長(zhǎng)城汽車(chē)佘士東詳解長(zhǎng)城智能化：如何打造整車(chē)智能體？

4月11日，由車(chē)百會(huì)研究院主辦的智能電動(dòng)汽車(chē)發(fā)展高層論壇（2026）在國(guó)家會(huì)議中心二期召開(kāi)。

作為本次論壇的重磅環(huán)節(jié)，高層論壇上午場(chǎng)以“推進(jìn)新能源汽車(chē)智能化、綠色化、融合化、國(guó)際化發(fā)展”為主題，下午場(chǎng)以“探索產(chǎn)業(yè)新發(fā)展模式 培育汽車(chē)新質(zhì)競(jìng)爭(zhēng)力”為主題，匯聚了來(lái)自政府、汽車(chē)、能源、交通、科技等多個(gè)領(lǐng)域的代表，共同探討汽車(chē)產(chǎn)業(yè)發(fā)展趨勢(shì)。

在論壇期間，長(zhǎng)城汽車(chē)智能化產(chǎn)品副總經(jīng)理佘士東接受了媒體群訪(fǎng)，他系統(tǒng)解讀了長(zhǎng)城汽車(chē)今年1月發(fā)布的全新整車(chē)平臺(tái)“歸元”，并闡釋了長(zhǎng)城在智能化方面的迭代與思考。

佘士東指出，歸元不僅是多動(dòng)力兼容的技術(shù)平臺(tái)，更是長(zhǎng)城從網(wǎng)聯(lián)車(chē)向AI車(chē)轉(zhuǎn)型的原生底座，具備一車(chē)多動(dòng)力、全域自研、雙大腦（智駕+座艙）等核心特征。

同時(shí)，佘士東透露，長(zhǎng)城已布局七八年的自研智駕方案即將上車(chē)。

佘士東指出，算法并不是整個(gè)智駕工程最難的部分，恰恰相反，這部分的能力“可能也就是值1—2億”，而包括數(shù)據(jù)在內(nèi)的全鏈路打通，以及各環(huán)節(jié)之間的協(xié)同性，才是智駕里面最難的部分。

而長(zhǎng)城在智駕方案上總體會(huì)采取“自研+外采”兩種方式并行的策略，具體來(lái)看，旗艦車(chē)型將采用深入自研的智駕方案，另一塊100T-200T之間的“普惠智能，后續(xù)也會(huì)完全替換為自研，但是在“頭部”和“胸部”的位置，仍然會(huì)開(kāi)放接受行業(yè)里比較好的解決方案。

他還提出，下一代AI汽車(chē)將不再依賴(lài)預(yù)設(shè)的人機(jī)交互規(guī)則，而是通過(guò)整車(chē)智能體實(shí)現(xiàn)“相識(shí)、相知、相愛(ài)、相伴”的主動(dòng)服務(wù)體驗(yàn)。

長(zhǎng)城汽車(chē)智能化產(chǎn)品副總經(jīng)理佘士東

以下是媒體與佘士東對(duì)話(huà)內(nèi)容（有刪節(jié)）：

未來(lái)兩三年，陸續(xù)實(shí)現(xiàn)整車(chē)智能體化

媒體：今年1月份，長(zhǎng)城汽車(chē)正式公布了全新的一車(chē)多動(dòng)能整車(chē)平臺(tái)，命名為歸元，這一平臺(tái)是如何支撐全場(chǎng)景智能目標(biāo)的？您認(rèn)為到了2030年，電動(dòng)汽車(chē)智能化將呈現(xiàn)哪些趨勢(shì)？

佘士東：歸元平臺(tái)在長(zhǎng)城汽車(chē)內(nèi)部解讀的時(shí)候不只是一套技術(shù)平臺(tái)，它是一套設(shè)計(jì)整車(chē)?yán)砟睢?/p>

大家都知道，現(xiàn)在車(chē)型的純新能源化，或者純電化跟燃油車(chē)逐漸平權(quán)，包括國(guó)內(nèi)車(chē)型逐漸出海，所以在全球市場(chǎng)來(lái)看，多動(dòng)力平臺(tái)，不論是插混、純電、燃油，甚至是柴油，還有普通混動(dòng)，全球市場(chǎng)因?yàn)橛密?chē)場(chǎng)景不同，環(huán)境不同，所以它們是有綜合的需求。

而現(xiàn)在來(lái)看，整車(chē)不論是舒適系統(tǒng)，還是上車(chē)體系以及安全開(kāi)發(fā)都是可以高度復(fù)用，但恰恰是動(dòng)力這個(gè)內(nèi)容是有一定的區(qū)域差異性，包括使用場(chǎng)景上的差異性，這是一個(gè)設(shè)計(jì)整車(chē)的理念。

在這個(gè)理念里面，一方面考慮一車(chē)多動(dòng)力、一車(chē)多平臺(tái)，同時(shí)也考慮向下兼容，或者我們是把它作為一個(gè)重要的，由原來(lái)的網(wǎng)聯(lián)車(chē)向AI車(chē)轉(zhuǎn)變的一個(gè)新平臺(tái)，也是對(duì)應(yīng)打造了原生AI的一套系統(tǒng)。

