必须重新思考如何在“AI+硬件”的融合浪潮中占据一席之地。

文 | 华芸

汽车行业正经历一场从“毛毛虫”到“蝴蝶”的深度蜕变：从以机械为核心的传统燃油车，驶向更轻量、更聪明、更互联的智能电动车时代，而真正改变游戏规则的最大变量，是AI。本质上，特斯拉通过端到端神经网络架构，将海量真实路况数据与类人驾驶的神经仿真结合起来，持续推动自动驾驶在现实世界中的智能化落地。

不久前，埃隆·马斯克在瑞士达沃斯世界经济论坛上透露，带有人类监督的完全自动驾驶系统“Supervised FSD”有望最快于下月进入中国，这一信号无疑将成为中国汽车产业观察智能驾驶拐点的重要窗口。在这样一个时间节点上，FSD这只“先飞起来的蝴蝶”，倒逼国内车企重新审视技术路线、商业模式与合作边界，也将在更长周期内，成为中国自动驾驶产业在技术、生态与监管维度上的一面“对照镜”。

在“预见2026”特别策划中，智库君特别对话中国汽车三十人智库专家、亚仕龙科技有限公司创始人兼CEO、FISITA中国大使刘小稚博士。她指出，中美在智能驾驶领域已不再是简单的“追赶与被追赶”关系，而是在不同维度上展开此消彼长的动态博弈。中国正试图凭借超大规模市场、复杂多元的道路场景以及制度与监管层面的持续创新，去重塑自动驾驶时代的力量平衡。

智库君：您如何评价特斯拉当前在自动驾驶技术上的领先程度？在最新一轮迭代之后，您是否认为中国自动驾驶与特斯拉之间的差距被拉大了？

刘小稚：首先必须承认，特斯拉在自动驾驶技术上仍处于领先地位，其FSD系统的累计行驶里程已接近100亿公里，并已在特定区域启动准L4级的Robotaxi运营，这构成了其核心的数据与技术壁垒。

然而，最新一轮迭代并未拉大差距。中国的自动驾驶技术凭借独特路径，正在全速追赶。与特斯拉依赖纯视觉与单车智能不同，中国方案广泛采用多传感器融合与车路协同，更适合本土复杂的道路环境。最重要的是中国在应用进展非常快，中国L2级辅助驾驶的渗透率在2025年已达到64%，城市NOA（领航辅助驾驶）功能已搭载于超300万辆车辆，海量的本土场景数据正在驱动算法快速迭代。而且，中国也已率先批准L3级自动驾驶的准入许可，在法规上为高阶自动驾驶的商业化铺平了道路。

因此特斯拉在技术成熟度上暂时领先，但中国在市场规模、场景复杂度和政策推进上优势明显。这种基于庞大应用侧的“数据-迭代”闭环，正在使差距持续不断地缩小。

智库君：如果「Supervised FSD」未来要进入中国市场，在您看来监管层面真正的核心门槛是什么——是数据安全、功能安全，还是责任界定？一旦放行，您预判会给中国汽车产业的竞争与合作格局带来哪些连锁反应？

刘小稚：如果特斯拉的FSD希望在中国投入使用，首要的挑战在于其系统必须通过深度的本土化改造，以适应中国极为独特的道路环境。这里复杂的混合交通状况，比如密集的非机动车和行人，与北美有很大差异，要求FSD的感知和决策逻辑进行大量针对性的调整与测试。

在数据安全这个大前提下，另一个重点是功能要适应中国路况和法规。中国的道路环境非常独特，比如复杂的电动车流和行人交通，FSD的系统逻辑需要专门针对这些场景进行大量调整和测试。同时，中国法律目前明确要求，驾驶员仍然是车辆的最终责任人，这与FSD的“监督”模式虽方向一致，但在具体责任划分的法规细节上仍需明确。

