安筱鹏：AI如何重构全球汽车产业竞争格局|中国汽车|安筱鹏|新能源商用车|汽车产业|电动化|自动驾驶|飞轮

本文作者：安筱鹏

题记

过去一百年，从福特制、精益生产到电动化，技术革命一次次改写汽车产业的生产方式和全球版图；今天，AI带来的不再只是功能升级，而是经济模型、产品形态和竞争规则的同步重构。它使汽车产业呈现高固定成本、低边际成本的新特征，推动汽车从一次性交付的硬件转向持续运营的智能服务，也让自动驾驶、智能座舱和AI生产力成为新的三大竞技场。下一轮胜负，不只取决于谁能造出更好的车，更取决于谁能把数据变成飞轮、把软件变成服务、把组织重构为AI原生形态，并由此定义新的产业格局。

本文主要观点来自2026云栖大会阿里云汽车行业峰会上的主题演讲《AI如何重构汽车产业竞争格局》，由阿里云智能集团副总裁安筱鹏主讲。本文根据演讲内容整理，经结构化编辑而成。

一、每一次技术重大变革都会重构全球汽车产业格局，AI将带来新一轮价值链颠覆

当我们思考AI对汽车产业的变革到底意味着什么？可以先回看过去一百年——每一次技术的重大变革，都会带来全球汽车产业格局的重构。

上世纪初，美国福特制“标准化、大规模量产”的生产方式，让汽车从“奢侈品”变成“大众消费品”，推动美国汽车产量占到全球的80%；上世纪中后期，日本通过精益生产的方式，将日本汽车产量占全球市场份额从1960年的2%做到1990年的21%；而电动化时代的到来，给中国创造了一次千载难逢的机会——中国“新势力”依靠全球最完整、最具成本优势的电动化与智能化产业链，把中国汽车产量占全球的比重从2000年的3%提高到2025年的36%、居世界第一。

图1｜过去一百年，每一次技术的重大变革都会带来全球汽车产业格局的重构

问题是：当智能化的时代到来，中国的汽车产业会走向何方？会不会延续电动化时代的优势？首先需要思考，AI如何影响汽车产业的发展，并如何改变汽车产业的竞争格局？

从利润的角度来说，AI将成为重塑汽车产业利润格局的重要力量。我们对比2021年与2035年，从十年的时间尺度去衡量全球汽车产业的变化。可以看到五年前（2021年），电动化刚刚开始起步，全球汽车产业利润池约3100亿美元，其中90%来自于传统汽车零部件、燃油及混动汽车销售等业务；但面向未来五年（2035年），全球汽车产业利润的传统部分将从90%下降到44%，而电动汽车、自动驾驶等新利润池将占到56%。除了电动化之外，新利润池里增长最快的几块——高阶自动驾驶的软件、数据与网联服务、Robotaxi——恰恰都是AI定义的。整个产业的利润格局，正在发生根本性变化。

图2｜新法则：价值链的颠覆与重构，2021与2035年汽车产业利润池分布（亿美元）

二、智能化的两大影响：重塑汽车产业的经济模型和产品形态

那么，AI到底会对未来的汽车产业带来什么变化？我觉得有两个非常重要的观察视角。

第一，人工智能改变了汽车产业的经济模型，重塑了汽车的成本结构。我们看全球的几个产业——软件产业的操作系统、重大新药的开发、基础模型的训练等等——典型的特征是高固定成本、低或者零边际成本。如果一个产业符合这样的基本规律，那么这类产业往往具有较高的市场集中度，甚至呈现寡头格局。而AI对汽车产业变革的一个最重要影响，就是它使得汽车产业具备了这种高固定成本、低边际成本的特征。比如一辆传统豪华轿车卖32万，而一辆相同价格的特斯拉Model 3，可能1/4、1/5的成本来自于AI及软件部分，经济模型在发生变化。

这个变化意味着什么？当一个产品既有硬件又有软件，软件将带来更高的利润率。以苹果为例，苹果几乎拿走了全球手机行业80%以上的利润，软件服务占其收入的28%、却贡献了45%的毛利。对应到汽车行业，特斯拉FSD的利润空间接近90%，而汽车的利润则只有15%到20%。正因如此，软硬结合的产品可以重新定义这个产业的竞争规则。你可以选择利润优先或者市场占有率优先，也可以在硬件定价和自动驾驶定价之间重新组合——FSD就多次调整定价方案，拥有更高定价权。

