汽车智能化，营销叙事与技术现实的距离

这个春节，最火的莫过于春晚上转手绢的机器人和在大洋彼岸被反复讨论的DeepSeek，人工智能的脚步就像2025年的春天一样，近了，更近了。
　　2024年无疑是人工智能井喷的一年，在汽车行业，AI大模型、智慧生命体、具身机器人等概念层出不穷，从车企到供应商，争先恐后开发布会，宣布新计划，但有多少新技术落地，我们也未曾可知。
　　在智能化这条路上，有人只顾低头狂飙，有人伫立思考，地平线副总裁兼首席架构师苏菁在谈及自动驾驶时曾说：“我们这代人应解决一些真正的问题，别天天活在营销里。”适时给“上头”的智能玩家们“泼了一盆冷水”的同时，也将汽车智能化的重点从“形式”拉回到“内容”这一核心点。

真技术还是真营销
　　信息爆炸时代到来，“酒香不怕巷子深”已是一句过时的俗语。如今，为了让酒香飘出来，车企的营销活动一波接一波。关于新技术、新产品的新概念、新名词接连被创造，其中，与人工智能相关的新名词最多。
　　人工智能成为汽车行业最炙手可热的关键词之一。从特斯拉宣布“All in AI”到国内新势力车企纷纷转型为“AI公司”，AI技术被塑造成汽车工业下半场的核心驱动力。然而，在这场看似轰轰烈烈的技术革命中，许多车企的AI实践仍停留在概念包装与营销阶段，实际技术落地有限，甚至存在明显的“口号先行”现象。
　　车企对AI技术的追捧，首先体现在战略定位的全面转向。理想汽车董事长李想公开表示：“未来不做AI，理想什么都不是。”小鹏汽车则提出“AI定义汽车”，吉利发布“智能汽车全域AI”技术体系，甚至传统车企如宝马、奔驰也加速布局AI语音交互和自动驾驶系统。这种集体转向表面上彰显了行业共识，但实际上更多是市场竞争压力下的品牌重塑。
　　以特斯拉为例，其市值远超丰田的核心逻辑在于资本市场将其视为“AI公司”而非传统车企。这种估值逻辑刺激了其他车企的效仿。然而，大部分车企的AI转型缺乏实质性突破。截至2024年，主流车企的智能化体验仍集中于语音控制、影音娱乐等基础功能，与百度董事长李彦宏提出的“汽车机器人”愿景差距明显。这种“口号化”的AI叙事，本质上是车企在电动化竞争趋同后，试图通过技术标签重构差异化的营销策略。
　　在具体技术落地上，AI的应用多集中于智能座舱与自动驾驶领域，但实际效果远未达到宣传的水平。在智能座舱领域，AI大模型似乎并未发挥太多作用，仅仅是从语音助手成为“表演型AI”，多数车企将AI大模型等同于语音交互系统的升级，但实际功能仍局限于车控指令和简单问答。
　　车企大肆宣传智能座舱能够为用户提供情绪价值，大模型上车后，车机更将成为“有情感、能思考、可进化、更懂你的智慧生命体”，但被网友认为“宣传意义大于实际意义”。
　　有消费者曾就人机互动在网络上展开讨论：“我们真的需要车机具有多么丰富的情感吗？只是调节车窗、座椅、温度这些基础功能，何必在意对话的是男还是女？是幽默还是严肃？”这种技术表层化现象，反映了车企对AI技术理解的浅薄——将算法优化等同于“智能化”，却忽视了用户真实需求与场景适配。
　　而在自动驾驶部分，“端到端”的落地还远远不够成熟。不久前，随着各车企陆续推出，“车位到车位”的概念在智驾领域火了起来。尽管其本质就是将自动泊车与城市智驾的场景打通，但“车位到车位”显然比“自动泊车＋城市NOA＋自动泊车”更容易吸引关注。
　　“所谓‘车位到车位’就是噱头。”同济大学汽车学院教授朱西产对记者说，“全场景的打通只是一种愿望，现在根本无法实现。”
