出现单一动力形式垄断市场的局面。在未来很长一段时间内，纯电、混动、燃油会在我国以4:4:2销量比例稳定共存。

纯电车的优势包括低排放、低使用成本和加速性，同时智能化赋予了纯电更大的生命力，因此被视为成为未来汽车的最主要动力形态。但纯电动车的销量存在两个制约：首先是我国国土辽阔，极寒天气下的电量衰减问题导致南北方电动车销量有显著差异，以2025年前三季度为例，上海的纯电销量达40%，而黑龙江省仅为6%；同时，充电桩在城市-乡村的布局不均也进一步加剧了纯电车的地域聚集效应。其二，电动车部分核心技术尚未完全成熟，诸如二手车保值率偏低、长途场景下的续航焦虑、充电效率短板等，仍影响用户的购车决策。因此，纯电车更适合具备固定充电条件、日常通勤半径小于200公里、出行目的地相对固定的城市家庭用户。

燃油车，尽管被贴上“过去式”标签，但未来预计仍有约20%的稳定市场份额。它在极端、专业化用车场景中依旧强势，同时燃油车自身也在不断进化，先进智能驾驶和座舱技术在燃油车上的应用壁垒已基本被攻克。首先在越野领域，燃油车在低转速下的高扭矩输出、碰撞及涉水后的安全防护、维修便捷性等方面，均具备显著优势。此外在充电桩覆盖不足的乡村，燃油车仍是用户首选。

此外，商务用车因频繁涉及长途出行与紧急任务，对补能的时效性、便捷性要求极高，目前仍以燃油车为主导；而以驾驶乐趣为定位的跑车，也将长期延续燃油动力主导的格局。但不可否认，燃油车面临的排放管控以及石油资源瓶颈，使其注定难再成为市场主宰者。

混动车型精准平衡了纯电与燃油车的短板，通过多种技术结构满足不同用户的诉求。普通混动车型(HEV)无需外接充电即可实现油耗降低，本质上可视为燃油车的节油方案，但结构复杂、制造成本高。插电混动车型(PHEV)具备多场景适配能力，城区通勤可切换纯电模式，高速行驶则启用油电混合模式，但其搭载油电两套动力系统，增加了整车成本、同时对车内空间造成一定侵占。增程式混动(REEV)的核心优缺点与插电混动相近，但在驾驶质感上更贴近纯电车，更契合追求电车体验同时有长途出行需求的消费群体。

从车企产品布局来看，市场分化趋势同样显著。新势力车企普遍以纯电车型作为市场切入点，目前整体销量构成中约70%来自纯电，30%源自增程，未来仍将聚焦这两类车型深化布局。传统车企则依托深厚的技术积淀与出海战略需求，以燃油车和插电混动为主导，未来将持续加大纯电领域的研发与投入力度，逐步完善多元动力产品矩阵。

Q：各家都在卷智能驾驶的能力，未来这方面会成为车企竞争的核心阵地吗？

A：数据表明，智能驾驶真正成为消费者购车的必考察项，到2026年，不具备智驾功能的新车型可能上市即被边缘化。

2025注定是中国智能辅助驾驶发展的分水岭，有两组数据可以印证：

第一组数据来自车企视角：2025年1-10月，中国发布了600余款新车型及改款车型、合计约3900种配置，其中23%的配置都具备高速NOA及以上功能(L2+及以上)，但它们贡献了2025新上市车型总销量的约50%。同期，连L2方案都未配备的新车上市220余款，其中约45款售价在10万以下，却贡献了220款车中73%的销量。这基本意味着，2026年车企发布的新车型，排除极致低价路线，如果不具备好用的智驾功能，将难以成为爆款，甚至可能“上市即死亡”。

第二组数据来自消费者视角：2025年1-10月，中国新售车辆中具备L2+高速NOA功能的比例已达25%，2024年同期为12%；若放宽至L2级，新车装配率已接近60%，2022年仅为20%；智能辅助驾驶的普及速度远超预期。部分车型的用户智驾使用里程占比已达40%，习惯于靠人机共驾出行的“智驾原住民”群体已经出现。

究其原因，其一是因为中国消费者普遍渴求减轻出行负担，对“享受驾驶乐趣”并不感冒，同时中国消费者对AI改变生活始终持有积极态度。其次，头部车企过去几年扎实的智驾技术带来了示范效应，培养了用户习惯；第三，高效算法及其相应适配的高性价比芯片的出现，引发了2025年2-3月中国头部主机厂的智驾平权运动，从供给端也加速了技术变革。

回顾过去，智能驾驶终于在2025年从保健品变成了处方药，智驾平权不再是虚假繁荣，在五年内，辅助驾驶将在依靠法规驱动，成为大多数乘用车的标配。

Q：智能驾驶的最终形态会是什么样子的？

A：多数车企都通过智驾等级、算力、功能范围等技术因素为锚点规划产品，路线繁杂，很难看清终局。但如果从用户体验的角度出发，结论则更清晰——所有的智驾都将按照人机共驾的分工收敛为三类—— 1. 取代人的双手；2. 取代人的直觉；3. 取代人的灵魂。

