往期周刊 ☰ 往期周刊 ☰ 往期周刊 ☰ 往期周刊 ☰ 往期周刊 ☰ 往期周刊 ☰ 往期周刊 ☰ 往期周刊 ☰
公司内部内刊 · INTERNAL SHARING

10月第2期内刊

2026年10月第 2 期共 12 篇
原奇瑞副总裁、智能化中心负责人加入三一集团

据悉,原奇瑞汽车股份有限公司副总裁、智能化中心负责人谢保军,从奇瑞离职不久后,下一站方向确定了。谢保军加入了三一集团,担任三一集团旗下耘AI总院院长职务。

谢保军是国内汽车智能化领域的老将,曾在沃尔沃、极氪负责电子电气架构、软件平台的工作,分别担任过沃尔沃研发中心软件与电子高级总监、亚太区研发高级总监,极氪副总裁兼软件及电子中心负责人。

谢保军于2024年10月加入奇瑞,入职大卓智能,主攻智能驾驶研发。

在当时奇瑞智能化业务处于多头并行的状态,雄狮科技、大卓智能、研发总院等多条战线独立作战,座舱、智驾、电子电气架构业务分散,资源难以形成合力。

2025年上半年,奇瑞对智能化业务大刀阔斧组织改革,整合分散的智能化业务,正式成立奇瑞智能化中心。邬学斌把控整体战略方向,谢保军负责实际运营管理。

谢保军成为操盘奇瑞智能化的核心人物之一,管理智能座舱、智能辅助驾驶、整车电子电气架构、数据平台等多条业务。当时奇瑞内部也普遍寄望,能够完成奇瑞智能化资源整合,打通内部研发机制,实现从 " 分散探索 " 转向 " 集中攻坚 " 的智能化体系。

不过一年后,在奇瑞全力冲刺智能化追赶的关键周期,谢保军从奇瑞离职,并于近期加入了三一集团旗下的耘AI总院,担任院长职务。

耘AI总院是三一集团旗下的AI研究机构,主要负责集团智能化战略的落地与组织升级,专注于人工智能技术在工程机械及机器人领域的深度应用,是三一集团面向AI转型中的重要抓手。

来源 · 红色星际2026.10.12

伴随多款新能源车型密集落地,上汽大众汽车有限公司(以下简称“上汽大众”)的转型正从车型布局延伸至研发、营销和组织机制。如何稳住燃油车基本盘,承接用户向新能源迁移的需求,并在竞争中保持盈利,成为这家合资车企下一阶段发展的重点。

近日,上汽大众总经理吴赟在接受记者采访时表示,公司将坚持“油电同进”,燃油车聚焦优势市场,新能源加快布局。同时,围绕产品全生命周期推进组织和运营变革,推动企业健康、可持续发展。

“交付不是终结,而是一个新的开始。”吴赟表示,今年是上汽大众“合资2.0”的全面交付期,车型上市后仍需持续迭代,与用户保持紧密联系,相关营销和组织体系也要随之调整。

油电同进兼顾规模与盈利

对上汽大众而言,新能源转型并不意味着放弃燃油车市场,而是重新安排资源投入的重点。

吴赟表示,公司对燃油车的研发投入一直在持续,但布局方式需要调整。过去希望广泛覆盖各个细分市场,如今则要将资源集中到优势领域,持续更新核心产品。

新能源业务肩负着承接产品和用户需求的双重任务。在吴赟看来,曾经选择大众燃油车的消费者,如今存在更换新能源车型的需求,企业需提供相应产品,承接这部分存量用户。

按照规划,上汽大众今年推出的ID.ERA 9X、8X、5S及计划于11月上市的5X,逐步形成覆盖增程、插电混动和纯电的产品矩阵。上汽大众销售与市场执行副总经理傅强表示,明年,公司新能源产品布局将更多侧重纯电,燃油车也将迎来较大更新,未来还将推出更多提供两种动力形式的车型。

产品矩阵逐步完善后,如何将既有用户基础转化为新能源业务增长,是公司需要解决的问题。傅强表示,一方面要深耕燃油车升级转换客户,这类用户熟悉品牌,也更容易触达;另一方面,要吸引流失用户并拓展首次购车群体。前者有助于取得短期效果,后者则关系到品牌的长期发展。

品牌焕新也将通过具体经营指标衡量。吴赟表示,除销量外,公司还关注各车型对应的消费者年龄结构,希望通过产品和技术迭代,让年轻消费者认识到品牌的变化。傅强则提出,新能源销量占比能否逐步向市场结构靠拢,是观察转型进展的重要指标。

在吴赟看来,技术、可靠和品质是上汽大众长期积累的基础,不能丢掉,但也不能让消费者的认知停留于此。品牌焕新需要依靠产品补足智能化体验,再通过组织和销售网络的调整贴近用户,让技术更新更快体现在实际用车体验中。

在定价上,上汽大众强调市场竞争力,也明确了盈利要求。吴赟表示,价格必须让主流消费者接受,但不能因此牺牲品质,企业要依靠生产体系和供应链的成本管控能力支撑定价。

“企业要有一个持续、稳定的盈利状态。”吴赟表示,这需要稳定的销量和市场地位作为支撑,产品定义、定价以及内部运营都应围绕这一目标展开,供应商和经销商也需参与相应的运营变革。

对于后续经营节奏,吴赟表示,公司首先要稳住销量和价格基本面,今年陆续投放的新能源产品将为明年发展打下基础,再逐步提升新能源占比。傅强同时强调,合理利润是后续产品研发能够持续推进的必要条件。

从联合开发到全生命周期运营

新能源车型集中上市背后,是上汽大众对合资业务模式和内部协作方式的调整。

吴赟介绍,过去公司主要沿着技术引进路线发展,如今则转向中德双方联合开发,融合各自优势。这让企业具备了主动定义产品的基础,但要真正满足需求,还需从用户的使用场景出发确定技术和功能。

“仅有工程师思维远远不够,还要强化用户思维。”吴赟表示,公司正在调整内部流程,将产品需求、盈利性和项目目标纳入贯穿全生命周期管理,使研发、采购、生产等环节围绕共同目标协作。

这种调整也延伸到了营销端。过去销售、市场、网络相对独立,如今则由专门职能从产品端统筹资源,明确不同环节的任务。傅强表示,新车上市既要有用户关注,也要有生产和供应配合。公司正加强产品开发与市场运营团队的协同,共同对产品的商业表现负责,并减少总部、区域及经销商之间的信息传递损失。

针对上市后如何持续销售的问题,上汽大众正在推进内部所称的“369计划”,即围绕产品投放后三个月、六个月、九个月的节点,安排产品与营销工作,通过持续更新和用户沟通延续市场关注,将运营贯穿车型生命周期。

研发节奏同样需要提速。吴赟坦言,传统整车开发往往需要三年至五年,而部分技术一两年就会迭代,如果仍沿用原有节奏,产品投产时可能已经落后。为此,公司通过中德团队跨时区协作、将部分串行流程改为并行,以及运用数字化模拟工具等方式缩短开发时间。

在智能化投入上,上汽大众也明确了资源配置方向。吴赟表示,公司在智能辅助驾驶领域未必进行底层算法的完全自研,而是选择合作伙伴提供通用技术,在应用、匹配和整合开发层面持续投入,将品牌的驾驶特性与智能辅助驾驶技术结合。

对于合资模式的未来,吴赟表示,融合双方优势资源,在中国市场打造优质产品,并推向全球市场。这是未来合资企业的重要发展方向。随着联合开发、组织调整和产品迭代持续推进,上汽大众希望将双方的技术与体系优势进一步转化为面向市场的能力。

来源 · 新华网汽车2026.10.16

据可靠消息来源透露,上汽老兵莫毅已重返上汽乘用车,担任副总经理,近期在推进海外供应链布局与资源保障。在此之前,他担任上海汽车制动系统有限公司总经理。

熟悉上汽体系的人都清楚,莫毅是根正苗红的上汽老兵,整车、零部件两头都深耕多年,这次回归,就是要帮上汽自主把出海的底盘扎稳。

莫毅早年间曾担任上汽乘用车总经理助理,之后转入延锋,先后担任延锋国际总经理助理、延锋内饰副总裁、亚太区总经理,延锋副总经理。

上汽乘用车,迎来新副总!

再后来,他出任上海汽车制动系统有限公司总经理,全盘负责公司运营,生产、供应链、市场一把抓,完整跑通企业全链条管理。

如今莫毅回归,重点主攻海外供应链搭建,也能看出上汽的战略重心:国内市场内卷白热化,出海已经是自主品牌必须抓住的增长曲线。

“车轱辘话”了解到,今年下半年,上汽乘用车接连迎来多轮核心人事调整。

2026年7月28日,最重磅的变动落地:原上汽通用总经理卢晓接替王骏,出任上汽乘用车总经理。

上汽乘用车,迎来新副总!

王骏并没有离开体系,卸任总经理之后,继续担任上汽集团副总经济师、上汽乘用车党委书记。

紧接着9月底,又一轮调整落地,上汽乘用车常务副总经理俞经民接棒徐文晖,担任党委副书记;原党委副书记徐文晖到龄退休。

短短两三个月,总经理、党委副书记、副总经理多个关键岗位完成交接,上汽乘用车这支核心管理团队完成了一次大换血。

密集换帅,并不是无的放矢。

先看成绩单,上汽乘用车上半年累计卖出54.9万辆,同比大涨49.4%;新能源车型更是爆发式增长,卖出 23.9 万辆,同比暴涨 218.1%。

好看的数据背后,压力一点不小。首先国内燃油车市场持续萎缩,燃油车份额不断被挤压;新能源赛道更是杀成红海,车企盈利空间越来越薄。

除此之外,海外市场虽然机会多,但地缘、政策、贸易规则不确定性高,出海之路风险重重。

上汽乘用车,迎来新副总!

还有一个现实难题,荣威等自主品牌,产品一直在迭代,市场也有热度,但缺少真正能持续大卖的拳头产品。

也正是因为内外挑战叠加,上汽集团才启动这次大规模内部轮岗,把懂整车、懂零部件、懂海外市场的老将重新调配到关键岗位。

不过凡事都有两面性,管理层集中调整,组织磨合阶段,也有可能短暂影响战略落地的连贯性。

这次莫毅回来抓海外供应链,用意很明确,想要做大海外市场。本地化生产、海外供应商配套、零部件稳定供应,才是长久作战的根基。

再说几句
再说几句

说实话,光靠人事调整解决不了所有问题。莫毅这次负责的海外供应链,恰好是上汽乘用车能不能把海外优势守住的关键。

车卖出去了,零部件供应跟不跟得上?售后配件能不能及时到位?本地化采购比例够不够应对政策要求?这些将直接影响海外用户的口碑和复购。

来源 · 车轱辘话2026.10.14
新一轮大整合:大众看着丰田,安徽看着奇瑞和江淮

“大安汽”计划再来一次?

