本文字数：约 4000 字，预计阅读时间：10 分钟
自动驾驶进入大模型时代，主机厂寻找「联合创始人」
9 月 25 日，一场关于自动驾驶未来技术路线的圆桌讨论在云栖大会上的 2025 阿里云汽车行业峰会展开。尽管三位嘉宾来自不同的主机厂或科技公司，对技术演进的具体细节也存在一些分歧，但他们都认可一个观点：自动驾驶应该从现在的「模仿学习」，迈向「自主思考」的下一阶段，以达到更安全、更可用的自动驾驶能力。自主学习，换句话就是真正拥抱 AI，同时意味着更大的模型参数、更强的推理能力，以及更真实的仿真环境。而这些，都离不开云端强大的「基建能力」支持。
在 2025 云栖大会汽车峰会上，三位嘉宾共同讨论 AI 时代的自动驾驶发展路线 | 图片来源：云栖大会
智能驾驶，进入「大」模型时代。2025 年，想要在中国市场卖出任何一台新能源车，「智能化」都是绕不开的一个关键词。这其中，智能驾驶技术的体验和演进方向，又是每一家主机厂和智能驾驶公司关注的重中之重。过去几年，特斯拉提出的「端到端」范式，引领智能驾驶研发从规则驱动切换到数据驱动时代。这轮技术变革既可以大幅提高开发效率，系统应对不同场景的泛化能力也得到了显著提升。但关于端到端范式「天花板有限」的讨论也很快出现。根本原因在于，端到端就像是一位经历过「题海」洗礼的学生，模仿学习能力很强，见过的题可以不出错，但一旦面对没有见过的「新题」，它的自主解题能力就会受到考验。而如果想要达到 L4 甚至 L5 级别的完全自动驾驶，就会面对数不清的没有被标记学习过的障碍物，以及无数没有被定义过的场景。所以，在端到端之后，智能驾驶必须 AI 化。系统需要提升的是底层的「能力」，而不是人工开发一个个具体的「功能」。类比人工智能行业的发展，就是在预训练后，加入后训练和强化学习，增强推理能力。
VLA（Vision-Language-Action）是近年来开始被行业热议，有望成为新共识的技术路线。依托于 GPT 架构的 VLA，参数量将大幅提升，也对研发的底座提出了新的要求：首先，对算力的需求要远高于上一代技术范式。这里既指需要更大算力的车端算力，也代表云端的训练、推理需求。理想汽车自动驾驶研发高级副总裁郎咸朋把在云端开发智能驾驶模式，比作「在虚拟城市里开极品飞车」，「不仅车的推理需要算力，生成这座模拟城市也需要大量算力」。其次，VLA 中的「L」，其实是指对物理世界的理解——你可以简单理解为「基本智商」，例如看懂临时路牌、分辨潮汐车道、避让特种车辆等。这些和驾驶无关的常识能力，恰恰是现在的语言大模型已经具备的。
所以，主机厂在研发 VLA 模型的时候，往往是选择在行业领先的基座模型上进行蒸馏，而不需要从零开始重复造轮，再做一个大语言模型。基于此，三位嘉宾在沟通时也都表示，在如今的智能驾驶研发过程里，阿里云不仅提供了 AI 算力，更是和车企、科技公司一起合作解决问题的好伙伴。
反光、曲面、微米痕：AI如何打赢汽车质检这场硬仗？｜产业链观察
零件不一、反光刁钻、标准难定、节拍飞快，汽车质检难题怎么破？在汽车制造领域，如何应对复杂多变的质检需求，已经成为行业内普遍关注的问题。从反光、曲面到微米痕，每一个细节都需要精确检测。传统的质检方式依赖于人工操作，效率低下且容易出错。而随着 AI 技术的发展，这些问题逐渐找到了解决方案。通过使用深度学习和图像识别技术，AI 可以实现对汽车零部件的高精度检测，确保生产质量。例如，使用卷积神经网络（CNN）对反光表面进行训练，AI 可以准确识别出细微的瑕疵。此外，通过引入强化学习，AI 还可以不断优化检测策略，提高检测效率。这种技术的应用不仅提高了质检的准确性和效率，还降低了人力成本，使得汽车制造过程更加智能化。
零件不一、反光刁钻、标准难定、节拍飞快，汽车质检难题怎么破？ | 图片来源：钛媒体
无人配送迈过“万台门槛”，新石器的考题才刚开始
无人车经过2025年，迈过万台门槛之后，面临最大的挑战还是“社会舆论”和“安全”。随着无人配送技术的发展，新石器在这一领域取得了显著的进展，成功突破万台门槛。然而，这一成就仅仅是一个开始，新石器面临的最大挑战在于如何赢得社会的广泛接受和信任。安全性和社会舆论成为了推动无人配送技术发展的关键因素。为了解决这些问题，新石器采用了多种 AI 技术。例如，使用机器学习和深度学习算法，新石器的无人配送车可以实时感知周围环境，并做出快速准确的决策。此外，通过引入强化学习，无人车还可以不断优化行驶策略，提高安全性和效率。这些技术的应用不仅提升了无人配送车的智能化水平，也为未来的广泛应用奠定了坚实的基础。
无人车经过2025年，迈过万台门槛之后，面临最大的挑战还是“社会舆论”和“安全” | 图片来源：钛媒体
禾赛的未来，在于让“机器觉醒”
禾赛的未来，在于让“机器觉醒”。作为一家专注于激光雷达的公司，禾赛科技近年来取得了显著的进展。为了实现这一目标，禾赛引入了多种 AI 技术。例如，使用深度学习算法对激光雷达数据进行处理，以提高感知精度和可靠性。此外，通过引入强化学习，激光雷达可以不断优化数据采集策略，提高数据质量。这些技术的应用不仅提升了激光雷达的智能化水平，也为未来的广泛应用奠定了坚实的基础。
东方不亮，西方亮 | 图片来源：钛媒体
暴走东京电玩展，Game Show也AI上了
中国厂商真的是把排面拉爆了。随着 AI 技术的发展，游戏行业也开始引入各种智能技术，以提升用户体验和游戏性能。在东京电玩展上，许多中国厂商展示了使用 AI 技术的新游戏。例如，使用深度学习算法优化游戏画面和音效，提高游戏的真实感。此外，通过引入强化学习，游戏可以自适应玩家的行为，提供更加个性化的游戏体验。这些技术的应用不仅提升了游戏的智能化水平，也为未来的广泛普及奠定了坚实的基础。
中国厂商真的是把排面拉爆了 | 图片来源：量子位
总结
今日AI领域的主要动向集中在自动驾驶技术的突破、智能座舱的进化以及AI技术在汽车质检、无人配送等领域的应用。自动驾驶向自主思考迈进，智能座舱从指令响应转向主动服务，AI技术正推动汽车行业的全面智能化。此外，AI在汽车质检和无人配送领域也取得了显著进展，为未来的广泛应用奠定了坚实基础。这些进展不仅提升了汽车行业的智能化水平，也为用户带来了更加安全、便捷和智能的体验。
作者：Qwen/Qwen2.5-32B-Instruct
文章来源：极客公园, 量子位, 钛媒体
编辑：小康