它是從最底下的執(zhí)行器到上面的電子電氣神經(jīng)網(wǎng)絡(luò)，包括雙VLA兩個(gè)算力的域，智駕算力域和座艙算力域，基本可以拉到1000T左右的情況，用來(lái)支撐我們認(rèn)為的下一代AI汽車(chē)。

2030年在我們看來(lái)，其實(shí)就在眼前，因?yàn)槲覀儸F(xiàn)在規(guī)劃部分的車(chē)型上市時(shí)間可能就已經(jīng)是2028年、2029年的時(shí)間點(diǎn)，從這個(gè)時(shí)間點(diǎn)倒過(guò)來(lái)看，其實(shí)對(duì)于多動(dòng)力應(yīng)該是一個(gè)普遍需求，它不再是過(guò)去5—10年更多是新能源快速生長(zhǎng)的過(guò)程，但我們現(xiàn)在越來(lái)越多地看到全球化的市場(chǎng)對(duì)不同動(dòng)力的差異化應(yīng)該是個(gè)普遍需求。

第二個(gè)，我們對(duì)于整車(chē)AI的理解，它不再是一個(gè)單純的人機(jī)一套交互系統(tǒng)，不論是駕駛過(guò)程中的人的方向盤(pán)，或者油門(mén)、剎車(chē)交互過(guò)程，還是人對(duì)座艙的生態(tài)和功能的交互系統(tǒng)，其實(shí)都會(huì)智能體化，它是以一個(gè)整車(chē)智能體作為中介來(lái)服務(wù)給客戶(hù)的，用戶(hù)跟智能體之間的關(guān)系就會(huì)退化為只是自然對(duì)話(huà)和主動(dòng)服務(wù)這兩種形態(tài)。

我們認(rèn)為，歸元這個(gè)平臺(tái)一方面是一車(chē)多動(dòng)力，第二個(gè)，它一定是有極強(qiáng)的端側(cè)的算力支撐。

我們認(rèn)為，下一代智能體化的汽車(chē)目標(biāo)，這不用等到特別遠(yuǎn)的2030年，今年長(zhǎng)城也推出來(lái)了比較前瞻的一款車(chē)型，它已經(jīng)完成了部分的智能體化，推出了司機(jī)智能體和座艙智能體這兩個(gè)核心智能體。

明年我們陸續(xù)推出的這些車(chē)型里面會(huì)搭載更多的垂域智能體，我們相信也就是兩三年的時(shí)間，整車(chē)智能體化這個(gè)目標(biāo)應(yīng)該是非常明確的。

從智駕上我們也能看到，長(zhǎng)城的車(chē)通過(guò)兩年時(shí)間，快速把NOA用戶(hù)黏性從個(gè)位數(shù)提升到30%多，這其實(shí)也是一個(gè)快速變成日常普及使用的過(guò)程。

全棧架構(gòu)，天然實(shí)現(xiàn)跨域調(diào)動(dòng)

媒體：歸元平臺(tái)的原生AI特性是怎么體現(xiàn)在智能駕駛與座艙融合中的？與傳統(tǒng)平臺(tái)相比，在一些算力分配和數(shù)據(jù)流通上有哪些和過(guò)去相比特別大的變化？

佘士東：我們?cè)谧鲞@個(gè)原生平臺(tái)時(shí)候是兩個(gè)方向。

第一個(gè)方向是自底向上全棧的，可能有一些了解長(zhǎng)城汽車(chē)的，我們的動(dòng)力、電池、轉(zhuǎn)向等等自研率是非常高的，我們有精工、蜂巢、諾博來(lái)實(shí)現(xiàn)整個(gè)執(zhí)行層全棧的自研，再往上就是神經(jīng)網(wǎng)絡(luò)，這套架構(gòu)也是面向原生AI，支持SOA化、MCP化等等這些，也是可以實(shí)現(xiàn)全域的串聯(lián)。

在這個(gè)過(guò)程中，我們發(fā)現(xiàn)車(chē)上三大核心執(zhí)行部件，主要是動(dòng)力底盤(pán)、輔助駕駛、上車(chē)體，上車(chē)體也就是用戶(hù)能感覺(jué)到舒適的這類(lèi)系統(tǒng)，所謂泛座艙的功能，這些已經(jīng)全面完成能力化封裝。

在這上面我們布置兩個(gè)大腦，一個(gè)左腦，一個(gè)右腦，左腦更多為了實(shí)現(xiàn)智駕這部分，是采用了最新的英偉達(dá)Thor芯片，700多T的算力，智駕里面采用了VLA大模型的解決方案；

