北汽研究总院：软件定义汽车时代的创新挑战

当前，行业快速迭代，受大数据、人工智能和量子计算等前沿技术推动，正朝着万物互联的智能世界方向发展。汽车智能发展市场规模持续扩大，2024年，汽车行业中的高阶智驾系统搭载率上升至7.3%，预示着全民智驾时代的到来和2025年高阶智驾系统的爆发期。为应对市场变化，车企需要结合最新的技术和高性价比解决方案，重新构建产品线和技术规划。

2025年3月18日，在第六届软件定义汽车论坛暨AUTOSAR中国日上，北汽研究总院智能驾驶专业总师徐志刚指出，智能汽车的开发受到用户需求的引导，应用数量迅速增长。汽车硬件能力的提升支持更多创新功能，而智能化趋势有望大幅降低成本。然而，软件开发的复杂度、多领域协同需求、软件质量和可靠性问题，以及大模型和数据工具链的有效性下降，成为车企面临的主要挑战。大模型的应用还涉及到高门槛的算法开发、对数据基础设施和高质量数据的依赖，以及对感知系统的高要求，这些都需要更多的信息输入来打通信息壁垒，为用户打造融通的智能体。

徐志刚 | 北汽研究总院智能驾驶专业总师

以下为演讲内容整理：

发展趋势

目前整个行业正紧随大数据、人工智能、量子计算等前沿技术的迅猛发展步伐，整体发展趋势依然朝向构建万物互联的智能世界这一目标迈进。在此进程中，有两个重点方向值得我们密切关注。

图源：演讲嘉宾素材

首先，基于人工智能的进展，当前我们正处于认知智能阶段，并正迅速向具身智能迈进，在汽车与机器人等应用场景中展现出快速的发展势头。然而，在算法、数据及算力方面，我们观察到了一些新的变化，算法层面目前仍主要依赖于GPU及路面采集的数据，同时基于神经网络，特别是大模型应用所形成的底层技术，支撑着智能驾驶与智能座舱等领域的快速迭代。然而，在3D维度上的算法与数据资源，目前仍为行业内所稀缺，预示着这是未来需持续演进的一个重要方向。

此外，大模型的智能涌现也在经历从文本、图像、视频向3D场景的三维数据过渡的过程。另一值得关注的领域是量子技术，凭借其强大的并行计算能力，量子技术在未来大模型训练、路径规划算法优化等方面具有潜在优势。自2024年以来，汽车行业已开始与量子计算技术相结合，展现出其在该领域的广阔应用前景。

就汽车行业的发展趋势而言，核心特征依然可以用“卷”来概括。从市场规模来看，据行业统计数据，2024年高阶智能驾驶系统的搭载量达到了167万辆，搭载率也攀升至7.3%，标志着全民智能驾驶时代的到来。预计2025年，高阶智能驾驶将迎来爆发式增长。

为应对这一爆发期的到来，汽车企业需对其产品线和技术规划进行全面重构。尽管我们已初步构建了技术能力以支撑产品线的开发，但在当前形势下，我们仍需紧密结合市场最新技术，采用高性价比的解决方案进行重新搭建，以适应市场需求的变化。预计2025年，配备NOA功能的车型价格将持续下探，我们预测未来这一价格区间可能会覆盖至6万元以下。

从用户需求角度来看，全场景出行依然是推动技术和市场持续迭代的重要动力。智能驾驶方面，正从单一场景向全场景覆盖转变，这与高阶智能驾驶的演进方向相吻合。此外，智能座舱也在从单一维度向立体化演进，围绕声、光、电以及用户的情感需求，为用户提供更多情感价值，创造拟人化的交互体验。同时，我们也观察到智能驾驶与智能座舱在持续迭代中呈现出融合发展的趋势。

自去年起，北汽集团已面向这一趋势，着手从电子电器架构至中间件软件，再到上层应用及用户体验的全方位体系重构，旨在建立一套面向未来、融合具身智能的开发体系。

从技术支撑的角度来看，传统方式正向分布式域集中乃至中央集中方向发展，这一过程在很大程度上依赖于手工代码的编写。然而，随着大模型的兴起，开发方式、用户体验的呈现以及对用户需求的深刻理解均发生了深刻变革。AI定义汽车的理念，正是基于对用户习惯与行为的广泛识别，结合大模型技术，为产品开发、场景覆盖、性能定义等方面带来了颠覆性的变化。

在跨域融合的具体解决方案层面，传统车机仪表功能键正向域集中架构下的座舱域控制器融合的转型。预计今年下半年，将有更多舱驾一体方案面世，并随后向中央集中式架构，即舱驾一体的中央计算中心演进。当前，舱驾一体的中央计算中心方案多采用多芯片设计随着更多超高算力芯片的出现，解决方案将更加多元化。

软件层面，针对中间件，我们需构建统一的平台。该平台将基于安全智驾与舱驾融合、智驾与座舱融合的需求，实现底层驱动系统、接口以及底层工具链的统一支持，这将有助于我们更好地应对智能化方向带来的软件代码量增长及开发复杂性提升的挑战。

