【导读】从智能座舱到企业经营管理，AI正从单点应用向汽车产业全链条渗透
“能聊是第一步，更重要的是真的能帮用户办成事儿。”
腾讯云副总裁、腾讯智慧出行负责人钟学丹直言，随着AI Agent(智能体)加速上车，智能座舱（886059）的竞争正在从语音交互、内容推荐，向理解用户意图和完成实际任务演进。
但AI给汽车产业带来的变化，不只发生在车内。
腾讯云副总裁孙燕透露，腾讯此前与一家国内主机厂合作，在产品定义和产品验证阶段引入AI工具，相关环节整体效率提升了90%。在另一家车企的产销协同实践中，借助AI智能体（886099）辅助经营决策，原本需要两三周甚至一个月的决策周期（883436）缩短至1—2天。
从产品体验到企业经营，AI正在改变汽车产业的竞争方式。不过，数据权限、业务流程改造、商业模式等问题，仍是AI规模化落地需要面对的现实挑战。
近日，在腾讯全球数字生态大会举办期间，钟学丹、腾讯云副总裁李博、孙燕接受《中国基金报》等媒体采访，围绕AI与汽车产业融合的最新进展及行业趋势分享了观点。
AI座舱竞争
从“能聊天”走向“会办事”
随着AI大模型加速进入汽车，智能座舱（886059）正在迎来新一轮升级。
钟学丹认为，AI座舱不能仅停留在语音交互和内容推荐层面，更重要的是理解用户的真实需求，帮助用户完成出行规划、目的地选择、订票、订位等任务，甚至打通支付环节。
在他看来，AI时代不应再简单用互联网产品的使用时长衡量体验，关键在于AI能否真正解决用户的问题。
不过，从能够对话到真正完成任务，AI座舱仍面临不少挑战。
首先是不同设备之间的数据壁垒。
随着手机和汽车分别拥有各自的智能体，如何让两个智能体共享用户习惯、偏好及历史信息，成为行业需要解决的问题。
李博认为，从技术层面实现手机与车机之间的连接并不困难，真正的难点在于不同厂商是否愿意共享用户上下文数据，以及数据归属和授权问题。
“任何一个厂商不愿意把自己用户Context(上下文)的信息传给另一方。”李博表示，按照腾讯面向车企提供服务的定位，相关数据应归属于车企或用户，而不是腾讯。
其次是车辆控制权限和安全问题。
钟学丹表示，AI智能体（886099）要实现开窗、车辆控制等功能，需要车企开放相应接口和权限。由于不同车企的电子电气架构、功能定义及安全标准存在差异，相关能力需要逐一适配。
对于已经上市的车型，AI能力能否通过OTA升级，也并非简单的软件更新。钟学丹表示，这取决于车辆硬件、端侧算力及系统平台化程度，最终还需要车企根据自身情况决定。
此外，AI也不意味着汽车产品的差异化将由底层模型决定。
钟学丹认为，不同汽车品牌在车辆感知、车控能力、舒适性配置等方面存在差异，用户的个人偏好、驾驶习惯以及长期使用形成的记忆，也会影响智能座舱（886059）的体验。
这意味着，随着基础模型能力逐渐普及，车企自身的产品能力、数据积累和用户服务能力，仍将是智能座舱（886059）竞争的重要因素。
AI进入车企内部
从个人提效到组织变革
如果说AI座舱改变的是用户的出行体验，那么AI进入车企内部，则正在影响企业的研发、生产和经营方式。
孙燕认为，员工个人效率提升，并不意味着企业整体效率必然提升。AI真正创造价值，需要将个人使用过程中形成的经验沉淀下来，并进一步融入企业业务流程，实现从个人提效到组织提效。
在研发领域，孙燕分享了一项实践：去年，腾讯与国内一家主机厂合作，在产品定义和产品验证阶段引入WorkBuddy，通过使用前后对比，相关环节整体效率提升了90%。
