汽车行业智能化下半场：人工智能时代的自研趋势以及产品力跃迁
本报告基于对当前中国主流智能车企技术路径的梳理，重点聚焦AI时代自研趋势、技术栈重构与用户体验跃迁路径，提出自研芯片+操作系统在产品竞争力打造中的关键价值。
一、引言：智能驾驶竞争进入“底层能力为王”阶段
随着智能驾驶算法从传统的三段式架构逐步演化为统一大模型，底层算力的压力正在指数级上升。过去由规则驱动的架构，正逐步让位于数据驱动与模型推理为主导的新范式。小鹏、理想都曾表明目标是成为面向全球的AI汽车公司（小鹏想成为面向全球的AI汽车公司，李想“隐退”九个月后高调发声，要将理想汽车打造成AI公司）， 在这种趋势下，AI三要素中的数据和算力，不再是支持角色，而正在成为影响智驾系统架构、决策能力和推理效率的“底层决定性资源”。
以智能驾驶主控芯片为例，从2019年Mobileye EyeQ4的24 TOPS算力，到2023年NVIDIA Orin-X单颗256 TOPS，算力提升10倍以上，芯片价格和适配难度也随之飙升。公开数据显示，Orin-X 零售单价接近 500 美元，在算法开发完成后仍需4~6个月进行底层适配与算子调优。芯片不再是“模块化采购”的一环，而是演化为算法性能释放的“主控变量”。
回顾历史，从智能手机厂商（如苹果、三星以及华为）到云厂商（如亚马逊、谷歌），都经历了通过自研芯片实现性能边界控制、系统主导权和成本结构优化，自研芯片已成为“技术驱动产品体验”的底层共识。
面对这一演进趋势，蔚小理纷纷加速芯片自研布局，希望打通“自研算法+定制芯片”的协同链条。在这条路径上，在国内厂商中，华为无疑走在更前一步——其MDC系列芯片已在极狐、阿维塔等平台落地，与ADS系统形成“芯片即平台”的整合模式。
自研（智驾/座舱）芯片不仅提高了算力上限，降低了整车成本，同时让企业掌握底层算力与接口设计的主动权，从而决定了智驾域和座舱域从芯片架构、操作系统、通信协议到电子电器架构等多个层级的自主可控程度。这些系统共同决定了智能驾驶系统的处理能力、响应速度、功能复用率和可持续升级能力。
这一趋势正是推动智驾系统从“功能运营型”向“技术驱动型”转变的关键分水岭——决定其是跟随迭代，还是主导演进。
但这场底层变革之战的真正价值，或许并不止于技术领先本身，而在于它能否带来一种“自我定义产品体验、构建自驱闭环”的能力边界重塑。自研芯片+自研架构+OS 作为企业软硬结合的锚点，其作用机制、投入路径与演进节奏，也因此成为观察智能车产业未来格局演化的关键切口。
本文将聚焦华为与小鹏两家典型代表，从技术栈演化、系统能力建构、用户体验反馈、品牌市场影响等多个维度展开分析，尝试还原自研芯片与操作系统背后，技术战略与产品能力之间的真实因果链条。
二、以华为为例，解读OS+MDC+集中式架构带来的体验跃迁
MDC计算平台作为算力支撑，鸿蒙OS构建生态加强交互体验，集中式架构降低系统时延提升智驾功能表现。
2.2 华为 MDC 智能驾驶计算平台—自2018年起持续演进
规划与产品矩阵完善（2018–2021）
2018年3月，华为推出首款MDC智能驾驶计算平台，最初基于昇腾310芯片，迄今已发展出包括MDC210、300F、610、810、Pro 610等产品，覆盖从L2到L4的不同自动驾驶级别。2024年，搭载MDC610的车型可升级到ADS 3.0，为高阶城市NOA提供了算力基础。
更高算力平台到位（2021–2023）
随后推出的MDC810以稠密算力峰值超400 TOPS，支持更复杂的多传感器融合与高精度感知，为L3前装落地铺设平台基础。
最新演进方向：MDC Pro 610系列
