6月6日，2025重庆汽车论坛开幕，期间举办了以“以前沿技术推动汽车变革”为主题的会议，几位来自全球领先的行业专家就探讨中国汽车智能化转型，进行了精彩的观点分享。

以下为嘉宾发言实录：

主持人：AI正在加速推动全产业链的智能化转型，同时像Deepseek基于深度学习的AI大模型技术，正以类人认知能力，重构汽车测试，安全决策以及人车智能交互的智能体验，在智能驾驶领域，技术正从少数人的高端配置走向多数人的日常出行。智驾平权正成为一种新趋势，中低端车型逐步搭载高阶智驾功能，改变了产业价值链与市场竞争格局。与此同时，国产化进程正在加快推进，无论是东风的DF30芯片，还是越来越自主车企对操作系统和AI大模型的探索，表明我们不仅在应用，更在掌握底层的核心技术，筑牢汽车科技自主的根与魂。当然未来挑战依然存在，L4，L5高阶智能驾驶如何真正落地，法规、伦理、技术如何协同推进，这些问题值得我们今天一块共同探讨。

我们非常荣幸今天邀请到6位来自全球领先的行业专家，他们分别是：车凌科技副总裁闫凯先生，Mobileye中国战略总监杨明阳先生，Incredibuild亚太区解决方案总监范颂颂先生，Hailo公司中国区汽车业务销售总监缪凌寅先生，莲花工程商务高级总监赵奎武先生，科林尼表面处理有限公司项目总监菲利普先生。

下面第一位有请闫凯先生。

闫凯：大家好，我是来自车凌科技，我们公司在杭州，同时在上海、武汉都设有分公司。AI智能体服务与数据商业化等多维解决方案，可提供车辆全生命周期服务。同时与吉利、东风、北汽、奇瑞、沃尔沃、路特斯、斯马特、江铃等国内外头部车企都保持合作。车凌为车辆全生命周期提供前沿的数智解决方案，让每段旅程更有价值。

这是我们一些生态合作伙伴，我们的客户，大家可以看到除了主机厂OEM这些以外，还有出行领域，曹操出行，T3，包括阿里云，华为云、火山云，还有头部的保险公司，人寿、太平这些都是我们的合作伙伴。

我们整体服务的车型已经超过了50多款，量产，连接数接到车云一体化的平台上的车辆，超过200万台。我们整个车辆全生命周期的业务布局，基于我们一个数字的基座，我们有车云一体化的技术平台，实现的车云数据一体，车云服务一体，车云能力一体，搭建了智能体的平台，实现了这些垂域的智能化，垂域模型，垂域的智能体，智能化的这些工具链，垂域的数据治理。

再有就是运营服务，提供全生命周期的运营管理，智数运营，车辆质量大模型，智能的诊断语音、碰撞定损的一些智能模型，还有车主和车的人车关系，还有驾驶行为的分析，电池的管理，电池健康度的分析这些垂类的基于车辆实时数据的垂类的AI智能体的一些应用。

我们就是利用车实时产生的数据，为车辆提供全生命周期的一些服务。因为现在所有的车都已经联网了，都在实时产生海量数据，对于车厂来讲是很大的成本，存储有成本，流量有成本，但是真正在所有OEM把它采集到的数据真正运用了，还有商业化了，能够变现少之又少。用我们的技术服务，在全生命周期内可以提供研发支持，可以提供生产支持，销售的降本，在使用过程中的降本，可以实现全生命周期的服务，增值和使用的降本，这个救市一个具体的案例，现在很多运营车辆，特别是新能源的运营车辆，大家都以为电动车的运营成本，因为用电比油更便宜，实际运营讲话中还是会有很多痛点，保费增加，续保难。我们提供模型的运用，可以提高运营的效率，同时做一些风险的减量，让他买保险更容易，保费降低，我们提供了一套算法，做到风险减量的平台，我们数据提供给保险公司，跟保险公司合作，优化车辆管理成本，因为我们有车辆实时的数据，随时可以看到车辆的运行状态和质量状态，包括驾驶员是否进行了一些违规的操作，这些都是可以实时看到，另外基于数据可以提升车辆保值率，在车辆进行二手车转换或者其他转换的时候，能够提升售价的差值。因为经过了这些详细的数据诊断以求，出现一个非常权威性的诊断报告以后，车辆的实际售价可以提高6000元，在二手车卖的时候，明确告诉买二手车的人电池健康度有95%，整个系统健康度达到多少，可以提升残值。这块业务我们在一些网约车公司已经装了几千台了，平均保费能够给网约车公司单台每年降2000块钱左右，今年目标装5万台。