右腦這部分是采用了高通比較領(lǐng)先的芯片，也是有端側(cè)的模型部署，在座艙里我們也是首先提出了第一個(gè)行業(yè)空間VLA模型。

它的核心特征就是能夠感知艙里面的情況，能夠認(rèn)識(shí)車(chē)上的每個(gè)人，能夠了解場(chǎng)景，并且用生成式的方式推導(dǎo)出來(lái)場(chǎng)景，主動(dòng)服務(wù)，而不像以前一樣，都是產(chǎn)品經(jīng)理編排的規(guī)則，在這種情況下，整個(gè)車(chē)的這兩個(gè)腦子已經(jīng)具備了。

最頂部就是我們希望打造給用戶(hù)一個(gè)智能體的體驗(yàn)，小魏同學(xué)是我們打造的一個(gè)新的IP，當(dāng)然它的形象是采用咖啡智能延續(xù)下來(lái)的咖啡豆的形象，用這樣的方式自底向上實(shí)現(xiàn)了一個(gè)全棧的AI化，而不再像以前一樣，買(mǎi)的是動(dòng)力底盤(pán)，買(mǎi)的是智駕功能，買(mǎi)的是座艙的座椅等等。

我們認(rèn)為，下一代的車(chē)一定是一個(gè)自底向上全鏈路的體驗(yàn)，我不能只是買(mǎi)了一個(gè)座椅各種按摩功能、空調(diào)功能，它一定是能夠符合用戶(hù)最終體驗(yàn)的一套解決方案，而這套體驗(yàn)的用戶(hù)觸點(diǎn)就是智能體化的方式。

從橫向上來(lái)說(shuō)，這里面涉及到很多層面的打通。

當(dāng)然，因?yàn)檎麄€(gè)自研比例是比較高的，所以我們對(duì)于全域的控制器基本都是可以實(shí)現(xiàn)自主可控的，它并不是一個(gè)需要采購(gòu)?fù)獠康霓D(zhuǎn)向控制器，再跟它做協(xié)議開(kāi)通，而是我們?cè)陂_(kāi)發(fā)設(shè)計(jì)轉(zhuǎn)向系統(tǒng)時(shí)已經(jīng)完成了AI化的能力釋放，在整個(gè)過(guò)程中，開(kāi)發(fā)的起點(diǎn)就已經(jīng)是奔著要開(kāi)放給上層的AI來(lái)使用，而不是做橫向的互聯(lián)來(lái)打通。

以前可能因?yàn)榇怪钡摹盁焽栊?yīng)”，大家各做各的，動(dòng)力做動(dòng)力的，底盤(pán)做底盤(pán)的，智駕做智駕的，除非為了實(shí)現(xiàn)某些功能不得不打通時(shí)才會(huì)做橫向拉通。

但是我們現(xiàn)在這套全棧架構(gòu)，是天然把自己能力化，因?yàn)檫@是一個(gè)進(jìn)入歸元平臺(tái)的準(zhǔn)入門(mén)檻，一旦進(jìn)入歸元平臺(tái)之后，它們天然實(shí)現(xiàn)了互相被調(diào)用的能力，而且有兩個(gè)端側(cè)算力大腦在統(tǒng)一調(diào)度它們，而不是它們只是做橫向功能的對(duì)接。

智駕方案，自研與外采并行

媒體：市場(chǎng)有消息說(shuō)長(zhǎng)城自研的智駕方案可能會(huì)在今年上車(chē)，現(xiàn)在這個(gè)方案到了哪一個(gè)階段？另外，與藍(lán)山車(chē)型搭載的一些方案相比我們會(huì)有哪些自研特色？

佘士東：對(duì)外傳播的時(shí)候大家都會(huì)截取關(guān)鍵性的節(jié)點(diǎn)，其實(shí)長(zhǎng)城智駕的自研已經(jīng)做了七八年，不是從現(xiàn)在才開(kāi)始，整個(gè)過(guò)程長(zhǎng)城也一直在自研和供應(yīng)商協(xié)同的路上推進(jìn)。

因?yàn)檎麄€(gè)智駕的自研不是簡(jiǎn)單地說(shuō)車(chē)上的零部件，車(chē)上的傳感器，或者是算法這些東西，它是一個(gè)系統(tǒng)性的解決方案，包括部分?jǐn)?shù)據(jù)、數(shù)據(jù)的標(biāo)注、數(shù)據(jù)的清洗以及數(shù)據(jù)對(duì)于模型本身的訓(xùn)練，以及里面對(duì)于模型本身的檢測(cè)或者是評(píng)價(jià)等等，這些都是智駕工程里非常重要的部分。

前期的時(shí)候，涉及到對(duì)于技術(shù)路線(xiàn)的選擇，大家都知道，從最早的前端感知融合BEV到后面Transformer出現(xiàn)了多段式、一段式，包括現(xiàn)在的VLA模型的采用，我們認(rèn)為核心的算法其實(shí)并不是整個(gè)智駕工程里面最難的那部分。

恰恰相反，這部分的能力從行業(yè)里面來(lái)看，可能也就是值1—2億，而整個(gè)全鏈路的打通，包括它們之間的協(xié)同性，這才是真正智駕里面最難的那一部分。