截至2025年，华为MDC产品线已新增MDC Pro 610等型号，搭载更高算力的昇腾610芯片，并采用12位LPDDR5+液冷散热方案，实现500–800+ TOPS算力与更高能效密度。华为 MDC Pro 610 智能驾驶控制器主要用于执行融合、识别、分类任务，同时处理地图定位，以进行路径规划和驾驶决策，从而实现车辆的精确控制和自动驾驶。
2.3 麒麟芯片追赶高通地位，搭配鸿蒙OS，提升智能座舱交互体验
在智能汽车逐步迈入“全栈自研”的时代，操作系统作为底层能力承上启下，是实现软件解耦、整车协同和体验跃迁的核心基座。华为率先部署三层操作系统体系——HarmonyOS OS（座舱）+ AOS（车控）+ VOS（智驾），不仅实现了智舱、智驾、车控的能力分离与协同调度，更通过操作系统的持续演进，显著提升整车的流畅性、智能性与安全性体验。
HarmonyOS：从“操作系统”到“生态系统”，提升人车交互体验
作为车载鸿蒙的重要落地形态，HarmonyOS 不仅承担座舱控制任务，更整合手机、平板、手表、家居IoT等跨终端生态能力，打造“万物互联”的空间体验：
分布式架构打造跨终端无缝协同体验，支持多设备间无缝流转（导航、通话、视频会议、音乐等）；
语音助手基于端云协同大模型能力升级（如方舟语音大模型），具备更高意图理解力和情境感知；
界面响应与流畅性极大提升：借助统一内核与多线程渲染机制，复杂场景下UI响应延迟降低40%、用户交互成功率提升25%以上。
如在问界M9、小鹏G6等车型上，鸿蒙座舱系统实现“智慧语音 + 视觉感知 + 空间音效 + 多设备协同”的沉浸式体验，显著领先传统车机。
AOS：高实时性车控操作系统，提升系统响应稳定性
AOS是专为汽车底层控制场景设计的轻量级实时操作系统，以调度精度、冗余安全与定制能力为核心特性：
精确控制如转向、电机、车身等关键子系统
对车规芯片如MCU/SoC适配性强，支持多线程任务管理与高优先级中断
与自研芯片联合优化，可实现端到端时延<10ms、异常恢复时间<100ms的性能表现
VOS：智驾域的智能中枢，为大模型时代做好系统准备
模块化管理感知、预测、路径规划等任务，避免高负载干扰；
支持异构算力调度、冗余机制、异步容错调度；
面向未来大模型感知/生成/决策算法的适配与运行优化。
2.4 集中式架构
在整车智能化水平不断跃升的过程中，电子电气架构（EEA）正经历从分布式→域集中式→中央集中式的深度演进，成为支撑“高算力+高集成+高速通信”的关键底座。集中式架构不仅提升了车内通信效率与处理带宽，更通过与自研芯片、操作系统的协同，奠定了整车软硬解耦与智驾功能模块化升级的能力基础。
从分布式ECU到域控制器，构建“全域融合控制”能力
传统EEA系统由数十个独立ECU组成，各控制器之间通过CAN总线串联，通信带宽有限、模块冗余严重，难以满足座舱与智驾系统的高频数据交互需求。集中式架构通过引入域控制器，将感知、执行、交互、智驾等功能按功能域聚合统一处理：
带宽提升 × 延时降低：高速以太网+SOA（服务化架构）实现感知/控制链路的数据高速传输；
结构优化 × 功能复用：域控内多模块共享算力资源，功能软件可在多个车型间复用；
升级效率提升 × 适配周期缩短：集中架构显著降低软件-硬件耦合程度，如小鹏基于X-EEA 3.0架构将芯片适配周期从6个月缩短至4周，实现更强的车型布局能力；
决策控制“闭环”：从传感器数据采集、智驾算法推理、再到底盘控制指令下发均在统一平台完成，减少中间环节响应延迟，实现“毫秒级”决策闭环。
与芯片+OS协同打造“全域控制能力”
集中式架构不是孤立演进的硬件改造，而是与底层芯片+操作系统能力协同进化的结果.
