三、車企智能化轉型的關鍵問題解析
關鍵問題二：車企如何擁抱AI大模型？
傳統(tǒng)的AI專業(yè)模型（算法）早已存在，前面已經談到，這類專業(yè)模型屬于ANI模型，僅“就事論事”，只能解決單一的、特定類型的任務，其能力也很有限，可將其比作獨立的“盆景”。未來基于通用大模型構建的專業(yè)模型，能夠充分汲取整個“大地土壤”的養(yǎng)分成長，最終實現(xiàn)能力的質變和飛躍。
如圖5所示，理想的AI大模型產業(yè)應用范式呈現(xiàn)“1+N+X”模式。其中，“1”指的是1類基礎大模型，例如NLP（自然語言處理）大模型、CV（計算機視覺）大模型、多模態(tài)大模型等，未來基礎大模型將發(fā)展成為社會層面的重要基礎設施。但其開發(fā)門檻高，資源投入巨大，應由ICT企業(yè)主導，并且基礎大模型數(shù)量逐步趨向于收斂；“N”指的是n個行業(yè)大模型，是在基礎大模型基礎上，針對垂直領域內跨企業(yè)的共性需求來開發(fā)的行業(yè)大模型，主要包括算法和數(shù)據(jù)；而“X”則代表大量的企業(yè)專業(yè)模型，這部分是當下車企的開發(fā)重點，這類模型與個性化場景、自有數(shù)據(jù)充分結合，突出差異化。
圖5大模型“1+N+X”產業(yè)應用范式
基礎大模型是行業(yè)模型、專業(yè)模型的基礎，決定了這些垂類模型的能力上限，而行業(yè)/專業(yè)模型的應用又可反哺基礎大模型的迭代進化。它們之間是互動共創(chuàng)、相輔相成的關系。也可以說，如果基礎大模型是1，那么行業(yè)/專業(yè)模型則是1后面的0，沒有基礎大模型，所謂行業(yè)模型或專業(yè)模型都是“無本之木”，因此基礎大模型的選擇至關重要。當下由Deepseek引領的低成本高性能開源模式正在加速促進基礎大模型在各行業(yè)的普及應用。
行業(yè)模型需要行業(yè)內多家企業(yè)共建平臺，貢獻自身的算法與數(shù)據(jù)，并需要統(tǒng)一范式，如數(shù)據(jù)處理標準、流通工具鏈等。需要強調的是，行業(yè)模型平臺的建設，不能僅靠行政機構或行業(yè)組織推動，各家企業(yè)也要具備自驅力，積極參與且依托該平臺有效受益，這樣才能推動行業(yè)模型的持續(xù)有效發(fā)展。
當下行業(yè)大模型N發(fā)展滯后、存在感低，但企業(yè)不能等待，所以采取“1+X”打通模式更具現(xiàn)實落地意義。未來隨著行業(yè)共性積累逐漸到位，將走向應用效果更好、資源利用效率更高的“1+N+X”打通模式。
對于車企而言，自身的算法與數(shù)據(jù)能力是有效推進智能化轉型的基礎，這是“1+X”打通并落地的前提。車企的核心策略是：掌握基于大模型打通不同專業(yè)模型的新能力。將過去大量碎片化的專業(yè)算法有效整合及打通，而這正是端到端的基本理念。為此，車企需重點選擇擁有基礎大模型的ICT公司作為伙伴，與之形成長期伴生式、聯(lián)合體開發(fā)的戰(zhàn)略合作關系，同時車企還應積極參與、推動，甚至主導行業(yè)大模型平臺的生態(tài)建設。
綜合來看，AI大模型的應用落地一定是“通用底座+行業(yè)場景”的組合模式，必須依靠專業(yè)化分工的多主體協(xié)同，來實現(xiàn)持續(xù)的應用拓展與生態(tài)打通。
關鍵問題三：車企如何有效掌控數(shù)據(jù)和算力資源？
過去車企在算法積累上更多依靠的是研發(fā)人員數(shù)量，而大模型框架下的成本則主要在于數(shù)據(jù)與算力資源的投入，那么車企如何有效掌控不同類別的數(shù)據(jù)、有效協(xié)同外部算力資源以支撐算法的持續(xù)迭代變得至關重要。所以車企應該主導數(shù)據(jù)和算力協(xié)同體系建設。
