【导语】

近日，第十七届轩辕汽车蓝皮书论坛在广州市举办，世界汽车工程师学会联合会（FISITA）终身名誉主席，清华大学车辆学院教授、汽车产业与技术战略研究院院长赵福全受邀出席，并发表了《车企All in AI的必要性、紧迫性、全面性与科学性》的主题演讲，赵教授全面系统地阐述了车企全力发展AI的重大价值，以及车企如何有效布局AI的具体策略。本文根据演讲内容整理而成。

【正文】

本届论坛的主题是“决断”，决断意味着下定决心、做出判断、果敢行动。企业在重大事项的关键时间节点上做出正确的决断，是关乎其生存与发展的大事。而在我看来，究竟如何认知并布局人工智能（AI），就是当前最需要车企做出正确决断的重大事项之一。

说起来，智能化早已成为汽车行业公认的发展趋势，人工智能（AI）在最近一段时间更是业界耳熟能详的热门话题。据我观察，无论企业高管，还是负责技术工作的工程师们，大家普遍都觉得要发展AI，然而基于不同的站位高度和思考深度，大家对AI或多或少地存在着认知不够充分的问题，其结果是对于如何发展AI有着千差万别的不同判断。我本人并非AI领域的技术专家，但近年来一直在战略及应用层面持续思考、深入研究AI与汽车产业的关系。我的基本判断是，今天汽车企业已经到了必须全力以赴投入和发展AI的时候了。下面我将围绕车企All in AI这一策略的必要性、紧迫性、全面性与科学性，来谈谈自己的最新认识和建议。

一、对于AI的正确认知

首先我想强调的是，AI正处于快速发展的进行时，所以我们对AI的认识也需要与时俱进、不断更新和深化。记得2024年讨论AI时，我用“山雨欲来风满楼”来形容，彼时可谓“雷声大、雨点小”，尽管热议不断，但AI还没有开启广泛应用之路。而到2025年再看AI时，我则用“忽如一夜春风来”来形容，大家知道这句诗讲的其实不是春天，而是冬天。就是说在我看来，尽管AI全面落地的春天还没有真正到来，但AI的突破性进展已经让人有春天般的感觉了。尤其是在DeepSeek发布之后，我们看到AI大模型正以锐不可当之势融入到各行各业。毫无疑问，AI改变并最终重塑整个人类社会的步伐正在加快，相信大家都感受到了这场颠覆性变革所带来的机遇与挑战、兴奋与压力。在此前景下，我们迫切需要认真思考AI的本质及其深远的影响，持续加深对AI的认识并以此指导我们的产业实践。接下来，我分享一下自己对于AI的三点认识。

第一，近期AI大模型的快速发展及广泛应用，实际上是数字化积累由量变到质变的必然结果。正是得益于多年来各行各业持续推进数字化转型，积累了大量可用的数据，AI大模型才得以实现大家能够看到的“能力涌现”。可以说，没有数字化，AI就是空中楼阁。反过来讲，如果没有AI技术的有效赋能，仅有数字化的基础也是不够的，因为无法充分释放数据的价值。这就如同拿着旧地图寻找新大陆，很难实现跨越式的突破。从这个意义上讲，AI大模型的发展为数字化转型真正取得成功提供了强大的推动力，使数字化转型中的数据“变现”成为了可能，这将促使各行各业进一步深化数字化变革，进而推动人类社会进入全面数智化的新时代。我判断，今后数字化与AI必将形成双向互为拉动的上升螺旋，即数字化积累支撑AI更快发展，而AI发展又赋能数据化实现更大价值。这意味着做好扎实的数字化转型将成为未来企业拥抱AI新时代的前提和基础，从而倒逼企业加快数字化转型。

第二，AI将开启宇宙中碳基与硅基“双生命”并存的新纪元，这是一个前所未有的全新时代。有人用“第四次工业革命”来描述这次AI革命，我认为这不够准确。因为此前的三次工业革命在本质上都是技术层面的变革，相比之下，本轮AI引发的变革将远远超出技术本身的范畴。现在很多人都把AI视为一种技术或者说工具，例如使用各种大语言模型来搜索信息或自动生成文档，还有应用大模型的方法来开发智能驾驶算法等等，这些应用还只是AI在表象上的浅层次影响。事实上，相对于人类这种碳基生命，AI最终将会形成硅基生命，并使所有人造物都能基于数据实现自进化，进而深刻影响并改变碳基生命的演化轨迹，这才是AI真正本质性、深层次的重大影响。