华为采用集中式C/C（Computing/Communication）架构，通过分布式网关进行高速网络传输数据，并在性能强劲的计算中心进行数据的实时分析与处理，实现整车的感知共享、算力共享、电源共享，结合统一的软件架构，支持智能驾驶功能持续平滑升级。
2.5 体验落地：尊界S800为例的“产品化闭环”
2025年5月，华为与江淮打造的尊界发布上市。改款车型定位对标奔驰S级，搭载华为最新乾崑ADS 4.0 + HarmonySpace 智能座舱 + XMotion中央运动控制平台，搭配其超豪华配置，这款定位高端的车型在1小时内大定突破1000台，24小时突破1600台，48小时突破2100台，72小时突破2600台，从市场销量验证了“系统能力 +超豪华配置 → 提升用户体验–>提升品牌信任度–>销量转化”完整闭环。
2.6 构建“高端品牌心智”的范式转移
尊界S800作为华为智驾系统的首个“全栈赋能”旗舰样本，其亮点不仅在技术能力，而在于通过系统性落地——使用户对“华为赋能车”产生清晰感知：
“智驾赋能”不再是不可触及的技术概念，而成为切实的智驾能力和舒适的乘坐体验，
市场逐步形成“自主高端=华为智驾”的情感锚定，
用户开始期待下一个鸿蒙智驾旗舰，通过尊界S800的成功使得更多用户被“种草”，潜在用户范围扩大。
尊界S800的成功表明：在新时代高端智能车市场，“全栈技术平台 → 真实可感知体验 → 规模化商业回报”已形成闭环，标志着自主品牌正从“技术突破”进入“产品引领”的全新阶段。
三、小鹏：从“自研图灵芯片+图灵AI OS”到云-车端大模型
智驾领域，小鹏汽车自动驾驶品牌正式升级为“小鹏图灵AI智驾”。该体系以AI大模型为核心，涵盖了自研的云端和车端大模型、面向大模型开发的AI芯片和底层架构。
3.1 核心能力：以AI大模型为中枢的智驾与智舱平台能力
图灵AI智驾体系：
包含“车端大模型 + 云端训练 + AI芯片支持”的完整技术链条，支撑城区“车位到车位”导航；
搭配小鹏自研图灵芯片，提供大模型所需的计算保障，实现更强泛化能力、更快推理响应。
天玑AI OS座舱系统：
构建“GPT级别”的AI智能交互体验，实现全域语音、多模态感知（语音 + 手势 + 眼神）+ 上下文记忆；
跨域协同能力提升：智驾变道动作可在座舱中“语音+视觉”双重提示；
AI能力反哺硬件表现：AI音响动态调音、AI电池医生提升寿命、AI识别提升能耗控制与驾驶体验。
市场反应验证产品力
图灵AI系统与天玑AI OS已在2025款X9全系落地，实现更“聪明、舒适、省心”的用户体验；
销量表现：小鹏连续2个月交付量位居新势力榜首，2025上半年累计交付19.7万辆；
G7亮相即热销，46分钟预售破万，形成“技术+产品+市场”正循环闭环。
3.2 图灵芯片构建大模型时代的算力基座，驱动智能体验跃升
小鹏汽车通过将云端大模型蒸馏到车端的形式，有效提高车端大模型的上限，从而让用户拥有平均“每2天一迭代”的智驾体验。
智驾竞赛正在云端展开，实际上也对车端高算力提出更高要求。为匹配这一需求，以及解决公版芯片大量通用算力被浪费的问题，小鹏汽车决定自研芯片。
3.2.1 图灵芯片：为AI汽车而生的异构算力平台
图灵芯片采用异构计算架构，具备750TOPS推理能力，支持多模态输入和低时延实时推理，专为视觉语言模型（VLM）和动作策略模型（VLA）打造；
不同于传统的NPU/GPU芯片，图灵芯片可根据任务动态调度算力，实现车端模型的最优执行效率；
搭配X-EEA3.0集中式电子架构，图灵芯片作为主算力节点，驱动整车AI模块之间的深度融合（智驾、智舱、动力、底盘）。
3.2.2 VLM+VLA：车端AI模型的本地部署能力跃升
小鹏将原本部署在云端的大模型（如720亿参数“世界基座模型”）通过“蒸馏技术”压缩为本地适配小模型，部署于图灵芯片之上；
本地：VLM（视觉语言大模型）支持语音+图像+交互理解，支撑智能座舱的多模态交互；VLA（车辆动作模型）则结合驾驶状态，决定加速、制动、变道等决策；