这是我们一个技术基座，凌云平台，数据超级总线，我们在车上会植入SDK，可以实现数据和云的同步，做到数据实时的数采，通过这个技术可以让车厂采集车辆数据的成本降低90%。我们在头部车企100万台车已经用了这个技术，大概一年可以在流量上，在存储上大概可以省7000万的成本一年。现在的车厂都在打价格战，利润越来越低，所以利用一些技术去降本增效，那是非常好的，而且可以做到平台化的复制，因为已经把车上的接口做成了SDK，非常好复制。

这是Hyperfleet平台，主要做资产管理、风险分析，风险预警，这个主要是给运营车辆做运营管理的一些降本，特别是网约车还有城市的物流车队。

我们有了这些数据的基础上可以训练出很多垂类的AI的智能体，我们利用车辆的垂类数据治理，可以做到车辆数据行驶里程，行驶时间，速度、位置、环境、加减速这些数据治理。垂域模型智能体，可以给这些故障分析、故障诊断、电池寿命、驾驶行为分析、轻微碰撞的分析，通过模型算出来的，它不是车辆自己数据能够直接体现的，都是通过垂类的智能体来运算出来的这些东西。举个简单例子，有轻微的瓶装，一般气囊爆开的碰撞，我们云平台才能收到数据，但是对于轻微碰撞还没有触发安全气囊爆开，ECU有反应的情况下，这些数据价值也是非常有价值的，因为现在随便保险杠碰一个坑，你到4S店修一下都是3000元起步。

我们整个服务的场景，包括AI的维修诊断，智能场景引擎，生态金融，二手车的经营，风险减弱的方案。谢谢大家。

主持人：谢谢闫总，有这么一个优秀的本土企业，解决智能方案的企业感到骄傲。下面有请Mobileye的杨明阳先生，从ADAS，Mobileye是头部企业，截至2024年底，全球装载他们技术的汽车已经超过2亿辆，大家用热烈掌声欢迎杨总分享Mobileye的故事。

杨明阳：尊敬的各位嘉宾，非常荣幸今天能够跟大家分享Mobileye近期的进展。我叫杨明阳，负责Mobileye中国的战略。

首先我们来看两段视频，左边的视频是搭载在极氪001上的Mobileye SuperVision系统，右边是Mobileye Drive系统，这是慕尼黑的测试，我们现在跟大众合作，预计在2026年底量产，2027年就会实现量产。还是需要驾驶员对驾驶任务进行监督，右边希望能够实现无人驾驶。因此在这两个道路上面，选择两条路进行走路，同时不断在消费级汽车上面，增强智能驾驶功能。同时希望海外车企能够进入中国，这是近期的两大策略。

这页展示的是正在做的智能驾驶相关的产品，从左边是ADAS，到L2级别的辅助功能，SuperVision到chauffeur，到drive。下面这个产品紧接到环绕式的ADAS，6颗摄像头，5个毫米波雷达组成，能够实现高速领航辅助驾驶，预计在2026年量产。

SuperVision第二列，我们在第一代的SuperVision52，有2颗芯片，目前已经在量产，我们现在很大的精力是放在了SuperVision62系统。我们下一代能够实现城市领航辅助驾驶，我们预计在这代有更高的算力，更新的芯片，以及目前最新的AI算法，能够在平均故障间隔时间，包括接管率上有大幅度的提高。

第三个是Chauffeur，最后是Drive系统，我们作为系统供应商，并不参与未来车队运营和服务，我们以轻资产的形式，来为客户提供系统。它是由4颗IQ6芯片组成，23颗传感器，能够做到驾驶自动化。所以我们可以看到所有的产品有非常好的协同效应，最左边ADAS是一颗IQ6的芯片。是硬件不断叠加，在软件层面，相对基础的ADAS功能上，所运用的软件功能，也可以增进到高阶的这些功能里面。另外从业务形态上，大部分的收入来源于ADAS，同时也有SuperVision的收入，通过ADAS的收入支撑更高级别L2、L3、L4的研发，形成非常好的商业闭环以及可持续的发展。

这页展示目前合作的案例和取得的情况。截止到2024年底，我们有2亿台车搭载了我们的芯片，多达1200款国内外的车型。在2024年一年有314款车型搭载我们的芯片，82个软件版本交付，新款的产品也得到了世界各大整车厂的盯点。右边是更高级别的产品，目前L2级别的SuperVision52能够实现高速领航。正在研发的产品包括环绕式ADAS，能够实现经济的成本，帮助OEM把高速领航的功能房在经济性的车上，做到智驾平权。