过去车企智驾方案规划多围绕算法与芯片技术演变而展开，技术路径繁杂，但缺少以用户体验为出发点的思考。业界普遍以“完全取代驾驶员的自动驾驶”为目标打造产品，这种思路更适用于少数的技术尝鲜者，而普通消费者所期待的永远是“更轻松、安心、高效的出行体验”。一个“无所不能但偶尔宕机、边界靠猜”的智驾系统带给普通用户的安心感和轻松感远不及一个“能力有限但行为可预测、人机共驾边界清晰”的智驾系统。

数据显示，人类驾驶中约80%里程为机械式直线行驶，剩余20%的相对复杂的驾驶任务中，绝大多数是司机已知的场景，可依靠条件反射处理。且驾驶经验越丰富，越来越多原本需要思考理解才能完成的驾驶任务都会被转化为依靠直觉即可从容应对。最终只会剩下极少数场景仍需依赖司机对这个世界的认知，通过逻辑推理来指导驾驶。

将上述“机械式应对场景单一的直线驾驶”、“条件反射应对已知复杂场景”、“认知推理应对未知复杂场景”三项任务分别自动化，正对应着未来逐渐收敛的三类智驾方案：

第一类为入门级智驾，将枯燥机械的直线任务自动化，典型的场景例如高速长途、高架通勤。它以当前的L2一体机或行泊一体域控为基础，通过传统的基于感知分类规则的CNN/BEV/Transformer算法即可实现。人仍然是驾驶的主体，但可以通过短暂解放手脚来避免驾驶员疲劳犯困，提升长途安全性。同时可完成需短暂脱眼脱手的工作，省去靠边停车的麻烦，提升出行效率。未来该类智驾方案将在强法规驱动下成为如ABS般的标准化功能。如何提升安全性、保证人机共驾的切换边界丝滑清晰，将成为主要的优化方案。

第二类进阶级智驾，将哪些靠驾驶员条件反射应对的驾驶任务自动化，可以覆盖大多数复杂及风险情形。经过多年探索，行业将实现这一目标的方案收敛到了一段式端到端算法。这种算法通过模仿老司机驾驶数据训练提升性能，因此具备拟人化特点，尽管这种智驾方案仍难以做到完全规避风险，但因为智驾的行为符合人的预期，更容易建立无缝连接的人机共驾边界，所以可以大幅缓解驾驶员疲劳。

未来这类智驾会存在两个优化方向，首先是安全的提升，或是通过引入激光雷达或4D雷达提升恶劣气候下的表现，或是通过引入更多安全数据提升防御性表现。其次是 “熟能生巧”，通过反复训练将算力进一步降低，普惠大众。

第三类高级版智驾，可以将那些需依靠理解世界、预测世界才能应对的驾驶任务自动化。所谓的“预测”体现在，系统做决策时将周围环境及车辆下一时刻可能发生的变化纳入考量，进一步提升驾驶的防御性。行业目前的做法是在一段式端到端的骨干网络中加入生成式AI，引入诸如“世界模型”等动态预测机制。而所谓的“理解”体现在，仍有个别场景需考量极多的元素，必须依靠推理来应对。简单的场景例如识别交警手势、理解潮汐车道，复杂的则比如在夜晚发生堵车，人类会通过推理意识到异常情况发生；被连续的恶意别车后，司机会识别到 “路怒症“，完成躲避等。在这些场景下，智驾系统很难通过“直觉“、“预测”完成决策，但攻克这些难点是实现L4的前提。于是行业开始尝试将认知推理能力引入智驾系统，常见的例如VLA、VLM方案，或将世界模型与VLA在同一个骨干网络中结合使用。这一领域尚无统一技术路线，但高带宽车载芯片、多模态数据对齐、极高的训练成本被普遍视为该技术落地的难点。目前特斯拉FSD V14.2已经让人看到了这条路径的可行性。唯有一点是明确的，这类算法理应建立在一段式端到端将“肌肉记忆”打磨成熟的基础之上，否则有可能训练出一个唯唯诺诺不敢上路的“理论派”司机。

在上述技术分类的收敛的过程中，一段式端到端起到了重要的承上启下作用，它是智驾发展史上的重大转折点，必将成为2026年智驾行业的主旋律。

Q：现在很多新势力都在自研智驾芯片，同时也在不断堆算力，这种“竞赛”估计会进行到什么地步？

A：持续多年的智驾芯片算力之争，将为用户价值让步，盲目装载极致性价比或极致大算力的芯片将逐渐失去营销意义。

过去几年，智驾芯片选型直接关系到成本和体验，是智驾规划的核心，围绕着如何才能更好打动消费者，智驾行业在过去几年经历了一轮又一轮的芯片选型思潮，但在未来，“选择多大算力芯片”的重要性将为“带来多少用户体验”让步。

在过去的芯片选型中，有两个观点曾风靡一时。

第一种观点认为智驾方案应普惠大众，先明确消费者接受的智驾系统成本有限，进而选定小算力SOC，并在其上尽可能实现高速NOA甚至城市NOA作为卖点，哪怕性能暂时有限，但超高的性价比也会吸引消费者。从市场反馈来看，消费者对这种驾驶水平远低于人驾的产品并不买单，未等到通过OTA性能达标就将其弃用。