二者与车规级感知数据（摄像头、雷达、地图等）协同推理，实现真正意义上的“AI汽车大脑”。
3.2.3 云-车协同闭环：从训练到部署的完整体系
云端训练大模型（世界模型、强化学习仿真）→ 蒸馏压缩 → 下发至车端图灵芯片执行；
数据回传后进一步增强世界模型与VLA策略，形成“感知→决策→训练→部署”的全栈闭环；
数据流从车端数据采集→清洗→用于训练世界模型与策略模型，再蒸馏为本地模型 → 图灵芯片部署 → 用户体验。
四、实际落地：G7首发图灵芯片+本地大模型部署
2025年6月亮相的小鹏G7，首发搭载图灵芯片与本地VLM/VLA模型，配合天玑AIOS 5.4版本，支持“追光抬头显示+多模态交互+AI底盘调节”等体验；
其推出仅46分钟小定破万，代表“AI能力和自研底层硬件能力–>产品力”已初步获得市场验证。
五、自研芯片的意义：掌握AI时代的“车载CPU主权”
在大模型时代，传统通用芯片已难以满足大模型、云车协同所需的算力需求；
小鹏自研图灵芯片意味着其在核心硬件能力上摆脱对外部供应链的强依赖，具备“自主按需定义、软件硬件适配更好、并行开发缩短周期、功能模块化”的能力，使得平台化布局成为可能；
这不仅降低整车智能化BOM成本，也成为构建软硬一体闭环中最关键的“自研基座”。
图灵芯片是小鹏软硬一体战略中的“硬件锚点”，支撑其大模型智驾、智舱体验的全面升级。芯片自研不仅带来极致体验与性能控制，更构建了智能汽车时代难以替代的算力护城河。
3.3 AI加持座舱交互，高算力重新定义智舱架构
小鹏汽车在重磅推出小鹏天玑AISO。不同于传统的座舱架构仅采用单颗座舱芯片，小鹏天玑AIOS将基于自研的图灵AI芯片，由2颗芯片同时驱动，重新定义智舱系统架构。
小鹏天玑AIOS可以自动实时感知车主语音和行为以及周边环境，自主思考判断车主需要提供何种座舱服务，不断进化成长，持续学习车主的使用和生活习惯。不同于传统的座舱架构仅采用单颗座舱芯片，小鹏天玑AIOS将基于自研的图灵AI芯片，由2颗芯片同时驱动，基于此，AI算力相比传统智能座舱提升了20倍，CPU算力也提升了20倍。在大模型能力的加持下，小鹏天玑AIOS还能驱动全车持续进化，并带来AI音响、AI鲲鹏动力、AI电池医生、AI底盘等多项能力。
四、蔚来——从神玑芯片到SkyOS，从NOMI GPT到世界模型，构建整车智能操作系统
4.1 自研芯片：神玑NX9031，重塑“算力中枢”
蔚来的芯片策略并非“替代英伟达”，而是“更贴合自家算法的推理场景”，为SkyOS与整车系统提供专属底层算力支持。
蔚来从2020年开始搭建芯片自研团队，2024年7月神玑NX9031流片成功（全球首颗5nm智能驾驶芯片!蔚来神玑NX9031流片成功:拥有超过500亿颗晶体管! – 芯智讯），单颗算力相当于四颗英伟达Orin-X。
4月23日，在上海车展上，蔚来宣布全球首颗量产5纳米智驾芯片神玑NX9031随着蔚来ET9开启交付正式量产上车（首款5nm智驾芯片！蔚来神玑NX9031正式量产上车）。
随着神玑NX9031的量产上车与大模型的实际部署，蔚来已完成“算法-算力-系统”三位一体的底层闭环。下一阶段，将围绕如何高效采集、标注、回流和利用用户数据，构建以“数据驱动模型演进”的飞轮机制，持续提升模型泛化能力与端到端智驾表现。
4.2 全域操作系统天枢SkyOS
2024年1月11日蔚来发布全域操作系统天枢SkyOS，可实现高带宽、低时延、大算力与异构硬件、跨域融合、灵活持续进化、高可靠性、信息安全七大特性**（www.nio.cn）。**
4.3 技术落地到体验闭环：以ET9为代表的全栈赋能样本
ET9作为旗舰验证平台：
搭载神玑NX9031+SkyOS；
引入CEDAR雪松平台，支撑AI算力+软件架构全新升级。
体验提升具体指标：
AEB响应时间减半；
操控决策延迟降低，路径优化执行更精确；
智能座舱场景调度响应速度加快。
SkyOS + 神玑推动整车AI体验：
控制实时性增强，智驾场景泛化更强；
大模型上车，实现从“功能调用”到“AI推理”的全新人机体验路径。