我們只是把核心的、大家能看到的最關(guān)鍵的算法也好，或者是這個(gè)鏈路，覺(jué)得好像是整個(gè)系統(tǒng)唯一的部分，我理解這可能是不太準(zhǔn)確的。

本身在長(zhǎng)城來(lái)看，我們可以使用同樣的數(shù)據(jù)鏈路來(lái)訓(xùn)練不同智駕等級(jí)的智駕系統(tǒng)，因?yàn)殚L(zhǎng)城也有六七萬(wàn)塊錢(qián)的車(chē)，也有六七十萬(wàn)的車(chē)，不可能所有的車(chē)上都采用同樣的智駕方案。

但是對(duì)于我們來(lái)說(shuō)，工程鏈路以及數(shù)據(jù)訓(xùn)練鏈路是高度復(fù)用的，這個(gè)復(fù)用率已經(jīng)接近80%、90%，但是它的核心算法依賴(lài)于端側(cè)算力的部署情況，有幾十T的，也有一百多T的，有兩百多T的，有七百多T的，不可能算法是一樣的，在這部分我們可能部分選擇跟供應(yīng)商合作，包括接受供應(yīng)商一些好的建議。

對(duì)于長(zhǎng)城兩頭的產(chǎn)品，一頭的產(chǎn)品是旗艦級(jí)的，我們可能會(huì)后續(xù)采用深入自研，因?yàn)楝F(xiàn)在來(lái)看，端到端的體驗(yàn)不只是一個(gè)算法的端到端，而是要涉及到執(zhí)行器的端到端，也就是我們的轉(zhuǎn)向機(jī)構(gòu)，我們的動(dòng)力底盤(pán)這些東西是不是能納入到整個(gè)算法模型里面一起參與訓(xùn)練，現(xiàn)在來(lái)看整個(gè)行業(yè)里面還是比較早期的一個(gè)階段。

第二部分，我們叫普惠智能，基本是100T左右到200T之間的，能夠?qū)崿F(xiàn)非?？捎靡约安糠指咚賵?chǎng)景高用的一套智駕解決方案，后續(xù)應(yīng)該會(huì)完全替換為自研。

但是在頭部和胸部的位置，仍然會(huì)開(kāi)放去接受行業(yè)里面比較好的一些解決方案，來(lái)給我們的用戶(hù)提供一些好的體驗(yàn)。

所以它不是一個(gè)完全替代的關(guān)系，而是逐漸滲透，并且把局部的算法也可以跟行業(yè)做共創(chuàng)的過(guò)程，就像我們現(xiàn)在合作的這些供應(yīng)商，基本都不是完全供應(yīng)商，或者完全自研化，它只是其中一個(gè)比例，包括他們之間合作切分的方式的差別。

智駕方案會(huì)進(jìn)行不同的場(chǎng)景適配

媒體：您之前有一個(gè)非常生動(dòng)的觀點(diǎn)，說(shuō)特斯拉的FSD像觀光模式，坦克400如果太溫柔用戶(hù)反而會(huì)不滿(mǎn)意。對(duì)于普通的消費(fèi)者而言，智駕的性格是不是比單純的能力上限更重要一些？長(zhǎng)城是如何在這個(gè)獨(dú)特的性格上面為智駕做一些努力的？

佘士東：進(jìn)入智駕也好，包括座艙智能體進(jìn)入深水區(qū)之后，我們發(fā)現(xiàn)人在產(chǎn)生一個(gè)重大變化——原來(lái)是人機(jī)交互，人跟機(jī)器之間的互動(dòng)方式，但是現(xiàn)在有了中間這個(gè)智能體之后，人跟智能體變成了一個(gè)核心的關(guān)系，而忽略掉機(jī)器本身帶來(lái)的這些差異。

這里面不論是剛才您提到的用車(chē)場(chǎng)景上的差異，還是本身功能和性能上帶來(lái)的差異，都會(huì)被中間智能體抹掉，它會(huì)忽略掉你怎么樣去完成A點(diǎn)到B點(diǎn)具體的過(guò)程，它會(huì)盡量地去保證這個(gè)智能體和這個(gè)機(jī)器，也就是我們所謂的行動(dòng)能力等等之間的最優(yōu)解。

比如不同的能源分配，比如純電模式還是混動(dòng)模式，其實(shí)智駕都要去做適應(yīng)性的調(diào)整。

而這個(gè)過(guò)程要比我們所說(shuō)的性格來(lái)得更早一些。

尤其是坦克的車(chē)型非常典型，他們對(duì)于這個(gè)車(chē)能夠在智駕上的表現(xiàn)其實(shí)要遠(yuǎn)遠(yuǎn)低于用戶(hù)在藍(lán)山或者高山這種偏舒適型車(chē)型的需求。但是，它又有獨(dú)特的場(chǎng)景，比如長(zhǎng)距離穿越，比如路面有可能沒(méi)有車(chē)道線(xiàn)，有可能稍微有一些起伏，我們?cè)趺礃幼屩邱{在這個(gè)過(guò)程中更舒適，能夠吸收掉穿越過(guò)程中的沙石路面帶來(lái)的顛簸，這時(shí)候?qū)τ谒俣鹊淖非笫菬o(wú)感的。