另一种思路则是先走大算力预埋路线，把算力作为宣传卖点。从销量数据上看，当系统未提供差异化功能体验时，这一思路似乎也未必有效，在2024年1月-10月新车销量中，配备了超过200TOPS算力的车型销量占所有具备高速NOA及以上的新车销量的约64%，而2025年1-10月，该比例降至46%。“能提供什么样的体验，就付什么样的价钱”，当智驾下探到普惠型轿车后，目标消费群体也变得更加理性。

在未来3-5年内，智驾将告别非理性堆砌算力、压缩算力的时代，首先要确保用户体验的达标，在此基础上才会尽可能压低智驾成本。入门级的智驾，应对机械式驾驶场景，芯片算力将维持在20 TOPS左右；进阶级的智驾，以一段式端到端为根基，目前可通过200TOPS应对，随芯片技术的发展，未来通过被散热即可实现。而更高级的智驾，或引入世界模型完成“预测”、或引入语言模型完成“理解”，目前技术上仍未收敛，但参考特斯拉的做法，2000 TOPS以上的稠密算力可能将是达到“好用”的入门门槛。

Q：行业都在讲迈入L3时代，但L3因为是人机共驾，可能会出现很多权责问题，这会不会带来更多新的问题？

A：2026成为L3商用元年，但或许它只能以技术探路者为宿命，短暂的成为主角，然后为迎接L4时代的到来做嫁衣。

随着国家L3商用牌照的发放，2026成为L3元年。但从用户体验价值的角度看，L3并不是L2++的简单延续，甚至比L4更具挑战。

L3允许在一定时间和空间范围内，驾驶员的注意力完全脱离驾驶任务，但在系统预测到危险后，提前十秒提醒驾驶员快速回到警觉状态，从心理学的角度看，这一注意力快速集中的要求就是对驾驶员巨大的考验，极易引发应激反应，从而不再信任车辆功能。

L3的另一种矛盾在于终端用户的价值，在高速和高架环境，车速快、出现事故后的伤亡率高，人类并不敢完全休息，最终使用方式会和L2++的人机共驾相同。而在城市环境，车速慢、事故伤亡率相对低，似乎更适合L3的落地，但10秒提前接管提醒的逻辑在瞬息万变的城市路况下价值有限，最终用户难以得到比L2++更大的收益。

但L3所实现的硬件冗余方案和智驾算法提升又为L4自动驾驶的落地提供了支撑。随着技术的发展，我们已经看到了L4商用的曙光。L4可覆盖的应用场景更为连贯，商用前景更为广阔。

在CES期间，我们见识了在L4 Robotaxi生态在美国的快速崛起。目前有两类的主流技术路线，一种以Waymo为代表，在视觉基础上加入多个高性能激光雷达、辅以规则算法和硬件冗余，确保全天候的安全运行，但缺点是成本过高，同时面对突发的混乱交通状况时行动偏保守。

另一种则以特斯拉为代表，依靠纯视觉方案、减少冗余设计，因此成本角度，同时算法高度拟人，通行效率更高，因此运行面积、较Waymo更广阔，运行成本更低，但因为缺少冗余和多传感设计，其可靠性有待验证，同时特斯拉Robotaxi的能力极大复用其在其他领域的巨额投入，门槛极高。两种路线孰优孰劣，目前仍未达成共识，最终的技术方案可能会在两者间找到折中地带。

L4的商业应用除Robotaxi外，也许还会催生出新型的共享出行业态，汽车方向盘成为选配件，驾驶员既可享受自己驾车的乐趣，也可将车辆作为Robotaxi运行而创收，进一步走向L5时代。

但在我国，L4 Robotaxi真正的商用落地不会很快到来，核心有几个原因。第一是民生问题，中国超过1000万的网约车和出租车司机，国家的L4政策未必会快速放开。第二是迫切性问题，中国城市的公共交通系统发达，且司机成本较低、服务意愿强，L4难以成为广大消费者的出行首选。第三是隐私问题，车作为“移动家庭空间”的理念在中国深入人心，未必能接受共享交通的概念。

第四是技术问题，技术的打造从自动化驾驶拓展到了自动化出行，其中的故障处理、车辆售后维保、补能、乘客管理、失物招领、车队运维、监管等问题，都脱离了当前车企的核心业务范畴，仍然缺乏成熟的解决方案。利用中国的先进智能驾驶技术，随车企在海外落地或在国内有限范围内示范运营，或许是L4未来的商用落地路径。

Q：现在关于智驾，有很多车企是走自研路径，从芯片到算法，还有一批是走供应商路线，地平线、魔门塔、包括博世等，未来关于自研智驾路线的格局会是怎样的？

A：随着智驾转为强法规驱动、体验趋同、功能标配，主机厂智驾自研的投资回报将逐渐降低，同时车企也将意识到，“办AI驾校”并非实现全场景AI能力自主可控的必要路径，因此很可能逐渐弱化智驾自研。

2024年底，各家主机厂成建制的智驾研发团队超过50个，初略估计从业人员达到1.5万人，甚至超过第三方智驾公司的整体体量。这其中至少有20个团队致力于打造全栈自研能力，甚至有多个车企可以拿出两三套完全独立的智驾自研团队。但到了2025年，多家头部主机厂开启了智驾自研团队的遣散和重组。

