远见网一场围绕比亚迪的“抢迪大战”今年在多个经济大省之间展开。
从3月至今，比亚迪董事长兼总裁王传福先后成为湖南、安徽、河南、山东、陕西和四川6个省份的座上宾，交流的核心在于拓展产线布局、扩大产能。
地方“抢企大战”反映出汽车产业的竞争已经进入下半场。
早在2019年，王传福曾预言：“汽车是长了腿的超级智能手机，汽车行业智能化变革给人们的生活带来的改变会比手机更大。
手机能做的其实汽车都可以做，手机不能做的智能车也能做。
”彼时，智能座舱、智能驾驶尚属新兴事物，车企与供应商均处在摸索阶段。如今，现实似乎比王传福的预测走得更远。
走过“软件定义汽车”的阶段，行业正步入“AI定义汽车”的新周期。
政策与市场双轮驱动，广东率先落子
今年4月，广东发布《广东省加快推进人工智能全域全时全行业高水平应用行动方案》，提出：“加速智能驾驶规模化应用，依托广州、深圳新能源汽车产业集群优势，加强智能网联等零部件布局。
加快人工智能在自动驾驶、智能座舱等领域应用。”这一政策信号明确：人工智能成为广东汽车产业的关键变量。
广东作为全国汽车产量第一大省，拥有比亚迪、广汽、小鹏等头部车企，以及德赛西威、华为等核心供应商，产业链条完整。
在AI大模型“上车”的浪潮中，广东车企和供应链企业反应迅速，纷纷将大模型与智能座舱、自动驾驶深度融合，试图在智能化下半场抢占先机。
比亚迪在2024年发布了璇玑架构，将AI大模型接入整车电子电气架构，实现从座舱到驾驶的全面智能化。
广汽则推出了ADiGO智驾系统，融合大模型能力，提升人机交互的自然度和驾驶决策的精准度。
小鹏汽车更是将大模型作为其XNGP智能辅助驾驶系统的核心引擎，推动城市NOA（导航辅助驾驶）的规模化落地。
大模型“上车”重塑座舱体验
智能座舱是AI大模型最先落地的场景。传统车机交互依赖固定指令，用户需要记住“打开空调”“导航到某地”等特定短语。
大模型接入后，车机能够理解自然语言，甚至根据上下文进行多轮对话。
例如，用户说“我有点冷”，车机可以自动调节空调温度和风向；说“我饿了”，车机推荐附近餐厅并规划路线。
德赛西威作为国内领先的汽车电子供应商，展示了其整车电子电气架构在AI大模型支持下的新能力。
其智能座舱产品线已集成多模态大模型，支持语音、手势、面部表情等多种交互方式，让座舱从“被动响应”升级为“主动服务”。
例如，系统可通过摄像头识别驾驶员疲劳状态，主动建议休息或播放提神音乐。
这种体验升级对用户黏性有直接拉动作用。
咨询机构J.D. Power的调查显示，中国消费者在购车时，智能座舱的体验权重已从2020年的12%上升至2025年的28%，仅次于安全性和续航。
AI大模型让座舱成为车企差异化竞争的重要战场。
自动驾驶从规则驱动转向模型驱动
在自动驾驶领域，AI大模型正在改变技术路线。
传统自动驾驶依赖规则引擎和人工标注，面对长尾场景（如施工路段、异形车辆）时，规则难以穷举。
大模型通过海量数据训练，能够自动学习驾驶策略，提升对复杂场景的泛化能力。
比亚迪的璇玑架构将大模型用于感知、决策、控制全链路。
在感知层，大模型可同时处理摄像头、激光雷达、毫米波雷达等多传感器数据，提升目标检测的准确率。
在决策层，大模型能够模拟人类驾驶员的博弈行为，在拥堵路况下更自然地完成变道、加塞等操作。
广汽ADiGO系统则引入了大模型对驾驶场景的实时理解，比如在暴雨天气中自动降低车速、增大跟车距离。