就像尤瓦尔•赫拉利在其最新著作《智人之上》里写到的，人类个体的力量远远不及很多动物，但人类的大规模协作能力强化了其作为一个群体的力量，最终使人类成为了碳基生命中的主宰者。目前智能机器还没有实现大范围的自主协作，要靠人类的指令才能协同作业。未来随着AI的发展，各种智能机器都将成为硅基生命，且相互连接、自我管理、自主协作，进而实现自组织和自进化。可以想见，这些硅基生命的协作能力和进化速度都将远超人类，从而使人类面临前所未有的严峻挑战，甚至人类究竟能否以及怎样生存都需要重新确定。显然，如此颠覆性、全方位的AI革命，绝非此前三次工业革命可以同日而语。尽管这些预测看似遥远，但随着AI的加速进化，有能力与碳基生命竞争的硅基生命正在诞生。这两类生命之间的关系如何有效协调，业已成为人类发展AI进程中的一道必答题。作为碳基生命的人类如何有效利用作为硅基生命的AI，同时又如何尽早预防AI可能给人类社会带来的重大威胁，这挑战着置身于万物互联时代中的我们每一个人！

第三，AI将重塑人类社会的方方面面，不仅会改变人类的知识体系、思维模式和社会分工，甚至还会改变人类的世界观、人生观、价值观，从而触及道德及伦理领域。例如在知识体系方面，AI可以轻易掌握人类现有的所有记忆性知识并随时提供，那么人类是不是就不再需要学习和记忆这些知识了呢？但如果不学习和记忆这些知识，只靠AI碎片化的输入，人类还能建立起自己整体性的知识体系吗？如果不能，人类又如何形成自己的判断力呢？又如在思维方式方面，人类重视经由严谨的推导过程来获得结果，即所谓“知其然更知其所以然”。然而AI解决问题用的是一种端到端的方式，即给出一定的输入就可以得到结果，这个结果往往非常好，但产生这个结果的过程却无从可知。长此以往，这很可能会使人类的思维方式逐渐转向只重结果、不看过程，那人类又如何培养自身解决问题的能力呢？再如在社会分工方面，未来AI智能体的大量涌现和应用，将彻底改变几乎所有工作的内容和方式，有些工作将被AI完全替代，其他工作则需要人类与AI协作完成。不难想象，届时人类所需的竞争力将完全不同。至于人的三观以及道德、伦理判断等，也必然会在与AI交互且越来越依赖AI的过程中发生变化。总之，整个世界都将因AI日益广泛、深入的开发及应用而发生巨变，即AI最终将重塑人类社会。

基于上述三点思考，我认为，当前关于AI的各种认知，诸如“万能论”“有限论”“花瓶论”“忽悠论”等，虽然其关注侧重各有合理之处，但是都不够准确，甚至可以说是错误的。从企业实践的角度出发，我们更应该以综合性的“科学论”来看待AI，即充分认识到AI既是先进技术，也是强大工具，还是有效方法，未来更将成为一种基础设施——各行各业的各种应用都将构建在其之上。

业界关于AI的应用价值及方法论也有很多不同观点，如AI+、+AI、×AI、XAI等。在我看来，“AI+”在本质上接近万能论，即认为AI可以应用于所有领域、解决一切问题，这恐怕过于理想化了；“+AI”则把AI视为助力传统行业发展的技术和工具，这又明显存在局限；相对而言，“×AI”和“XAI”的理念可能更为合理，前者强调各行各业要与AI深度融合，后者则凸显AI可以给各行各业带来指数级价值的潜力，二者都不仅仅把AI视为单纯的技术，而是认为AI将为各行各业提供新工具、新方法乃至新基础设施，并要求各行各业必须改变过去的思维模式、组织架构以及商业逻辑，以充分释放AI的巨大潜力，最终创造出一个充满无限可能的新世界。

综上所述，我认为，未来AI的发展潜力无限，大家可以放飞思绪、尽情畅想。也就是说，AI的进步没有止境，能力没有上限。唯有两个要素会对AI构成制约：一是成本，毕竟AI的发展和应用需要大量的资源投入，企业必须权衡投入产出比，理性评估合理的发展速度和规模，确保物有所值；二是安全，这是底线问题，而且不只是指智能产品本身的安全，更涉及到人类这种碳基生命的安全是否会受到威胁。尽管AI是为了更好地服务人类而生的，但其失控的巨大危险不容忽视。展望未来，唯有全球紧密协作，才能保障人类在充分释放AI潜力的同时，实现自身的可持续发展。

二、All in AI的关键三问：为什么、是什么、怎么做

1.All in AI的必要性

前面谈到，AI是技术，但超越技术，是技术、工具、方法和基础设施的综合体，最终将会彻底重塑人类社会。因此，拥抱AI的必要性毋庸置疑。

具体来说，第一，AI是一种技术，而且是一种扩展了人类智能的颠覆性技术，所以2024年的诺贝尔物理学和化学奖都授予了AI领域的学者。仅就产品而言，AI具有全面赋能原有的软硬件技术，形成更好的功能、性能以及体验的巨大潜力。第二，AI又超越了技术。AI基于在不同主体之间流通的各类数据，可以实现产品与技术的持续迭代优化，从而形成以数据要素为核心的新生产力以及以多主体协同为特征的新生产关系，由此推动生产方式的全面变革。第三，AI将深度重塑整个人类社会的方方面面，进而催生出一个人机“双生命”共存的全新世界。