过去几年智驾尚未普及时，主机厂自研主要为了打造差异化，通过与终端用户更密切的数据互动，实现快速的产品迭代。但现在智驾技术已经收敛、功能趋同，越来越依靠强法规驱动，其本质是将人从A点到B点安全运输，难以像座舱一样，为用户提供差异化的情绪价值。

另一方面，智驾有超过90%的工作都是“基建型”工作，例如安全系统的构建、数据工具链的运维、芯片供应商的合作策略、甚至项目管理等，这些工作动辄耗资数十亿，必须依赖历史沉淀及规模效应分摊成本，这些见效慢的环节往往是主机厂智驾团队所不愿投入的。

例如有的车企数据工具链的运维团队不到10人，而诸如华为、Momenta、博世、文远、轻舟这样的第三方供应商，通常会投入百人以上的团队开发运维。从经济收益角度看，主机厂自研将逐渐难以持续。

当然，还有一些主机厂将智驾自研视为建立自主可控的AI能力的切入口。然而，智驾对AI的使用和引领时代的生成式AI有本质的不同，前者是办驾校，教会AI一种在封闭场地下的技能行为，依靠的是模型的精确性和工程落地能力；而后者是办大学，教会AI一种对世界的理解和认知，以海量数据和巨大模型参数为根基，两者的“教学”目的和“教学”方法截然不同。除了极个别真金白银投入想转型为AI公司的车企外，其他只想通过办驾校来积累办大学的经验的车企，恐怕难以走通。

Q：智驾算法可能更多涉及软件层面，复用性很高，对于智驾供应商来说，“一套方案通吃的方案”是不是意味着成本的极致下降，然后实现智驾极致的平权。

A：智驾标准化，绝不意味着某家方案商可以一套方案通吃，互联网和AI领域批量复制式的开发逻辑在汽车行业不适用。

在过去的一年中，不少人曾表达过未来智驾的终局将只能存活1-2个厂商。它们依靠足够强大的AI主线，可快速批量将成熟的智驾方案复制到海量车型上。这是顺应AI和互联网的产品属性而提出的观点。但在汽车行业，在未来的很长一段时间内，都难以完全适用。

不可否认，智驾作为数据、软件驱动的解决方案，具备极强的头部效应。但汽车行业始终有安全强监管、问题可追溯的要求，每辆新车的量产都伴随着一系列规定动作，包括认证、准入、审查等，这些都需要相当数量的交互设计、文档撰写、项目管理及工程落地人员来保障。

而智驾产品本身也需要基于车辆的品牌定位、造型、底盘和座舱的架构做适配。车的造型稍经变化，都会增加额外的数采、训练泛化及验证成本。通过AI算法主线+车型适配的思路无疑可以加速功能实现，但期间的工程落地工作，仍需要专业化流程和众多专家级的人员来参与。

Q：未来油车也将占据相当一部分的市场，这部分市场的智驾生态会是怎样的，包括成本控制方面？

A：油车智驾技术壁垒已突破，以5000元以下的系统成本实现城区NOA，三年内加速渗透迈向油电同智。

长期以来，智能驾驶都被视为新能源汽车的“原生技术”。但油车仍占据全球汽车市场80%的份额，这一覆盖全球绝大多数用户的庞大车型群体，在智驾领域长期处于“无人问津”的空白状态。究其原因，主要因为油车智驾面临着整车供电、散热、动力响应以及专属油车的智驾执行器配套不足等四个挑战。

但2025年，油车智驾的技术壁垒已被相继攻克。搭载了博世中阶智驾系统的燃油性能车完成量产交付，奥迪、大众等也相继在油车上实现了高速/城区NOA智驾功能，为油车智驾的规模化普及扫清了核心障碍。

在供电方面，一套基于地平线J6M的智驾系统功耗约110W，而一套基于OrinX加激光雷达的高阶智驾方案，整体功耗也仅为250W，占燃油车低压总功率不足20%，在车辆运行期间，依靠发动机动能驱动发电机工作，辅以能量管理系统，完全可以解决耗电问题。而针对发动机停止下进行OTA的场景，整体过程将消耗蓄电池约50%的电量，通过蓄电池管理系统可避免亏电。

散热方面，随着芯片制程降低，未来将有越来越多可采用风冷技术的大算力芯片出现(例如地平线J6M，128TOPS)，通过优化布局与热流分析，在高温环境、满负荷运行状态下也可保持系统稳定。而针对更大算力的芯片，也存在多种成熟的控制器独立水冷技术解决难题。

动力响应上，以博世为例，早已实现底盘和智驾技术的深度协同，在L2智驾系统上完成了近百款车型的智驾方案的适配，几乎未出现因响应迟滞带来的体验缺陷。同时综合多款已上市的油车中高阶智驾的表现来看，响应的微小迟滞并不能给智驾体验带来影响，通过先进的端到端算法，智驾系统往往会具备防御性驾驶属性，并不需要“逼出”车辆最极限的动力响应能力。

随着智驾硬件成本的降低，未来三年内，油车最低仅需不到5000元的成本即可实现高速、甚至城区NOA功能，实现大规模渗透普及。也将成为中国智驾方案走向海外的重要支点。