五、理想：VLA大模型和自研AI芯片
2024年初，理想汽车创始人李想在沉寂九个月后重磅发声，明确提出“理想汽车将成为一家AI公司”的新战略方向。这一转变标志着理想不再仅仅定义自己为智能电动车企业，而是正式迈向“AI for Vehicle”的第二发展曲线。AI不再只是算法模块的代名词，而是自上而下重构整车系统能力的底层驱动力。
5.1mindVLA大模型
融合三大智能能力
MindVLA 是理想汽车提出的多模态大模型架构（Multimodal Vision-Language-Action），旨在通过整合视觉、语言、操作三类输入，实现“感知-理解-执行”的闭环。
其核心原理可类比于近年来在 embodied AI 领域流行的 VLA 架构：
Vision 模块处理图像输入；
Language 模块理解人类自然语言（如导航指令）；
Action 模块输出操作行为，形成路径规划或驾驶决策；
MindVLA 采用了长上下文视觉语言建模技术，结合拓扑图导航、记忆模块等，增强对复杂城市场景中的规划与泛化能力。
mindVLA利用3D 高斯空间编码器构建多尺度空间理解能力，通过LLM问答的方式理解摄像头获取到的环境图像，例如道路特征、天气、行人位置、行人意图、车道、其他车辆意图等信息，相比于之前transformer encoder提取图片特征而言，vision encoder+LLM的组合，使得车辆能解码图像中物体内容、位置信息之外，还能够理解环境背后的意图，从而能够提前预测下一步的车辆状态、行人状态，从而直接输出预测作为行动 token，再借助扩散模型输出高质量驾驶轨迹，达到输入图像输出动作的端到端效果。
除此之外，用户可以仅用自然语言触发驾驶行为（如“开慢点”“去找超市”)，通过语言模块实现语义交互。
从技术发展趋势看，以往的模仿学习路线已接近其能力的天花板，引入LLM模型可以提高其空间理解和泛化能力，未来L4级自动驾驶可能采取同样的技术路线。
端侧推理+云端训练闭环
MindVLA 在端侧设备上实现实时推理，完全无需依赖网络，可脱机完成复杂指令执行。
云端构建“世界模型”（world model），支持仿真训练与迭代提升，并将蒸馏后的小模型部署回端侧，形成闭环优化。
参数规模与性能权衡
MoE结构（稀疏专家模型）：每次推理仅激活部分子模型，大幅降低计算开销；
稀疏注意力机制：减少“无关”信息消耗算力，加速推理过程；
DiffusionTraj路径生成器：通过引入扩散式采样模型，配合并行解码策略，仅需两三步就能 生成高质量轨迹，确保决策的实时性与稳定性。
模型效果与业界水平
根据 MindVLA 的目标和任务设定，其主要竞争对手是华为的盘古多模态世界模型（华为云全新发布基于盘古多模态大模型的世界模型 - 经济观察网 - 专业财经新闻网站）、小鹏的 XBrain 大模型、小米的 MiLM（小米大模型升级第二代：MiLM2 实现云边端结合，能力平均提升超 45%） 等。MindVLA 尚未公开具象指标（如 BLEU/Top-k Accuracy 等），但从其宣传目标来看：
对话体验目标对标小鹏扶摇AI OS 与蔚来 NOMI GPT；
导航控制闭环能力目标对标 Tesla 和华为盘古；
策略泛化能力尝试覆盖长尾场景泛化、指令理解等任务。
目前 MindVLA 仍未大规模上车（据公开信息，mindVLA在2025年七月和理想i8同时首发），尚未像小鹏扶摇、小米MiLM那样大规模开源 demo，因此在落地进度上略滞后。
5.2 针对模型优化的芯片与架构
MindVLA 推理运行依赖Nvidia Thor-U芯片，单颗算力700TOPS，但为了保证供应链安全和算法匹配度，理想从2024年底开始研发自家芯片以专为端侧大模型推理定制。
装载 128±700 TOPS 的芯片（Thor‑U、新AI chip）将搭配 MindVLA 在 i8/i9 等高端车型首发。
5.3 开源整车操作系统和芯片
起因：
2020年，全球芯片荒导致芯片交货周期严重滞后，随后而来的价格暴涨，资源倾斜不均衡等问题显著。