从根本上讲，AI的巨大影响体现在其对人类本身的改变上。我认为，主要有以下三个层面。

首先，AI将推动人类认知和思维的拓展。一是认知体系升级。在AI的作用下，空前丰富的信息和知识资源将实现跨领域的深度融合，自动形成各种问题的解决方案，从而帮助人类更好地认识世界、理解世界、改变世界，AI正在使“可见即可得、可说即可得”走进我们的生活。二是思维边界拓展。与人类传统的结构思维不同，AI呈现出碎片化的离散思维，即“输入-输出”的端到端模式，没有逻辑推演的过程，却往往可以得到更好的结果。这将打破人类的思维定式，重新定义人类的智慧——未来人类将越来越习惯于AI这种通过离散思维解决问题的方式，并依赖其结果为人类更加科学、准确地决策提供依据。

其次，AI将推动人类经济活动与生产方式的变革。从生产要素的层面看，数据将成为极为重要的新生产要素。通过充分挖掘并利用数据要素的价值，人类将实现生产成本的空前降低、生产效率的跨越式提升以及各种资源的最优化配置。从生产方式的层面看，人机协同和数智融合将成为未来的全新范式，各种生产和经营活动都将据此开展。

最后，AI将推动人类社会分工与治理结构的重塑。一方面，人类将迎来全新的社会分工：大量传统的体力与脑力劳动都将被机器取代，知识记忆型工作的价值大幅下降。受此影响，教育模式、职业选择和工作方式等都将随之改变，而想象力、创造力和判断力将成为未来人类最重要的能力。另一方面，人类将迎来新型的社会结构：人机共生即碳硅“双脑”融合的普遍化，必将随之逐步催生出全新的社会治理模式，而合理界定碳基与硅基生命的相互关系，将成为未来社会治理中必须解决的重要问题。

总之，AI变革的机会之大、影响之深、速度之快，都将远远超出我们的想象，为此所有主体都应该积极拥抱AI。对于企业而言，拥抱AI是未来能够生存下去的前提和必选项，每家企业都必须以“适者生存”的心态，主动迎接这场充满未知的空前巨变。在此我想特别强调，企业拥抱AI不一定能够成功，但如果不拥抱AI，注定会被时代淘汰。

2.All in AI的紧迫性

AI变革是“现在进行时”，并非“将来时”，由AI带来的提质增效降本，正在以天为单位快速演进中。特别是开源的DeepSeek出现后，企业几乎一夜之间就获得了效果相当不错的免费大模型资源，从而使AI在各行各业的广泛应用大幅加快，并已成为企业相互竞争的关键所在。在此情况下，拥抱AI的紧迫性空前提升。

具体来说，之前企业布局AI可以基于技术思维，通过“验证-应用-迭代-换代”逐步提升；而今后企业必须超越单纯的技术思维，进行包括技术、流程、组织、体系以及生态等在内的全方位系统性变革。因为AI的发展已经进入关键阶段，指数级的能力跃升就在眼前。所以，企业需要彻底改变拥抱AI的范式。

由此出发，企业必须充分认识到：首先，AI变革不是单纯的技术升级或工具替换，因此不能简单地采取“拿来主义”的策略，也不能有等一等以获得“后发优势”的心态。恰恰相反，企业必须努力实现原有能力与AI能力的融合，这本身也是形成全新能力的一个过程。最终通过持续积累、循序渐进，一步一个脚印地实现真正的深度融合。其次，AI变革是一项高度复杂的系统工程，并没有现成的行业解决方案可供采用，也没有所谓后发优势可供依靠，企业必须通过自身实践来摸索AI全面落地的路径。最后，AI变革意味着要用新范式取代旧范式，而新范式的建立与旧范式的打破都是越早越好。

当前，AI变革正处于从量变到质变的关键拐点，由于AI发展速度快且加速度还在不断提升，我判断，这个拐点的窗口期会比较短，未来三到五年将是关键阶段。在此期间，先发企业有望建立起“技术+数据+组织+生态”闭环的竞争优势，而落后者将面临“代际技术差+组织鸿沟”的严峻挑战和全新发展范式的降维打击。有些企业担心过早行动会成为“烈士”，这在之前可能也不无道理；但今后仍在观望或行动迟缓的企业，将会错失发展AI的关键窗口期。