图3｜智能化影响之一，AI重构了汽车产业的经济模型

第二，人工智能改写了汽车的产品形态，从一次性交付产品到提供智能出行服务。2026年2月14日起，特斯拉FSD停止一次性买断、仅提供按月订阅；2026年9月4日，Cybercab在奥斯汀落地，这些都在推动汽车产业从纯粹的制造企业向服务企业演进。

我们经常谈数字化转型的终极目标是什么？我的一个观点是，未来所有的企业都应当成为一个运营商，像中国电信、中国移动一样。什么叫运营商？就是可以实时洞察客户需求、实时满足需求、追求极致的客户体验。如果说运营商是拿手机运营客户，今天的汽车企业就是拿一辆车去运营客户，了解客户需求，实时满足、实时洞察，提供更好的体验。一旦你成为一个运营商，你可以全生命周期地提供服务——尤其是像Cybercab、Robotaxi出现之后，被重新定义的将不只是出行，还有保险市场、租赁市场和后服务市场，也就是全生命周期的价值捕获。

图4｜智能化影响之二，AI重写了汽车的产品形态

三、Robotaxi在全球广泛落地，高阶智能重新定义未来出行

汽车从产品走向服务，最具代表性的案例就是Robotaxi。过去几年，Robotaxi在全球多地落地。2022年，全球还只有4个城市、800多辆车、每日4500个订单；到2026年，全球运营城市已达26个，车队规模8000辆，日订单超过10万。四年时间，Robotaxi商业化城市增长6倍以上、全球Robotaxi车队规模增长10倍以上、日订单量增长20倍以上。未来几年，这个进程会持续加速。

图5｜过去四年，Robotaxi在全球更多城市加速落地

我们要深入思考的是：当高阶智能出现的时候，整个产业格局会发生什么变化？先看Robotaxi对出租车市场的冲击：Uber在美国硅谷平均每英里的价格是2.75美元，利润是0.26美元，其中司机薪酬占到63%；而Waymo每英里的平均价格是3.55美元，比Uber要高一些，但利润可能高达239%，去年在旧金山运营区的市场份额已经超过了Lyft；而特斯拉Robotaxi价格只相当于Uber打车的50%，但仍然保持80%以上的运营利润，利润率是传统出行方式的8倍。再往后展望：随着规模化运营，到2030年前后，无论是Waymo还是Robotaxi都会把目前的每英里运营成本再降低70%，将达到相当于Uber出行1/10的水平。

图6｜Robotaxi价格达到拐点，冲击出租车市场，并将进一步降低成本

如果真的达到这个水平，被颠覆的就不仅是出租车行业了，它会改变人们购车的行为。私家车的年平均每英里成本是一条曲线——一辆私家车的年行驶里程大概在7000-17000英里之间，对应的单位成本分别是7000英里时约1.32美元，年行驶1.7万英里时约0.73美元。Robotaxi今天是1.24美元，已经逼近这个区间；到2035年，全球口径下Robotaxi每英里成本有望降到0.25美元，只有私家车成本三分之一。到那时，Robotaxi的成本将显著低于购买持有私家车的单位成本，会从根本上改变消费者的行为：最终用户会从“买车的人”变成“呼叫Robotaxi的人”；而Robotaxi平台将剥夺车型的购买决策权和品牌心智，传统汽车主机厂有可能被Robotaxi服务提供方管道化。

图7｜当Robotaxi单价极致降低，冲击将进一步延伸到私家车市场

所以，高阶智能的出现会重新定义未来的出行市场。看一组对比：2025年-2035年，全球乘用车市场规模的年复合增长率约8%，但Robotaxi可能会冲击私家车的需求；全球网约车与出租车市场的市场规模年复合增长率约11%，但自动驾驶出行服务爆发、传统出行服务或将缩减；而全球Robotaxi市场，年复合增长率超过88%，到2035年会达到1300亿~4150亿美元的量级。