从9月中旬到国庆后的这不到30天的时间内,关于中国一汽、广汽集团和丰田汽车的三方合作协议,终于靴子落地。

其中的主要内容是广汽集团拟通过发行股份方式购买中国一汽持有的一汽丰田50%股权,中国一汽将成为广汽集团重要战略股东。

就像之前很多分析说的那样,在这场全新的合作中,三方围绕的是以一汽丰田50%的股权作为标的进行展开。

中国一汽让出的一汽丰田50%股权,换成了在广汽集团的未透露的具体股份,以及获得了重要股东席位。广汽集团‌拿到了“南北丰田”的统一统筹权,成为国内唯一同时掌控一汽丰田和广汽丰田两大合资体系的中方股东。

而丰田汽车,通过这次股权整合,把两套体系收拢,结束了一汽丰田和广汽丰田内耗的局面。简单说就是一分钱没花,却通过股份置换,把中国这个全球最大单一市场的资源集中了起来。

这其实很容易让人想到2020年,大众宣布投资10亿欧元,拿下江汽控股50%股份,同时把合资公司江淮大众的持股比例从50%增到75%,获得管理权。随后江淮大众更名为大众汽车(安徽)有限公司,成为新能源的独立据点。

无论是彼时的大众汽车还是现在的丰田汽车,两者都有一个共通点,就是用资本或者股份纽带重构合资关系。

但如果站在中方的角度看,一汽和广汽的合作是‌央企与地方国企之间的股权置换和资源整合。而大众汽车入资江汽集团控股,则属于‌外资参与国企集团层面的混合所有制改革。虽然前者是重组,后者是混改,二者本质上有不同,但在过程中都出现了股权的变动。

一旦股权出现变动,说明最终的结果已经由多方达成共识,形式上叫什么其实也就没那么重要了。真正重要的是,多方能够获利才是最终目的。

就像汽车公社之前发文《一汽广汽行动了,“大安汽”何时出山?》中提到,为什么首先想到的是安徽汽车呢?原因在于江汽集团和奇瑞汽车都已经混改成功。并且,在更早之前,奇瑞汽车和江汽集团双方之间都有重组的规划。

01 · 混改不如再混一点

面对一汽、广汽的成功整合,那江汽集团和奇瑞集团还需不需要再改变一次呢?这有一个前提,那就是双方目前有没有遇到压力。毫无疑问,当下中国汽车行业的竞争环境日趋严峻,每一家都面临的不同的压力。

但是作为安徽省的两家属地汽车公司,自然而然就会有别于其他车企的想法。尤其是对于安徽省这个汽车大省来说,更注重汽车产业的发展。其实就在一汽与广汽整合期间,安徽省一把手就到奇瑞集团调研,并与奇瑞董事长尹同跃进行深度交流。

奇瑞汽车自混改之后,得益于海外市场的爆发,业绩数据一年比一年亮眼。但同样,发展到今天也暴露出了不少的问题。比如海外市场依赖度过高,高端化持续受挫,以及商用车体量小等。问题不少,但好在不算严重。

新一轮大整合:大众看着丰田,安徽看着奇瑞和江淮

反观江汽集团就不一样了,当年混动引入大众汽车,安徽要的是用股权换技术、换产业落地,把合肥打造成新能源车基地。大众要的是绕过“南北大众”的股比限制,在中国拿到一个能自己说了算的新能源车平台。

但结果呢?江淮汽车2025年乘用车销量仅14.9万辆,新能源乘用车全年销量仅2.89万辆。虽然与华为合作的尊界品牌是未来销量和利润的新引擎,但是就目前来看,未呈现规模效益,对整体销量和利润的拉动有限。‌‌

另外,大众安徽近三年累计亏损超115亿元。更关键的是,大众安徽的转型已全面依赖小鹏的技术。江汽作为合资伙伴在技术层面的不可替代性正在快速下降,角色日趋边缘化。‌‌

但不能否认的是,江汽集团仍然有自己的优势项目,比如商用车和海外渠道能力,而这恰恰和奇瑞集团完成互补。从另一个角度看来,在国内市场,奇瑞也愿意对外技术和产品输出,比如凯翼和东南汽车就是很好的例子。

不过,考虑到当前奇瑞在海外的势头更猛,其实双方的合作如果把重心放在主攻海外市场,可能效果会更好。

最简单的操作方式就是在海外市场,双方的乘用车与商用车互相贴牌。在江汽商用车强势的市场如中亚、北非,奇瑞可借助其网络推广乘用车。反之,在奇瑞乘用车优势市场如欧洲、南美,江汽可搭载其商用车销售渠道。

这样的话,在双方都有布局的市场,探讨共享KD组装工厂的可能性,甚至是联合投资建设新的生产基地,分摊成本提高利用率。还可以合资建立区域性的备件中心和售后培训基地,共享库存,提升服务响应速度,解决中国品牌海外售后服务的普遍痛点。

要知道,安徽省政府正大力推动“抱团出海”模式,成立了徽派企业国际经贸合作联盟,明确支持以奇瑞、江淮为代表的龙头企业带动产业链协同出海。

再回过头来看奇瑞与江淮能否重整,其实已经有朱玉在前了。最近的就是一汽-广汽-丰田的合资资产换股与战略联盟的模式,另外一种则是吸取东风与长安的失败教训,最后就是借鉴吉利蔚来的交叉持股模式。

通过以上三个案例,奇瑞与江淮的整合如果设计得当,完全有可能实现“1+1>2”的效果。

02 · 关键是在大众汽车上

其实,以上只是一种理想的假设。一汽与广汽整合的关键是丰田汽车,所以,丰田汽车同意拿自己的股份作为中间筹码,让一汽与广汽成功整合,放在大众汽车身上也是同理。在奇瑞与江汽的整合中,大众汽车才是那个关键。

根据当年江汽集团的增资协议,大众虽然放弃了部分表决权,使安徽省国资委保持控制地位,但作为持股50%的股东,涉及江汽集团层面控制权、股权结构或重大资产处置的事项,几乎必然需要其同意。任何试图改变江汽集团现有股权格局的整合方案,大众都拥有事实上的否决权。

再来看大众安徽这家公司,大众在2020年增资控股时,获得了B级和C级车型的优先导入权。这意味着,任何引入奇瑞作为大众安徽新股东的动作,都等同于让一个直接竞争对手进入大众最核心的在华新能源基地,并可能触及大众在车型导入、技术路线上的控制权。

当然,大众汽车的立场也非铁板一块,如果条件设计得当,大众汽车或许也能同意整合。

比如大众安徽的持续巨亏已成为大众在华财报的沉重拖累,如果通过整合,大众能将大众安徽的部分或全部股权转让给奇瑞或整合后的新实体,换取现金或更有价值的资产,这本质上是一种止损。

新一轮大整合:大众看着丰田,安徽看着奇瑞和江淮

不过,最好的方案可能还是在海外这块。要知道,大众汽车正在欧洲市场压缩产能,计划是把全球年产能‌从1000万辆下调至900万辆‌。其中德国本土工厂年度产能将缩减73.4万辆,欧洲工厂产能超出实际需求逾50万辆。‌‌

而恰好,奇瑞正在加快其在欧洲的本地化生产布局,计划通过与当地车企合作,利用现有工厂扩充产能,而不是自行新建工厂。大众完全可以以在大众安徽的股权让步为筹码,换取奇瑞在欧洲工厂合作中的对等价值。

但其实还有一个更关键的问题在于,不像一汽和广汽的股权那么清晰,奇瑞集团与江汽集团两家公司各自都有错综复杂的股权结构。

比如奇瑞不是单一的国有或民营控股,而是‌地方国资主导、多方资本参与的混合所有制‌结构。其中,国资保持战略控制权,但员工持股平台和市场化投资者占比很高,形成相互制衡的局面。而且高管团队通过瑞创投资等平台持股,虽然穿透后个人直接权益不高,但作为创始团队在经营层面话语权很重。

而江汽集团目前由安徽省国资委与大众中国各持股50%。这意味着,江汽集团本身并非一个可以随意处置其股权的独立实体。大众安徽由大众系合计持股75%、江淮汽车持股25%。

从股东和股权关系这个角度来看,双方的整合难度其实要远超之前的任何一个案例。再加上二者已经引入了像大众汽车这样的外资,和像立讯有限这样的民营资本进行混改,牵扯的关系和复杂程度也是难以想象的。

要知道,历史上有名的“大安汽”计划已两次折戟,并且此前汽车公社也提到当前各方推动深度整合的意愿和条件都不足。

但如果未来行业竞争进一步加剧、两家面临生存压力,省级层面强力推动的可能性会上升,届时不排除“大安汽”再次被提上日程。

来源 · 汽车公社2026.10.16

(谈思汽车讯)国庆假期前后,社交平台上陆续出现关于某车企启动人员调整的讨论。多条帖文称,该车企旗下高端品牌涉及较大比例的岗位缩减,国内业务板块亦同步推进人员优化。另有爆料补充称,公司已着手内部机构整合,暂停一切社会招聘,后续将进一步精简不盈利的机构与职能岗位,裁撤大龄基层员工为人员换新腾出空间。

传某车企启动大规模裁员:高端品牌裁50%,国内20%
传某车企启动大规模裁员:高端品牌裁50%,国内20%

截至发稿,该车企尚未就上述传闻发布正式说明,相关信息的准确性有待进一步核实。

传闻发酵之际,该车企正处于组织架构密集调整的窗口期。10月7日,公司发布高管分工调整公告,由常务副总裁直接分管国内事业群,原国内事业群总经理转任旗下某子品牌事业部负责人,聚焦品牌高端化。

更早的8月19日,公司内部已确认将旗下高端品牌从国内业务事业群整体划入国际业务事业群,由执行副总裁兼国际业务事业群总经理分管,汇报层级提至集团常务副总裁。

这是该高端品牌在一年多时间内的第二次归属调整——2025年7月,公司成立国内业务事业群,将高端品牌与多个子品牌并列纳入,其相对独立的地位已有所削弱。
传某车企启动大规模裁员:高端品牌裁50%,国内20%

组织调整的背后是销量数据的持续压力。官方披露的销量数据显示,2026年前七个月,该高端品牌累计销量为4.16万辆,同比下降39.3%。其中,国内终端销量约1.09万辆,同比下滑近七成。而在2024年,该品牌全球销量曾达到14.1万辆的峰值,2025年降至12.04万辆,同比下降15%,下滑趋势已延续多个统计周期。今年7月,该品牌全系国内单月销量仅600余辆,在集团整体销量结构中的占比已不足5%。

从品牌定位来看,该高端品牌自2018年发布以来,承担着该车企冲击高端市场的战略任务,产品价格区间覆盖9.99万元至34万元,历经多次管理层更迭与产品线扩充,但始终未能形成稳定的爆款车型。与此同时,集团体系内多个新品牌相继推出,在研发资源与营销预算上对其形成分流,品牌高端定位在内部竞争中逐步模糊。

将高端品牌划入国际业务事业群,意味着其战略重心从国内市场转向海外——该品牌2025年上半年在俄罗斯市场以9700辆的销量位居豪华车品牌榜首,海外销售均价约40万元。但集团旗下多个品牌在海外市场定位存在重合,全球化运营同时面临地缘政治与汇率波动等外部风险。

该车企所面临的经营压力,在2026年的汽车行业中具有相当的普遍性。中国汽车工业协会数据显示,2026年上半年汽车行业销售利润率已降至3.2%的历史低位。持续的终端价格竞争使整车企业普遍面临利润空间收窄的压力,从传统自主品牌到造车新势力,从合资车企到豪华品牌,全行业的人力与组织调整已成为常态。

多家主流车企在2026年内启动了涉及营销、研发、制造等板块的组织重组,部分企业将多个子品牌合并运营以压缩管理成本、减少资源重复投入。在这一轮调整中,高端品牌因前期投入规模大、销量爬坡周期长,往往成为资源重新配置的首要对象。

此前,该车企旗下智能驾驶子公司曾就网络流传的裁员与合并传闻发布声明,称相关报道“严重背离事实”,公司经营状况稳健。但围绕此次人员调整的讨论,尚未获得官方层面的公开回应。

来源 · 谈思汽车2026.10.11

(谈思汽车讯)10月12日,国家市场监督管理总局发布2026年9月21日至9月27日无条件批准经营者集中案件列表,浙江吉利控股集团有限公司收购Ford España, S.L.股权案位列其中。这标志着这笔历时近三个月的跨境交易完成了中国境内的反垄断审查程序。