第二款SuperVision，我们跟保时捷、奥迪、宾利，以及兰博基尼等17款车型合作，保时捷是先发车型，希望在2027年量产。L3的Chauffeur也是跟奥迪合作，是先发客户。Drive跟大众集团合作，这些伙伴当中我们都是以系统供应商的角色来服务。

最后，Mobileye是有全球化经验和全球化布局的一家企业。大家可以看到，中国其实是了以色列以外，一个最大的布局的单一的赛道，包含了测试、研发、BD销售、售后等所有职能。在除以色列和中国以外，也有在其他的汽车聚集地，比如说美国、德国、日本都有部署测试或者研发的基地，因此我们有全球化量产的经验，能够帮助中国车企走到世界高法规地区或者低法规地区，可以帮助他们在ADAS解决方案上有更多的选择。今天我的分享就到这里，总结一下，Mobileye是一家软硬件集成度非常高，产品之间具有很高的协同作用的一家公司。我们有很强的全球化的经验，能够帮助中国车企走向海外，同时也帮助全球车企走进中国。我的分享结束，谢谢大家！

主持人：谢谢杨总的分享，Mobileye是非常知名的公司，至少我知道。下面分享的嘉宾是Incredibuild亚太区解决方案总监范颂颂先生，分享分布式加速的技术。

范颂颂：各位下午好，我是范颂颂，我是Incredibuild驻亚太区的总监，我们是一个软件公司，软件主要是用在车上去做软件开发，构建一个环境的工具链，可能听的时候不是那么熟悉。我们公司是一家以色列公司里面目前在以色列跟乌克兰设有研发中心，同时在中国、美国和日本设有全资子公司，主要是负责市场和知识服务的工作。全球大概有两千多家客户，当然不仅限于车企，在软件行业里面都有应用。

大概说一下，IB里面主要是解决车厂去做软件开发的边际效应问题，现在车厂里面有两大软件，第一个是座舱，基于安卓系统等软件系统特别大的，代码级别可能是几百万，开发商每次做一次编译，可能要等待两个小时甚至更多的时候才能把产品编译完，再做测试开发。

另外在自动驾驶环节，比如感知还有决策算法，也是比较长的过程。我们RB解决大型软件，通过分布式的技术和缓存技术，可以降低编译的时间，提高效率。

首先看应用场景，第一个是座舱系统或者智驾系统里面。基本上看到国内车企里面主流的座舱的系统，或者娱乐系统里面，都是基于安卓系统里面去做编译构建。我做这三个操作系统的编译构建，每次在一个半小时，甚至更长的时间，对开发人员来说是非常浪费时间的。我们基于这几个场景，做了基础的测试，可以把编译的时间做很大的提升，比如说做安卓的，用分布式编译技术，可以将编译构建时间从97分钟缩短到36分钟，这是很大的提升。另外在QNX里面，我们有比较好的提升。

另外一块，在实际的车厂客户里面做的数据测试，已经应用到我们车厂里面的开发流程过程当中，第一个是通用汽车，在以色列研发中心的测试，通用汽车主要基于Linux和QNX的自动驾驶和座舱开发，编译过程中遇到的瓶颈和效率慢的问题，他们每次编译一次，需要半个小时，比如说Linux要40分钟，QNX可能需要两个小时左右，通过分布式编译技术跟基本上可以做到一半的时间提升。分布式计算，每个软件开发团队，我们有专门的服务器，比如开发人员和构建的，任务是在一台主机和PC上做的，一次可能需要编译上千个甚至上万个，特别是安卓上十万级别的任务构建。编译构建，一台计算机里面比较有限的CPU，导致编译时间长的主要瓶颈，通过分布式计算，通过内部组网的方式，构建服务器里面，组成大型的计算资源池，任何一个开发人员，不仅可以使用宾地的资源，还可以使用其他的空闲的CPU，通过几百台甚至上千台的编译构建快很多的。

另外是代码编译的时候有重复的，每次去构建会缓存编译产物，下次构建的时候可以把产物加载一边或者可以重复利用，就不需要重复编译了。

另外一个某EV厂商，自动驾驶，他们做高精地图，感知算法、自动驾驶PNC，每次构建20-40分钟，构建的时间比较慢，频率比较高，他们有一个痛点需要更快的构建，但是目前计算方式里面，导致构建达不上去，通过我们的方式可以把时间做到50%-70%的提升。通过这种方式，可以帮助他们提供更多的计算，比如说可以做四五百次，更快迭代他们的效率。这就是我今天的分享，谢谢大家！