Q：刚才聊了那么多智驾方面，现在AI大模型如此盛行，对于消费者来说，智舱体验的重要性是不是更高？

A：2026年将是Al座舱的元年，汽车座舱将告别对手机衍生芯片和手机生态路径的依赖，围绕着出行场景的Omni、混合专家模型将以灵活形式部署在车载专用AI芯片中，开启出行专属的主动服务式智能生态。

自从2020年前后智能座舱的概念出现以来，我们观察到一个现象：汽车智能座舱始终未能摆脱手机生态的影子，难以匹配用户真正的智能化出行诉求。这种对手机发展的路径依赖体现在两个方面。

首先，在芯片领域，现在座舱主流的芯片均为手机芯片架构的衍生品(如高通8155、8295等)。手机芯片受限于尺寸和散热等问题，目前最先进的芯片NPU算力仅为50TOPS，主要的AI应用均依赖云端能力补充，由此带来的1-2秒的延时对手机应用无足轻重，但对一些实时性要求较高的车载应用场景，体验不佳。同时对云端的依赖也带来了隐私隐患，且无法基于视觉模态提供服务。

其次，在功能层面，座舱更像是手机APP的“车载移植版”，主要承担服务集成与入口功能，而这些生态应用通常未针对车载场景深度适配，也未充分考虑驾驶中的安全使用逻辑，最终荒蛮生长，集成了大量用户在车端不会使用的长尾APP，有的界面多达5-6层，用户查找功能平均耗时10秒以上，反而增加了常用APP的调取难度。

而人机交互也通常需精确指令触发，目前语音识别准确率普遍在80%-90%，只能依靠“蠢萌”的车机助手形象博得用户的宽容。这些现象都使智能座舱的体验大打折扣。

但从2025年开始，这种现象正在逐渐被打破，AI座舱的出现即将重塑出行智能化的内核。AI座舱的实现依托三大关键技术演变：

首先是专用车载AI芯片的出现，不再遵循手机芯片“端侧小算力+云端AI能力补充+允许应用延时”的思路。车载芯片对尺寸、散热限制更宽松，却需更高的实时性，因此芯片厂纷纷推出了适用于车端的大算力AI座舱芯片，例如高通8397芯片，算力已超过300TOPS，辅以极高的DDR带宽，可以在端侧部署7B以上模型，同时支持3A游戏的流畅运行、可集成高端音效算法、实现50万面精细度的3D车模。这让一些需消耗较大AI算力、对实时性要求较高的生成式任务得以在车端实现。

其次是Grok、阿里通义、字节豆包、面壁、阶跃星辰等大模型从云端走向了车端，车载专用的AI生态形成。针对驾驶场景“难以脱手脱眼”的核心特征，Omni多模态技术可以实现语音、眼神、手势等多维度指令的协同响应，语音识别准确率和指令响应延迟问题都将大幅优化，可以实现更及时和智能化的人机交互。

同时，混合专家模型通过精准分配算力资源，将车端模型部署的算力需求大幅降低。由AI分发服务将为驾驶员摆脱调取多层级APP界面的束缚，提升交互效率。

再一个，这些大模型赋予座舱主动服务能力、甚至类人的情感记忆，通过长期的使用，AI模型还能自我学习以适应驾驶员习惯，成为个性化出行助手。近期，特斯拉Grok+FSDV14.2的深度联动已为行业做出示范：用户只需模糊表达多个待完成的任务，GrokAI模型便能在1-2秒内解析意图，结合实时路况、寻找合适的途径点、规划最优行程。目前Grok仍以云端部署为主，未来若在车端深度部署，性能无疑将进一步提升。

接下来，是AI灵活部署的硬件方案的出现。未来AI座舱硬件将呈现两种主流形态：一是搭载全新汽车专用AI芯片(例如高通和MTK系列)，直接将现有座舱方案升级为Al座舱；二是通过AIBox模块为现存座舱提供AI能力补充。因为座舱的开发成本高企，车企通常采用平台化方案，芯片一旦升级将牵一发而动全身。而AIBox在不大改现有座舱方案的前提下可实现“即插即用”、灵活适配，而受到众多车企青睐。目前，从博世收到的20余个车企的AI座舱需求来看，未来3-5年内，两种形态会并存发展。

Q：AI智能座舱要好用，核心还是数据，声音、图像、视频的收集，涉及到一些用户隐私的问题如何去解决？

A：随着Al座舱的出现，车载Al隐私保护将成为重要议题，相关强制法规将逐渐提上日程，预计将晚于智驾2-3年来临，且很可能由一起公众事件触发，加速落地。

随着AI座舱成为趋势，未来2-3年内，车载AI大模型带来的隐私保护问题必然将成为行业核心话题。车载AI大模型为实现多模态交互、主动式服务等能力，需持续采集并分析用户敏感信息，包括但不限于：出行轨迹、个人隐私信息、语音及行为习惯，且依赖“记忆”优化服务体验，这种特性或许将引发民众对隐私泄露风险的担忧。

车载AI大模型隐私防线需从技术与法规两方面构建。技术层面，需优化全流程功能逻辑设计，通过端侧本地化处理减少数据上传、严格遵循“最小必要”原则规范数据收集、对敏感信息进行实时脱敏处理、以清晰易懂的方式完成用户告知与授权等；同时搭配物理隔离、逻辑隔离、私有云部署等技术手段，形成全方位防护闭环。很可能还需引入具有公信力的流程合规认证，让使用者对隐私安全感到信服。