总之，在众多企业纷纷行动之际，那些对AI依然秉持“可做可不做”态度的企业，就会如“温水煮青蛙”一样，逐渐被边缘化。要想抓住AI发展拐点的窗口期，企业必须尽早布局、加快投入，同时其布局和投入又要避免盲目性。也就是说，企业应遵循“统筹思考、正确布局、合理投入、持续进化”的基本原则和方针。其核心在于，不同的企业要根据自身的情况制定相应的策略。

3.All in AI的全面性

毫无疑问，AI作为一种技术可以广泛应用于各种业务和场景中。不过我认为，企业不宜按照“AI in All”的理念进行布局，这在本质上仍是技术/工具型的发展策略。单点技术或单个工具的应用固然重要，但这种理念和策略难以全面有效地释放AI的革命性潜力；企业更应基于“All in AI”的理念来布局AI，这在本质上是目标型的发展策略，即构建一个“目标拉动、能力支撑、协同演进”的多层次AI赋能体系，这也是我强调“All in AI”的原因之一。

在上述体系中，发展目标是核心。企业必须充分理解AI变革的全面性，在经营管理的全领域和全维度上设定系统性目标，以此拉动AI的战略布局与发展投入。具体来说，一是通过AI实现产品力的突破，打造新型产品形态，实现用户体验的升维；二是通过AI实现创造力的跃迁，形成研产供销服一体化的全业务链协同创新体系，提升多主体协同创新的系统性竞争力；三是通过AI实现管理力的进阶，推动组织机构变革，赋能全员提升知识及工具利用能力，以实现企业运营效率和决策质量的大幅优化。目前多数企业对AI的关注都集中在产品力上，这有失偏颇；AI在创造力和管理力上的潜力才是支撑产品力突破的根本保障，对此企业应高度关注。

技术能力是关键。一方面，企业要构建适合自身的AI技术底座，包括基础大模型的选择，也包括专属行业模型的开发与集成等；另一方面，企业要加强算力、存储和网络等基础设施建设的布局。其核心在于，AI技术底座的选择、开发必须与基础设施建设相互适配。

组织变革是保障。面向AI的组织、流程、人才等的优化与调整，是AI落地的关键保障，并将为企业带来可持续的竞争潜力。在运作机制方面，企业要建设起中心化的能力；在业务应用方面，企业要努力进行去中心化的调整，以快速响应复杂、多变的市场需求，这要求企业必须构建起与业务流程深度融合的协作型组织。而在支撑组织运行的人才方面，企业以及院校等要着重培养具备跨学科系统性知识和“X+AI”复合能力的新型人才。

总之，“AI in All”的技术应用思维会严重限制AI潜力的充分挖掘，“All in AI”的目标拉动策略才是企业正确的理念与实践方向。最终，企业要以“应用为体、技术为基、能力为魂”，全面推进AI的战略布局，进而抓住本论产业变革的历史性机遇，实现自身的可持续发展。

4.All in AI的科学性

时至今日，AI早已不是科幻，而是科学、是技术，也是方法、是工具，还是面向未来的基础设施，这就要求我们必须以科学的态度和方式推动AI落地。所谓“科学”，在我看来，一是不能迟疑观望，一定要积极拥抱；二是不能误以为AI万能，一定要科学判断，务实投入；三是不能全面开花，一定要重点突出，从见效快的场景入手，不断积累，逐步拓展；四是不能寄希望于速成，一定要持续完善，有足够的耐心和恒心，并充分认识到当前的很多工作是在为新范式的转变打基础。这样AI才不会成为企业用来包装和宣传的“花瓶”，而是确保企业长期可持续发展的利器。

当前，企业在发展AI的过程中主要面临三大问题：一是过于关注短期直接的效益，例如仅将AI技术应用于信息娱乐等浅层次领域，而忽视了AI变革能够带来的深层次影响；二是过度追求AGI（通用人工智能）的实现，盲目相信大参数、大算力和高性能算法，导致重投入、轻实效，甚至与实际需求完全脱节；三是AI自身发展仍存在诸多挑战，诸如AI幻觉、数据所有权、隐私安全、全球技术限制以及AI治理等问题都还有待解决。在这种情况下，企业必须树立科学的AI发展观，在充分理解AI的基础上，遵循“从无到有、从有到优、从优到精”的客观规律，并依据对AI技术发展态势、行业特点及企业现状的科学判断，进行合理的战略布局，全力推动AI的应用落地。