图8｜AI重新定义出行未来，Robotaxi市场未来价值超千亿美元

四、AI定义的汽车“三大竞技场”：自动驾驶、智能座舱、AI生产力

除了竞争规则的变化，今天的AI还在重新定义汽车的“三大竞技场”：一是自动驾驶，二是智能座舱，三是AI生产力变革。

（一）自动驾驶：技术路线收敛，算力和数据飞轮成为竞争核心

关于自动驾驶，从过去模块化的流水线到端到端，再走到今天“端到端多模态大模型＋世界模型＋强化训练”——VLA通过智能和泛化能力提高自动驾驶的水平，世界模型模拟真实世界的Corner Case（边角案例），强化学习抬高VLA模型在具体任务上的上限——这条路越来越成熟，业界共识正在形成。

我们从两个视角来看自动驾驶的趋势：一是算力，二是数据与训练方法的变革。

回顾过去三五年，大模型训练方法一个最基本的特征就是Scaling Law。过去业界一直在追问讨论：Scaling Law是不是走到头了？什么时候是头？但今天来看，Scaling Law的规律仍然适用——这段时间美国发布的重要模型参数已经到了10万亿，Qwen4.5大概也在5万亿-10万亿参数。而在智驾模型上，VLA 1.0大约3200亿参数，VLA 2.0大约7200亿参数；在具身智能上，OpenVLA、Helix等还在几十亿参数量级，但RynnBrain已经到了200-300亿参数级别。自动驾驶、人形机器人的训练仍然遵循Scaling Law，未来模型的参数规模还会不断攀升。

而更大参数要求更高算力，10万亿参数需要十万卡规模的集群。所以对自动驾驶、人形机器人公司来说，遵循Scaling Law，提前布局万卡、乃至十万卡成为头部玩家的战略必选。

图9｜从LLM到智驾再到具身，仍然遵循Scaling Law，算力需求持续增长

另一方面，模型训练本身也在发生变化，递归自进化（RSI）是未来关键方向。我们看到，预训练的版本迭代从半年一版，到今天大概两个月一版；后训练从过去的两个月，到现在一个月一版；Harness几乎每天都在改进。为什么预训练、后训练、Harness的迭代速度如此之快？因为模型训练的方法也在追求不断地自动化——就像智能制造的造车车间需要自动化工厂，今天训练模型也要走向自动化。那么模型如何自己训练自己？有四个重要的方向：

第一，Harness工程自主完成感知循环优化的流程。
第二，算法自主完成架构设计、奖励调优、收敛验证等流程。
第三，数据侧由AI自动采集、清洗、标注、合成。
第四，Infra侧做基础设施的深度优化、系统算子调优。

每个方向又像自动驾驶一样，有L1、L2、L3的分级——现在走到什么阶段了？全球头部公司Anthropic大概处于L2到L3的阶段，Harness、算法、数据、Infra各自处于不同的级别，未来两到三年大概会达到L4水平。这样的加速，会进一步加快模型训练的进程。

除了语言模型之外，事实上自动驾驶的训练也正在从手工作坊式的训练方法，不断向RSI自动化流水线训练方向演进。高效的数据飞轮是迈向高阶智能的关键——过去我们可能是手动清洗、人工标注、人工挖掘、小集群训练多个小模型、人来编写规则代码；今天已经演进到云数据管线自动处理、AI自动标注、AI特征挖掘、大集群端到端模型、AI自动生成代码的方式——这也会加快自动驾驶领域模型训练的步伐。

（二）智能座舱：从会聊天、到会办事，从被动调用到主动服务

在智能座舱上，过去几年座舱走过三个阶段：第一阶段是车控工具期（2018到2020年），用嘴替手、语音代替按键操作，交互方式是语音唤醒、被动响应、一问一答；第二阶段是智能交互期（2021到2025年），能多轮对话、聊天、陪伴，实现情感化交互；而今天已经进入第三个阶段——Agentic办事期（2026到2030年）：座舱Agent懂你、帮你办事，包括规划行程、订咖啡、买门票等等，未说先知、未触先达。