具體來看，不同類型模型對于數(shù)據(jù)、算力的需求有所區(qū)別。如圖6所示，在數(shù)據(jù)層面，企業(yè)專業(yè)模型需要高度專業(yè)化、個性化的數(shù)據(jù)進行訓練；行業(yè)大模型需要垂域共性、通用數(shù)據(jù)，必須由多家企業(yè)共享數(shù)據(jù)并建設行業(yè)數(shù)據(jù)庫；而基礎大模型對應的是人類社會知識體量的數(shù)據(jù)庫，行業(yè)數(shù)據(jù)庫可視為其子集。各類大模型所需數(shù)據(jù)的體量直接決定了算力需求，所以企業(yè)模型主要依靠車端AI芯片與企業(yè)內部算力設施支撐，而大模型則需要云端大規(guī)模計算集群來提供算力。未來面向大模型的應用，車云、內外部算力需要有效協(xié)同，車端算力將向計算與通訊處理并重的方向發(fā)展。
圖6車企面向大模型的“數(shù)據(jù)+算力”協(xié)同體系建設
在數(shù)據(jù)為王的發(fā)展趨勢下，車企必須確保持續(xù)掌控模型訓練所需專業(yè)的、個性的和共性的數(shù)據(jù)。車企核心策略是構建自身專業(yè)數(shù)據(jù)能力，并與行業(yè)共性數(shù)據(jù)充分互動，從而可持續(xù)獲取高質量數(shù)據(jù)。一方面，車企應建設自有數(shù)據(jù)庫，確保可有效積累自身專業(yè)數(shù)據(jù)，并構建以數(shù)據(jù)驅動的閉環(huán)體系能力；另一方面，車企僅靠自身數(shù)據(jù)不夠，應積極參與或主導行業(yè)數(shù)據(jù)的共享共創(chuàng)，推動成立行業(yè)數(shù)據(jù)聯(lián)盟，這樣各方貢獻自身數(shù)據(jù)的同時可以實現(xiàn)資源互換，從而有效匯聚行業(yè)內高質量數(shù)據(jù)，并可持續(xù)進化，最終實現(xiàn)高質量數(shù)據(jù)的自由流轉，充分發(fā)揮協(xié)同效應，提升數(shù)據(jù)的價值。
未來車企的算力需求一定是日益增長的，但是大規(guī)模算力集群屬于高門檻、高投入基礎設施，應由ICT公司主導建設。車企需要針對算力需求做好統(tǒng)籌規(guī)劃，一方面構建企業(yè)內部一定程度的算力設施，同時與外部大算力平臺形成共同部署，從而實現(xiàn)車云算力協(xié)同。對于有能力的車企，可選擇與ICT企業(yè)共建專屬的算力中心，使協(xié)同效果、效率更優(yōu)。
總之，面向未來大模型在汽車行業(yè)的應用，車企應與ICT公司有效分工和協(xié)同，其中車企必須自主掌握算法和數(shù)據(jù)，充分利用外部算力資源，同時還要主導技術底座的搭建與迭代。
關鍵問題四：車企如何有效推進組織管理變革？
智能化轉型成功落地的關鍵在于組織、流程、分工等全面重構，車企需要建立跨業(yè)務數(shù)據(jù)暢通、跨部門充分互動、有效協(xié)同創(chuàng)新的新組織形態(tài)。
蓋斯特研究團隊研究由AI驅動的企業(yè)組織管理形態(tài)，展望其理想圖景，具體如圖7所示。未來一定是基于AI平臺賦能的組織架構，通過共性能力平臺、企業(yè)級模型的開發(fā)，來實現(xiàn)跨業(yè)務場景的打通及數(shù)據(jù)流的充分流轉，達到整體組織能力的“涌現(xiàn)”。
圖7智能化驅動的企業(yè)組織形態(tài)理想圖景
具體來說，面向AI化組織形態(tài)變革，企業(yè)高層領導力的變革在于“牽引”，所以必須轉變傳統(tǒng)的管理思維，變成“重引導、輕管控”，即從頂層規(guī)劃上有效統(tǒng)括企業(yè)全局和配置資源，充分推動智能化新型組織的建設。組織變革的核心是從單體獨立、各自為戰(zhàn)的職能型組織向融合打通的協(xié)同型、自驅型組織轉變。為此車企必須建設AI共性平臺，讓研、產、供、銷、服各業(yè)務均根植于此企業(yè)專業(yè)模型之上，打破過去各個業(yè)務部門孤立的困境，實現(xiàn)整合和打通。在此基礎上，各部門通過數(shù)據(jù)連接，實現(xiàn)跨業(yè)務場景之間的全要素互通和充分互動，最終形成深度協(xié)同的創(chuàng)新形態(tài)。例如，研發(fā)有了新需求，能夠快速傳遞到供應鏈、快速影響生產布局；又如，銷售端數(shù)據(jù)可及時反饋研發(fā)、設計部門。而這些依靠傳統(tǒng)的行政命令是難以適時共享和傳遞的。
