作者 |本一
编辑 |德新
如果在 2026 年北京车展，主要车企的展台转过一圈，你会发现一个有意思的现象：几乎每家车企都在讲「座舱智能体」。
魏牌 V9X 的小魏同学，能识别「给我老婆打开座椅按摩」这种带身份关系的自然语言；极氪的超级 Eva，一句话能完成复杂的出行规划；智己 LS8 由千问大模型驱动的智能体助理，能“听懂意图、自主规划到一键执行”；小鹏天玑 AIOS 6.0 把 SR 感知界面、导航和智驾主界面融为一体；理想同学在用 Mind GPT 做认知大模型和智驾的双线推进。
图片来源：Tesla
国内厂商都在效仿特斯拉「Grok+FSD」的产品模式：把 AI 助手和智能驾驶融合成连贯的人机协作体验，用户说出意图后，系统就能连续完成理解、规划、驾驶、调整等等一系列动作。
但可能大家在开发的过程中都会撞上同一堵墙，发现「座舱芯片的算力不够跑大模型。」
高通 8155、8295 这一代座舱芯片，是在大模型浪潮到来之前定义的。
要流畅运行一个 13B 参数的多模态模型，它们都有点力不从心。但行业对上车大模型的参数共识，至少要到 30B 左右，才能实现真正好用的多模态交互、语义理解和主动服务。
所以，大模型上车的算力，到底从哪里来？
一、外接一块「显卡」
联想车计算在今年的北京车展上发布了 Auto AI Box，一个基于英伟达 DRIVE AGX Thor-Z 平台打造的车端 AI 算力盒子，360 TOPS@FP8算力，支持端侧运行 8B 到 32B 参数的大语言模型和多模态模型。
图片来源：联想车计算
这个产品解决的问题，恰好是「不换座舱芯片，外挂一个显卡盒子，就能让大模型上车」。
前段时间，苹果允许外接英伟达和 AMD 的显卡在本地跑大模型。Auto AI Box 做的是类似的事情。它也是一个独立的 AI 算力模块，通过标准化接口叠加到现有车型上，不需要车企改动已有的电子电气架构。这意味着：
第一，新车型可以在设计阶段就集成 AI Box，把座舱智能体的算力需求和传统座舱芯片解耦。座舱芯片管信息娱乐，AI Box 管大模型推理，各司其职。
第二，存量车型也能用（座舱算力吃紧的前代产品）。已经在产的车型如果座舱芯片算力不够跑大模型，可以通过 AI Box 做即插即用的升级。
图片来源：联想车计算
联想车计算总经理许亮在采访中给大家算了一笔经济账：「纯云端方案问得越多成本越高。端侧部署后，隐私、安全、成本都变成平台化能力，每年不需要额外付费。」
AI Box 相比纯云端大模型方案的另一个优势就是，一次性硬件投入，换来长期的端侧推理能力，不用按 Token 付费。
更有意思的是许亮对舱驾融合边界的判断。
当被问到 AI Box 能否同时承担智驾计算时，他用了一个生动的比喻：「你的龙虾绝对不可能养在智驾系统上，让龙虾来给你做制动决策。」
智驾是安全属性导向，需要 ASIL-D 级别的功能安全；座舱则是体验属性导向，变化快、需求杂。两者可以共享硬件载体以降低成本，但在架构上必须保持一定的独立性。
所以，AI Box 目前的定位很清晰：它是座舱的「第二大脑」，不是智驾的替代方案。
图片来源：联想车计算
在 AI Box 之上，联想同步发布了 OneAI 汽车智能体平台。这个平台接入了联想天禧（海外名 Qira）智能体，通过统一账号和统一记忆体系，把PC、手机、平板和汽车打通。
按照许亮描绘的场景，「如果你用了联想的手机、联想的电脑、联想提供的车载系统，你在家里没完成的报告，一上车就无缝衔接了。」
不过这个设想能不能落地，还得取决于联想天禧智能体本身的能力水平和用户基数。但至少在产品架构上，这是联想相比纯汽车 Tier 1 供应商的一个差异化特点：它有跨设备生态。
二、三年实现「量产上路」
联想车计算过去三年都做了什么？
2022 年，联想正式成立车计算业务，最早隶属于联想研究院。许亮在采访中透露了一个业务上线的细节：因为联想跟英伟达在服务器领域合作紧密，英伟达建议他们，既然汽车赛道也有芯片需求，是不是可以做一个算力平台来支撑汽车业务的探索？
这一步走出去，之后的节奏比预想的要快。
2023 年 3 月，联想和英伟达签约，取得了最早一批 Thor 芯片的授权，甚至在 Thor 参考设计还没有公布的时候，联想车计算就已经开始参与样机开发了。在整个 Thor 生态里面，联想车计算是第一个合作伙伴、第一个推出产品、第一个拿到客户的Tier 1。
直到 2025 年，产品陆续量产落地：
一、基于双 Thor X 的 L4 自动驾驶域控制器 AD1，提供超过 2000 TOPS 算力，已经上车文远知行和 Nuro 的 Robotaxi；
二、基于单 Thor U 的 L2++ 辅助驾驶域控制器 AH1，量产搭载于智己 LS6、LS9 和 LS8。此外，RSE 后排娱乐方案也在奇瑞星纪元和 iCar V27 上线。