一旦FSD在满足这些条件后获准进入，对国内汽车行业的冲击会很大，但长期来看是好事。它会像一条强有力的“鲶鱼”，逼着所有车企在真正的智能驾驶体验，而不是简单的配置堆砌上，展开更高水平的竞争。这不仅能加速自动驾驶技术的普及，更能刺激整个产业链——从芯片、算法到传感器——进行升级。最终，市场的良性竞争会推动整个行业向前跑，为消费者带来更成熟、更安全的产品。

智库君：随着 FSD 入华，特斯拉正在从「卖硬件」转向「卖订阅服务」，让智能驾驶变成一种按月付费的数字资产。面对这种模式，中国车企和本土生态要如何更好地接入甚至重构这一闭环，而不是仅仅做一次性卖车的生意？

刘小稚：特斯拉推动FSD订阅，这很像电脑的办公室软件，这很像微软将Office转为365订阅。这种“硬件归硬件，软件是服务”的模式，好处很明显：对用户更灵活，对车企则能带来长期稳定的收入。

但在历史上也有失败的案例：某全球知名车企曾推出基于订阅模式的车载互联服务，提供安全、导航等增值功能。但其订阅制因续费率不理想，以及将部分基础功能与付费套餐绑定的策略而受到市场争议。该服务最终遭遇重大挫折，直接原因是其在未充分告知用户的情况下，收集并共享驾驶数据用于保险评级等商业用途，引发了严重的隐私争议与信任危机。

另外，在中国市场不能简单照搬。这里竞争激烈，消费者的习惯和预期是决定性的。目前，很多中国车企选择了一条更符合本土现状的路径：把高阶智驾作为新车的“标配”或低价选装。例如，华为乾昆ADS、小鹏XNGP的买断价都远低于特斯拉FSD。

这样做短期看似“不赚钱”，但背后的商业逻辑是：用极具竞争力的价格甚至免费，迅速获取最大规模的中国道路用户和数据。海量的本土数据是训练出更懂中国路况的智驾系统的核心燃料。有了这个基础，未来再通过更精细化的服务来实现盈利，会比单纯模仿特斯拉的“月租”模式更顺畅。

所以，面对订阅制趋势，中国生态更务实的策略可能是：先通过“标配”完成用户和数据积累，再围绕数据和生态创造更丰富的增值服务，从而重构价值闭环。这个转变需要时间，但根基在于规模和本土化体验。

智库君：目前马斯克正试图将公司重心转向 AI 和机器人，电动车业务在整体叙事中的权重有所下降，同时宣布向 xAI 投资巨额资金并调整部分车型规划。您认为，这一转向对传统车企和供应链企业释放了什么信号？

刘小稚：特斯拉的重心转向AI和机器人，给整个汽车行业指出了一个清晰的新方向：未来的竞争，远不止于造出一辆电动车，而在于如何让车和制造过程都变得更“聪明”。

车企必须加速从“硬件制造商”转向“科技公司”。特斯拉停产Model S/X，把生产线改造成机器人产线，正是此意。它的目标是将收入从卖车转向自动驾驶订阅和机器人等持续性服务。这说明，智能化体验和软件生态，正变得比单纯堆砌硬件配置更重要。

供应链企业的市场和技术路线需要拓宽了。一个明确的趋势是，为智能汽车开发的感知、决策等AI能力，未来可以复用在机器人等其他智能终端上。例如，车载激光雷达等技术正迁移到机器人领域，提升其环境感知能力。这意味着，供应链企业有机会从服务“汽车”这一单一产业，升级为服务更广阔的“智能硬件”生态。

总之，特斯拉的转向宣告了一个时代的开始：汽车是AI落地的重要载体，而AI能力也将反向定义未来的汽车和制造。无论车企还是供应商，都必须重新思考，如何在“AI+硬件”的融合浪潮中占据一席之地。

智库君：当下的 AI 发展面临数据安全、算法主权和地缘政治等多重博弈，「技术孤岛」的趋势正在显现。您觉得中国车企在全球化过程中，如何搭建一套既满足不同市场监管要求，又尽量保持算法与产品体验统一性的「双系统」或「多区域」架构？