由此可見，未來AI化組織架構中各部門不再是清晰的職能劃分，彼此界限將日益模糊、趨向融合，呈現(xiàn)出“你中有我，我中有你”的協(xié)同狀態(tài)。例如，研發(fā)部門必須與采購、市場、銷售等部門緊密互動，同時CTO（首席技術官）職能需要進一步拓展，車企需要與外部供應商伙伴聯(lián)合共創(chuàng)，CTO將被賦予一定的CEO職責，成為“CTO Plus”的新角色。又如，在智能駕駛端到端架構下，原有感知、決策、執(zhí)行模塊等各團隊需要深度整合和打通。也就是說，車企傳統(tǒng)職能型組織分工未來將逐漸趨弱，協(xié)同型組織能力不斷增強，通過有效利用AI平臺能力對全業(yè)務領域賦能，靈活地應對內外需求變化，從而提升企業(yè)全局資源配置效率。
關鍵問題五：大智能產業(yè)對汽車產業(yè)是降維打擊嗎？
前文已經談到，大智能時代車企智能化轉型所需的全新能力并非車企所擅長的，甚至過去較少涉獵，更多是ICT企業(yè)的固有優(yōu)勢，那么大智能產業(yè)對于汽車產業(yè)，是否形成降維打擊而讓車企沒有發(fā)展前景？蓋斯特研究團隊認為，實際情況并非如此，原因如下：
從ICT企業(yè)角度來看，更多是在通用化算法、算力資源方面擁有短期先發(fā)優(yōu)勢，但是長期壟斷將失去后發(fā)潛力。當前深度轉型行業(yè)普遍有數(shù)字化技術短板，通過快速導入ICT新技術，凸顯自身優(yōu)勢，弱化了制造業(yè)的重要性，那么垂直整合效率確實更高。但是長期來看，一是面臨“做多”和“做精”之間的矛盾，實際上汽車涉及的核心技術多元且復雜，倘若ICT企業(yè)獨立包攬全部能力，其組織效率必然受限，同時極易走向封閉生態(tài)，無法從全行業(yè)汲取營養(yǎng)，難以保證進化能力和發(fā)展?jié)摿?。因此ICT企業(yè)要想獲得可持續(xù)發(fā)展，必然離不開汽車產業(yè)的深度場景應用與專業(yè)數(shù)據(jù)的輸入，只有通過共性能力的持續(xù)進化，并與汽車產業(yè)各專業(yè)能力充分結合，才能真正做出特色。
從車企角度來看，必須未雨綢繆、提前布局，否則也將被其他積極求變的車企降維打擊。對于部分新的ICT技術，車企既不易、也不宜擁有，尤其是門檻高、投入大的共性技術，因此車企一定是有所為、有所不為。一方面，專業(yè)部分需要做精、做強，重點是基于制造業(yè)的核心軟件、硬件單點技術，與數(shù)據(jù)實現(xiàn)深度融合；另一方面，車企應積極推進面向大智能時代的新能力建設，做到自身真正理解的同時，充分利用專有數(shù)據(jù)的價值，實現(xiàn)整合和打通。所以，車企應該積極擁抱ICT技術，使得AI賦能的產品、體驗個性化能夠真正落地，實現(xiàn)全面智能化轉型。
其實，ICT企業(yè)與車企必然會走向融合創(chuàng)新，推動大智能產業(yè)與汽車產業(yè)的資源要素通過創(chuàng)造性融合，達到最佳的互補和匹配。其中，大智能產業(yè)負責做好共性支撐部分，汽車產業(yè)做好專業(yè)部分及集成創(chuàng)新，二者充分互動和融合，形成全新的復合智能體新業(yè)態(tài)，推動汽車整體能力發(fā)生質變，最終形成新的、獨特的、不可復制的、甚至不可超越的產業(yè)核心競爭力，而這也恰是生產力和生產關系協(xié)同的最佳境界。
關鍵問題六：車企如何平衡整體與局部問題、短期與長期利益？