2.21亿欧元!吉利收购福特西班牙工厂获批

该交易于7月23日正式官宣。根据吉利汽车在港交所发布的公告,其全资附属公司Geely SPV与福特汽车全资附属公司Ford NL订立股份购买协议,吉利以2.21亿欧元收购西班牙目标公司34%的股权,对应目标公司协定企业价值6.5亿欧元。

交易完成后,Ford NL持有目标公司66%股权,Geely SPV持股34%,该主体作为联营公司按权益法入账,不纳入吉利合并报表范围。双方同步签署合营协议,合资公司将持续运营西班牙瓦伦西亚阿尔穆萨费斯工厂,承接乘用车合约制造业务。

2.21亿欧元!吉利收购福特西班牙工厂获批

目标公司的核心资产是位于西班牙瓦伦西亚阿尔穆萨费斯的整车工厂。该厂始建于1976年,年产能约50万辆,曾长期作为福特在美国本土以外规模最大的整车生产基地,累计产出已突破1100万辆。

然而近年来受福特欧洲产品线收缩影响,工厂多条产线闲置。2024年,福特陆续终止蒙迪欧、S-MAX、Galaxy等多款车型的本地化生产,仅保留Body 2产线维持Kuga燃油版供应。2025年全年实际产量约9.85万辆,远低于设计产能。工厂现有4142名员工将整体并入合资公司。

根据规划,合资公司定位为合约制造企业,不具备独立销售职能,不从事产品设计、研发、品牌推广和分销。合资公司预计于2027年上半年正式投入运营,首款新车2028年下线。

产品分工上,工厂继续生产福特Kuga,2028年投产Bronco烈马家族全新硬派紧凑型SUV,另有一款福特主导设计、与吉利联合开发的全新Crossover车型。吉利将在该工厂投产两款新能源SUV。

此前有报道称,吉利计划利用该工厂的Body 3产线生产一款基于GEA架构的紧凑型纯电车型,外界推测可能为EX2。

此次收购的核心战略价值在于关税规避与本地化生产。欧盟对中国产电动汽车在10%基准关税之上加征反补贴税,吉利适用18.8%的税率,合计约28.8%。在西班牙本地生产即可绕开这一关税壁垒。

有机构测算,吉利获得年产15万辆配额的相关成本仅为新建工厂的10%至20%。吉利汽车集团副总裁南圣良表示,此次合作是吉利全球化发展的重要里程碑,将进一步夯实吉利在欧洲的本土化布局。

2.21亿欧元!吉利收购福特西班牙工厂获批

对福特而言,引入吉利作为战略股东与制造伙伴,有助于盘活闲置产能、降低单位固定成本。福特欧洲区总裁吉姆·鲍姆比克表示,本次合作的核心逻辑在于全面释放现有设施的潜在效能,构建更具弹性与成本优势的本地化制造体系。

福特近年来在欧洲持续推进重组,已先后与雷诺签署联合生产小型电动汽车和厢式货车的协议,并与大众开展独立的厢式货车合作。

此次交易距离吉利上一次与福特的大规模合作已过去十六年。2010年,吉利以18亿美元从福特手中全资收购沃尔沃汽车;十六年后,双方再度携手,但合作模式已从“买下品牌”转向“共享产能”。

吉利近年来在海外产能合作上已形成多起先例——2023年与雷诺签署巴西战略合作协议,收购雷诺巴西公司26.4%股份共享工厂产能;2022年与韩国雷诺完成股权交割,吉利出技术、雷诺负责本地销售。

此次参股瓦伦西亚工厂,是吉利在在欧洲本地化战略的关键落子。2026年上半年,吉利汽车海外销量达47.4万辆,同比增长158%,已超过2025年全年出口总量。吉利已将全年出口目标从64万辆上调至75万辆,并计划在包括欧洲在内的重点地区取得5%的汽车市场份额。

2.21亿欧元!吉利收购福特西班牙工厂获批

吉利执行副总裁杨学良表示:“我们希望成为长期扎根当地的参与者。这就是为什么我们需要从长远出发,逐步构建生态系统,而不是仅仅把汽车从中国出口出去。”

西班牙首相桑切斯出席了7月23日的签约仪式。他表示,福特拥有对欧洲市场的深入了解和成熟的工业能力,吉利则在技术、电动化和全球布局方面具备优势,“战略联盟是参与竞争并取得领先的必要条件”。巴伦西亚自治区政府主席略尔卡则表示,这项协议保障了4000个直接就业岗位和超过1.5万个间接就业岗位的未来。

值得注意的是,吉利与福特的合作并非孤例。当前,中国车企在欧洲的本土化布局正分化为两大路线:以比亚迪、上汽为代表的重资产独资建厂路径,以及以吉利、零跑、小鹏为代表的轻资产合作路径。吉利选择参股成熟工厂的方式,依靠相对更低的前期投入实现欧盟本土整车生产,在规避关税的同时也提前应对欧盟日趋收紧的原产地与本地含量监管要求。

按照此前公告,该交易预计于2026年第四季度完成交割。随着中国境内反垄断审查的通过,交易尚需完成其他司法管辖区的审批程序及交割条件。合资公司能否按计划于2027年上半年启动运营、首批车型能否在2028年如期下线,将取决于双方在产品开发、产线改造和供应链整合方面的执行进度。

来源 · 谈思汽车2026.10.13
长安要造的,不只是一辆车

一家传统车企决定自己做智驾,在今天已经不算什么新闻。

「传统主机厂自研智驾」这个命题,甚至一度在行业里被判了死刑,摊子铺得很大,两三年后做出来的东西与头部供应商存在「代差」,最后半死不活。

买,看上去明显胜于赌。

但这个刻板印象放在长安这里,可能已经过时了。

因为长安这次想做的,不只是再做出一套智驾方案,而是重新搭一套能够持续生产数据、训练模型、验证能力并推动迭代的 AI 基础设施。

2024 年 8 月,长安启动端到端项目,10 月正式通过。当时整个智驾团队约 500 人,真正做数据和工具链的只有 30 人左右,甚至还没有自己的 BEV 方案。

没人、没算力、没数据,只能一边搭底层工具、采数据、训模型,一边招人。两年后,这支智驾团队扩到 1500 人,训练集群规模接近 3 万张卡。

数据闭环、训练体系、仿真工具和端到端模型从零搭起,第一套自研方案开始量产,首发启源 Q06。

长安汽车首席智能驾驶技术官陶吉的说法是,长安当时「相当于批了个百亿规模预算给端到端」,这是长安历史上规模最大的战略投资项目之一。

按照行业公开的千卡集群建设成本粗略折算,3 万张卡对应的算力投入同样相当可观。

一家云服务商表示,在他们所有车企客户里,训练规模最大的单一模型是长安,用 4000 张卡训一个模型,比一些新势力还大。

「行业里真正量产一段式端到端的车企和供应商,不到一只手,但感觉在公众脑海里,怎么都轮不到长安」。陶吉说道。

陶吉是这支团队的领头人,从零搭起队伍、把端到端推到量产的,也是他。

这两年,长安表面是在补一套智驾,真正下注的,是从数据采集、训练、验证到量产迭代的一整条「生产智能」能力。

01 · 为什么长安要自己做?

「智驾该往什么方向发展?」是摆在每位行业从业者面前的思考题。

大多数车企在舒适区里修修补补:有的同时供着好几家供应商竞争,有的想做自研又碍于技术门槛,走了「自研 + 第三方」的折中路线。

但长安选了更难走的一条路,全面押注 AI 科技。

自研对于长安并非陌生,从制造兵器到转型造车,长安都历经了重重考验。

长安实验室里挂着那句广为人知的话:「关键核心技术是要不来的、买不来的、讨不来的」。

过去的教训让长安形成了一种路径依赖:关键能力不能永远握在别人手里。

长安要造的,不只是一辆车

但问题来了,长安现在还在跟智驾供应商合作,智驾表现也拉齐了头部,自研看上去是不是更像一件多余的事?

更关键的区别在于,过去车企买的是一套可以上车的功能。但在端到端时代,真正需要建设的,是一套能够持续产生数据、训练模型、验证模型并快速迭代的系统。

所以长安真正不愿意外包的,并不是某一段代码,而是这条把真实道路问题持续转化为模型能力的「智能生产线」。

用陶吉的话说,「一段式端到端其实是数据驱动的范式变革,infra 跟不上、这波没赶上,就进不到这个范式,也就没有下一个阶段。」

长期来看,这可能成为主机厂最重要的竞争优势之一。长安搭载智驾的车辆已经是百万级规模,这批车每天在真实路况中跑出来的长尾场景,正是训练模型最稀缺的一手数据。

陶吉的判断是,短期看自研与供应商无本质差异,0 到 1 都是冷启动。但长期看,供应商找主机厂要数据很难,而主机厂能自主掌控地获取高价值长尾数据。

特斯拉是典型的案例之一,其规模化车辆数据,是持续训练长尾场景的重要基础。

长安要造的,不只是一辆车

陶吉解释,这套能力的核心在于数据闭环,把车跑出来的数据拿回来,重新变成模型进化的燃料,它沉在水面之下,却比水面上看得见的功能更重要。

作为参考,长安天枢领航 Ultra 累计完成超 15.67 亿公里行驶,相当于绕地球 3.9 万圈,以及保持日均超 330 万公里的仿真训练。

如果 AI 只是车上的一个功能模块,车企购买一套方案就能完成交付,自研的价值自然有限。

但如果 AI 将逐步成为整车的决策与控制中枢,竞争的边界就会发生变化:车企要么依赖外部供应商提供核心智能能力,要么尝试把模型、数据和整车工程能力掌握在自己手里。

长安选择了后者。在长安看来,只靠制造和品牌优势,传统车企在智能时代的话语权会越来越低。

当然,说起来容易,做起来是另一回事。长安闯进的这片风暴圈,远比想象中艰难。

02 · 长安凭什么追赶?

长安天枢领航技术发布后,地平线 CEO 余凯给陶吉发了消息:「真不容易,做出来了」。

或许会有人好奇,头部新势力凭借数据和算力的家底,已经占据先发优势,供应商方案又量产多年、表现稳定,长安等到 2024 年才上桌,凭什么后来居上,甚至决心争第一梯队?