具体来说，企业科学发展AI应从四个方面着手：一是场景牵引。将AI与具体业务场景紧密结合起来，以创造实际价值。二是模型匹配。构建“1+N+X”的AI模型应用范式，其中“1”代表基础大模型，这是未来社会共用的基础设施，企业要根据所在产业的特点，科学、合理地选择基础大模型；“N”代表行业大模型，可以更好地解决特定垂直领域的相关问题，企业要积极参与相关模型的建设与完善；“X”代表企业模型，即企业为解决自身业务需要所建立的专业模型，这是企业的根本，必须努力掌控。当前许多车企也试图开发基础大模型，实际上这既无必要，也很难做到最优。车企更应关注专业模型的开发；而在基础和行业大模型方面，企业清楚两类大模型的能力边界，使之能为自身所用即可，无需在技术细节上浪费过多的精力。三是数据驱动。构建统一的数据基座，逐步打通更多的数据资源并实现共享，以此滋养专业模型，并支撑行业大模型的发展。四是算力支撑。企业要对算力资源进行科学的战略布局，围绕与自身场景密切相关的算力进行持续投入，以确保AI的不断演进与价值呈现。

同时，企业科学发展AI应遵循四个原则：一是统一规划。明确顶层设计，进行战略级的统筹和系统性的破局，以尽早打通基础技术底座。二是实用导向。将提升自身竞争力作为企业目标，切忌形式化和虚假浮夸。三是生态协同。未来AI的落地应用一定是生态化发展的结果，而不会指向一家独大。而生态化的协作共享、互利共赢在某种程度上是与传统的商业模式相悖的，为此合作各方要通过设计数据流通、利益共享等的新模式，强化合作机制，限制人为因素，逐渐建立起新时代的新型商业文明。四是分步应用。由点及面地推进AI应用，即优先选择高价值、高频次的重点场景，同时结合自身的数字化能力，逐步扩展应用范围。

总之，企业必须科学地看待及发展AI。短期看，AI已经可以带来提质增效降本的效果，但技术还不够成熟，商业模式也尚未明晰，诸多产业问题仍有待解决；长期看，AI引发的空前变革将决定所有企业的成败，因此不能因为其不够成熟或存在问题就不去发展，这将使企业错失历史机遇。而在发展AI的过程中，企业必须遵循客观规律，坚持以点带面、循序渐进的持续探索、验证及应用。

三、制造业All in AI的行动方案

接下来，我先谈一谈更具普遍性的制造业应该如何All in AI。众所周知，制造业涉及主体多、业务流程长、场景种类杂、数据体量大，因此是AI应用最难也是最重要的产业载体。

1.制造业拥抱AI的潜力分析

事实上制造业全面拥抱AI，指向的就是智能制造。这一过程并非简单地将AI技术附加于现有业务，而是要将企业的创新链与业务链全面深度融合，在数据闭环的驱动下，构建起多主体协同智能以及自进化的新型制造体系。

在理想的智能制造体系中，数智化研发（如协同设计开发）、数智化生产（如智能排产、AI质量监测等）、数智化供应链（如智慧物流/仓储、供应链动态管理等）、数智化营销与服务（如产销联动、需求牵引生产变更等）等各个业务环节将实现一体化打通，相互提出需求和提供反馈，进而在AI技术底座（大模型平台、行业数据平台等）和协同创新生态（多主体、多要素）的共同支撑下，实现数据的流转闭环和体系的自组织、自进化。

制造业拥抱AI将引发产业的全面变革，主要体现在四个方面：一是生产函数重构，即以AI算法模型为基础，重新组合资本、劳动力及数据等生产要素，形成新的价值创造逻辑；二是制造范式进化，通过创新链和产业链的无缝连接与融合打通，实现全要素、全链条、全生命周期的多主体深度协同；三是产业生态协作，制造企业与AI平台公司之间通过技术创新合作，形成“需求-场景-实践-反馈”的AI应用闭环；四是体系能力跃升，基于“输入-输出”的端到端模型，实现整个制造过程的自创造、自组织、自迭代和自进化。

我认为，以最高质量、最快速度、最低成本满足用户的个性化需求，这始终是制造业的永恒追求。传统制造业以规模化应对质量、效率和成本需求，但难以同时兼顾个性化需求；而AI赋能将为制造业的转型升级带来历史性机遇，未来“AI+机器人”的智能制造体系，有望实现产品的大规模定制化生产，使用户的个性化需求得以实现，从而愈发趋近于制造业的终极目标。可见，制造业全面拥抱AI潜力巨大、影响深远，相关企业必须站在打造全新制造模式的高度上来加以认识和实践。

2.制造企业拥抱AI的落地方案

整体而言，制造业拥抱AI的落地方案可以概括为：基于“1+N+X”的AI模型应用范式，从单业务场景切入，构建精准匹配场景需求的垂域模型，在此基础上，通过多元数据流及业务流的深度融合，开发出不同业务的智能体，进而不断推动和提升各业务智能体的有效协同。其核心在于，企业应将“智能体”作为核心单元来重构各个业务模块。