主持人：谢谢范总的分享，下面分享的是Hailo公司中国区汽车业务销售总监缪凌寅，拥有丰富的市场经验。Hailo是专注于高性能，边缘AI芯片研发的以色列科技公司，让我们以热烈掌声欢迎缪总分享。

缪凌寅：谢谢梁总的介绍，感谢组委会邀请我来参加这个论坛。我简单分享一下Hailo公司的基本概况和目前解决方案。我是缪凌寅，负责Hailo在汽车业务的市场跟拓展的工作。先简单介绍一下Hailo公司，是一家以色列企业，我们成立时间不是很长，2017年左右，目前大概不到300人的规模。主要业务是做端侧的AI计算芯片，是用于做一些端侧的神经网络的推理和计算，还有生成式AI的方向。目前的业务布局我们在中国、欧洲，还有亚太地区都有办公室和研发人员，去支持全球比较火的这些AI应用的计算需求。目前我们公司的体量还在投融资阶段，第二轮融资大约3.5亿美金的规模。目前从创业初期开始主要的业务其实是工业跟安防自动化的场景，我们有很多的像工业检测，产线自动化的这些客户。他们主要的应用，通过视觉算法或者神经网络去查看产线上生产的物料的缺损、颜色色差等等，我们在这块的积累也是目前第一代芯片已经从2021年左右到现在已经有百万片的出货积累。因为大家知道在2021年左右，ChatGPT发布了大语言模型，所以这块就非常火，有很多的模型，比如说用手机APP可以在电脑上玩或者手机上玩，有很多大语言模型需要在没有网络的端侧跑这些模型，这些模型参数比较高，需要很大的计算资源。当然也不能太大，太大的话，价格，功耗也会受限。我们后续的方向，推动端侧AI技术。

回到汽车上，我们目前的方向是希望推动端侧的AI推理，包括大模型的应用，在智能座舱的领域，我们的产品工作逻辑非常简单，跟主芯片做一个插接，通过某一个通讯的方式，补充主芯片由于没有太多计算资源受限制的能力，所以我们可以把所有AI计算所需要的计算能力部署在Hailo这个芯片上面，实现一些目前来说，这个算是比较主流的应用，我可以跟座舱做一个对话，问他一个问题，比如在车上有一个电话会，没有办法去记这些会议内容，它也可以做一个实时的，如果有海外会议，可以做翻译，可以做会议总结。现在比较新的一些模型，视觉语言模型，比如看到外面的一个场景，看到后排乘客的动作，可以去分析提醒车内的状况，包括现在有一些座舱的，哨兵模式，车内监控。因为AI迭代速度非常快，有些做AGENT的公司，从云端网端去转型，畅想一下，你开一个车，问他附近找一个餐厅，订坐，几个人，你可以跟它说话，可以自动化的通过AI的能力，调用一叶座位的MCP服务，去完成这个操作。我们除了提供AI芯片的算力之外，还有提供很好的软件的工具链，主要是说可以把所有跟AI相关的编译的工具服务，像Linux系统或者安卓系统，可以提供全套工具链。因为模型本身也需要编译，可以把编译好的模型直接导入到芯片当中，做加速推理的计算。这就是简单的大概的流程，可能比较复杂，大概简单介绍一下，主芯片里面不需要占用资源，如果你需要跑一个类似于千问或者Deepseek的模型，通过内置的架构，大语言模型的软件层面的东西，处理完之后，把结果反馈给车机主芯片，主芯片做后续的一些工作。

目前，我们在生成式AI的路线，因为是端侧，所以说大部分的大家知道在云端的模型可能非常大，有的上几百B的，端侧除非用很高新的芯片，如果用一般的芯片，以我们目前做的方向来说，目前主要是1.5-3B的模型，今年下半年陆续做到5B甚至7B，我们也是经过很多跟客户交流测试以后发现，它能够去处理最常用的一些AI的交互跟驾驶员也好，或者跟用户的交互也好。再后一步，智能座舱离不开车联网，前端通过一些资源去处理完简单的任务以后，后一步需要实时数据再跟云端结合，有时候在户外停车场，没有较好的网络通讯。我们这个产品，做AI加速器，做高性能专用，算力其实不用太大，主要的能力是能耗非常低，这是我们第一代在工业领域大规模应用的芯片，叫Hailo8。Hailo8在汽车行业的落地案例，我们跟一家国内的TL1做了一家预控方案，搭载了Hailo的处理器，提供360度，汽车行业ADAS的泊车，把一部分环视的算法和处理，一部分算力分配在我们的芯片上面去提升，做到类似于高速NOA的功能。