　　从用户的实际使用体验来看，尽管大部分场景可以实现智能驾驶，但在一些狭窄、复杂交通路况下，仍离不开人为接管。某博主驾驶小鹏汽车测试“车位到车位”，被发现仍有短板。在城区智驾体验部分，该车辆在需要右转时被临停车辆挡住了去路，但这时候智驾系统绕行失败，最终呆在了原地进退不得，需要人工接管。
　　另一博主试驾理想汽车“端到端＋VLM”，从广州站出发，行驶了近40公里、将近1小时20分钟的路程，行驶过程出现3次接管，每次接管都有点儿危险。“高速公路上行驶时，理想汽车有经常性靠右跟大车走的习惯，通行效率不高。遇到电瓶车，它也不敢绕行。”理想车主马先生分享日常使用体验时说道，“从这些状态来看，无论是现阶段的‘车位到车位’还是上一阶段的城市NOA，理想汽车还无法做到完全的智能化。”
　　失焦的AI重心
　　车企对AI技术的营销包装已形成一套成熟的“故事模板”，通过概念创新和场景渲染掩盖技术短板。诸如“全场景”“全生态”“智慧生命体”等词汇，骤然为汽车这一传统代步工具增加不少科技属性。元宇宙与数字人营销就是典型案例。百度与领克合作的“领克乐园”元宇宙展厅，允许用户虚拟试驾并更换车身颜色，但其本质是3D建模与交互设计的结合，与AI核心技术无关。广汽埃安在发布会上引入数字人“度晓晓”，通过AR互动吸引眼球，但技术内核仅为预设动作捕捉与语音合成，缺乏真正的智能决策功能。
　　在智能化色彩渲染下，汽车俨然成为最大的AI载体，然而披着人工智能的华彩外衣，究竟是真材实料，还是皇帝的新装？
　　“大部分宣传自己能做人工智能的企业实际只停留在口头阶段。”宝马测试工程师赵日希曾对记者解释，如今的人工智能仍处在“鹦鹉学舌”的阶段，更多像是模仿人类行为的“小朋友”，还不能与人类的逻辑相提并论。在他的预期中，人工智能的发展绝不仅仅只靠投喂数据。“只会模仿的AI不是真智能。”他斩钉截铁地说，“人工智能的创造和我们人类所认为的创造是有区别的。人类认识这个世界，对方方面面都有自己独特的认识和见解，创造是通过逻辑推演出来的，而当下的人工智能没有对世界的认知，只是在模仿人类的某一种行为，主要以语言为主，所以它的创造是没有逻辑的，只是模仿之后的表达。”
　　不久前，Meta首席AI科学家杨立昆指出，当前的AI技术在“操控语言”方面表现出色，但对物理世界的理解仍十分有限，现有技术难以支撑家用机器人和自动驾驶汽车。
　　车企AI能力的薄弱还体现在对第三方技术的依赖上。2024年底，DeepSeek爆发后，迅速被部分车企引入车载系统，用于提升意图理解和主动服务能力。吉利甚至通过蒸馏训练将DeepSeek-R1模型与自有系统耦合，但其核心技术仍来自外部。“与其认为是对自身AI功能的升级，不如理解为‘蹭热度’。”赵日希毫不客气地指出。类似地，华为通过提供ADS智驾方案，成为多家车企的“技术靠山”，但这种合作模式本质上反映了车企自身AI研发能力的不足。
　　更值得警惕的是，部分车企将AI技术视为“低成本标签”。例如，某些品牌宣称其车型搭载“AI大模型”，实则仅接入了开源算法框架，功能与竞品无本质差异。这种“拿来主义”不仅难以构建技术壁垒，还可能因数据安全与系统兼容性问题引发后续风险。
　　不久前，英伟达首席执行官黄仁勋表示，人工智能行业的发展有两大趋势，即AI智能体与机器人，未来机器人的种类可能不少，但很可能只有汽车、无人机、人形机器人三种机器人能够实现大规模量产。当前，不少车企也扎堆涌入人形机器人赛道，通过投资或自研方式入场，发布人形机器人相关规划、技术和产品。