具体来说，上述方案可以分解为四个层面。最下面的是基座支撑，包括数据融合平台，提供高质量的数据集；工业底层软件，提供数据贯通、处理及应用的手段；高性能算力平台，提供端侧和云侧的算力。本质上，该层就是要提供AI模型所需的三要素，即数据、算法和算力。在此之上的是模型匹配，包括大语言模型/多模态模型、物理世界模型和各类科研模型等（即1+N），这些模型的选择或开发都要与制造业的知识图谱、企业的知识积累相匹配。再往上是场景牵引，通过对前述各种模型进行直接调用、模型调优或深度重构，构建相关专业模型（即X），解决研产供销服等各业务环节中不同场景的应用问题。最顶层则是智能体化，即形成了研发、生产、供应、销售和服务等各业务的智能体，并以复杂的工作流将其契合起来，形成多智能体协作的高级混合智能体，即综合智能体，基于此实现制造业的全局协同与持续优化。

我想强调的是，以上四个层面是一个统一的整体，这样才能确保AI对整个制造体系进行完整、充分的赋能。比如，如果没有技术基座的支撑，各种AI模型将无法有效运作。又如，企业原本就有面向不同场景的专业模型，不过只能解决特定场景的单一问题，且相互离散，相当于是能力有限的孤立智能体；而未来所有的智能体都将构建在相同的“1+N”大模型之上，共享其中的“养分”（如数据等），不但可以实现各自能力的提升，更可以实现彼此联动和相互赋能。

基于全面智能体化的核心逻辑，制造企业拥抱AI的实施路径可分为以下三步：

第一步：场景切入。聚焦高频、高价值且数字化基础相对成熟的典型场景（如设计等），采用“1+X”的部署方式（不必等待成熟的垂域模型N），形成轻量化的解决方案，优先构建标杆项目，以点带面、逐步推广。

第二步：深度开发。根据场景需求，基于多元融合数据，利用制造业知识图谱及企业知识积累，构建企业大模型并实现平台化复用，使之深度融入并优化企业全链条各环节的业务流程。在此阶段，发展各类垂域模型成为关键所在。

第三步：业务智能体化。首先在集成多个模型的基础上，实现复杂工作流自动化。然后构建不同业务的单个智能体，使其能够理解庞杂的工业知识、感知动态环境、推理复杂问题、进行自主决策和执行。最终实现多智能体协作，即在研产供销服等各个环节中，均由相关智能体协同解决实际业务问题，并不断优化整个制造体系。

综上，制造企业拥抱AI并非针对单点的一次性尝试，而是面向全局的长期工程，这既需要战略性的统筹布局，也需要战术性的局部实践。企业唯有明确应用范式和实施路径，系统布局、逐步推进，才能真正将AI转化为自身可持续的核心竞争力。

四、汽车产业All in AI的策略与路径

1.汽车产业All in AI的理想图景

作为制造业的集大成者，汽车产业的复杂性、关联性和载体性绝无仅有。正因如此，汽车产业已成为All in AI的主战场之一。在我看来，汽车产业拥抱AI的理想图景可以从两个维度来描述：其一是产品智能体的演进，当前汽车产品正由SDV（软件定义汽车）阶段逐渐进入到AIDV（AI定义汽车）阶段。其二是企业智能体的演进，当前汽车企业正由数字化阶段进入到智能化阶段，并向生态化阶段迈进。需要指出，产品与企业智能体的演进不是相互孤立的，而是彼此影响、互为支撑的。也就是说，如果企业智能体的发展滞后，是不可能把产品智能体打造到更高水平的。

按照上述两个维度的不同发展程度，可以把汽车产业拥抱AI的实践过程划分为三个阶段。这三个阶段对应着AI技术的不同发展水平，即ANI（弱人工智能）、AGI（通用人工智能）以及ASI（超级人工智能）。具体阐述如下：

第一阶段的特征是“智能汽车+企业数字化”，对应于ANI。此阶段主要由企业主导：在产品维度，出现了集硬件、软件、架构和数据等新技术一体的智能汽车，初步具备了基于规则的有限智能。在企业维度：越来越多的车企加快推行数字化转型，纷纷构建软件中心、数据中心、工程中心和生态中心等。这个阶段的最大变化是，汽车产品由过去的硬件主导过渡到软件主导、软硬解耦，即软件定义汽车。