我們也做了人因分析，發(fā)現(xiàn)用戶(hù)完全不需要注意力介入模式，所謂觀光模式可能是忽略時(shí)長(zhǎng)，他多開(kāi)了20分鐘可能沒(méi)有意識(shí)到，很輕松地度過(guò)這20分鐘，在這種情況下，智能體和機(jī)器的協(xié)同會(huì)抹除掉不同場(chǎng)景的使用差異化，用戶(hù)對(duì)于整個(gè)智能體就變成了“我怎么樣舒適、我怎么樣更輕松”這樣的一個(gè)考量標(biāo)準(zhǔn)，而不是駕駛系統(tǒng)的性能、準(zhǔn)確度等等，用戶(hù)會(huì)忽略掉智駕在這個(gè)過(guò)程中出現(xiàn)的各種性能邊界。

我們會(huì)盡量保證安全的情況下，會(huì)考慮更強(qiáng)的維度，比如更強(qiáng)調(diào)舒適，還是更強(qiáng)調(diào)效率，還是更強(qiáng)調(diào)對(duì)于不同用戶(hù)場(chǎng)景的使用，其實(shí)是會(huì)被智能體吸收掉的，用更適合的方式跟用戶(hù)做交互就好了，在這個(gè)過(guò)程中會(huì)并行發(fā)展。

長(zhǎng)城會(huì)在明年推出專(zhuān)門(mén)針對(duì)越野車(chē)型和泛越野車(chē)型單獨(dú)標(biāo)定智駕系統(tǒng)，它會(huì)在智駕場(chǎng)景下輔助用戶(hù)更好地做越野，或者是長(zhǎng)途穿越這些體驗(yàn)。

但是這種情況下不是完全把車(chē)交給智駕系統(tǒng)了，智駕系統(tǒng)的感知，我們知道它對(duì)于縱向的感知要遠(yuǎn)遠(yuǎn)好過(guò)對(duì)于立體的感知，怎樣解決道路的起伏、炮彈坑這些，我們是需要有新的解決方案出來(lái)的，這應(yīng)該也會(huì)是行業(yè)的首創(chuàng)。

AI的馬拉松，整車(chē)廠(chǎng)剛跑過(guò)發(fā)令槍

媒體：感覺(jué)座艙已經(jīng)完全成了一個(gè)Agent，但是支撐這一代模型相較于上一代的Coffee OS3有什么進(jìn)化，以及內(nèi)部是什么時(shí)候開(kāi)始這一輪的進(jìn)化呢？

佘士東：Coffee OS3在它之前還有BUX，還有GUX，那時(shí)候統(tǒng)一叫Coffee OS，是沒(méi)有版本號(hào)的概念的，核心設(shè)計(jì)理念是空間交互系統(tǒng)，從原來(lái)只服務(wù)于司機(jī)一個(gè)人的人機(jī)交互系統(tǒng)開(kāi)始服務(wù)于車(chē)內(nèi)每一個(gè)乘客。

典型的表現(xiàn)是開(kāi)始有了副駕屏，開(kāi)始有了多音區(qū)，開(kāi)始有了后排電池、后排冰箱，有每個(gè)座椅平權(quán)，每個(gè)座椅都可以實(shí)現(xiàn)通風(fēng)、按摩、加熱等等的功能，Coffee OS3是我們認(rèn)為滿(mǎn)足車(chē)上每一個(gè)乘客需要的，在那個(gè)時(shí)代更多是解決用戶(hù)怎么樣更好地跟這個(gè)車(chē)完成一個(gè)交互。

對(duì)于下一代我們核心的來(lái)看，它最大的變化是大模型的內(nèi)核級(jí)引入，也就是剛才提到的歸元平臺(tái)怎么原生來(lái)做這套系統(tǒng)。

在這個(gè)過(guò)程中，我們遇到的第一個(gè)困難就是端側(cè)算力不足。我們知道，世界上主流的端側(cè)算力在五六十T，部署一個(gè)模型就是部署零點(diǎn)幾B的模型，它對(duì)于大語(yǔ)言的理解，包括對(duì)于場(chǎng)景的認(rèn)知是嚴(yán)重不足的，跟我們?nèi)粘Ｊ褂玫亩拱?、千?wèn)等等大模型完全不在一個(gè)智商層面，這種情況下我們?cè)趺窗堰@個(gè)大模型鎖定到汽車(chē)域，是一個(gè)非常難的事情。