我们也在陆续规划新的产品线，基本我们的路线是每年会迭代一次，从产品线上来说，第一代叫Hailo8，第二代叫Hailo10，会匹配生成式AI，transformer，包括新的架构，它的计算能力跟效率会做一些提升。后续迭代也是根据这个方向一些新的算子，新的一些软件架构，实现能效包括成本会进一步优化。这是我们的一个路线，因为AI的迭代速度非常快，所以我们会尽可能适配最新的AI的模型和架构。

我基本上简单介绍到这里。

主持人：谢谢缪凌寅总的分享。下面分享的是莲花工程商务总监赵奎武先生。

赵奎武：大家好，很荣幸代表莲花工程与各位探讨前沿技术的发展。莲花集团的概况，大家对莲花跑车并不是很陌生，但是在这次演讲的开端，我还是放一段视频跟大家重新回顾一下莲花跑车过去77年的辉煌历史。不知道在座各位有没有莲花跑车的车主，如果没有的话，重庆也有4S店。成长为全球最知名的三大跑车品牌。另外持续提供给全世界客户的超级跑车生产基地。另外集团在德国还有创新中心，考文垂的造型中心，我今天代表的莲花工程就是莲花集团对外合作进行技术授权、平台授权以及对外合作的窗口。

目前莲花工程有四大业务板块，在介绍四大业务板块之前，再给大家提醒一下我们过去莲花工程77年辉煌历史都有哪些经典案例，过去十年甚至二十年的经典案例并不能在这里做充分展示，但是有几个图片，大家其实一眼可以看出来，比如说中间下面是特斯拉第一款跑车，就是莲花工程提供的整车的开发解决方案，最后的车也是在我们工厂进行生产。右上角十年前劳斯莱斯推出（51：13）

刚才提到莲花工程目前对外合作的四大业务板块，平台架构的授权，车辆动力学，这也是莲花工程最受到全世界客户认可的一个领域。我们还有一些主动控制的控制器，比如发动机、整车降噪技术，以及主动安全的控制系统。最后是一些定制化的工程咨询，提供个性化的专家咨询意见。

首先讲到平台授权，目前莲花工程有四大平台可以对外进行合作，分别是目前LNS平台，提供每年不超过1000辆小批量超级跑车的生产制造。还有纯电超跑的平台，EPA，ESA是我们正在研的，包括纯电，燃油车，包括混动同时可以在平台上实现的超级小跑车。国内大家倾向于自研，在国外有很多超级跑车的公司都是采购我们的平台进行定制化的开发。包括10几年前马斯克找到莲花工程购买我们的平台来开发他的一款车。

着重讲一下引以为傲的EPA的平台，早在3年前第一次上市的时候，我们就推出了6D智能底盘系统，在XY3个方向都可以主动控制，今天市面上几乎没有另一家企业相同配置情况下可以实现极致的操控体验。

另外LEA平台，它拥有完全一体的碳纤壳体，可以实现整车重量1.6吨，相比市场上的超跑动则2吨，3吨，我们可以做到极致轻量化，这是莲花3个DNA之一。两年前这款超级跑车的性能版，获得了榜单上历史第三快的速度，当时实地测试可以达到334公里每小时，最高车速超过2分钟没有动力的衰减。

引以为豪的车辆动力学的开发不追溯了，一讲到莲花调校，大家都非常认可，包括过去几年在国内性能版的车，一些跑车都有背后莲花调校大师的身影。过去历史上莲花最经典的几款车，它的操控，给到驾驶员是其他品牌没有办法带给大家极致的体验。

今天的话题更多的是说展望未来技术的发展，包括AI到底怎么样赋能整车的开发。我简单讲一下，77年代历史，虽然莲花取得了辉煌成就，但是不可能一直躺在自己的功劳簿上，我们考虑下一代开发集成的时候要做什么，过去几年不管是仿真的各种开发工具，以及AI赋能的所有工具都充分利用在整车开发前期，可以大量节省整车周期以及人员的投入。但并不是说实地的试验就完全取消掉，整车开发周期不应该以这种形式牺牲客户安全性或者整车的稳定性，耐久性，让他们做牺牲，而是说我们该做的试验还是要做，现在通过仿真的手段，通过AI代替人工，提高效率，而去实现整车开发效率的提升。