第二阶段的特征是“汽车智能体×企业智能体”，对应于AGI。此阶段需要由行业主导：在产品维度，智能汽车从单一功能智能演进为复合智能体形态，并初步具备自进化能力；与此相应，产品及技术开发范式被彻底重塑，呈现出“一切硬件被驱动、一切软件被重构、一切数据被激活”的全新模式。在企业维度，车企将构建形成诸多业务智能体和管理智能体；与此相应，企业价值创造及运营管理模式将被全面重构，业务上实现数智融合的自生成、自进化，管理上实现数据驱动的自主精准决策。更重要的是，产品维度和企业维度开始实现真正意义上的双向融合，所以我用乘号“×”而不是加号“+”来表征的新型逻辑关系。这意味着被创造的产品与创造产品的体系将实现智能协同，由此将会形成一个产品智能体与企业智能体数据贯通、融合共生，具备自学习、自组织、自治理、自进化能力的全新创造体系。在此过程中，产品不再只是应用智能技术的载体，也是与企业共同进化的智能节点。事实上，如果没有汽车产品智能体的反馈和输入，企业智能体（业务和管理）将无法充分发挥作用并不断进化；反之，没有企业智能体的支撑和输出，汽车产品智能体也不可能有最佳表现并持续进化。当前，我们正处于从第一阶段向第二阶段过渡的初期。

第三阶段的特征是群体智能，对应于ASI。此阶段需要由社会主导：随着未来AGI乃至ASI的实现，各种人造物都将具备超越人类的智能水平，由此人机共存的社会将演化成为万物自治、分布式、去中心化，且能够协同共治的大智能系统，即“产品智能体×企业智能体×相关主体智能体”的生态化群体智能，或者也可以说，是由多个产品的群体智能、多个企业的群体智能与多个主体（如用户）的群体智能构成的超级大智能体。就汽车产业而言，此阶段“车-路-能-云-网-图”都将彻底打通并融合，实现与其他智能体的高效协同，从而形成复杂而有序的智能汽车社会。届时，汽车将成为最重要的智能体之一，不仅每台汽车都具备强大的智能能力，而且与企业、用户以及用车环境中等众多相关的智能体融为一体，形成解决“造车-用车-环境”中所有问题的群体协同智能。而当前我们为汽车产业拥抱AI所做的所有努力，都将为达成这一终极目标添砖加瓦。尽管ASI看似遥远，但我们正行进在通往ASI的大道上；同时，我们取得的各种阶段性进展，都可以让企业短期受益（沿途下蛋），并使长期可期。

由此可见，汽车产业All in AI应以AI技术演进为驱动，努力实现产品和企业智能体及其自进化，迎接产业乃至社会整体能力发生质变的大智能时代早日到来。显然，这必将要求汽车企业建立起与之匹配的全新能力体系和组织架构。

2.汽车企业All in AI的核心能力

我认为，车企All in AI比拼的是全面拥抱AI的速度、广度、深度以及持续进化的能力，最终要构建形成一个覆盖全场景、全业务链、全生命周期以及全运营管理体系的智能体生态系统。

也就是说，车企All in AI需要着力打造智能体应用体系。该体系可分为三个层次：底层是统一的AI基础底座，包括基础大模型、数据和算力等，这是为整个体系提供支撑的基础设施。中间层是各种AI模型组成的能力平台，既面向产品的不同场景，也面向业务、管理的不同场景，这是整个体系的驱动引擎。顶层则是产品、业务和管理的各种智能体，也就是面向不同场景的实际解决方案。这些智能体需要在模型能力平台之上，基于支持垂直场景智能体的开发架构和协作框架来构建，是整个体系的创新应用。而企业智能体应用体系的水平高低，可以从场景的丰富性（广度）和应用的有效性（深度）来衡量。

为构建上述体系，车企应采取如下策略：以场景应用需求为导向，通过设计编排任务流，融合打通模型、工具与数据，构建起面向不同场景的智能体。在此过程中，对各种智能体必须遵循分类管理、统筹推进的原则，切忌各自为战。具体来说，对于产品智能体，可以在端侧部署的统一原生多模态大模型是基础，标准化“原子”服务及生态资源接口开放是关键；对于企业智能体，重点在于能够将成熟高效的任务流及执行工具有效集成起来。

同时，智能体应用体系的落地还有赖于三项关键能力的支撑。一是模型平台化能力。车企要突破单点应用的局限，面向多场景、多任务的智能体开发，进行AI模型的选择，并构建起深度集成的平台。二是统一的数据治理能力。车企要推动数据体系从单纯的存储向跨场景、跨部门的贯通升级，并持续积累和自生成高质量数据，这些数据将决定智能体的进化程度。三是多智能体的协作框架，这是进阶的能力。车企要籍此实现模型的兼容以及跨场景的任务编排。这三大能力共同服务于场景导向的智能体构建，形成一个持续优化的完整闭环。

总之，车企应以“产品力×创造力×管理力”为目标导向，通过完整的关键能力建设，加快AI能力对企业的全面深度渗透，逐步建立起智能体主导的协同共创生态。由此，智能体将成为支撑企业运行和产品使用的持久性基础架构，而不是临时性的解决方案，进而驱动企业实现提质增效降本的持续价值创造，在快速变化的市场环境中始终保持自身的核心竞争力。