小鹏汽车的XNGP系统已在全国多个城市开放城市NOA功能，其核心算法基于大模型训练。
小鹏CEO何小鹏曾公开表示，大模型让自动驾驶的迭代速度从“月级”提升到“周级”。
这意味着，用户每两周就能收到一次系统更新，体验持续进化。
产业协同与落地挑战并存
AI大模型“上车”并非一蹴而就，在技术、成本、安全等方面仍存在挑战。
大模型的算力需求极高，车载芯片的功耗和散热是瓶颈。
目前，高算力芯片如英伟达Orin、高通Snapdragon Ride等已开始上车，但成本较高，主要应用于高端车型。
如何将大模型“瘦身”并部署到中低端车型，是供应链企业需要攻克的难题。
数据安全与隐私保护也是关键议题。
大模型需要收集大量用户数据（如语音、图像、驾驶行为）进行训练和优化，这些数据一旦泄露，后果严重。
广东车企在推进智能化的同时，也在加强数据合规建设。
比亚迪和广汽均已建立数据安全中心，对用户数据实行本地化处理与加密存储。
此外，大模型的“黑箱”特性给自动驾驶的安全验证带来挑战。
传统自动驾驶的规则引擎可解释性强，而大模型的决策过程难以完全追溯。
行业正在探索可解释AI技术，试图在模型输出与安全冗余之间找到平衡点。
尽管如此，广东车企对大模型的投入依然坚定。
德赛西威研发负责人表示，大模型是智能汽车从“能用”到“好用”的关键技术，公司计划在2026年前实现大模型在座舱与驾驶场景的全面部署。
比亚迪则计划在2027年推出搭载端到端大模型的旗舰车型，实现L4级自动驾驶的初步商用。
竞争格局与未来展望
广东车企在AI大模型“上车”竞赛中具备先发优势，但竞争对手同样不容小觑。
长三角地区的蔚来、理想、吉利等车企也在积极布局。
蔚来发布了NIO Phone与车机深度联动，理想则推出了Mind GPT大模型，用于座舱交互与辅助驾驶。
北京的小米汽车在SU7上集成了澎湃OS与大模型，试图复制手机领域的生态优势。
地方政府的支持力度也在加码。
广东除了发布省级行动方案外，还在广州、深圳设立智能网联汽车测试示范区，开放更多道路场景供车企测试。
安徽、湖南等省份则通过土地、税收、补贴等政策吸引比亚迪等车企建厂，形成产业集群效应。
可以预见，未来2-3年将是AI大模型“上车”的爆发期。
广东车企若能持续在算力、算法、数据三个维度上保持投入，并解决成本与安全难题，有望在智能化下半场占据主导地位。
当汽车真正成为“长了腿的超级智能手机”，广东汽车产业的竞争力将从制造规模转向智能生态。
继续往下看，AI大模型“上车”加速已经不只是单点消息，后面更关键的是客户验证、交付效率和供应链稳定性能不能按同一节奏往前走。如果前面的改善不能继续传导到更细的执行端，市场很快就会重新评估这轮变化的成色。
落到经营端，真正会拉开差距的，往往不是谁先把声量做大，而是谁先把客户验证和交付效率稳下来。对平台企业与供应链厂商来说，这类差距通常先出现在周度推进和合作接口上，随后才会传导到更实在的结果。眼前这轮变化之所以值得继续跟，背后牵着的就是这一串更硬的变量。
这意味着，AI大模型“上车”加速后面真正要看的，已经不是政策表态还能不能继续放大，而是客户验证、交付效率和供应链稳定性会不会连续改善。只有这些变量开始稳定兑现，这轮变化才会从阶段性信号走向更明确的趋势。
长期看，对平台企业与供应链厂商来说，竞争差距不会停留在表态或热度上，而会先体现在客户验证和交付效率能不能沉到日常动作里。谁能把这些环节持续做实，谁才更有机会把AI大模型“上车”加速留在结果上。