作为初创企业，理想汽车在芯片供应链中处于劣势，使用AUTOSAR操作系统时，适配新芯片的周期长达6个月，带来巨大营收损失。
面对不可控风险，理想汽车在2021年启动自研整车操作系统项目，投入两百人的研发团队和超过十亿的研发费用，最终在2024年实现自研操作系统上车。
5.3.1 芯片
理想汽车官宣自主研发的最新进展和成绩：
自研的碳化硅功率芯片完成装机；自研自产的碳化硅功率模块在理想汽车苏州半导体生产基地下线；自研自产新一代电驱动总成在常州电驱动生产基地量产下线。
自研芯片计划为AI整车架构打下专属算力地基
理想的自研芯片计划，不是为了单纯替代现有芯片方案，而是为了解决“AI整车系统”所面临的新一代技术瓶颈。在大模型上车的趋势下，理想意识到，当前市售的通用型芯片（如NVIDIA Orin）虽然算力强大，但难以满足车端 低延迟、高并发、端到端决策链路实时运行 的一体化需求。特别是当一个模型需要在端上同时进行多摄像头视觉融合、多任务并行推理时，传统芯片架构在带宽管理、算力调度和功耗控制上暴露出明显瓶颈。
因此，理想选择从“系统耦合”的角度入手，围绕通用感知和智能决策路径，设计了其自研芯片架构——内部被称为 “视觉融合 + 推理芯核”协同计算系统。具体而言，该芯片包含两个关键设计取向：
一是高效处理海量图像信息的并行感知模块，该模块可支持来自8个以上高清摄像头的同步输入，支持图像前处理、目标检测、语义理解与时空特征建模，强化了理想端到端模型对道路结构、目标行为的整体理解能力；
二是专用推理加速单元AI NPU（神经网络处理单元），该芯片是一种专门用于加速大模型推理、优化深度学习模型计算效率的芯片，支持多分支并行计算、上下文关联记忆与混合精度调度，显著优化了复杂逻辑决策和多轮对话交互的延迟与功耗。
5.3.2 星环OS:开源整车操作系统
理想星环OS是一套专为智能汽车设计的整车操作系统，包含智能车控OS、智能驾驶OS和通信中间件三大模块，支持从动力控制到智能驾驶的全域业务整车操作系统“理想星环OS”:是什么?能干什么? - OFweek新能源汽车网 。星环OS有诸多特性，如资源集中共享、软硬解耦等。
自研操作系统的三个方向：
智能车控OS：VCOS（Vehicle Control Operating System）是面向车辆控制的操作系统，确保动力控制、底盘控制等关键任务快速、精准响应，实现感知与决策系统的高效协同。
智能驾驶OS：是针对芯片在智能驾驶功能的感知、图像处理、推理能力进行匹配的操作系统，能够最大化释放芯片性能，同时能够自定义系统接口（面向应用层），而非依赖传统的标准化的AUTOSAR进行接口适配，大大加快了产品的迭代演进。
通信中间件，星环 OS 虚拟化引擎（LiVisor）等核心组件：提供管理多任务运行时的CPU/NPU管理调度。（理想星环OS技术架构详解-电子工程专辑）
在系统层面，理想自研操作系统通过与硬件深度协同，在算力、存储和通信带宽资源使用方面展开核心优化。
自研操作系统的带来的四个优势
软硬解耦允许并行开发，使得研发周期大大缩短
自研整车操作系统实现了软硬解耦，最快能够在四周内完成芯片适配和验证，相比使用AUTOSAR的时候最多节省5个月时间，大大缩短芯片适配时间。该系统支持市面上所有的车用芯片的架构，包括英飞凌TriCore、瑞萨RH850等主流MCU芯片大厂，同时也包 括ARM Cortex-R系列、以及被广泛关注的开源RISC-V芯片架构，都被此系统支持。
理想汽车自研汽车操作系统支持芯片列表：
延时更少，模块间通讯加强，功能响应速度提高
理想汽车通过跨系统架构设计，让多个控制器之间进行系统配合，实现感知-决策-执行全链路的深度融合，全局协同优化。
从结果来看，该系统实现了包括响应速度快1倍，响应稳定性提高5倍，120km/h高速行驶状态下，AEB自动紧急制动距离缩短7米，更平稳地完成AES自动紧急避让等功能。
成本更低
通过共享AI算力和硬件设备，复用共用模块，降低算力成本和传感器成本。
安全性提高