刘小稚：面对全球“技术孤岛”的挑战，中国车企需搭建灵活、合规的全球技术架构。核心思路是“统一基础，灵活适配”。

首先，车企应在底层打造一个通用的“中央智能平台”，统一车辆的硬件和基础软件。在此之上，针对不同市场，开发可独立调整和远程升级的“本地化算法包”，灵活适配各地交通规则，在确保核心体验一致的同时满足区域合规。

其次，关键在于处理数据。最直接的方式是在各主要市场（如欧洲、东盟）建设本地数据中心。同时，可以运用“隐私计算”等前沿技术，它能让算法从全球数据中安全地学习规律和模式，但不触碰具体个人信息，在合规与技术进步间找到平衡。

这一路径已被一些企业探索。例如，理想汽车已开始尝试类似架构。随着中国智能网联汽车出海市场规模预计在2025年达到约5305亿元，构建这样一套兼顾统一体验与区域合规的技术体系，已成为赢得全球竞争的关键。

智库君：业内越来越多观点认为，在生成式 AI 和智驾大模型时代，真正的瓶颈正在从芯片算力本身转向数据中心、电网与能源供给。「模型规模」「芯片能力」「能效/电力成本」三者之间，未来会形成怎样的新平衡？这会倒逼整车厂和供应商在技术路线与商业模式上做出哪些取舍？

刘小稚：在未来智驾时代，能源和效率将取代单纯的算力，成为新的核心瓶颈。随着模型规模爆炸式增长和电力成本飙升，产业必须在“模型能力、芯片算力和能源消耗”之间找到新平衡：单纯堆砌硬件已不可持续，用更少的电、干更多的“智能活”成为关键。

这会深刻改变产业模式。对车企而言，竞争将从“功能堆砌”转向整车级的系统工程优化，需要将电池、智驾芯片、热管理深度整合以提升全局能效。对芯片和方案供应商来说，其核心价值不再是提供最高的算力，而是提供最优的“每瓦性能”，例如微软等公司已开始专门发布强调能耗比的AI芯片。最终，智能汽车将不再是孤立的产品，而需要融入“车-能-路-云”协同的大生态中，通过与电网、可再生能源联动，从源头应对能源挑战。

智库君：行业蜕变往往伴随高死亡率，很多传统车企和供应商在 AI 转型中面临巨大阵痛。从您的观察看，他们最需要尽快放弃的「旧基因」是什么？这场阵痛大致会持续多久？结合您的经验，一家传统车企/供应商若要真正拥抱 AI 浪潮，组织架构上最关键、必须先做好的三件事是什么？

刘小稚：很多年前，我在很多场合都提到过毛毛虫到蝴蝶的比喻，现在已经成为现实。汽车的核心本质已经完成三重跃迁：动力核心从机械总成变为中央计算大脑，模块关系从硬连接绑定变为软件定义解耦，行驶逻辑从人工操控变为自主智能决策；

路上的整车形象，也从依赖人工的笨重爬虫，升级为具备生命感的、自主灵活的蝴蝶，这是智能智驾对传统汽车的革命性重构价值。

对于传统车企而言，最需放弃的是“爬虫”思维——AI时代则依靠大平台，云，低成本且快速不断迭代最佳实践的蝴蝶思维，才能在这个时代站稳脚跟。未来的竞争是关于软件和数据。我认为这场阵痛预计将持续3-5年，期间不少企业会因投入巨大而调整方向，甚至很多企业会因为太慢被淘汰。

组织架构上，必须做好三件事：一是打破部门墙，建立围绕数据流的敏捷组织。二是重塑研发文化，从长周期硬件思维转向快速迭代的软硬结合模式。三是拥抱开放合作，主动与头部科技公司“共创”而非闭门自研，这样才能真正融入AI浪潮。