单看团队规模和量产进度,说服力有限,自研智驾也不是仅靠「花钱」就能奏效。

长安的追赶,最终落在三件事上:
长安的追赶,最终落在三件事上:

组织上解决「谁来做、谁说了算」;

技术上建立「如何持续生产和筛选模型」的闭环;

经营上回答「技术如何被车型和销量承接」。

长安智驾团队阵容堪称豪华,不仅有在工程、交付、规控上做了多年的老长安人,还有从新势力、百度自动驾驶早期团队过来的算法人才。

在外界看来,这像是临时拼凑的草台班子,受命于危难之际的缝合怪,在极短的时间内挑战一个 T0 级别的任务。

让智驾的明白人掌舵,是长安从各自为战变成一个拳头的关键。

为了找这个人,长安花了一两年时间,几乎把国内智驾圈子聊了一遍,不只看 title,还要找气质和想法最吻合的那个人。

长安要造的,不只是一辆车

2023 年 5 月,陶吉离开创业公司,当时已拿到机器人创业的天使轮 TS,但最终选了长安,打动他的是长安的开放,以及管理层的态度。

当时长安管理层带他逐层转了团队和工位,每到一层都随机抓个骨干聊技术细节,氛围更像科技公司。

更重要的是授权。传统主机厂从外部招来的人才,通常被当作行政领导旁边的顾问,责任主体还是自己人。

陶吉的说法是,「第一天来就拿到了实权,给资源、搭团队、全程为智驾负全责」。长安还给智能化板块单独设了长安科技作为机制「特区」,智驾的签审权、流程都在他手里。

同时还设了薪酬特区:外部高级人才不降薪、现金支付。

长安董事长朱华荣在立项时问的不是「为什么这么贵」,而是「这够不够?是不是太少了」。

他反复表态,做不做得出来,最终责任由他来背。

陶吉对团队的自嘲是「失意者联盟」。很多人过去在别的地方想干、没干成。如果这个地方的土壤恰好适合,「失意者联盟」就会变成真正有战斗力的团队。

据晚点报道,陶吉刚到长安时,团队里做基建(infra)、工具链的只有三十来人,而整个智驾团队当时约 500 人,这个比例远低于行业正常水平,通常一个上千人的团队,跟数据基建相关的至少要占到三四百人。

长安要造的,不只是一辆车

为了扭转这种局面,长安在 2024 年发起「AI Cornerstone」(基石计划),把大批校招和转岗人员转向数据基建方向,承诺干满两年后可自由选择新方向。

当时不少人仍觉得基建不重要,更愿意在车上写规控代码。

这里的难度在于,长安不是在空地上打地基,而是一边量产上一代方案,一边重建下一代生产体系。

2023 年底,团队做了一个三年规划,第一年先用上一代感知大模型加手写规控,把高速 NOA 快速做出来,同步补工具链。

2024 年下半年高速 NOA 量产后,理想用端到端弯道超车,长安判断城区 NOA 不能再用老范式,必须直接进入端到端,随即开始立项。

转向一段式端到端后,数据闭环的要求高了几个数量级,不可能再靠人工逐帧标注,必须建立一套大规模自动挖掘、清洗、标注和切片的数据流水线,把训练所需的 clip 批量生产出来。

仿真体系也必须同步重建。长安早期使用的供应商工具,一次只能并行几十个用例,而一次代码提交就要跑数万条仿真集进行筛查。于是团队又从 logsim 逐步走向 worldsim,把测试验证能力补到与模型迭代相匹配的程度。

这个过程,陶吉形容为「边开车边换轮子」。仅把整套数据闭环系统和底层云平台打通,就花了至少一年时间。

如今长安只有最底层的云服务用到供应商,陶吉认为基建已进入行业第一梯队。

这也是长安跳过两段式、直接做一段式的原因之一。立项后团队花了三四个月并行尝试两条路线:两段式对传统感知储备和标注精度要求更高,起步更慢;一段式省去中间环节、理论天花板更高,但对测试验证和仿真能力要求也更高。

「我们最终选了一段式,因为这条路线攻克的是未来的方向」,陶吉补充道。

这套体系的效果,体现在迭代速度上。从团队建立到高速 NOA、城区 NOA 量产,长安只用了两年时间。

一个月之内,汽车之心体验了三个不同的天枢 Ultra 版本:前两个版本开起来像刚上路的新手,第三个已经像见过很多场景的老司机,整体沉稳了很多,此前跟车空档偏大、行车偏慢的问题也解决了。

这背后是高频的模型迭代机制,据了解,长安每天训练十几个到上百个候选模型并评分,再通过仿真和道路测试筛出高分者上车验证。

这些沉淀下来的数据配方,「不是靠几个人带走几段代码就能复制到另一家公司」。

目前长安的训练数据约 2000 万个案例、对应约 16 万小时,清洗、挖掘、打标后的数据总量约 100 万小时。

团队目前只使用了其中一部分训练模型,其判断是,许多能力缺口未必来自「没有数据」,而在于能否识别出正确的数据并给出合适配比。

长安要造的,不只是一辆车

陶吉本人几乎每天都会试驾新版本,最晚测试到凌晨 3 点,专门去找出租车多的酒吧街等复杂场景;一般前天发现的问题,最快第二天就会有新的候选模型出来验证。

「央企」二字,对于长安是一块金字招牌,但同时也是一份责任,落到智驾上同样如此。

陶吉承认,「我不只是技术负责人」,用什么硬件载体、怎么做出车型愿意买单的方案,都是他要考虑的事。

这也是长安和部分新势力的重要差异:新势力早期可以用高配研发、高阶智驾先把品牌和估值立起来;但长安最终必须让技术投入被车型规模和经营结果承接。

长安的车型价格带从不足 10 万元到 30 万元。如何在不同算力平台、不同品牌、不同价格带上复制能力,而不是只做一套昂贵样板,是这支自研团队必须回答的经营问题。

长安的解法之一是「芯片自由」而非自研芯片:如果同一套模型能在 500 TOPS 和 100 TOPS 平台上跑通,中间再适配 200、400 TOPS 的成本就会更低,货架组合也更灵活。

分摊的另一面是搭载量。长安计划让旗下品牌逐步搭载自研方案,包括启源、深蓝、阿维塔,以及马自达、福特等合资车型的同步规划。

朱华荣近期在会议上提到,要学会接受 AI 不像发动机、电池,开发完一代就不用持续投入,「AI 研发完一代,还有下一代、下下一代,每年都是一样的规模投入」。

长安需要「聪明地解决资金来源」,内部搭载量上来规模化分摊,同时向外融资、外溢到相关领域。

安全同样是重要课题。长安智驾的量产验收标准并不只看功能成熟度,还同时考察横评体验、统计指标、bug 数量,以及 S 类问题等多条线。

长安要造的,不只是一辆车

智驾团队和质量部门为此争过很久。质量部门曾要求 S 类(碰撞风险类)问题必须为 0,研发则认为 AI 是概率系统,任何一家都做不到 0。

深入交流后才发现,质量部门指的是「低级问题」:不复杂、非突发、本该处理好的问题,「用户能理解难的问题解决不了,但不能理解简单问题也解决不了」。也就是说,双方争论的并非「绝对零风险」,而是已知的低级问题是否必须清零。

最终双方各退一步,质量部门接受百公里问题数、DI 值等统计视角,研发接受该解决的低级问题必须解决。S 类问题的定义,也是最近几个月才逐渐成形。

长安要造的,不只是一辆车

据了解,Q06 上市前内部准备了三个不同风格的智驾版本,而上市节点又早已锁定。对长安来说,这是自研团队打出的第一枪,只能赢,不能输。

03 · 自研智驾之后,长安要去哪里?

自研智驾是明牌,但暗线上是一家央企求变的决心。

启源 Q06 预售期间,长安智驾工程师在门店调研发现,进店的消费者分成了两拨人,看启源 Q05、Q07 会优先考虑空间和性价比,而看 Q06 则有更高的智驾需求。

一位五十多岁的大叔,平时都在关注智驾新闻,偶然刷到 Q06 的智驾评测,结果到店里试驾完就给女儿定了一台。

这跟以往是两种完全相反的画面,以前来长安门店看车的人,不会想到体验智驾,更不会为了智驾专门跑来看长安的车。

长安的门店调研显示,有 80% 的用户会主动追问智驾,有人的说法是「我用不用你别管,你最好得有」。

陶吉的判断是,主流用户已经在门口敲门了,但跨进门的那一下还需要助力,长安今年开始在各地门店放大屏做属地直播,播当地真实的智驾测试,有接管也照样播,先让销售有信心,再让用户对能力边界有清晰认知。

但如果只把自研的意义停留在「把成本打下来、对得起用户预期」,就低估了长安的算盘。这套持续生产智能的能力建成之后,它还准备把能力外溢到哪里,才是更值得观察的部分。

长安要造的,不只是一辆车

第一层,智能驾驶产品化延伸:个性化驾驶。

在长安的判断里,通用基线拉齐之后,差异化首先会出现在驾驶风格和个性化体验上。

同一套智驾,不同的人用起来感受不一样,不同地区的用户要求也不一样,比如让系统记住经过某段路只走第一车道、赶飞机时希望快一点、家人坐在车上希望稳一点。

团队甚至专门采访过私人司机,发现「不用开车」只是其一,更重要的是特定路线、私密地点和驾驶风格等个性化需求。未来可能出现的商业形态,是「一个基础版本 + 不同风格司机」的能力订阅。

前提是通用基线先做扎实,把能力拉到「专车司机」的水平:又快又稳,这是安全感的基础,基线之上才谈得上私人司机体验。

第二层,整车智能:从「智驾+ 座舱」到统一的智能体。个性化体验之外,长安想走的另一条路是整车。

今年做「舱驾一体」的玩家不少,但基本都停留在上层功能的打通,内部还是一分为二,舱和驾各跑各的系统。

在陶吉看来,今天的舱驾一体芯片更多还是基于降本需求,节省周边元器件、供电、线束,「智驾跑智驾,座舱跑座舱」。

长安启源 Q06 目前已经展示出一部分能力,比如用户在路上询问「前面是哪个品牌、哪一年的车、价格是多少」,系统能够识别并回答。

或者是一些交互式领航功能,让智驾系统往左 / 右变道、绕开前面的慢车。

但这并非长安的最终目标。它更想验证的是,驾驶、座舱、底盘和热管理这些今天仍分散的子系统,能否在同一个智能体里协同。

2024 年的长安科技生态大会上,陶吉就提过「全模态的输入、全模态的输出」。

整车应该是一个完整的智能体(Agent):输入包括摄像头、导航、语音、车内传感器和座舱交互,输出则不只有驾驶动作,也包括语言反馈和车内控制。

在长安的设想里,真正的 AI 汽车不是「智驾 + 座舱」的叠加,而是一个统一的 Agent。

SDA 中央环网电子电气架构,是这套统一 Agent 得以落地的底层前提。

要让整车真正协同,还需要更进一步的建模:把车辆动力学、底盘悬架、车身姿态和电池热管理等整车物理参数,逐步纳入统一训练与决策框架。

长安希望逐步打通大算力平台与底盘等控制系统,让整车动力学信息进入统一的决策与训练框架,在保留必要安全冗余的前提下实现跨系统协同。

训练数据也会随之从「驾驶片段」扩展到「整车片段」—— 把驾驶数据、交互数据以及用户与车辆的操作反馈,在脱敏前提下放在一起分析。

陶吉刚到长安组建智驾部门时,就把座舱 AI 多模态大模型划进智驾,他的判断是,如果将来真走向一个大脑,合到一起很有必要,中间内核必须完全长在一起,外面只留一层很薄的用户个性化层。

第三层,从「会开车」走向「理解人和环境」。

陶吉把智能拆成三块:本体智能、心智智能和语言智能。

长安要造的,不只是一辆车

在他看来,许多玩家先把语言能力上车,却忽略了对他人意图和环境关系的理解;模型能「说」,未必就真正能「懂」。

以交替通行场景为例,系统连续让两台车之后,会不会意识到第三台车应该让自己先行,还是一直在原地等其他车主动让行。

某种程度上,如果系统能够更好地理解他车与行人的意图,AI 进入物理世界的能力才可能从辅助驾驶继续向更高阶演进。

第四层,行动 AI:长期设想,而非既成能力。

最早长安接近陶吉时提到,先一起度过眼前的苟且,再奔赴诗和远方、一起干具身智能。

这句话不是随口一说,现在长安几乎每次开高管会议或战略会,都会提到具身智能,而且内部也已经在规划具身智能团队。

在长安的设想里,汽车技术未必能直接迁移到机器人,但汽车完全可能成为它训练行动 AI 的第一个物理世界。

汽车与机器人面对的并不是同一种物理世界:驾驶涉及高速移动、博弈关系和复杂交通规则;机器人操作则受制于接触状态、动作空间和三维操控。

因此,汽车上的能力可以成为基础,却不能直接推导出机器人上的成功。

会做事、会懂人、还要一直处在移动中,这些能力如果先在智驾上练成,再向更广义的物理世界外溢,才有讨论价值。

朱华荣在内部反复讲「无 AI 不长安」,陶吉对此的理解是,把智驾自研干成的过程,本身就是一次启蒙,能够带动整个长安的思维方式跟着转过来。

如果这套路径能够继续跑通,长安得到的就不只是一套智驾能力,而是一套可以持续进化的 AI 技术体系。

传统车企过去要回答的是,怎样把一辆车造好。AI 时代,车企还需要回答另一个问题:如何让一辆车在交付之后,仍然能够持续学习和进化。

汽车,或许只是长安训练 AI 的第一个物理世界。

长安要造的,不只是一辆车
来源 · 汽车之心2026.10.12

现在几乎所有车企都在盯着软件订阅赚钱。

道理大家都懂:整车硬件利润卷到底了,几乎赚不到钱。车企想靠车联网、云端服务、流量订阅,做长期的持续性收益,把车子变成一台可以年年赚钱的终端。

但现实特别打脸,折腾这么多年,没有一家车企,真正跑通车联网付费的商业模式。

这里面最核心、最无解的矛盾,就是用户和车企的认知,从一开始就是分裂的。

车主买车,愿意为所有看得见、摸得着的配置花钱。大屏、座椅、音响、灯光,实打实的硬件,多少钱都认。

唯独不愿意为车联网买单。

因为网络连接是虚无的,看不见、摸不着。在普通车主眼里:车联网从来不是增值服务,纯粹是车企的二次割韭菜。

车企有自己的委屈。

很多人不知道,车装了网,不是一劳永逸。每年的运营商链路、云端服务器、eSIM后台运维、全天值守的数据平台,全都是持续烧钱的成本。

车子卖出去是一次性收入,联网成本却是年年都有。车企想把这笔费用分摊给用户,逻辑说得通。

但消费者根本不买账。

我买的是完整的车,不是半成品硬件,联网本就是基础功能,凭什么年年额外付费?