这家车企最初有400名员工使用相关工具；随着企业内部测算投入产出比(ROI)并看到实际效果，使用人数成倍增长，应用范围也逐步从研发向“研产供销服”延伸。
孙燕表示，AI不仅可以帮助研发人员更快完成工作，还可以将员工的思考过程、判断逻辑和实践经验沉淀为可复用的技能，让其他员工不必每次都从零开始。
比研发提效更进一步的是，AI开始参与企业跨部门经营决策。
孙燕认为，传统车企在产销协同方面的痛点可能更加突出。计划、排产、备件和供应等部门往往各自掌握独立数据，但缺少能够从企业整体经营角度统筹资源的全景视图。
过去，企业通常通过召开协调会议的方式讨论不同部门的意见，决策过程可能持续两三周甚至一个月。
近期，腾讯正在帮助一家车企通过智能体解决这一问题。据孙燕介绍，智能体整合企业内外部数据，识别经营风险，并从企业整体经营角度提供决策建议。例如，当企业需要优先保障利润或优先保障销量时，系统可以提供不同的经营方案，供管理层选择。
在这一模式下，原本需要两三周甚至一个月的决策过程缩短至1—2天。企业还可以根据后续市场表现持续验证决策效果，并通过反馈不断优化。
孙燕认为，传统车企的业务规模通常更大，国内外布局更广，车型数量也更多，因此跨部门协同的复杂程度较高。AI有望帮助企业打破部门之间的数据壁垒，从单一部门决策转向整体经营视角下的资源配置。
不过，从工具应用到业务流程重构，仍需要企业与技术服务商共同推进。孙燕表示，AI落地不能脱离具体业务场景，企业需要从高价值场景入手，同时建立数据治理、人工审核和工程化管理机制。
汽车产业新增长
仍需跨越商业化门槛
除了智能座舱（886059）和企业内部提效，汽车出海、Robotaxi及具身智能也成为行业关注的新方向。
在李博看来，中国车企出海的竞争，正在从产品出口向智能化体系和服务能力延伸。
与国内市场相比，海外市场的智能驾驶和智能座舱（886059）生态更加分散，不同国家和地区的数据合规要求也存在差异。部分国家要求数据不能出境，企业需要单独部署系统；欧洲市场则有更严格的数据合规要求。
此外，海外云基础设施部署、AI算力成本、数据采集闭环及本地化服务能力，也会影响车企智能化业务的落地效率。
李博表示，车企在海外不仅需要解决数据合规问题，还需要建立能够及时响应的云服务和数据闭环体系。随着中国车企加快全球化布局，相关基础设施和服务能力也将成为智能化竞争的重要组成部分。
在新兴应用场景方面，Robotaxi和具身智能同样受到关注，但两者距离规模化商业落地仍有不同程度的距离。
对于Robotaxi，李博认为，其商业模式的核心是自动驾驶能力与出行运营服务的结合。相比于单纯提供自动驾驶技术，如何获得稳定的用户订单、降低车辆持有成本并扩大运营规模，更为关键。
目前，Robotaxi仍面临车辆持有成本较高、订单规模不足等问题。与此同时，道路通行权限、L4级自动驾驶相关法规以及用户接受度，也将影响行业商业化进程。
AI商业化同样需要找到合理路径。
钟学丹表示，AI智能体（886099）进入汽车后，会涉及模型调用和Token计费等成本，如何让用户用得起、让企业能够持续投入，是需要考虑的问题。
李博则认为，直接向普通消费（883434）者销售Token并不一定是合适的商业模式，会员服务、与汽车差异化服务结合，或通过交易环节实现价值转化，可能是更值得探索的方向。
从智能座舱（886059）到企业经营管理，再到汽车全球化和新兴出行场景，AI正在为汽车产业带来新的变化。但无论是技术落地还是商业化，最终都需要回到真实的业务需求和用户价值。
如何让AI真正融入汽车产品和企业经营流程，而不是停留在功能展示层面，或将成为下一阶段汽车产业智能化竞争的重要课题。