　　但贪多嚼不烂的道理，显然不是所有车企都明白。凯联资本研究院院长由天宇认为，这是一种非理性、被动的决策。“整个行业都得了‘AI焦虑症’，大部分从业者只模糊认识到AI技术是大趋势，但实际并不明白AI技术的发展方向、底层逻辑，也不知道AI技术将如何重构产业，甚至不清楚自己要做什么，只是被裹挟着不得不做。”
　　苏菁则直接指出，自动驾驶汽车是第一个在物理世界与人交互的机器人。自动驾驶是在半规则和半非规则场景里的智能技术，自动驾驶汽车应该是第一个工作在物理世界，和人交互的机器人。如果自动驾驶无法实现，完全非结构化的智能机器人更不可能落地。
　　通俗一点翻译：“连自动驾驶都做不好，还做什么机器人。”话糙理不糙，苏菁指出，自动驾驶研发没有“银子弹”，作为一个复杂系统研发，需要一个坚实的工程团队，要比别人有更多的经验、吃更多的苦、更加持之以恒的心态，还要能及时吸收最新技术并理解技术的边界，才能让技术创新一步步迈入现实。
　　AI落地的“空中楼阁”
　　车企的AI军备赛暴露了产业链的深层矛盾，除了为应对激烈市场竞争的无奈之举，更像是一场“有心无力”的模仿游戏。当前车企对AI技术的应用大多集中在智能座舱和辅助驾驶领域，但核心技术尚未突破功能边界，甚至存在“伪智能”现象，L3自动驾驶的落地难题成为典型代表。尽管2025年多家车企宣称已获得L3自动驾驶测试牌照，但实际量产车型中仅有蔚来ET9、尊界S800等极少数车型搭载了L3自动驾驶架构，且功能仍受限于法规和场景。李想曾公开表示，其“有监督的L3自动驾驶功能”要到2025年才能实现，而特斯拉的FSD V12系统虽通过端到端架构减少了30万行代码，但事故责任划分问题仍悬而未决。此外，有车企试图将“自动驾驶”与“辅助驾驶”的概念混淆，从而模糊用户对企业AI能力的认知和预期。
　　商业转化周期过长也是车企入局AI不可避免的困境。无论是车端应用还是机器人，要实现盈利都还有很长的路要走。马斯克在特斯拉2024年第四季度业绩电话会议上表示，人形机器人的训练需求可能至少是汽车所需训练需求的10倍，用途和复杂程度可能是汽车的1000倍，并且需要大量财力、物力、人力的投入，在早期可能很难带来收益。不过，随着时间的推移，机器人训练的成本也会急剧下降，人类将负担得起大量的训练计算。特斯拉Optimus有潜力带来超过10万亿美元的收入，那时人形机器人也将成为特斯拉价值中的关键部分，即便价格很高，需求也不会成为问题，价格也将由市场需求决定。
　　车企的AI故事能否持续，最终取决于商业化能力。然而，当前市场对AI功能的付费意愿呈现两极分化。据2024年乘用车市场数据显示，城市NOA功能在25万～30万元价格区间的车型标配智驾系统的比例最高，为25.8％，而20万元以下车型的智驾系统标配率仅为1.4％，且主要通过“预埋硬件、软件订阅”的方式实现，用户实际付费激活率不足30％。显然20万元以下车型用户对智驾功能溢价接受度低，而高端车型虽能通过智驾系统提升溢价，但其核心卖点仍是空间与舒适性，而非纯粹的智驾体验。
　　另一方面，相关政策法规的缺位也是制约AI技术大范围落地的现实难题。Robotaxi被视为AI驾驶的终极场景，但目前国内仍面临法规限制。因此，短期来看，车企更倾向于将AI作为“品牌溢价工具”。尽管比亚迪试图将智驾卷入“平价时代”，但仍需依赖规模化摊薄成本，就当前市场接受度可能还不足以支撑大规模推广。