法规层面，欧洲在2026年8月后将全面实施的AI ACT中也对AI座舱人机交互中的敏感信息制定了“就高不就低”的防控原则，例如限制AI大模型对人的情感信息的捕捉等，同时与GDPR结合，强化数据隐私保护。

而在我国，信息安全和隐私保护受到的重视度也越来越高，自2021年《数据安全法》和《个人信息保护法》相继出台以来，我国已通过顶层设计逐步搭建数据安全基础框架，为数据隐私保护划定底线。针对车载领域，也配套发布《汽车数据处理安全要求》等专项规定，清晰界定汽车数据处理的安全边界与操作准则。预计在未来3年内，AI大模型专项隐私条款势必将被纳入现有法规体系，与汽车行业强制准入制度深度关联，强化监管刚性。

另一个值得注意的现象是，数据隐私领域的法规推进往往伴随高额投入，所以通常会出现“先发展、再治理”的现象，从欧盟GDPR到各国相关法案的建立，多以标志性隐私泄露事件为触发点，引起全社会的重视反思，进而才能加速落地。或许，我国针对汽车AI座舱的专项隐私法规，也可能在某一标志性事件驱动下，加速完善并实施。

Q：当前国产品牌基本上靠着智舱智驾的体验，赢得了更多市场份额，未来这种局面会一直存在吗？因为目前来看，很多国际品牌在这方面的追赶也非常迅速。

A：当智驾和智能座舱的差距被抹平，具备深厚品牌基因、安全底蕴和机械素养的国际品牌必然会回归。

在中国车企智能化快速崛起的浪潮中，不少声音唱衰国际品牌，认为其如同昔日诺基亚般腐朽落后，终将退出中国市场。但事实并非如此，通过和所有的国际品牌的深度交流可以感受到，这些深耕行业数十、甚至上百年的国际巨头从未固步自封，而是在积蓄力量、伺机而动。

事实上，合资和外资车企在中国的销量巅峰多数集中在2020-2022年，至今不过三年时间，并非“病入膏肓”。其实，几乎所有的国际品牌也都早已开启了智能化转型、也早已不再执着于高利润经营。

那为什么推向市场的时间还是慢?车的售价还是偏贵?一方面确实存在国际品牌对AI变革反应滞后、平台化策略导致流程繁琐、成本偏高等主观因素；但另一方面，他们也在用数十年积累的安全经验与驾乘认知，冷静审视中国电气化、智能化革命中的利弊，精细打磨产品，等待后发制人的机会。

国际品牌对汽车安全、驾乘体验有着极致的细节追求和无条件的成本投入，一些企业的功能安全、信息安全规范文档动辄数千页，里程测试动辄百万公里，远高于国内同行的平均水准。只要汽车的出行属性不变，这些安全标准就绝不会成为历史的枷锁，这与苹果彻底改变手机的价值属性从而淘汰诺基亚有明显的区别。

反而是一些中国车企为追求差异化而提出的“创新设计”、“激进功能”、“快速量产方法论”，其实都在历史上被国际品牌采纳过，最终因各种隐患和事故而淘汰。这种激进狂奔的做法放在汽车领域，未尝不是“历史倒退”。

从目前情况看，大多数国际品牌都已完成智能化领域的属地化授权，充分利用中国的人才优势与供应链资源，加速打造适合中国消费者的智能化车型，预计在2028年以前，大多数主流国际品牌都将推出智能化水平媲美中国本土品牌的车型。届时其数十年积累的安全底蕴和机械素养将逐渐凸显优势，将重新回归主流舞台，与自主品牌形成新的竞争平衡。

Q：从马斯克的特斯拉，到小鹏、理想们，都开始从原本单一车的形态转向具身智能新赛道，未来汽车和人性机器人会在很多方面趋同吗？

A：以Al座舱为大脑、智能驾驶为小脑及四肢的汽车智能化生态将逐渐向具身智能领域渗透。但短期看，工业机器人会先行找到商用价值，家用机器人仍有漫漫长路。

2024年开始，具身智能已经成为热门的技术发展方向，目前已有10家左右车企正在规划进入机器人领域——以AI座舱能力为大脑、智能驾驶能力为小脑，技术复用打造具身智能产品。

在2026CES电子展上，我们再次见证了机器人技术质的飞跃：波士顿动力推出的ALTAS实现了56个全旋转自由度关节的仿生运动系统，可具备超30公斤的稳定负重能力，目前已获得多个工业领域订单，在部件装配场景的批量落地指日可待。而特斯拉则坚持利用AI能力打造最强大脑，其最新的OptimusV3具身机器人以Grok为大脑，后者通过千亿级参数量的混合专家模型实现多模态、全场景交互，在汽车座舱上的小试牛刀已经产生革命性效果。

但具身智能的发展存在几个较大的技术难点。

首先是电池续航和冷却问题，是具身机器人商用化的基础门槛，但考虑到体积和重量局限，其应用难度远高于新能源汽车。其次是四肢关节与传感技术仍不成熟，影响了人机交互的安全性。