而且汽车和手机,完全是两个使用逻辑。

手机不离身,全天刚需在线,大家早已接受买流量、充会员。汽车不一样,绝大多数人每天就开短短几十分钟,大部分时间都是停放闲置。

用户心里想:低使用率的隐形服务,根本不值得我长期花钱。

这也是为什么,市面上纯流量包的续费率低得离谱。

能留住人的,只有高清地图、车载影音这种直观能感知的功能。单纯的上网流量,没人愿意续费。套餐一到期,绝大多数车主直接停用原车网络,开手机热点投屏将就用。

车企砸重金搭建的整套车联网体系,最后被免费手机热点轻松取代。

更尴尬的是体验不稳定。

高速、郊区、地下车库,车机网络卡顿、断连是常态。

用户可以容忍免费服务有瑕疵,但绝对不会为不稳定的服务付费。花了钱还时不时掉线,只会让大家更反感车企的订阅模式。

很多品牌喜欢用的套路,新车送几年免费流量。本想培养用户习惯,结果完全适得其反。

免费的时间越久,用户付费的抵触心理就越强。白用惯了,突然收费,所有人第一反应都是被套路,直接放弃续费。

行业内的本质可能是:车联网做不起来付费,根本不是用户抠门,是车企搞错了售卖逻辑。

这么多年,车企一直在卖流量、卖通道、卖连接。

但用户从来不缺网络,缺的是手机替代不了的专属功能。

没有独家价值支撑,只靠凭空收取联网费用,就是纯粹的本末倒置。

车联网的终局,从来不是逼用户付费联网,而是让网络衍生出值得付费的功能。

只靠收割基础流量的收费模式,从头到尾,都是车企的自我狂欢。

来源 · 零帕汽车2026.10.16

【2026年9月轿车零售销量排行榜】“金九”彻底失色。乘联会数据显示,2026年9月国内轿车市场零售销量只有63.6万辆,同比跌37.7%。

具体来看,9月份零售销量破万辆的轿车共有18款,其中新能源车13款,传统燃油车只有5款。吉利星愿以44275辆的成绩断层领跑,拿下轿车销量冠军。第二名海豚销量16754辆,两者差距超过2.7万辆,星愿一台车的销量差不多抵得上两台海豚。

2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜

【2026年9月SUV销量榜完整版】9月共有26款SUV零售销量突破一万台,其中销量超2万台的车型仅有4款。特斯拉Model Y上演断层式领跑,销量几乎等于第二名+第三名销量总和。新能源势头凶猛,SUV销量前十里面,8台都是新能源车,榜单前六名更是被新能源车型全部拿下。大盘虽然下滑,但榜单内部的竞争依旧白热化。

2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
2026年9月轿车、SUV销量排行榜
来源 · 钛祺汽车2026.10.13
Robotaxi,光会

十一假期余温未散,全球自动驾驶行业却按下了「快进键」。

10 月 8 日,Waymo 宣布完成 50 亿美元定期贷款,这是其首次债务融资,以知识产权作为抵押品,融资方包括黑石、太平洋投资管理公司和 Sixth Street。

同日,得州机动车管理局记录显示,特斯拉单日新增注册 150 辆 Cybercab,总数升至 319 辆,创下该车型进入登记系统以来最大单日增幅。

同时,小鹏集团 Robotaxi 业务正式启用中文名称「小鹏悠游」(「XPENG YOYO」),小鹏 YOYO 自动驾驶打车小程序同步上线,邀请内测。

一边在资本市场融资扩军,一边在制造端加速上量,而新的玩家也强势入局。

这些动作背后,一个值得关注的变化正在发生:Robotaxi 的竞争,开始从验证技术能否实现无人驾驶,延伸到验证一套商业系统能否持续运转。

技术仍然决定车辆能否安全上路,只是不再单独决定胜负。

端到端与 VLA 大模型的普及,让技术能力正在成为进入规模化运营的「入场券」,而不再是唯一能拉开差距的优势。

接下来,车辆规模化供应、订单的持续增长、运营成本不断下降,将共同决定技术优势能够兑现为商业优势。

Robotaxi 的竞争,已经从单点技术能力的比拼,走向整套商业系统的较量。

数据层面已经验证了规模化运营的安全基线。

美国公路安全保险协会(IIHS)对约 5000 万英里自动驾驶运营里程的独立研究显示,Waymo 每百万英里发生可通报事故 1.28 起,而人类驾驶员为 4.06 起。

截至 2026 年 10 月,Waymo 已进入美国 15 座城市,车队规模超过 4000 辆,每周完成超过 50 万单付费出行。

要理解 Robotaxi 这场竞争,可以用四个维度来拆解:

Robotaxi,光会

各家玩家的差异,不在于「谁做运营」,而在于谁掌握了哪些环节、又依赖谁。

全球主要出行平台自动驾驶布局
全球主要出行平台自动驾驶布局

01 · 谁在加速,谁被监管挡住?

全球自动驾驶正形成中美欧「三线竞速」格局,各主要市场几乎同步进入运营落地的关键窗口。

中东与欧洲加速落地。

文远知行在阿布扎比和迪拜已实现纯无人商业化运营,覆盖核心城区 70% 以上区域,当地车队约 400 辆。

在欧洲,携手 Uber 登陆西班牙马德里和瑞士苏黎世。

Waymo 则以美国 15 城为基本盘,同时启动国际化扩张,2026 年在东京启动美国境外首次测试,并宣布未来进入伦敦、纽约等 20 余座城市的计划。

中国企业的海外步伐同样提速。

2026 年 7 月,百度萝卜快跑联合 Uber 及 Lyft 旗下 Freenow 在伦敦启动公开道路测试,计划 2027 年起面向市民提供无人驾驶出行服务,这是中国无人车首次在英国伦敦复杂路况下实地路测。

小马智行则与 Uber 扩大全球战略合作,计划以克罗地亚萨格勒布现有车队为基础,在欧洲五城部署超过 2000 辆 Robotaxi。

特斯拉 Cybercab 同步启动京沪双城静态巡展与香港巡展,但明确不涉及中国市场的商业运营安排。

然而,政策松动并不意味着监管松绑。

9 月,Cybercab 刚上线,美国国家公路交通安全管理局(NHTSA)宣布对约 1000 辆 Cybercab 启动审查,评估特斯拉是如何认定这款没有方向盘、没有脚踏板的车辆符合联邦安全标准的自我认证。

这次审查说明,自动驾驶安全性始终处于高压监管之下。

Waymo 在纽约的遭遇更为典型,尽管已持有测试许可,但纽约州要求必须有安全驾驶员在车内,实质上禁止了完全无人驾驶的商业服务。

Waymo 计划进入的 20 余座城市中,纽约、伦敦等关键市场的监管壁垒仍是最不确定的变量。

全球各地区Robotaxi落地规模
全球各地区Robotaxi落地规模

02 · 谁掌握关键环节,谁依赖合作伙伴

2025 年以来,竞争已从算法角力延伸到技术、车辆、流量与城市资源的组合方式。

出行运营商的优势在于需求池和地面关系,技术公司的优势在于软硬件深度耦合,两者谁更适合整合产业链,目前并无定论。

就在最近,Uber 同时接入文远知行、小马智行、萝卜快跑、Waymo、Zoox、Wayve 等 6 家以上技术方,自动驾驶出行服务同比增长超过 10 倍,目前已在 8 个城市上线,年底目标扩展至 15 城,覆盖香港、马德里、苏黎世、休斯顿、伦敦、慕尼黑、洛杉矶及旧金山湾区等。

在欧洲,Bolt 联合 Lucid 推出 2.5 万辆 Robotaxi 部署计划,这也是 Bolt 实现 2035 年平台上部署 10 万辆自动驾驶汽车目标的重要一步。

东南亚的 Grab 则通过对文远知行数千万美元的股权投资切入。

目前我们可以观察到三种典型路径:

技术公司垂直延伸(Waymo):自研驾驶系统,并与现代汽车合作在佐治亚州萨凡纳工厂生产 IONIQ 5 Robotaxi,同时自建运营体系。软硬件耦合度高,但资本投入大、周期长。

平台聚合(Uber、Grab、Bolt):依托既有需求池和调度能力,以轻资产方式接入多家技术方,扩张快,但需要协调不同供应商的标准化对接,在技术、车辆成本上依赖外部伙伴。

车企全链路(特斯拉、小鹏):造车、技术、运营一体化。特斯拉 Cybercab 于 9 月初在得州投入运营,并计划通过 FSD 迭代支持全天候运营;国内,小鹏汽车发布 Robotaxi 业务「小鹏悠游」。制造能力是优势,但面临监管认证的不确定性。

三种路径的差异,是对车辆、算法、需求和城市运营四个环节的控制权不同,进而决定单车成本与扩张速度。

文远知行创始人韩旭的判断提供了另一种视角,「Robotaxi 赛道很拥挤,最后能盈利的一定是扎扎实实解决用户真实需求的公司」。

03 · 规模如何转化为效率?