大智能趨勢下的汽車產業(yè)已經進入融合創(chuàng)新的時代，跨界協(xié)同成為新趨勢，但是跨界融合創(chuàng)新的效果依靠技術、管理、模式等多維度創(chuàng)新。這些都在挑戰(zhàn)汽車企業(yè)家的領導力和商業(yè)智慧。新一輪的智能化轉型既涉及單個環(huán)節(jié)如何突破，更有多個領域如何有效協(xié)同的全局難題，這是一個高度復雜的系統(tǒng)工程。并且沒有所謂的標準答案，車企需結合自身情況主導這場變革。那么企業(yè)如何平衡好整體與局部、短期和長期利益呢？
第一，車企需要正確認識智能化轉型的總體發(fā)展規(guī)律。智能化轉型是長期過程，前期企業(yè)投入巨大，需要持續(xù)建設數(shù)字化的基礎底座，此時收益并不明顯；隨著多方面舉措逐步疊加，等積累到一定程度而達到拐點，即跨環(huán)節(jié)、跨領域充分打通，各業(yè)務協(xié)同落地，此時轉型收益急速提升，如圖8所示。特別需要提醒的是，智能化轉型的投入與收益并非是平行線的關系，因此車企需要堅定而持續(xù)地投入，才能收獲良好的效果。
圖8企業(yè)智能化轉型發(fā)展規(guī)律
第二，車企智能化轉型必須解決核心問題。實際上，核心挑戰(zhàn)在于解決全局性需求與碎片化供給之間的矛盾。一方面，車企需要實現(xiàn)產品力與創(chuàng)造力全方位的重構，這是全局性需求；另一方面供給方提供卻是碎片化的，目前多家ICT企業(yè)提供的方案只是解決某一局部問題，沒有任何外部企業(yè)的方案能夠系統(tǒng)解決車企所有問題。因此，車企面臨的難題是如何有效整合內外資源，以實現(xiàn)協(xié)同效應最大化。
第三，車企應制定系統(tǒng)的智能化轉型行動方案。蓋斯特研究團隊認為，車企必須“以我為主”系統(tǒng)化協(xié)同推進智能化轉型。首先，整體上做好統(tǒng)籌。從理念、定位到技術、工具，再到組織管理變革，多管齊下，構建全新的數(shù)字化基礎底座，持續(xù)賦能全業(yè)務場景應用；其次，做好供需聯(lián)動。車企從自身需求出發(fā)，充分與ICT公司協(xié)同，打通各個環(huán)節(jié)，在技術與管理兩方面均確保各參與方始終站在同一條進度線上；最后，推進場景應用。利用基礎底座充分和持續(xù)賦能企業(yè)各項經營活動，由點及面、逐步深入全業(yè)務場景應用。
綜上，面對智能化轉型帶來的挑戰(zhàn)，車企必須集中資源全力構建全新的基礎底座，并從系統(tǒng)性的全局視角出發(fā)，主導推動內外部生態(tài)資源的深度互動與協(xié)同。
四、總結與建議
以AI大模型引領的新一輪大智能產業(yè)變革是大勢所趨，并給社會及各個產業(yè)帶來全方位的巨變。未來將是AI主導的數(shù)字化新紀元，車企必須深刻認識到推進智能化轉型的重要性和緊迫性。
車企的核心應對策略是構建全新的“技術+體系”數(shù)字化基礎底座，一方面賦能產品力升級，另一方面賦能產品背后的創(chuàng)造力變革。在大智能產業(yè)多元復雜、高度專業(yè)化分工的趨勢下，車企應該積極擁抱大智能產業(yè)生態(tài)，與ICT企業(yè)緊密協(xié)同和融合創(chuàng)新，形成新的技術方案、新的組織架構、新的商業(yè)模式。同時車企逐步推動AI賦能研、產、供、銷、服等各業(yè)務環(huán)節(jié)，并充分打通內外部各個環(huán)節(jié)，優(yōu)化提升全局性的資源配置效率。需要強調的是，車企智能化轉型必須堅持“長期主義”，對于前期數(shù)字化及AI的核心能力的建設應該堅定、持續(xù)投入，實現(xiàn)從量變到質變的突破。
面對復雜挑戰(zhàn)，車企做好準備的同時更要充滿信心。未來成功轉型的車企，一定是基于品牌調性（數(shù)據(jù)）的掌控力、核心技術（算法）應用的主導力、關鍵資源的分工布局（算力），以及系統(tǒng)整合及打通的能力，來構建專業(yè)化分工、協(xié)同化發(fā)展的開放生態(tài)，實現(xiàn)融合創(chuàng)新，最終贏得未來大智能時代的全新競爭！