3.汽车企业All in AI的关键抓手

面向全场景智能体生态建设，进行组织及流程、分工等的全面重构，即组织变革，是企业All in AI的关键抓手。换句话说，为了形成All in AI的全新核心能力，车企必须构建起与之匹配的新型组织。

在这种新型组织中，智能体将成为连接车企、供应商以及用户的核心枢纽，并形成“需求把握-方案生成-预测分析-反馈优化”的全任务流智能闭环。这不仅能有效弥合业务断点，还将显著提升整体效能。与之相应，车企需要在内部构建业务边界模糊的协同型组织，这意味着研发、生产、供应、营销和服务等业务部门不再像之前的职能型组织中那样泾渭分明；同时，需要在外部构建起能够充分整合生态伙伴资源的能力型组织，以支撑基于专业化分工的多主体协作模式。这将是一种数据畅通、充分联动、协同创新的新型组织形态。

具体来说，车企进行组织变革的思路是：以用户体验为导向，基于各种任务流，实现由智能体驱动的内部业务协同和外部能力导入，进而形成可以自组织的综合智能体。

就内部协同型组织而言，企业各部门不再有清晰的职能划分，彼此界限模糊化、工作融合化，呈现出“你中有我，我中有你”的协同状态。这种协同绝非依靠行政命令所能达成，而是要由智能体结合任务流进行组织调整和资源调度（或者说是由碳基人与硅基“人”共同协作完成）。最终企业需要基于优化分工模型来弱化人性阻碍，形成一个跨职能的融合共创整体。

就外部能力型组织而言，企业需要通过内外部的多智能体协作，实现整车企业与各类供应商伙伴之间需求与能力的高效匹配、实时响应以及决策闭环。之所以称其为能力型组织，是因为这种扩展至企业外部的协同，不再只是简单地关注供应商的供货成本。成本低只是基础，综合业务能力强大乃至稀缺才是供应商能够成为新汽车时代生态协作伙伴的关键。

在上述组织变革中，数据中心建设是重中之重。因为实现数据贯通及价值创造，是构建协同型内部组织与能力型外部组织的核心任务。企业各部门、不同企业之间唯有通过数据连接起来，才能实现跨场景的全要素互通，以及多主体的充分联动、深度协同，并由此将协同效应的价值最大化。

综上，车企应按照“组织变革更深化、多方协作更广泛”的新理念，打造以数据价值闭环、智能体主导、任务流调度为核心特征的全新生态型组织，其最终目标是实现全场景打通、弱中心化运行以及内外部价值共生。

五、总结

最后，我将今天分享的内容简要做个总结。我认为，车企All in AI具有必要性、紧迫性、全面性和科学性，必要性要求我们下定决心，紧迫性要求我们加快行动，全面性要求我们构建体系，科学性要求我们把握节奏。

究其根本，AI不是单纯的技术，而是远远超越技术，最终将会带来整个人类社会的全面重构。从认知与思维方式，到生产生活方式，再到社会结构，人类的一切都将因AI而发生颠覆性变革。在此次变革中，没有任何产业、企业或个人能够置身事外，尽管节奏可以不同，但All in AI的行动越早越好。

需要强调的是，高度复杂的汽车产业更加需要All in AI。由于AI变革是一项持续性的系统工程，并且不可能靠“拿来主义”完成，也无从借助“后发优势”，所以汽车企业必须坚持长期主义和科学态度，在理解制造业共性策略的基础上，理清自身个性化的发展路径，做好战略上的系统布局，并将战术上的举措落实到位。具体来说，一要明确顶层设计，车企应秉持“×AI”的深度融合理念，统筹资源配置，构建多智能体生态；二要实施多线并进，车企应从场景、技术、数据、基础设施、组织、流程、人才等多个维度协同推进AI布局，以实现相互支撑、互为促进；三要坚持长期投入，车企应认识到AI需要持续投入，同时也会持续受益，唯有坚持投入才能实现由量变到质变的飞跃；四要建立生态思维，企业应夯实内部基础、善用外部资源，通过生态化的发展模式实现多主体分工协作与融合创新。

千里之行、始于足下，AI变革不可能一蹴而就，但是企业应该从现在开始就All in AI。我建议，汽车企业按照“目标牵引，循序渐进，以点带面，持续推进”的总体原则，首先立足于1.0阶段的单点应用突破，同时储备2.0阶段的技术平台与核心能力，进而展望3.0阶段的全价值链生态协同。最终以AI全面赋能企业的产品、业务和管理等各个维度，实现AI与不同场景的深度融合及持续进化。在此过程中，车企必须制定全面系统的行动框架，分阶段逐步推进AI落地，并确保AI变革的速度、力度、广度与深度并重。

本文转载自《轩辕商业评论》