　　第二家实现盈利的造车新势力零跑汽车掌舵人朱江明也曾不止一次强调：“最终，汽车一定就是耐用的消费品、代步工具，将车作为代步工具来做这个产业可能更有优势。我们的品牌定位就是希望给用户提供更高配置、更优品质、好而不贵的产品，不管有多大的诱惑，毛利有多高或者空间有多大，零跑始终会坚持把汽车作为大众消费品。”
　　“科技让机器的归机器，让人的归人。”地平线创始人余凯在接受媒体采访时说，“让机器去解放人类。”苏菁也表示，自动驾驶技术对标的不是别人家的技术，而是人类。与其将重心放在如何用语言“卷死”对方，不如将重心放在做好自身。2024年，从城市NOA开城大赛，到大模型上车，再到数字智能底盘，再到跨界做聚身智能，车企在智能化赛道上展开多元化的市场营销大战。但是营销的声音过大，反而让技术迭代给消费者带来的方便与舒适脱离了现实世界。
　　AI泡沫与现实的平衡之道
　　虽然当前AI技术在汽车行业的应用存在泡沫，但技术迭代与市场需求仍将推动其向纵深发展。业内专家认为，车企首先要明确技术路径，放弃“大而全”的AI概念堆砌，聚焦细分场景实现功能突破，并着力关注用户更实际的需求。
　　“安全是汽车最不可忽视的最重要原则。”朱西产指出智驾场景长尾问题难解，“用AI技术来训练安全的下限”是很不负责任的行为。尽管大模型的表现非常惊艳，但估计近两年实现全场景覆盖的可能性不大，还是要着力优先解决安全问题。
　　在数据积累方面，要打通AI必然需要海量数据支持，通过真实路测与仿真训练积累数据量提升算法泛化能力。理想汽车智能驾驶研发负责人郎咸朋用数据说明，要达到500公里的综合MPI（城市＋高速综合接管里程），预计需要2000万Clips（视频片段）的水平。如果2000万Clips从不到5％的老司机中筛选，这需要50亿公里甚至上百亿公里的驾驶数据。这种等量级的数据需求将卡住不少企业。
　　尽管知道要怎么做，但有没有能力做也是车企面临的现实难题。AI技术的研发需要长期资金支持，车企需在“活下去”与“押注未来”间找到平衡。AI研发投入巨大，如果没有充足的资金支持，不仅限制技术落地速度，还有可能拖累车企自身。对于大部分还在盈利线上挣扎的车企而言，要想在AI领域闯出名堂恐怕是心有余而力不足。
　　长期来看，“AI定义汽车”需重构产业逻辑，业内专家建议车企可以探索从“全部自己做”到“部分自己做”甚至“不用自己做”的路径可行性。特斯拉软件收入占比超30％的商业模式表明，车企需从硬件制造转向“数据＋服务”生态。百度的“成长力引擎”通过AI营销实现“品效合一”，但其底层依赖用户行为数据的深度挖掘，这对传统车企的数据治理能力提出挑战。“我们并不建议车企都去自研人工智能，因为投入大，难度高，收效慢。明智的做法是选择与华为、大疆、地平线、Momenta等企业合作赋能。”朱西产进一步指出，目前国内许多AI企业已经小有成绩，可以直接为车企赋能。让专业的人做专业的事，车企专心造车，这样会更有利于整个行业的资源集中，形成良好的持续发展态势。
　　车企的“AI化”浪潮既是技术进步的必然，也是市场内卷的产物。人工智能很诱人，但并不是所有企业都有能力做好。在资本追捧与用户期待的裹挟下，如果企业始终以营销叙事掩盖技术短板，终将有露馅的一天。短期内的营销狂欢虽能吸引眼球，但唯有解决技术落地、生态协同与商业闭环的难题，才能真正实现“智能出行”的愿景。只有当AI真正融入产品内核，成为提升安全、效率与体验的核心驱动力时，这场变革才能摆脱泡沫，走向实质。正如马斯克所言：“AI可能毁灭人类，但总体利大于弊。”车企需以更务实的态度，在技术、伦理与商业的三角中寻找平衡，而非止步于一场华丽的表演。