在Coffee OS3時(shí)代我們更多做垂域智能，它能夠了解用戶(hù)訴求，它能知道車(chē)上的功能，它完全是垂域能力。

我們希望在后面歸元平臺(tái)升級(jí)上，搭載超過(guò)300T算力的端側(cè)模型，這種情況下可以做到毫秒級(jí)的感知。

我舉一個(gè)最典型的場(chǎng)景，比如你開(kāi)著車(chē)過(guò)了一個(gè)紅綠燈，你問(wèn)大模型我是不是闖紅燈了，大模型會(huì)告訴你，這種我們就會(huì)發(fā)現(xiàn)，基于現(xiàn)有的這種瞬發(fā)式的請(qǐng)求是完全實(shí)現(xiàn)不了的，它需要端側(cè)的大模型具有毫秒級(jí)的感知，并且通過(guò)大模型推理形成記憶，可以知道剛才有沒(méi)有壓線(xiàn)，他剛才這個(gè)車(chē)上的人都做了什么動(dòng)作，孩子有沒(méi)有伸手出去。

它對(duì)于端側(cè)的感知能力和多模態(tài)感知能力是我們遇到的第二大困難，現(xiàn)在市面上看到的這些不論是VLA模型還是全模態(tài)模型，都沒(méi)有解決空間大模型的訴求，我即使知道車(chē)上坐了3個(gè)人，但實(shí)際他們之間的空間關(guān)系我是不了解的，我只能在一個(gè)圖片里面，左上角有一個(gè)人，右下角有一個(gè)人，但是他們之間距離是什么樣，后排這個(gè)人能不能伸手把手里的咖啡遞過(guò)去，這些在空間上是沒(méi)有建模的。

在這個(gè)過(guò)程中智駕可能走得稍微靠前一些，智駕完成了對(duì)車(chē)外空間的建模，但是車(chē)內(nèi)空間建模是我們現(xiàn)在重點(diǎn)突破的方向，這也是我們首先提出來(lái)行業(yè)座艙VLA這個(gè)概念之后，發(fā)現(xiàn)行業(yè)里面大家都快速地進(jìn)入了一個(gè)困難期，只是能做視覺(jué)的感知和語(yǔ)言的理解，但是對(duì)于整個(gè)座艙內(nèi)空間的建模其實(shí)行業(yè)里面，或者互聯(lián)網(wǎng)領(lǐng)域，并沒(méi)有看到特別成熟的方案，而這部分可能就得由主機(jī)廠(chǎng)自己來(lái)預(yù)訓(xùn)練這樣的基座模型，來(lái)實(shí)現(xiàn)這些東西，這是我們遇到的第二個(gè)困難。

第三個(gè)困難，還是用戶(hù)認(rèn)知的變化，因?yàn)橛脩?hù)原來(lái)可能更多的還是接受屏幕也好等等，是一個(gè)交互的介質(zhì)，我點(diǎn)它它才動(dòng)，我操作它它才給我反饋，如果我忘記了，或者我懶得動(dòng)了，或者有一些用戶(hù)根本不知道我的副駕有一些什么功能，他就不使用這些功能了，并不會(huì)完全匹配真正的場(chǎng)景。

但是我們又發(fā)現(xiàn)這個(gè)用戶(hù)在使用車(chē)上功能的時(shí)候，往往是被動(dòng)的，為什么是被動(dòng)呢？比如他為什么要開(kāi)空調(diào)？是因?yàn)樗X(jué)得冷了，或者熱了，他是覺(jué)得不舒適了，怎么去定義舒適和不舒適的這些條件也好，或者這些場(chǎng)景，其實(shí)在不同車(chē)上、不同環(huán)境、不同場(chǎng)景下是完全不一樣的，大量的汽車(chē)行業(yè)的knowhow要發(fā)揮作用，比如長(zhǎng)城建立了一個(gè)行業(yè)里面第一個(gè)車(chē)廠(chǎng)自己的風(fēng)動(dòng)，因?yàn)樗梢阅M一年四季不同環(huán)境，同樣的一套自動(dòng)化空調(diào)在不同場(chǎng)景下我們發(fā)現(xiàn)發(fā)揮的作用，或者用戶(hù)的期望是完全不一樣的，這一部分怎么灌注到模型里面其實(shí)是行業(yè)里面一個(gè)困難，原來(lái)訓(xùn)練基座模型基本是兩條路線(xiàn)，第一個(gè)，把行業(yè)互聯(lián)網(wǎng)上所有的知識(shí)灌到模型里面做預(yù)訓(xùn)練，第二個(gè)，用一個(gè)大的模型蒸餾出來(lái)一個(gè)小模型。

但是在汽車(chē)行業(yè)我們發(fā)現(xiàn)，這些知識(shí)也好，這些數(shù)據(jù)也好，基本上都掌握在汽車(chē)廠(chǎng)手里，而且非常痛苦的一個(gè)狀態(tài)是主機(jī)廠(chǎng)對(duì)于這些數(shù)據(jù)的使用水平是落后于互聯(lián)網(wǎng)行業(yè)的，即使手里掌握了大量的數(shù)據(jù)，怎么樣把它轉(zhuǎn)化為一個(gè)包括空間的模型，包括汽車(chē)行業(yè)垂域知識(shí)的模型，現(xiàn)在來(lái)看也都是很難很難做到的，這就是形成的汽車(chē)領(lǐng)域垂域模型還沒(méi)有很好的解決方案，這也是上午我演講里面很重要的一個(gè)觀點(diǎn)。