展示近期为行业在国内一家著名的合资企业开展AI赋能的整车安全开发案例，通过对通用大模型的专业训练，可以将目前由人力堆叠的信息安全、数据安全等工作，用专业AI软件实现，最终效果非常显著，大家在中间可以看到一些显著的指标，从成本、人力的投资，以及开发周期角度都可以实现超过50%以上的降幅，效果是非常显著的。这是刚才提到的利用大模型的数据去缩短降低前期投入的研发成本，基于这样一个成功案例，目前我们也在尝试用AI的一些定制化的工具，他们其实可以实现多年专家，人员的能力，定制化的工具去实现整车开发微模型某些领域的替代。

刚才讲到一些控制系统，我不再过多展开，大家可以看到，虽然莲花自己历史上并没有自己的发动机，（58：07）主动降噪技术，我们在目前一个细分领域所着重开发的VMC这款产品，可以把底盘域，实现底盘、制动、转向、动总集合，可以做到协同表现，最终体现还是莲花车身动力学的表现。

最后一页，除了整车技术开发以外，可以给大家再做补充的一些其他的专业定制化服务，比如说也有引以为豪的造型服务，还可以单独某一个属性分解，开发验证过程中，为客户提供一些定制化的服务。如果客户也想跟我们探讨一些创新产品的概念研发我们也是可以提供的。对于莲花来讲下一代智能化车长什么样子，4月份上海车展发布的CL1的概念车就可以充分表达我们的想法，虽然这是一款概念车，但是是可以开的概念车，并不是说只能概念展示。造型是非常简约的可以给到人机互动的概念，最终这个车还是要靠人去开，不管是操控还是其他的可以做到非常细腻的。

我对未来智慧汽车的想象是怎么样子？我不知道大家对于这款车有没有概念，如果和我同龄，小时候应该看过一个美剧，叫PT游侠，当时这款车给到我的感受，希望我有生之年能获得一款AI赋能的智慧的车，可以作为生活助手，也可以作为交通工具，也可以作为机器人帮助我处理一些事情，比如超市买菜，希望整个行业大家一起努力，希望十年二十年能买到这样一款产品。我今天的演讲到此为止，如果大家感兴趣，也可以关注我们的公众号。谢谢！

主持人：谢谢赵总的分享，最后一位是来自奥地利的科林尼表面处理的菲利普先生。硬技术以AI、自动驾驶、芯片、大模型都不沾边的看看菲利普先生是怎么与前沿技术相结合的。

菲利普：大家好首先非常感谢主办方的邀请，分享一下中小企业怎么运用前沿科技技术。我是菲利普，我们现在在中国的镇江的一个新的项目负责人，项目总监。科林尼是奥地利的一家公司，有125年的历史了，全球有15个厂。科林尼一直在做什么呢？科林尼是一个表面处理技术公司，其实我们在做电镀、热浸镀锌、电泳涂装，客户来获得定制化的涂层服务，提供物流服务，以及完整的产品服务，特别是跟涂层有关的。

其实它的总部位于奥地利的霍尔尼姆斯，待会儿讲一下怎样使用AI以及应用场景是什么。AI怎么应用，特别是硬件电镀过程中，比如说雷达和摄像头系统，还有芯片的系统，都是会应用到AI，会用到智能传感器，用来提供电镀的解决方案，比如镀金、镀银或者其他的专用合金。刚才同事也提到过人工智能合成芯片，关键是在于散热、微尺度精度、抗电迁移。还有包括长期的和高热循环，这些都是我们的数据中心软件的应用场景和关键需求。

未来的寻求呢，会看到纳米涂层进一步的发展，还有用到特殊的一些人工智能设计合金，以及未来更好的一些石墨烯的解决方案。

对我们这样一个小公司来说，怎么运用人工智能呢？首先我们用人工智能用于流程有何，渡槽监控，我们用传感器，还会有机器学习的算法，我们用计算机也可以去进行检测缺陷，注重质量的八纮。因为我们用到AI的模型来去分析最有可能的一些人为的错误是什么。我们还会有预测性的维护，因为每次我们机器停工对我们来说会产生很大的负面影响，所以我们就会有传感器，还会有其他的一些历史数据，可以帮助我们预测这个机器可能会产生的一些故障。

电镀在L4和L5的自动驾驶中的作用是什么呢？我们需要做的事情，有零故障容忍度，而且要面对电镀的极端环境，我们有高频需求，所以一定要有很好的连接，而且要专业定制的电镀。我们监管的行业，现在全球也是有特定的金属和化学品的运用，比如说六价铬，政府安全部门对关键人工之领域的要求，我们也面临人工智能竞赛的地缘政治挑战。未来需要什么呢，总体来说需要全球标准接轨，新材料与装备，更快的全球认证，以及人工智能的培训和公众对于人工智能的认识。