智能驾驶的目标是在封闭场地下完成避障动作，而具身机器人则需要在非结构化的环境下、与难以穷举的物品和人类产生触觉接触，对传感器的响应要求提出了极大挑战，短期内更适合在固定场景下应用。再次是搬运重物的能力，这是具身机器人创造商用价值的重要基础，但目前姿态控制技术仍不成熟，短期内更适合轻度负载的应用场景。

最后，则是机器人AI训练的数据难题，相比于智能驾驶，机器人的应用场景更为开放，指令更为模糊，这就要求其真正具备理解世界的能力，同时人机交互时所需的多模态数据、尤其是触觉数据的采集也极具挑战，目前行业内尚未形成低成本、可持续支持商业落地的方案。

未来，车企向具身智能渗透路径将首先从工业标准化场景入手，以降本增效为卖点释放商业价值，进而促进技术难点的攻克。但具身智能想走进寻常百姓家，与人类接触提供贴身服务、实现情感陪伴，还需跨越多重门槛。

Q：2025年中国汽车出海走得很好，很多国内的内卷逐步朝着海外迁移，未来中国汽车海外市场的竞争会面临什么？

A：回顾2025，中系车已成全球第三大汽车出口集群，但全球属地化生产和经营能力仍然不足。以消化国内产能、填补国内亏损为目的的出海征途注定后劲不足，如何从“走出去”到“融出去”，将成为2026年出海新旋律。

中国车企持续海外扩张，据公开数据显示，2025我国乘用车出口量已达710万辆，近五年年复合增长率超50%，“中系车”有望于今年超越美、韩车系，跻身全球第三大汽车出口集群。至2030年，“中系车”海外销量预计将突破1000万辆，占全球除中国外市场约15%的份额，届时将直接对日系、欧系盘踞数十年的全球霸主地位构成冲击。

但中国车企要想在全球市场比肩已有数十年沉淀的日欧美韩车企绝非易事，仅依靠当前在新能源和智能化上的优势还远远不够。相比于其他汽车出口大国，中国车企的全球属地化生产和经营能力明显不足。根据近期华汽研究院与罗兰贝格联合发布的《中国汽车产业全球化报告2025》显示，2024年中国车企在海外市场的产量/销量比不足30%，而日、美、欧、韩则全部超过70%。

这一数据表明了，日、美、欧、韩头部车企均已迈入全球化经营阶段，实现全球人才资源整合、产销研体系协同运作，深度融入本地经济。而对比中国仅1-2家车企具备全球化的雏形。海外工厂虽有80余家，但超半数扎堆亚洲，超四成以上为CKD模式，并未深度融入属地产业链。

毫不客气的说，目前多数车企仍处在整车贸易出海的初级阶段，核心逻辑是最低成本、最小化合规代价移植国内产品优势、靠海外填补国内利润缺口，奉行“能销多少算多少”的短期主义。

这种思路在过去几年行之有效，尤其在俄罗斯、东南亚等邻国，中国车企凭借强劲的成本竞争力及较低的物流成本快速占领市场。但后劲不足已经在2025年初露端倪：俄罗斯报废税政策的落地，削弱了中系车的价格优势；东南亚市场的需求体量难以支撑中国车企海外千万辆级的野心。

在此背景下，越来越多中国车企将目光投向两大核心战场——欧洲、澳新等汽车价值高地，以及中东、南美等汽车需求快速增长的区域。

然而，这些市场也绝非易与之地。一方面，长距离运输削弱了整车出口的成本优势；另一方面，日欧系在这些区域已具备较强的品牌效应。另外则是法规问题，据博世统计，过去三年间，全球针对汽车智能化、电气化、网联化的法规数量以近乎每年翻倍的速度激增，目前已超500项；叠加地缘政治因素催生的近百项长臂管辖与贸易禁令，合规门槛持续抬高。

面对这种格局，构建海外本土化能力已成为中系车出海的必答题。从2026年起，中国车企势必加速在欧洲、澳新、南美等区域的建厂扩产与经销网络铺设。如何从“移植国内模式走出去”，升级为“构建属地能力融进去”，将成为2026年中国汽车产业全球化征程中的核心议题。

Q：中国汽车凭借智能化的优势出海，最大的风险会是什么？

A：智能化成为中国车企海外拓展的核心优势，但智能化又在法规和用户体验上具备很强的属地化特性，“一套技术通全球”的思路恐难奏效，车企智能化出海应在心态上充分理解、尊重海外市场，避免发生猝死性合规事件。

随着出海成为主旋律，中国车企普遍将智能化作为出海的核心优势。但智能化应用又具备极强的属地化特征，在很多环节都无法直接移植中国现有的产品及技术，深层次的差异有如下五个方面：

首先，是用户需求的差异：中国消费者对AI及智驾的接受度远超其他地区。而欧美用户格外看重安全性、确定性与隐私保护。西方用户比中国更重视驾驶乐趣，而中国用户则更期待科技带来的出行便利。座舱交互上，欧洲消费者偏好实体按键、手机投射等传统直观的方式，对“过度科幻化”车机界面接受度偏低。