就像我們今天在場(chǎng)外的馬拉松一樣，現(xiàn)在整個(gè)AI化的座艙也好，或者AI化的整車(chē)真的剛跑過(guò)發(fā)令槍?zhuān)覀冞€需要很長(zhǎng)的一段時(shí)間來(lái)完成全程，這要遠(yuǎn)遠(yuǎn)慢于在互聯(lián)網(wǎng)行業(yè)里的日新月異，可能上半年還是小龍蝦，現(xiàn)在最新的一個(gè)東西又是愛(ài)馬仕（Hermes Agent），這些會(huì)快速地在互聯(lián)網(wǎng)領(lǐng)域演進(jìn)，但是在汽車(chē)行業(yè)仍然是需要很長(zhǎng)時(shí)間的。

長(zhǎng)城智能化轉(zhuǎn)型，是為了打贏自己

媒體：您是從2021年開(kāi)始參與長(zhǎng)城AI科技布局，也是歷經(jīng)很多次組織架構(gòu)調(diào)整，您站在您的角度來(lái)總結(jié)一下長(zhǎng)城智能化轉(zhuǎn)型的得與失，您認(rèn)為傳統(tǒng)車(chē)企轉(zhuǎn)型最大的陷阱是什么？

佘士東：這可能是從外部來(lái)看，或者我們拉長(zhǎng)整個(gè)時(shí)間周期來(lái)看“合訂本”，或者說(shuō)從上帝視角來(lái)看，感覺(jué)好像一直在調(diào)整，在2021年也好，甚至更早的時(shí)間點(diǎn)，沒(méi)有人能看到現(xiàn)在的這些東西，也不知道突然間有一天小龍蝦就火遍全網(wǎng)，也不知道我們能在整車(chē)AI做到這種程度，也不知道歸元平臺(tái)在全球的市場(chǎng)上一車(chē)多動(dòng)力需求這么旺盛。

在那個(gè)時(shí)間點(diǎn)，我們只是在解決那個(gè)時(shí)間點(diǎn)遇到的最復(fù)雜的問(wèn)題，以及預(yù)判它可能一到兩年需要解決的問(wèn)題。

當(dāng)時(shí)定了一個(gè)核心的戰(zhàn)略并不是要做什么，而是怎么樣打贏自己，不是打贏別人，而是打贏自己，你能不能用當(dāng)前的決策來(lái)打贏如果你什么也不做情況下兩年之后的自己。

整個(gè)過(guò)程也是經(jīng)歷了明顯的三個(gè)階段：

第一個(gè)階段，我們先要解決長(zhǎng)城智能化平臺(tái)化問(wèn)題，因?yàn)殚L(zhǎng)城車(chē)型比較多，品牌也比較多，當(dāng)然各種雜音也比較多。

當(dāng)時(shí)長(zhǎng)城汽車(chē)的座艙系統(tǒng)每一個(gè)界面長(zhǎng)得都不一樣，同樣一個(gè)音樂(lè)功能可能不同品牌車(chē)上有不同的界面風(fēng)格，包括操作方式也是完全不一樣的；長(zhǎng)城出海也比較早，在海外這個(gè)東西尤其會(huì)產(chǎn)生差異，我們當(dāng)時(shí)統(tǒng)計(jì)，整個(gè)智能化的軟件版本有240多個(gè)，其實(shí)那時(shí)候我們遇到的第一個(gè)問(wèn)題叫OTA，就是我們?cè)趺礃幽軌蛴闷脚_(tái)化的方式讓用戶(hù)高效地迭代起來(lái)，那時(shí)候完全沒(méi)有考慮什么AI這些東西。

回過(guò)頭來(lái)看，那時(shí)候我們發(fā)現(xiàn)自己講的很多AI的東西也是騙自己，它并沒(méi)有真正地去大模型化，而只是完成了平臺(tái)化，所以當(dāng)時(shí)在2023年推出Coffee OS3.0系列，這時(shí)候發(fā)現(xiàn)長(zhǎng)城所有車(chē)長(zhǎng)一個(gè)樣子，并且我們現(xiàn)在已經(jīng)完成了平均每款車(chē)一年都可以有兩到三次OTA的高速迭代。

第二個(gè)階段，跟用戶(hù)快速共創(chuàng)，以及深入運(yùn)營(yíng)用戶(hù)的過(guò)程。

在那個(gè)過(guò)程中，我們跟用戶(hù)溝通，包括做各種調(diào)研、跟訪(fǎng)，我們一共組織1000多次不同形式的用戶(hù)溝通，還有60多次48小時(shí)跟隨，完全跟他吃住在一起，以這種方式來(lái)了解用戶(hù)，在這個(gè)過(guò)程中我們發(fā)現(xiàn)用戶(hù)的需求其實(shí)在汽車(chē)行業(yè)里面是被過(guò)剩滿(mǎn)足的，也就是說(shuō)出現(xiàn)了同樣一個(gè)音樂(lè)軟件可能需要在車(chē)?yán)镅b5—6個(gè)，不只是QQ音樂(lè)、網(wǎng)易云音樂(lè)、汽水音樂(lè)都需要裝滿(mǎn)配。