当技术能力成为进入规模化运营的必要条件,竞争会进一步延伸到车队利用率、订单密度、车辆折旧、调度效率和跨城市复制能力。这一壁垒由三个层面构成。

第一层是地面运营的复杂性。

城市落地远不止技术部署,它涉及监管沟通、保险体系搭建、停车调度、地面运维团队组建等一系列「苦活累活」。

每一个新城市的进入都意味着从零搭建一套地面生态。这恰恰是出行运营商积累多年的核心能力。

第二层是安全里程的飞轮效应。

小马智行王皓俊对此有精辟阐述:「纯无人不是先投放再补数据,而是用规模化运营持续积累安全里程、拿公众和监管信任。」

他以商业航空为类比,安全记录的积累周期较长,最终能跑通可靠且性价比合理的玩家会少很多。

这一「飞轮效应」意味着先发者的优势会随时间不断放大,后来者即使技术不差,也需要重新积累里程数据来证明 L4 安全性。

萝卜快跑的数据提供了另一个观察样本。

截至 2026 年 6 月,其累计向公众提供的自动驾驶出行服务订单超过 2300 万单,车队累计自动驾驶里程超过 3.5 亿公里,其中全无人驾驶里程超过 2.4 亿公里。

这说明,规模化运营不仅意味着更多车辆投入使用,也意味着企业在积累更长的实际道路运行里程、更大规模的出行服务经验,以及持续验证系统安全性的机会。

第三层则是盈利模型的跑通。

规模化的前提是单车经济模型成立,这考验的是运营效率,也就是算法能力能否转化为稳定的订单、较低的空驶率和可控的单位成本。

文远知行在这方面提供了行业参照:

过去六个月单车日均订单 15 单,高峰期升至 26 单,乘客平均等待时间降至 10 分钟以内,2025 年四季度注册用户同比增长超 900%。

其中国市场 Robotaxi 的单车总体拥有成本已下降约 38%,中东子公司的 Robotaxi 业务已实现经营盈利,成为全球少有的在区域市场实现 Robotaxi 业务盈利的自动驾驶企业。

但需要看清这组数据证明了什么、没证明什么:订单量、TCO 降幅与区域经营盈利属于不同层面的指标,不能相互替代。

要真正判断 Robotaxi 盈利能力,还需回答这些问题:

单车每天有多少时间真正载客,而非空驶、充电或等待;

每单收入与成本分别是多少;

车辆折旧、保险、远程协助与地面运维如何分摊;

新城市的前期投入需要多少车辆和订单才能摊薄。

这些数据目前多未公开,因此现阶段只能说,运营效率的改善是盈利的必要条件,而非盈利本身。

04 · 规模化困局:为什么效率不等于盈利?

即便效率持续改善,大规模落地仍面临多重瓶颈,自动驾驶的「大考」远未结束。

其一,城市基础设施失效下的应急能力。

2025 年 12 月旧金山大面积停电事件至今仍是行业警钟,交通信号灯熄灭后,多辆 Waymo 车辆在路口抛锚,导致全城交通瘫痪,甚至连紧急车辆都无法通行。

旧金山市长随后致信监管机构,要求在 Waymo 满足更严格的安全条件之前暂停其扩张。

2026 年 7 月 4 日独立日烟花庆典期间,类似场景再度上演,数十辆 Waymo 车辆在金门大桥附近造成大规模拥堵。

这一系列事件暴露出的不仅是技术问题。当城市基础设施失效时,自动驾驶系统缺乏应急降级方案,也说明自动驾驶企业与城市管理者之间在应急预案、数据透明度等方面尚未建立起成熟的协作机制。

其二,单车经济与运营稳定性的双重考验。

单车经济模型的跑通需要在车队规模、调度效率、车辆折旧、能源成本等多个维度同时优化。

但订单规模的增长,并不意味着运营已经进入稳定状态。

萝卜快跑的运营数据提供了一个值得关注的样本。

2026 年第一季度,其全无人运营订单达到 320 万单;第二季度约为 100 万单。

百度将这一阶段的订单波动部分归因于国内部分城市因监管因素进行的运营调整。

这说明,Robotaxi 的运营规模不仅取决于车辆和用户需求,也会受到监管安排、城市运营条件等因素影响。

即使已经积累了大量订单和道路运行里程,企业仍需要持续应对运营节奏变化,并验证单车经济模型在不同城市、不同监管条件下的稳定性。

因此,衡量一家 Robotaxi 企业的商业化进展,不能只看累计订单或单季度峰值,还要观察订单增长能否持续、车辆利用率能否提升,以及单位成本能否随着规模扩大而下降。

其三,监管与责任体系的碎片化。

从 NHTSA 对 Cybercab 的审查到纽约州对完全无人驾驶的实质禁令,监管框架的碎片化是全球化部署的最大障碍。保险体系的建立同样滞后。

当事故责任在算法、车辆制造商、运营商之间分配时,传统车险模型面临根本性挑战。

IIHS 的 68% 安全数据是积极信号,但公众认知的转变需要时间和持续的安全记录来验证。每一次偶发性事故都可能对行业信任造成不成比例的冲击。

05 · 技术优势,必须经过运营系统的检验

韩旭曾用丘吉尔在敦刻尔克大撤退后的那句话来定位当下 Robotaxi 进程:「这不是结束,甚至不是结束的开始,而只是开始的结束。

这场自动驾驶马拉松已经赛程过半,前半程比的是谁的技术能上路,后半程比的是谁的运营系统能活下来,把技术优势转化成经过运营系统检验的优势,从而转化为商业优势。

从全球各个主要玩家的运营状况来看,车队规模不等于运营效率,运营效率也不等于盈利。

Waymo 是「不增车、增订单」的标杆案例,约 3000 辆车将周订单从 5 万推至 50 万单。

而中国车队超 4000 辆,利用率却相对落后。但 2026 年以来小马智行在广深实现单车盈利,文远知行中东接近盈亏平衡,都在探索下一步提升效率和盈利的可能性。

为什么车队规模与订单规模并不成比例?

答案藏在车队利用率、订单密度与成本结构的关系里,这也是后续最值得追踪的核心指标。

可以说,规模买得来,效率磨得出,盈利才是真正的临界点。

Robotaxi 的下一阶段,取决于谁能把车辆、订单、城市资源和安全体系组织成一套可持续、可复制的商业系统。

技术优势只有经过运营系统的检验,才会成为真正的商业优势。

Robotaxi,光会
来源 · 汽车之心2026.10.13

2026年的汽车芯片行业,出现了一个越来越清晰的变化:原本围绕智能座舱、辅助驾驶和中央计算展开竞争的芯片公司,开始把产品和技术能力延伸到机器人。

4月,芯驰科技发布战略2.0,将业务从汽车进一步延伸至具身智能,形成R1“大脑”、D9“智控小脑”和E3-R关节控制MCU的产品组合;到8月,公司披露全系列芯片累计出货量已超过1400万片。

另一边,黑芝麻智能已经将SesameX机器人计算平台推向商业化,并在2026年上半年实现具身智能及解决方案收入4720万元。

从汽车到机器人,芯片厂商开辟新战场

资本也在跟随这条路线。2026年芯驰连续完成C轮及后续融资,全年C轮融资规模约10亿元,资金用途之一就是把车规级产品能力继续延伸至具身智能等智能终端。黑芝麻智能的情况更加直观:2026年上半年,公司收入4.585亿元,同比增长81.3%,其中辅助驾驶业务收入3.951亿元,具身智能及解决方案已经贡献4720万元。机器人目前仍远小于汽车业务,却第一次成为一项可以在财报中单独观察的收入来源。

因此,“汽车芯片为什么开始上机器人”已经不只是一个技术问题。它同时关系到汽车芯片企业如何复用过去十年积累的研发投入,怎样寻找新的可服务市场,以及资本市场如何理解一家汽车半导体公司的下一阶段增长。

机器人成为芯片新增量

产业风向转移:从技术 Demo 走向实景落地

过去几年,具身智能最吸引市场注意力的是大模型、人形机器人本体以及各种能够行走、搬运、抓取的Demo。到了2026年,政策和产业讨论开始明显向商业部署转移。

2026 年政府工作报告将具身智能纳入未来产业范畴,提出建立未来产业投入增长与风险分担机制。6 月,工信部联合国务院国资委启动人形机器人与具身智能实景实训专项行动,力争 2026 年底打造百个以上高价值应用场景,达成万台级落地规模。

从汽车到机器人,芯片厂商开辟新战场

汽车芯片入局:复刻汽车产业量产逻辑

这正是汽车芯片企业切入机器人赛道的核心宏观背景。对芯片厂商来说,真正具备商业价值的市场,并非实验室小批量试用的高性能计算卡,而是拥有标准化产品、稳定 BOM、可以持续出货的终端市场。

汽车行业已经验证了这套商业化闭环:芯片先搭载于开发板、样车,拿到项目定点,经过严苛验证后实现量产,伴随整车全生命周期持续供货。当前机器人正处在相似的产业化早期阶段。芯片企业此时布局,并非单纯追逐行业热点,而是要抢占终端大规模爆发前夜的产品定义权与客户入口。

商业底层逻辑:技术资产复用摊薄研发成本

从产业商业视角来看,机器人赛道的价值会更加清晰。先进 SoC 研发耗资巨大,CPU、NPU、ISP、配套软件工具链、芯片设计及流片都需要长期高额投入。倘若这套技术能力仅服务汽车市场,全部研发成本只能依靠汽车产品出货来消化。

而如果同一套核心 IP 能够复用到机器人、工业设备以及其他端侧 AI 终端,企业可覆盖的市场空间就会大幅拓宽。通过多场景分摊研发开支,对汽车芯片企业而言,机器人业务本质上是一门技术资产再利用的生意。

车规 SoC:可向机器人迁移什么

从汽车到机器人,芯片厂商开辟新战场

硬件算力:同源的底层计算能力

汽车与机器人产品形态差异显著,但从芯片处理的数据流来看,二者存在大量共通之处。车载辅助驾驶系统依靠摄像头、毫米波雷达、激光雷达、IMU 持续采集环境数据,由芯片完成图像处理、神经网络推理、定位、多传感器融合与运动规划。

移动机器人同样搭载摄像头、激光雷达、IMU,还会增设大量位置、力控类传感器,同样需要感知环境并输出动作决策。因此,CPU、NPU、GPU、ISP、存储以及高速 I/O 接口,是最便于从汽车平台迁移至机器人的硬件能力。

从汽车到机器人,芯片厂商开辟新战场

以 ISP为例,机器人接收摄像头数据后,依旧要完成曝光调节、降噪、色彩校正等图像预处理工作;原本用于车辆、行人、道路识别的 NPU,可直接承载机器人端视觉模型、VLM、VLA 模型运算;CPU 则继续负责操作系统运行、任务规划与系统调度。上层处理对象有所改变,但大量硬件模块无需从零开发。

黑芝麻智能 SesameX 就是该思路的典型代表。平台由 Kalos、Aura、Liora 多款计算模组组成,整合 Ubuntu、ROS 2、自研 RTOS、配套中间件与开发工具链。根据 2026 半年报,产品算力覆盖 48 TOPS 至近 700 TOPS,Kalos、Aura 模组已在机械臂、协作机器人、四足巡检机器人等场景实现批量出货。

隐性价值:可复用的车规工程体系

还有一项关键可迁移能力,并不体现在 TOPS 算力指标上,而是车规芯片多年沉淀下来的整套工程体系。

汽车芯片需要耐受宽温、振动、电磁干扰,同时满足功能安全要求,由此沉淀出 AEC‑Q100 可靠性、ISO 26262 功能安全、网络安全、ECC 存储保护、看门狗、安全岛等成熟设计规范。芯驰已拿到 AEC‑Q100、ISO 26262 ASIL‑D 流程认证,以及 ISO/SAE 21434 汽车网络安全体系认证。

当机器人落地工厂、商业空间、家庭场景,同样会面临设备失控、通信异常、计算出错等风险,车规领域这套可靠性工程经验便具备极高复用价值。这也是汽车芯片企业做机器人产品最核心的差异化优势:输出的不只是一颗能够跑通 AI 模型的芯片,更是经过百万、千万级终端验证的完整工程体系。

车规芯片难直用:瓶颈在运动控制

核心差异:机器人的强耦合运动控制

CPU、NPU、ISP 虽能复用,但汽车 SoC 与机器人 SoC 真正拉开差距的核心,在于运动控制。

汽车同样有严苛的实时控制需求,转向、制动、动力系统都要求确定性控制周期,这类任务一般由 MCU、域控制器与底层 ECU 承担。不过汽车执行机构相对集中,各控制域的功能边界已经十分成熟。