非常感谢大家，如果大家有任何问题，大家可以加我微信，右边是镇江新的大楼，谢谢大家！

主持人：谢谢大家的分享，下面进入圆桌分享环节，这里面唯一的一个本土企业，其他都是外国企业。刚才的分享虽然有点超时，我们可以到六点一刻结束。大会给我们设了五个问答环节，话题都特别好，但是时间比较紧，所以我们争取快问快答，剩下的听众都是技术控，我们希望能够给他们带来更多的分享。我在准备的时候跟这些嘉宾准备的时候，他们都是搞技术出身的，他们非常严谨，现在鼓励大家，不管怎么样，畅所欲言给大家分享我们所知道的，或者你们推测的都可以。前沿技术他们穿着非常随便，前面我准备了一些描述性的，现在为了节省时间，直接问问题了。第一个话题，AI如何推动产业链的演化，第二个问题问严动，车辆的生命周期里，从研发到报废的不同阶段产生的数据如何协同AI。

闫凯：有的时候其实有点像人工智障，必须有足够的数据喂养它，在垂类上学到这些知识。（71：40）

缪凌寅：大家可以看到从今年应该是过年，一下子大家都知道很火爆，我结合一下行业的大方向，长项一下，以后可能AI这个东西，不管是个人生活，企业流程，甚至是研发端，它都能发挥作用。比如说以单一一个行业来看，比如说前面科林尼，专门为他们的产线做AI分析的模型或者工具，也有他们专门可以跟产线管理人员做互动的类似于大语言模型，这种方式能够针对性的去，其实AI是一个工具，可以提升很多企业管理当中流程的一些效率，研发端的效率，举个例子，我们公司我了解的软件工程师，他们都在用AI在写代码，自己去检查一下，从效率上来说，比你自己码字写代码效率更高，这是AI很大的作用。

缪凌寅：你要让他干一件事情，你知道你是车主，他知道你的用户习惯，早上8点出门，他知道你去单位，提前帮你去导航，知道哪个路段是堵的，你要去干一件事情，或者干几件事情，通过历史的一些数据帮你去预测出来，更自动化的去帮你规划行程安排，或者生活上的服务。

主持人：这种大模型是最后终端汽车，像车主使用的场景，如果在全产业链，比如在制造，在前端的环节可以用得上吗？

缪凌寅：前端需要依赖企业自身，现在很多做AI流程管理，比如提交的报告，不会让你看长篇大论，就是总结一下，提炼一下他最核心的部分，会议纪要，或者提交的报告，包括你做一些类似于研发端的一些资料的合并整合，其实很多都在用这个方法在提升企业效率，包括开发整车的流程。我相信未来更多的整车厂都会用这种方法去提高制造效率，而不用人力，时间去消耗在这个上面。

主持人：谢谢缪总，这两个话题，第三个话题，智驾平权的问题，现在都知道低端的车也开始装智驾系统了，这个问题问一下Mobileye的杨总，目前中低价位的车型，智能驾驶普及的核心驱动力有哪些？

杨明阳：刚才梁总提到了智驾平权，我们的看法，不只是说智驾系统成本降低，一定要保证能够提供一个很好的驾驶体验，同时能够保证安全的情况下，能够把更好的功能普及到价格更低的车上。比如说10万以上的车，我们就可以去用高速领航，比如说最近推出一款环绕式的ADAS系统，6个摄像头，5个毫米波雷达，能够帮助我们说10万+的车型，能够达到L2的功能，就是ADAS原有的功能，减轻开车过程中的任务。整体来看是一个趋势，更高级别的功能会在更高价位的车上，对于消费者来说，刚才讲的驱动力，一个是车企差异化竞争的驱动力，第二个从消费者而言，他们希望说能够在更经济的车型上能够拥有这样的功能。

最后一个，国内整体的生态圈发展非常快，技术的提升让我们能够降本，所以这三个点是创新的，或者是一个核心的驱动力，能够帮我们达到智驾平权。

主持人：平权如果高端的车和低端的车的智驾水平是不是也有区别？

杨明阳：比如最直接的区别，高端车型里面有城区领航，可能分不同的场景，好不好开，人们喜不喜欢开，这都是可以做细分的差异化的一个场景，包括未来的L3，最终我们希望能够实现驾驶自动化，L4的形式。