第二個(gè)階段的個(gè)性化是最大投入的一個(gè)過(guò)程，但是回過(guò)頭來(lái)看，其實(shí)也是長(zhǎng)城完全B2C化的過(guò)程，我們充分地知道了用戶(hù)到底在車(chē)上使用什么樣的場(chǎng)景，他為什么使用這些功能，所以也是借著從2023—2025年整個(gè)長(zhǎng)城智能化達(dá)到了用戶(hù)非常滿(mǎn)意的狀態(tài)，我們每次OTA基本都是90%以上用戶(hù)滿(mǎn)意度。

包括行業(yè)里面也能看到，長(zhǎng)城不再是所謂的傳統(tǒng)車(chē)企，而是不同品牌都采用了Coffee OS的系統(tǒng)，不同用戶(hù)也比較滿(mǎn)意，不論是行政版的高山，還有豪華家庭旗艦的藍(lán)山，像坦克品牌、哈弗品牌、歐拉品牌，基本上用戶(hù)都是比較滿(mǎn)意的。

但是在第二個(gè)階段我們也發(fā)現(xiàn)，當(dāng)用戶(hù)千變?nèi)f化的個(gè)性化需求出現(xiàn)時(shí)候，產(chǎn)品經(jīng)理變得很難去實(shí)際操作，因?yàn)檫@個(gè)時(shí)候就不能只做80%用戶(hù)滿(mǎn)意的功能，可能你的重點(diǎn)就會(huì)變成怎么樣服務(wù)好剩下那15%的用戶(hù)，而這些用戶(hù)并不是對(duì)于功能的有差異，而是他的體驗(yàn)帶來(lái)了一些差異的需求。

所以我們也發(fā)現(xiàn)，AI可能是一個(gè)最好的解法，真正地出現(xiàn)從原來(lái)的人機(jī)交互的使用功能變成人智體三段式的獲取方式，由智能體彌補(bǔ)中間不同人的差異性。

我們也提出來(lái)，智能體要做到相識(shí)、相知、相愛(ài)、相伴的四個(gè)階段來(lái)演進(jìn)這些功能。

同樣的QQ音樂(lè)，在我認(rèn)識(shí)你之后，我能提供的服務(wù)跟你完全使用QQ音樂(lè)功能肯定是差異比較大的，包括我知道了你的習(xí)慣，你周一是怎么用的，你周末是怎么用的，車(chē)上不同人的時(shí)候你是怎么用的，這種情況我們也能提供差異化的服務(wù)，以及怎么樣把車(chē)上的這些功能更好地服務(wù)給用戶(hù)，這些都是智能體需要做的。

而在這個(gè)過(guò)程中，就進(jìn)入了我們所謂第三代產(chǎn)品，就是基于現(xiàn)有生態(tài)能力和車(chē)上這些功能，怎么樣用智能體的方式更好地給用戶(hù)服務(wù)，而這個(gè)過(guò)程中發(fā)現(xiàn)其實(shí)行業(yè)里面沒(méi)有很好的合作伙伴來(lái)解決這個(gè)問(wèn)題：

首先他必須得掌握車(chē)廠(chǎng)非常多的基礎(chǔ)數(shù)據(jù)，第二，他必須得直面車(chē)廠(chǎng)寫(xiě)C端用戶(hù)，他是不能轉(zhuǎn)手給供應(yīng)商來(lái)解決這些問(wèn)題的，這個(gè)過(guò)程我們內(nèi)部叫作3.0的自研才會(huì)出現(xiàn)，后續(xù)的產(chǎn)品大家不是在拼命改界面、拼命在車(chē)上增加功能，而是怎么樣更好地理解用戶(hù)，把現(xiàn)有的功能以及互聯(lián)網(wǎng)上比較好的功能，以更合適每個(gè)人的方式來(lái)實(shí)現(xiàn)。

在10年前有人提出來(lái)真正意義上的千人千面的服務(wù)做到極致，這也是我們認(rèn)為3.0讓每個(gè)人擁有不一樣的車(chē)，以整車(chē)AI全棧智能體的方式來(lái)實(shí)現(xiàn)，可能也是一個(gè)重大的變化。

所以現(xiàn)在來(lái)看，我們也在想如果采用這套方式，能不能打贏兩年之后的長(zhǎng)城？現(xiàn)在來(lái)看可能是相對(duì)比較樂(lè)觀，包括最近的車(chē)展，我們也會(huì)發(fā)布我們的V9X車(chē)型，以及后面多款對(duì)應(yīng)的車(chē)型，應(yīng)該能給大家看到一個(gè)不一樣的長(zhǎng)城。