从汽车到机器人,芯片厂商开辟新战场

机器人则将控制复杂度大幅放大。高自由度机器人往往拥有数十个关节,每个关节持续反馈位置、速度、电流与力矩信息。机械臂驱动末端执行器,需要多关节协同联动;人形机器人维持站立平衡,各关节之间更是存在强耦合关系。

从汽车到机器人,芯片厂商开辟新战场

这就带来两类截然不同的算力需求。上层视觉模型、VLM、VLA 需要高 AI 吞吐,交由 NPU 或 GPU 运行;下层关节、电机、全身运动控制,更看重固定周期、确定时延与低抖动特性。因此单纯将车载智驾 SoC 直接搭载在机器人主板上,无法解决全部问题。

芯片分层架构:大脑、小脑与关节 MCU

芯驰将具身智能芯片拆分为三层架构,恰好印证了这个逻辑:R1 承载 MLLM、VLA 等端侧大模型,充当机器人的 “大脑”;D9 集成 CPU、NPU、GPU、VDSP 与实时内核,负责感知、规划与运动控制,作为机器人的 “小脑”;E3‑R MCU 下沉至关节模组、灵巧手与运动中枢。根据企业披露信息,D9 系列已在头部具身智能厂商实现量产落地。

从汽车到机器人,芯片厂商开辟新战场

传感器与通信接口需要重新适配

传感器体系也存在明显区别。汽车以摄像头、雷达、IMU 这类环境感知传感器为主;机器人还需要搭配编码器、六维力传感器、触觉传感器以及海量关节反馈器件。

CAN、以太网、SPI 等车载成熟接口虽可沿用,但接口数量、硬件时间同步、低时延数据链路,都需要重新定制设计。

所以,汽车领域成熟方案可以解决机器人 “看见、思考” 的问题,而机器人独有的挑战,聚焦于稳定、精准地完成动作执行。

竞争升级:从单芯片到全栈方案

产品思路转变:收拢系统集成工作

汽车芯片企业布局机器人赛道,大多不会仅推出一颗独立 SoC。芯驰直接推出 “大脑‑小脑‑执行控制” 全栈产品方案;黑芝麻智能也未将 SesameX 定位为单颗芯片,而是打造包含计算模组、RTOS、中间件、工具链与模型生态的完整平台。两家企业产品设计的共同思路,是将原本由机器人厂商承担的大量系统集成工作,收拢至芯片平台侧。

从汽车到机器人,芯片厂商开辟新战场

这背后是清晰的产业商业逻辑。发展成熟的汽车市场,芯片企业依靠车型定点获取订单;而机器人行业客户数量多、产品形态高度分散。倘若只售卖裸芯片,每家客户都要重新完成驱动调试、接口适配、系统移植与算法适配,芯片厂商的获客与交付成本会居高不下。

标准化模组搭配软件平台,能够把销售模式升级为 “芯片 + 模组 + 软件 + 适配”的整套方案交付。机器人企业采购的不再只是纸面 TOPS 算力,而是一套可以加速产品落地的完整开发环境。

商业模式佐证:高毛利与批量交付落地

黑芝麻智能 2026 年上半年经营数据,已经印证平台化模式的价值。其具身智能及解决方案业务实现收入 4720 万元,对应成本约 250 万元,业务毛利率达到 94.8%。半年报中说明,高毛利来源于标准化计算模组、可复制解决方案有效降低了项目适配成本。

需要客观看待这组数据:现阶段软件与解决方案收入占比偏高,不能直接推定未来大规模硬件出货时,依旧可以维持同等毛利率,但该数据足以体现平台化产品的商业优势。

行业验证也从框架合作、概念签约,推进至实物供货阶段。黑芝麻智能已向遨博智能完成首批产品交付,同时和美的旗下美创希开展机器人芯片供应层面的合作。对比发布概念级机器人平台,批量交付才更贴近芯片行业真正看重的商业化收益逻辑。

结语

汽车芯片“上机器人”,可能将会是一条增长曲线。

资本视角:三大变量打开增长空间

站在资本市场维度,机器人业务对于汽车芯片厂商的价值,可以归纳为三大核心变量:市场空间、研发复用、收入结构。

黑芝麻智能 2026 年上半年总营收 4.585 亿元,但研发费用高达 8.597 亿元,净亏损 7.703 亿元。这类财务状况在高端芯片行业十分普遍,先进芯片研发本身就是重资本投入的赛道。对这类企业来说,如果一套 NPU、ISP、工具链与 SoC 设计能力,可以同时支撑汽车、机器人以及其他端侧 AI 设备,新增机器人业务的价值不只是增收,更是拓宽现有研发资产的商业化边界。

芯驰的融资布局也体现相同逻辑。公司 2026 年完成约 10 亿元 C 轮融资,资金将用于夯实智能座舱、车控业务,并把车规产品能力延伸至具身智能领域。截至目前,芯驰芯片累计出货超 1400 万片,落地车型超过 150 款。对已经具备汽车大规模量产基础的企业,布局机器人赛道,输出的不只是芯片,还有汽车业务沉淀的供应链、质量管控体系与量产口碑。

理性看待:赛道尚处早期,仍存多重考验

但现阶段,不宜将机器人业务视作汽车芯片企业已经成熟的第二增长曲线。以黑芝麻智能为例,上半年智驾业务收入 3.951 亿元,具身智能业务收入 4720 万元,两块业务体量差距显著。

机器人订单能否从千台级别扩张至数万台乃至更大规模、标准化模组能否维持当前毛利率、最终能沉淀多少通用软硬件平台,都有待后续订单与财报持续验证。

从汽车到机器人,芯片厂商开辟新战场

因此,车企芯片企业集体布局机器人,本质是汽车行业十余年智能化建设,沉淀出一套可外溢的技术资产。CPU、NPU、ISP、传感器接口、开发工具链、可靠性工程体系均可复用;而高自由度运动控制、关节级实时计算、多传感器时间同步、机器人软件生态,则需要从零重新开发。在二者的结合地带,全新的 “大脑 — 小脑 — 关节” 芯片体系正在逐步成型。

汽车解决高速移动设备感知环境、安全决策的问题;机器人更进一步,要求设备走进真实物理世界执行动作。对芯片厂商而言,这多出来的一步,或将开启下一条长期增长曲线。

来源 · facetop智能汽车2026.10.12

一、从"软件定义"到"AI定义"的范式跃迁

众所周知,汽车电子电气架构(EEA)正经历一场深刻的范式革命。如果说 EEA 1.0 到 2.0 的演进是"从分布到集中"的物理整合,那么 EEA 3.0 到 4.0 的跨越则是"从集中到智能"的认知跃迁。

过去十余年,行业用软件定义汽车(Software-Defined Vehicle,SDV)描述汽车的智能化:通过软硬件解耦、域控制器集中和 OTA 远程升级,让功能可以在出厂后持续更新。但进入大模型时代,一个更根本的判断正在形成——汽车的驱动力正从“规则与代码”转向“数据与模型”,即向AI 定义汽车(AI-Defined Vehicle,AIDV)演进。

面向 AI 时代 的整车电子电气架构应该怎么设计?

这不是概念炒作。学术与产业界已将 AIDV 明确定义为“一种以 AI 作为功能、行为与进化主要驱动力的自演进架构”,它在集中式与区域式计算框架之上,把生成式 AI 用于场景合成、把智能体(Agent)AI 用于自主决策

二、EEA演进路线—从分布式到多核超脑

1、四次架构跃迁的本质

整车 E/E 架构的演进主线可以概括为一句话:从分布到集中,再到去中心化,逐渐超越能力边界,走向能力共享。供应商路线图将其划分为 EEA1.0 至 EEA4.0 四个阶段。

-> EEA 1.0 · 分布式架构
-> EEA 1.0 · 分布式架构

数十个独立 ECU 通过 CAN/LIN 总线互联,每个 ECU 负责单一功能(如车窗控制、ABS、发动机管理)。架构简单但碎片化严重,软件更新困难,无法支撑复杂智能功能。

-> EEA 2.0 · 域集中式架构

按功能域(座舱、智驾、车身)整合 ECU 为域控制器,域内集中计算、域间通过网关通信,并首次引入云端 OTA,实现初步软件迭代能力:

(1)、座舱控制器:整合仪表、中控、HUD 等显示功能;

(2)、智驾控制器:整合 ADAS 感知、决策、控制功能;

(3)、车身控制器:整合车门、灯光、空调等车身功能。

-> EEA 3.0 · 中央式架构

进一步集中为"准中央计算控制器 + 中央计算控制器 + 区域控制器"三层结构:

(1)、准中央计算控制器:处理中等复杂度任务(如车身域整合);

(2)、中央计算控制器:承担高算力需求任务(如自动驾驶推理、多模态交互);

(3)、区域控制器:按物理位置划分,就近连接传感器和执行器,简化线束。

该阶段实现车云双向数据流——云端不仅接收数据,还能下发模型和策略。

-> EEA 4.0 · MESA 多核超脑智能架构

面向 AI 时代的终极架构形态,核心特征包括:

(1)、车路云融合计算:计算不再局限于车端,而是分布在车端、路侧、云端,形成协同计算网络;

(2)、中央超算区域化:中央计算平台按区域划分算力池,实现算力的动态分配与负载均衡;

(3)、算力均衡:根据实时需求,在车端、路端、云端之间动态调度算力资源。

2、演进的核心逻辑

四次跃迁遵循一条清晰主线:从分布到集中,再到去中心化,逐渐超越能力边界,走向能力共享。

(1)、集中:解决算力碎片化,实现资源池化;

(2)、去中心化:避免单点故障,实现分布式智能;

(3)、能力共享:打破车—路—云边界,实现全局最优。

“再去中心化”的表述:它不是退回分布式,而是在中央超算统一调度下,把边缘推理、区域控制能力有序下沉,使车、路、云各节点能力可共享、可动态分配——是“集中决策 + 分布执行”的更高形态。

三、新架构的三大支柱:算、传、存

MESA(Multi-core Ensemble Super Agent,多核超脑智能体)的目标,是基于“算—传—存”构建高能效比终端,实现“从独立到共享、从类人到超人”。这三者互为约束:算力再强,带宽不够则数据进不来;存储跟不上,模型和数据便无处安放。

为什么是这三个指标?