最重要的一个里程碑，是年初以OpenClaw（小龙虾）为代表的超级智能体的出现。领先的LLM大模型，加上Skills、Context、MCP等多种技术组件，使模型具备了完成复杂任务的能力。而完成复杂任务能力的最大价值，是让车更理解人：每一个人、每一种特定的场景，车都更懂你，能够提供给你更主动、更高效、更体贴的服务。同时，办事的关键在生态——新入口、新体验、新价值。所以，围绕场景、为每个人提供“更懂你”的服务，正是今天各家车企探索新技术、新商业模式和新解决方案的重点。

图10｜智能座舱走过的三大阶段，从被动调用到主动服务

（三）AI生产力：超级智能体崛起，加速AI时代的“智能精益制造”

今天整个汽车行业面临的挑战是，一方面投入在不断加大，在追求高阶自动驾驶的道路上，从L3到L4的投入可能是5倍乃至10倍；但另一方面经营压力持续在变大，1-8月中国汽车累计销量在下降，行业利润跌了20%，整体利润率约为3.6%。

但从生产环节来看，今年业界经常讲一个关键词：“超音速海啸”来了。春节前是一个时代，春节后是一个时代。AI不是提高了工作效率、而是提高了工作能力。年初的OpenClaw（小龙虾），本质是把全球3000万软件工程师的红利拓展到了全球12亿白领。这背后是三大技术支撑：一是软件的交互从GUI切换到了CLI，软件编程从Copilot阶段切换到AutoPilot阶段；二是Skill技术作为AI时代的软件，把每个人、每个团队、每个组织隐性的知识转化成了AI可以调用的能力；三是定时触发、长短期记忆等能力的组合，使得今天超级智能体的能力异常强大，具备了改变所有白领工作者的工作方式、工作效率和工作能力的潜质。

超级智能体对汽车产业生产力的最大变革之一，是会改变汽车产业所有的软件。CAD、CAE、ERP、CRM、客户管理、营销等，所有的软件都会因为AI受到影响，主要分为三条路径——第一，软件被增强；第二，软件被吞噬；第三，软件被降级。业界有一句话，AI正在对软件产品本身发起一场“斩首行动”。人机交互的界面会经历两个阶段：第一个阶段，由人来操作软件转变成AI来操控软件；第二个阶段，AI会重构整个工业软件体系。

图11｜AI超级智能体正成为企业生产力的统一入口

所以未来，软件将如何服务整个汽车产业？大概率会有一个超级生产力入口，比如千问办公，或者传统软件企业也会自己构建一个生产力入口。另外，传统软件会不断地把功能原子化，它们的大脑虽然不存在了，但保留的身体躯干（软件功能组件）都会接上一个个大脑，这个手术就是Skill化、CLI化和MCP化。软件产业会面临一次全面的重构，整个数据体系会因为AI进一步升级，Data+AI技术演进的步伐会加快。

数字化、智能化，不外乎就是用智能硬件去武装各个行业。而软件产业也会发生这样的剧变，新的生产力入口、软件体系的重构、数据体系的重构，这三者会同时发生。

五、在AI时代，汽车企业如何赢得未来？

面对这样的趋势，企业应该做出什么样的选择？我们将汽车产业的供应链体系拆开：能源与电池、整车、云端AI训练芯片、车载AI推理芯片、自驾算法与服务、座舱算法与服务、自动驾驶出行Robotaxi、汽车保险（UBI）、机器人、飞行器——整个产业链都在被AI重构，而不同的玩家在扮演着不同的角色。

第一类是全栈自研玩家：特斯拉几乎布局整条产业链，Megapack、Model 3/Y、AI5/AI6芯片、FSD v15与FSD订阅、Grok AI、Cybercab、Tesla Insurance、Optimus，飞行器也在传闻研发中；小鹏有TURING芯片、VLA2、VLM、小鹏Robotaxi、IRON机器人和陆地航母；理想有自研电池、马赫M100、Mind VLA、Mind GPT和研发中的Nexus等；第二类是智选生态OEM，AI核心能力依赖于第三方，同时尝试布局自研。第三类是传统硬件OEM，AI能力完全依赖于外采，可能逐步滑向纯硬件、低毛利的代工角色。

面对产业链的全面重构，以及软硬结合、高固定成本+低边际成本带来的极化，车企未来是要成为前瞻自研的主导者，还是成为制造工厂？这是所有汽车企业都需要思考的问题。