我们常说欧洲用户更重视车辆的安全，但这种安全并不是简单的车辆可靠性，而是西方用户对人机交互具有更强的心理边界感。这些差异导致了在中国受到欢迎的智能化功能，或多或少在海外需要进行适配和调整。

第二个差异化来自道路环境，中西方道路差异较大，例如欧洲的高速多数建于上世纪90年代或更早，普遍车道少、维护施工区域多，对系统的动态障碍物识别与绕行决策能力要求更高；西班牙环岛多、通行规则复杂；法国隧道多，对定位技术要求高；右舵驾驶国家需调整人机交互与控制逻辑；东南亚人车混行普遍、驾驶习惯随意；中东交通违规罚款高昂；全球各国的交通标识、停车场文字标识迥异，需大量的泛化验证；ISP图像调参需要根据各国的道路光线及气候情况做定制等等。车企要想做到精益求精、在海外市场一炮而红，势必要花费较高的额外成本为在国内已经成熟的智驾方案做全球化适配。

第三个差异化来自智驾的功能法规，以欧盟的L2++准入法规UNR171为例，其与中国的L2强标理念并不相同，我国L2强标的设计导向为“纠偏”，门槛高自由度小，属于命题作文，而R171法规则更关注具体场景，自由度高，但要想完全达标，要求车企有全面的测试和验证能力。

除R171外，在欧盟的智驾发布还需遵守欧盟通用安全法GSR，NCAP，欧盟AI ACT，UN_R155，功能安全ISO26262，预期功能安全ISO21448，AISafetyISO8800等一系列法规，既管控成果，也要求过程的可解释性，在国内依靠敏捷开发模式完成的智驾系统若在海外达到完全合规，需要在很多环节回炉再造。

第四个差异针对中高阶智驾系统，除传统的功能性准入法规要遵守外，高阶智驾还涉及到云端、数据、高算力芯片、AI软件及模型等众多话题，是受地缘政治限制最多、合规要求最繁杂的汽车子系统。从芯片设计、制造、软件开发、云端数据运维到整车出口的全链条中，美国出口管理条例EAR、信息安全部ICTS法规、云法案等“长臂管辖”政策中，有近千条法规细则与高阶智驾相关；

此外GDPR及全球大量效仿GDPR的法规中的“透明度原则”，“跨境同等保护原则”等，也意味着全球各地数据的属地化管理投资不可避免。AI法规通常存在“低频、高额、标志性”的特点，车企因惯性思维、最小成本合规达标的侥幸心理而忽视AI合规可能会导致“猝死性”处罚。尊重地缘政策，加强地缘信任将是车企出海的首要任务。

第五个是海外研发及售后体系的建立。这一环节不仅涉及不动产的投入，也需跨语种人才，从测试、物流到政府关系处理等全链路团队的建设。

2026年，车企在智能化技术出海的征途中将会逐渐意识到尊重属地合规要求和用户需求的重要性，加快探索在“移植国内成熟技术”和“寻找属地合作伙伴”之间的平衡。

写在最后：

汽车行业的未来趋势，向来是各家车企、机构争相研判的核心命题，而博世智能驾控中国区总裁吴永桥提出的“汽车行业15大趋势”，之所以具备极高的参考价值与预判准确性，核心源于博世作为全球顶级Tier 1巨头的独特视角与深厚积淀。

作为贯穿汽车产业全链条的核心供应商，博世拥有其他主体难以比拟的“纵向深度与横向广度”。

纵向层面，博世深耕汽车产业百年，从燃油车时代的核心零部件供应，到新能源与智能化浪潮下的智驾、座舱技术研发，完整经历了汽车行业的技术迭代与产业周期变迁，对产业底层逻辑的理解早已刻入基因；

横向层面，博世的合作伙伴覆盖全球绝大多数主流车企，上至豪华品牌，下至自主新势力，通过与不同定位、不同赛道的主机厂深度合作、高频沟通，得以全面捕捉各细分市场、各类用户的需求变化，形成了覆盖全行业的感知网络。

这种纵向的历史积淀与横向的行业洞察相互交织，让博世对趋势的判断并非凭空推演，而是基于博世自身的技术布局、产业周期的历史规律，以及海量主机厂的真实反馈构建而成的体系化结论。无论是细分市场的格局演变，还是智能驾驶、智能座舱的技术走向，其预判都精准锚定了行业发展的核心方向，既贴合产业发展的底层逻辑，又契合市场需求的真实走向。

这种结合百年产业经验、全行业合作数据与技术演进规律得出的深度研判，对整个汽车行业的战略布局、技术研发与市场决策，都具备极强的参考意义与实践价值。

总之，站在2026年这个承前启后的节点眺望未来。中国汽车产业的发展路径已逐渐清晰。它不再是一场单一维度的技术冲刺或规模竞赛，而是一场围绕“融合”、“升华”与“全球责任”的深刻变革。未来的图景，将由数股核心力量的交织与演化共同绘就。

这个过程注定不会一帆风顺，但唯有经历这番淬炼，中国汽车产业才能真正立于全球汽车工业之上，为世界出行方式的美好未来贡献不可替代的中国智慧与中国方案。

本文来自微信公众号“汽车公社”（ID：iAUTO2010），作者：曹佳东，编辑：陈心南，36氪经授权发布。