算 —— 异构是关键词。大模型推理高度依赖 NPU/AI 加速器,通用 CPU、GPU 与专用加速器组成异构平台,才能在有限功耗下托起多模型并行;1000+ TOPS 是多芯片中央平台的目标量级。

传 —— 从“够快”到“确定”。多颗芯片板间互联、激光雷达/摄像头原始数据汇聚,需要 10Gbps+ 骨干网;而安全关键控制不只要求带宽,更要求时延可预测,这正是 TSN 的价值。

存 —— 从“装得下”到“流得动”。1TB+ NVMe SSD 用于承载大模型参数、海量日志与训练数据;配合端云同步实现冷热数据分级,热数据本地低时延访问、冷数据上云沉淀。

1、算:算力演进

目标指标是1000+ TOPS · 异构计算 · 高性能域控。

你我都知道,AI 时代汽车需处理的任务远超传统汽车:

-> 感知任务:多摄像头 BEV 融合、激光雷达点云处理、4D 毫米波雷达信号解析;

->决策任务:端到端自动驾驶模型推理、多模态大模型交互、路径规划;

->控制任务:线控底盘实时控制、多执行器协同。

这些任务对算力的需求呈 “多峰"特征:感知需要高并行算力(GPU/NPU),决策需要高串行算力(CPU),控制需要确定性实时算力(MCU)。因此,异构计算成为必然选择。1000+ TOPS 的算力目标意味着:单车算力已超过多数桌面级工作站,汽车真正成为"轮子上的超级计算机”。

2、传:传输升级

目标指标:10Gbps+ · TSN 时敏网络 · 高速骨干网

算力集中带来数据传输瓶颈。传统 CAN(1 Mbps)与 CAN-FD(5 Mbps)已难以为继:

->单路 1080p@30fps 未压缩视频约 500 Mbps,多路融合需数 Gbps;

->单线束激光雷达点云约 100 Mbps,128 线可达 1 Gbps;

->大模型参数文件可达数十 GB,需在短时间内完成下载。

因此,车载以太网(10Gbps+)成为骨干网络必然选择。但仅靠带宽不够——安全关键场景还需要确定性时延,这正是 TSN 的价值。SN 通过时间感知整形器(TAS)、帧抢占(Frame Preemption)等机制,在同一物理网络上实现不同优先级流量的隔离保障。

3、存:存储革新

目标指标:1TB+ · NVMe SSD · 端云同步

AI 汽车的存储需求呈"量大、速高、持久"特征:

->量大:自动驾驶训练数据、高精地图、用户行为数据累计可达 TB 级;

->速高:模型加载、数据回传需要高吞吐,NVMe SSD 提供数 GB/s 的读写速度;

->持久:车辆生命周期 10–15 年,存储需高可靠、长寿命。

4、车—路—云一体化全栈架构

EEA4.0 并非单点技术叠加,而是通过统一数据标准与算力资源动态共享构建车路云一体化架构。该架构在 2025 上海车展正式亮相,定位为“高性能多域融合解决方案的创新架构基座”。

-> 车端:多域控收敛为中央计算平台

车端最核心的动作,是座舱域控制器、智驾域控制器、中央网关的“三合一”收敛:

首先是智能升级路径,升级前是座舱域控制器 + 智驾域控制器 + 中央网关分立,配合 iBCM2.0 与 TBOX(5G&V2X)。升级后是统一为中央计算平台 OneBox——单芯片方案 320 TOPS,多芯片方案 1000+ TOPS;车身集成模块演进至 iBCM3.0,TBOX(5G&V2X) 作为网联单元保留。

标准外设如显示屏、电子后视镜、摄像头、4D 毫米波雷达、舱内雷达,作为标准化“外设”接入平台,支持硬件与功能解耦。

其中 iBCM(集成式车身控制模块)承担区域控制角色,就近接入 I/O、完成电源分配与本地控制;德赛西威该类产品已具备规模量产经验(累计出货超 20 万套),而更高阶的 ZCU(区域控制单元)可将车身、动力、底盘等功能整合进一颗芯片,实现毫秒级跨域协同控制

-> 路端:把感知与计算下沉到道路

路端节点包括:边缘计算器 MEC、V2X RSU、雷视一体机、600 毫米波雷达、智能网络相机。路侧“上帝视角”可弥补单车在遮挡、逆光、极端天气下的感知盲区,提供超视距信息,与单车智能形成安全冗余。

-> 云端:三层数字底座与数据孪生

详情如下表格:

面向 AI 时代 的整车电子电气架构应该怎么设计?

核心落点是数据孪生,将建筑、地理信息与车辆动态信息实时关联,构建车路环境的数字映射,支撑“车端数据回传 → 云端建模优化 → 更新下发”的闭环。这与国家层面“单车智能为基础、车路云一体化为升级版”的定调一致——二者是技术递进、能力互补、安全倍增的关系。

四、AI定义汽车对EEA的六大挑战

AI 重构整车 EEA 架构,带来六大系统性挑战,覆盖算力、节点、功能、控制、数据与进化全链路。

1、挑战一:算力与数据双中心

传统架构中算力与数据分离:车端算力有限、数据丰沛,云端数据集中但调度困难。AI 时代须构建算力—数据双中心:车端中心部署轻量化模型,承担紧急制动、车道保持等高实时任务;云端中心部署大参数模型,处理长尾场景推理、全局路径规划等高复杂任务;并通过动态调度机制,依据任务特性、网络状态与算力负载,实时决定执行位置。核心难题在于:如何在网络延迟波动的条件下,仍能保证关键任务的确定性响应。

2、挑战二:ZCU角色质变

区域控制单元(ZCU)从单纯的车身控制单元,质变为整车边缘计算节点,承担数据预处理与本地推理三重角色:对传感器原始数据进行滤波、压缩与特征提取,减少上传数据量;运行轻量级 AI 模型,处理舱内乘员监测、手势识别等低延迟任务;缓存高频数据与模型,降低对中央计算平台的依赖。这意味着 ZCU 从"执行器"升级为"智能节点",对芯片算力与软件能力提出更高要求。

3、挑战三:功能转向模型运行

传统汽车功能由 if-else 规则驱动,在复杂城市 NOA 场景下规则数量爆炸、无法维护。AI 架构下,硬件标配 NPU/GPU 加速器,功能由三类模型协同驱动:感知模型从图像与点云中识别物体、车道、交通标志;决策模型基于感知与地图规划轨迹;交互模型理解用户意图,生成自然语言或执行指令。软件侧须支持多模型并行、共享算力、通过消息总线协调输出。

4、挑战四:确定性转向概率性

这是 AI 架构中最深刻的挑战。传统控制确定性强,AI 模型输出具概率性,对制动、转向等安全关键功能不可接受。解决之道是引入 AI + Rule 冗余机制:AI 模型提供智能决策(判断障碍物类型、预测行人轨迹),Rule 引擎提供安全兜底(“车距

5、挑战五:数据流架构转型

传统数据流是"星型",AI 架构是"网状":车端闭环实现传感器到执行器的低延迟通路,车云闭环支撑持续学习,车路闭环通过 V2X 协同增强。需解决三大问题:冷热分级,实时数据走高速通道,非实时数据走低速通道;边缘预处理,在 ZCU 或路侧 MEC 完成过滤与压缩,降低骨干负载;高效流转,通过发布—订阅机制与数据总线标准化,减少数据拷贝与格式转换。

6、挑战六:持续学习闭环

构建"采集—回传—训练—下发"闭环,是 AIDV 区别于 SDV 的核心标志。车端数据采集经 5G/V2X 回传,云端清洗标注后进入模型训练、仿真验证,最终 OTA 下发部署,用户反馈与新场景持续触发迭代。关键挑战包括:数据质量——如何从海量数据中筛选长尾场景与 corner case 等高价值样本;训练效率——如何在合理时间内完成大模型训练;验证充分性——如何证明新模型在所有场景下安全可靠;下发安全性——确保 OTA 过程不被篡改,模型更新不引入新风险。

六大挑战相互耦合,单一突破难以奏效。唯有以架构思维统筹算力、节点、功能、控制、数据与进化的协同演进,方能跨越 AIDV 转型深水区。

传统汽车控制是确定性的——相同输入必然得到相同输出,可用 ISO 26262 等方法做安全保证;而 AI 模型本质是概率性的,输出存在不确定性。行业普遍采用“AI + Rule 冗余”:AI 负责感知与决策的上限,确定性规则(Rule)兜底安全底线,并通过多传感器融合交叉校验。概率性系统的安全验证由此成为全新课题。

面向 AI 时代 的整车电子电气架构应该怎么设计?

五、EEA架构趋势下的核心挑战

整车计算通信模块高度融合的趋势下,行业面临四个维度的挑战:

-> 全栈能力

芯片驱动、操作系统、中间件到应用软件的垂直整合能力稀缺,多数企业仍停留在单一层级深耕;既懂硬件又懂软件、既通晓汽车工程又熟悉 AI 算法的复合型人才极度短缺;跨层级的测试验证体系尚未建立,功能安全与网络安全的协同保障仍存盲区,难以应对软件定义汽车时代的多维风险。

-> 技术标准

开发框架尚未收敛,ROS、AUTOSAR 与自研框架并存,集成成本居高不下;通信协议碎片化严重,SOME/IP、DDS、CAN、以太网多制式共存,互操作性差;各域独立开发导致功能重复且冲突,用户认证、日志管理等基础能力被反复实现,资源浪费与一致性风险并存。

-> 组织架构

传统车企按功能域划分的部门设置(底盘部、车身部、信息娱乐部)与集中式架构所需的跨域协同形成结构性矛盾;硬件部门沿用 V 模型开发,软件部门推行敏捷开发,管理节奏不一致;硬件与软件工程师的思维模式、工作方式差异显著,团队融合与文化协同困难重重。

-> 行业分工

软件定义汽车要求硬件标准化、软件差异化,但当前供应链仍以软硬件捆绑为主,解耦推进缓慢;Tier 2→Tier 1→OEM 的线性供应链亟需向网状协作生态转型;供应商能力要求大幅提升,需从零部件提供商升级为系统方案提供商,能力跨度大、转型周期长。

四个维度的挑战相互耦合,单一突破难以见效。唯有以架构思维统筹技术、人才、组织与生态的协同演进,方能跨越转型深水区。

基于工程师视角,需要冷静判断。

目标态不等于现状。“可自主进化的超级智能体”是 2030 年前后的目标态。当前行业整体仍处于“域控 → 基础区域”的过渡区间,AIDV 大规模落地的关键窗口期普遍被判断为 2026–2028 年。

架构图易得,硬隔离难求。车路云三层蓝图谁都能画,真正的工程难点是中央平台内座舱与智驾的硬隔离——智驾需满足 ASIL-D 等高等级功能安全,座舱重启、升级绝不能影响驾驶;这依赖 Hypervisor、可信执行环境与硬件级隔离。

概率性与数据安全是新增风险。AI 的概率性输出需要“AI + Rule”双路冗余和全新安全验证方法;车路数据互联、云端“数字分身”则带来数据安全与合规挑战,须满足 ISO/SAE 21434、UNECE R155/R156 等要求。

给架构设计的六条建议

1、以资源池化为设计原点:算力、存储、内存统一调度,预留算力与接口冗余,支持硬件预埋、软件解锁。

2、中央 + 区域分层落地:中央做高算力决策,区域(iBCM/ZCU)就近 I/O 与本地推理,分步收敛、避免一步到位的高风险。

3、安全内建、分层兜底:智驾 ASIL-D 硬隔离、安全启动、入侵检测前置设计;AI 决策必须有确定性规则兜底。

4、带宽与存储面向模型规划:骨干网按 10Gbps+、TSN 演进,存储按 1TB+ NVMe 与冷热分级、端云同步设计。

5、统一数据标准优先于堆功能:先统一数据/接口标准、打通数据孤岛,再谈功能扩张,避免重复冲突功能。

6、组织与架构同步演进:打破部门墙,建立跨域全栈团队与全栈质量保障体系,把 AI 工程纳入传统软件工程流程。

面向 AI 时代的 E/E 架构,竞争的本质不再是“装了多少颗芯片、多少个域控”,而是架构能否让数据高效流动、让算力动态共享、让能力自我进化。为智能而设计,意味着把“学习能力”而不仅是“功能清单”,作为整车架构的第一性目标。

面向 AI 时代的整车电子电气架构,不是对传统架构的渐进式改进,而是从底层重新设计。这一设计的核心命题是:如何让一台机器具备"感知—思考—行动—学习"的完整智能闭环?

答案隐藏在算、传、存的协同优化中:

-> 算是智能的基础——1000+ TOPS 异构算力让复杂模型推理成为可能;
-> 传是智能的纽带——10G+ TSN 网络让数据在车—路—云之间高效流转;
-> 存是智能的记忆——1TB+ NVMe SSD 让海量数据与模型得以持久化。

当三者协同工作时,汽车将不再是"执行预设程序的工具",而是"能够理解环境、学习经验、自主决策的智能伙伴"。为智能而设计,就是为这样的未来而设计。

搁笔分享完毕!

注:以上文中关于MESA架构及观点由德赛西威提出

来源 · 车载诊断技术2026.10.14
← 上一期 · 10月第1周下一期 · 10月第3期 →