机遇与挑战

我们观察到，用户的需求始终是引导产品开发及市场持续迭代的关键因素。类比手机应用的发展，2022年手机APP的开发数量已超过258万款，至2023年更是突破了265万款。鉴于汽车硬件的性能远超手机，我们有理由预计，在能力支撑上，汽车应用将能够创造出更多用户难以预想的功能，并应用于多样化的场景之中。

图源：演讲嘉宾素材

从软件层面，特别是大模型的应用来看，车端功能正经历着快速的迭代。功能的配置将依据用户需求的动态变化进行响应。这种个性化的需求将带来真正的“千人千面”的用车体验，即每位用户都能享受到符合其个性化需求的定制化服务。

从智能驾驶的形态观察，基于车轮一体化技术和智能交通、物联网的融合，汽车正逐步与各个领域实现互联互通，此外，智能化的发展也将显著降低样车成本，这些因素共同驱动着汽车企业在开发流程、数据积累及后续商业模式上进行深刻反思与重新规划。

软件开发领域，汽车企业面临着一系列挑战。其中，软件开发与管理的复杂性尤为突出，需要跨领域协同以及上下游高效配合。当前，车企交付延期的问题主要源于软件、算法及智能化方向的挑战。

软件质量与可靠性是另一个值得重视的关键问题。软件中潜在的错误或漏洞如何检测、修复并避免，成为亟待解决的重要议题。对于大模型、数据以及工具链的管理，汽车企业，尤其是新兴造车势力，已在此方面进行了大量探索与实践。

随着新技术的涌现，原有工作的有效性正逐渐减弱。从构建技术壁垒、形成护城河的角度来看，空间智能技术的到来意味着，即便历史上已积累良好优势的企业，也需在其底层架构基础上进行重构，即需从零开始再次迈向新的发展阶段。

面对此类挑战，尤其是大模型在应用过程中遇到的问题，归纳如下：首先，端到端算法的开发与落地门槛极高，不仅需要巨额投入，还高度依赖于数据基础设施及高质量的数据积累。其次，对感知系统提出了更高要求，需获取更多信息输入，以打破舱内与舱外信息的隔阂，从而为用户打造融通的舱驾智能体系，满足其需求。再者，大模型的参数量庞大，运算复杂度高，而车端算力的实时性与准确性均存在限制。最后，开发方式也面临革新需求。

应对策略

应对策略主要围绕数据、算法和算力这三大关键技术展开，旨在通过聚焦核心自主能力来应对市场需求，快速响应产品开发与迭代。为此，规划与构建一套包含L1底盘动力平台、L2硬件架构平台、软件平台、应用平台以及云端服务平台在内的五层架构体系。

通过定义软硬解耦接口、实现即插即用与跨平台开发，我们旨在满足当前市场对产品提出的多样化需求。同时，该五层架构体系亦能支持算法、数据与算力的持续迭代与优化。

图源：演讲嘉宾素材

在技术框架层面，原有的智能化技术框架，如智能驾驶、智能座舱与智能车控等，曾相对独立。而现在，我们正将底盘、三电与动力系统纳入其中，实现技术的深度融合。此外，我们也在调整底层架构，包括操作系统、数据闭环、AI模型、算力中心以及芯片层面的整合与优化。

特别是数据平衡体系方面，我们当前正致力于构建数据闭环，以支持座舱与智能驾驶系统的迭代升级。在自主开发的研发体系上，我们专注于中间件部分的软件开发，通过硬件层、软件层及中间件层的内部分层与解耦，以更有效地实现座舱、智能驾驶乃至底盘域等各领域的互联互通。

此外，为应对软件开发质量挑战及智能化方向上的体系保障需求，我们严格遵循智能网联汽车准入标准，构建了一套全面的测试验证体系，其中涵盖了安全相关的内容。在技术路径上，我们以数据闭环为基石，推动算法向大模型、端到端方案演进，并展望未来具身智能的发展，致力于实现技术的持续进步与创新。

展望

未来，北汽将以芯片为核心，围绕座舱、驾驶控制以及外围执行部件，包括智能三电系统、智能底盘与智能车身，构建开发体系与技术平台。

我们将车载容器技术以及中间件的可复用性与可调配性视为技术迭代的关键方向。在应用层面，以未来的具身智能为例，我们正探索如何从基础平台向产品与用户体验延伸，确保智能化功能能够紧密围绕用户体验进行呈现。

为此，我们将推出众多智能化功能，主要聚焦于我们的明星产品——越野车系列。通过实现全地形、全天候的多模态感知，并借助大模型技术，我们旨在为用户提供超越想象的越野体验。这包括在沼泽、沙地、雪地等多种模式下的创新功能，以及针对特殊地形的脱困解决方案。

（以上内容来自北汽研究总院智能驾驶专业总师徐志刚于2025年3月18日-19日在第六届软件定义汽车论坛暨AUTOSAR中国日发表的《软件定义汽车时代的创新挑战》主题演讲。）

来源：盖世汽车