图片来源：现场拍摄
从 1.0 到 2.0，许亮把这个过程总结为三个关键词：扩产品型谱、建汽车基因、走全球化。
1.0 时代的目标是拿到入场券：建团队、做产品、找到第一批客户。2.0 时代的目标是在这个赛道里做好，甚至做到行业头部。许亮提到，2.0 阶段联想车计算已经拿到了韩国、日本和美国客户的项目，开始触达全球主流汽车玩家。
北京车展上，联想和文远知行签署全球战略合作，未来五年预计在全球部署 20 万台 Robotaxi 等自动驾驶车辆。联想方面透露，今年对文远的出货量将达到 5000 台。
图片来源：现场拍摄
双方合作的 HPC 3.0 高性能计算平台，基于 AD1 域控、双 Thor X 配置，做到了自动驾驶套件成本下降 50%，平台全生命周期 TCO 降低 84%。对成本极度敏感的 Robotaxi 商业模式而言，相当于提供了一个有力的商业可行性参数。
三、算力的「集成者」
如果想理解联想车计算的角色，可能需要跳出「又一家汽车Tier 1」的框架。
英伟达做芯片，车企做整车。中间需要有人把芯片变成车企能直接用的域控产品，也就是承担硬件设计、车规认证、量产制造、全球交付的全链条。这个角色，在消费电子行业早已被验证：高通做手机芯片，但手机品牌不直接找高通拿芯片做手机，中间有联想、三星这样的集成者完成从芯片到产品的转化。
联想车计算在汽车行业扮演的也是类似角色。
这个角色的核心壁垒不在技术独创性，而在规模效应和全球化能力。
许亮反复强调了几个数字：联想在全球有 30 多个制造基地，每年 1.3 亿台设备出货。
这意味着，首先，消费电子端的大规模出货高度摊销了汽车业务的研发和供应链成本。这个成本结构优势是纯汽车Tier 1 不具备的；其次，当 Robotaxi 需要全球化部署的时候，联想在各个目标市场可能已经有工厂、有本地化服务团队、有成熟的物流体系。
「我们去拿全球的业务，我们在当地可能已经有工厂，我需要造的只是汽车产线而已。」许亮说。
在芯片供应紧张的当下，这种全球化供应链能力还有另一层价值。
许亮提到，在行业保供率普遍较低的时期，联想可以提供高于行业数倍的保供率。「没有芯片就没有产能，根本不用谈价格。能保供本身就是汽车行业稀缺的资源。」
联想车计算曾经做过一个测算：到 2030 年，汽车行业对算力的总体需求规模将与 PC 行业相当。如果这个判断成立，那么在「芯片→域控产品→全球交付」这条链上拥有规模优势的集成者，就占据了一个结构性有利的位置。
当然，这个位置也面临多方挑战。
联想在汽车行业的品牌认知度远不如博世、大陆这些传统 Tier 1，也不如德赛西威这样的本土玩家。车企选择供应商的时候，品牌信任和行业口碑的权重很高。
许亮自己也承认，2.0 阶段最重要的任务之一是「建立汽车基因」。开发流程、工程体系、质量体系都要对齐行业标准。
从 IT 巨头跨界到汽车供应链，规模优势能否真正转化为竞争优势，仍然需要更多量产项目的验证。
四、从车计算到 Physical AI
联想在这届车展上还释放出一个信号：车计算平台的能力，不止于汽车。
联想与求之科技联合展示了一个具身智能应用：用车规级大算力平台驱动超轻量双臂机器人，实现「感知—决策—执行」的端侧闭环。
这个展示验证的是一个技术假设：车规级算力平台（高安全等级+大算力+实时性）天然适配机器人的「大脑」需求。
许亮在车展前的采访中提到，从去年开始就有机器人客户来寻求大算力平台支持。英伟达的 Orin 系列此前已经在智能制造和物流 AGV 领域获得应用。Thor 平台向机器人场景的延展，是一个合理的技术路径。
不过，具身智能目前在联想车计算的业务中还处于「联合展示」阶段，离规模化落地有距离。
一个更务实的看法可能是：这会为联想车计算的算力平台打开汽车之外的第二个应用场景，让同一套硬件投资在更大的市场中摊销成本。
从 2022 年组建团队、2023 年拿到 Thor 最早授权、2025 年多款产品量产上车，到 2026 年发布 2.0 战略并签下 20 万台 Robotaxi 部署计划，联想车计算用三年时间走完了从「入场」到「量产」，一家新汽车 Tier 1 供应商的必经之路。
接下来这个联想新业务部门可能要回答的问题是，在智能汽车算力需求持续爆发的趋势下，从 IT 行业跨界而来的「算力集成者」，能不能在汽车行业站稳脚跟？
许亮在采访中给出了一个判断，他说「算法没有走到稳定期的时候，算力不会停止脚步。100 TOPS 现在没有车厂再讲了，Thor X 推出 1000 TOPS 后就没人再提 Orin X 了。只要算法和硬件没有达到平衡，这个迭代就不会停。」
对联想车计算来说，算力迭代不停，就意味着机会窗口一直开着。
热门跟贴