范颂颂：汽车包括软件还有芯片开发供应链的问题，大家知道作为一款软件需要什么东西，首先需要一台电脑，需要CPU，硬盘，这是基础的设备，另外还需要开发工具，国产化的东西，好的国产，我们做了一些国产的CPU出来了，但是关键在于工具链的问题，比如说IDE，安卓是基于谷歌发布的，还有其他一些主流的编译器，比如说预控制器可以基于ARM，会去做编译器提供商，如果不去做国产操作系统跟OS适配的话，也没有办法。我们国产替代主要是工具，像华为的鸿蒙系统里面，我们做每个鸿蒙手机的时候，发现国产的应用好像都能装上去，出国发现别人的东西装不上去了，生态欠缺。别人不会把他的应用在你的操作系统上适配，这是生态跟供应链的瓶颈。

主持人：闫总你是一个本土企业，对国产化有没有补充的？作为本土企业，国产化的压力或者使命？

闫凯：我觉得很多时候谈这个，其实最开始很多时候国产化都是迫于成本的压力，或者一些国际环境的压力导致的，但是随着中国的工程师力量的崛起，包括技术能力逐渐提升，很多东西超越了海外的一些技术了。在这个过程中，我认为国产化率肯定会逐渐提高的。

主持人：转第五个话题，高阶智驾落地的问题，先问一下赵总，从整车工程视角，你认为L4以上的系统，实现最难的一环是什么，软硬件融合，测试验证，还是法规适配的问题？

赵奎武：从我个人来讲技术不是最难的，更难的点还是社会的接受程度，包括法规接受程度，以及成本，成本到底是谁来摊。举个例子，为什么说从技术的角度是没有难度，同样对比我们的航空工业，其实在巡航阶段，我们就是开了近似于L4级别的自动驾驶，已经实现了多年了，但是并不是说交通工具本身的功能安全技术做到了就可以了，其实是有一整套航空交通管制的体系是来支撑它的，以及在天上交通相比地面或者城市相对简单一点，所以我们讲的是从技术角度早就可以实现了。但是难点是什么？我过去几年做过一段时间的线控底盘，我们实现的功能大家都可以实现了，但是从功能安全的角度做了10%甚至5%的工作都没有做到，90%是在做信息安全，数据安全，大量工作是在这个方面。更多的是社会从整体的车联网，我们的路、人、交通工具如何协同，最后讲到我们的成本谁来摊，肯定不可能是终端客户，是不是整车厂去摊，这也是一个问题。如果你是无人机没有问题，只要有人坐在上面就会有问题。如果出现了就是严重的交通事故，安全是最大的豪华，这点是非常重要的，如何实现安全，不是说你真正出了问题再去解决。最后的责任怎么划分，是主机厂的问题，还是这个人的问题，还是算法供应商的问题，这都是等等一系列社会的问题，我觉得很难回答。回到梁总刚才的问题，从技术角度不是难点，而是社会接受程度到什么时候才可以落地。还是需要各个方面，各个领域的专家，以及行业协会，政府的引导才能找到合理的方向，才能规划一个更切实，更可以落地的时间表。

主持人：在这之前我对高阶的自动驾驶落地我是比较悲观的，我也从事汽车行业30多年，两个星期前在盐田看低空经济示范，空域之前不开放的，现在也慢慢开放，有8个试点区域，现在看那个对自动驾驶落地还是抱有信心。

下一个是菲利普的问题，零缺陷标准的问题。

菲利普：简单回答一下，首先我们对于缺陷是零容忍的，我们现在投资于质量，是因为质量如果出现问题会更贵的，而且不要失去对人的信任，比如小米的车也是到处都有。我们如果用L4和L5的话，现在就要开始投资了，投资到正确的事情上面去。大家不要去看谁是第一个去做的人，谁能做出最便宜的东西来，但是我们要看大家是不是在做正确的事情，因为大家都在讲安全，今天早上说了，今天下午都在说安全的问题，所以不仅仅是说，更重要的是做。像你这样一个传统的公司，未来是怎么样投资一些新的前沿技术。

主持人：探讨了芯片，智驾平权，6位嘉宾的真知灼见让我们对未来智能汽车的突破有了比较清晰的认识，感谢各位专家的分享，感谢在座各位观众听众坚持到现在，希望今天的圆桌会议能跟各位在技术布局，产品创新与生态协同上带来一些启发，让我们一起推动智能汽车驶入新时代，我宣布本场论坛圆满结束，谢谢大家！