理想自研操作系统构建了“云端一车端一控制器”三层安全体系，并通过软硬件结合的方式实现，相比AUTOSAR软件实现方式，签名验签速度提升4倍，实现了全链路设备身份认证、访问控制和数据加密能力。
5.4上车成果 & 市场水平
首发时间：MindVLA 预计于 2025 年 7 月与新一代 i8 同步推出，并在配备 AD Max（含 Orin-X 或 Thor‑U 芯片）的车辆上陆续部署。
能力落地效果：用户仅需语音或拍摄环境，就能让车辆在陌生地库自动漫游、找车位、导航路径，表现如“专职司机”。模型具备“听懂、看见、做得到”能力，是行业首例同时融合三种智能的车型自动驾驶系统。
行业地位：MindVLA 被誉为高阶自动驾驶范式创新。2010年中发布的iPhone 4是智能手机时代的首个爆款，也是智能手机渗透率加速提升的起点。对汽车行业来说，理想汽车最新的MindVLA也将重新定义自动驾驶，加速行业的快速发展。
六、体验壁垒如何转化为用户购买行为
——从技术护城河，到用户心智的消费引擎
在AI与自研芯片时代，智能汽车的竞争不再是单点功能的比拼，而是系统能力与用户感知之间的闭环构建。企业不仅要“做出技术领先”，更要“讲出技术价值”。体验层的壁垒，只有被用户感知、理解、信任、认同，才能真正完成购买转化。
6.1 技术 ≠ 卖点：必须翻译成用户能理解的语言
用户并不能直接感知到算力有多少TOPS，也不会因为使用了最新的技术BEV或Transformer就自动买单。真正打动用户的，是这些技术带来的具体感受，例如：
“自动变道又快又稳、不点灯也能顺滑超车”
“下车后车位太小，手机可以遥控泊车”
“车机像iPad一样丝滑，唤醒语音能秒懂我说的话”
“高速跟车像老司机，不点头也不急刹”
- -将技术的转化为体验，以体验打动客户，才是将技术转化为产品竞争力的方式。
6.2 构建用户心智：从“感知领先”到“信任心锚”
在用户认知中，体验好不等于技术强，但体验长期领先会逐渐成为品牌心锚。自动驾驶的“体验壁垒”一旦形成惯性，就像苹果的生态粘性——技术成为品牌力的一部分。
小鹏的记忆点：“XNGP进城最好用”、“城市NGP哪里能开看小鹏地图”
理想的心智标签：“车机流畅”、“交互最智能”、“家庭第一车”
蔚来的信任护城河：“服务最好”、“越用越懂你”
这些都是从技术到体验再到认知标签的“心智迁移路径”，让用户开始用“谁家智能强”而非“谁家便宜”来做决策。
6.3 从认知到购买：体验闭环与转化策略
用户是否最终选择购买一辆智能车，往往取决于体验闭环是否完整。这一闭环贯穿试驾、决策、交付与长期使用，核心在于：技术能力是否在真实场景中转化为可感知的价值。
试驾阶段：锁定场景、激发感知
试驾环节是构建体验认知的关键触点。销售人员通常会先与用户沟通其主要用车场景——如通勤、接送孩子、家庭出行或商务需求，然后带用户有针对性地体验核心功能：
拥堵通勤场景：启用Stop&Go自动启停、低速自动跟车，让用户体会缓堵路况下的轻松驾驶；
高速通行场景：体验NOA或高速领航辅助，尤其是自动上下匝道的能力，直观展现车辆“手不碰方向盘”的智能感；
家庭出行场景：展示影院模式、后排智能投屏等座舱功能，强调全家出行的舒适与娱乐性；
商务场景：以理想MEGA为例，通过“车内会客厅”“车载投影”等场景，营造出移动办公与商务洽谈的专业感；
安全能力展示：通过模拟紧急刹车，展示AEB在高速与低速下的响应速度，将自研芯片与SkyOS/AIOS等操作系统的协同能力具象化。
通过这些真实场景的体验演练，将AI芯片、操作系统与感知算法能力“翻译”为用户日常生活中的便利与安心，种下技术认知的心锚。
销售阶段：体验叠加价格，推动决策落地
当用户已经对产品能力形成较强认知后，价格、配置、服务体系便成为推动决策落地的关键：
通过灵活金融方案或限时权益激发紧迫感；
精准匹配配置版本，帮助用户平衡预算与功能需求；
强调OTA能力与持续服务价值，降低未来“技术过时”焦虑。
此时，用户从“体验中看到未来”到“愿意为未来买单”，闭环基本完成。
用车阶段：OTA升级持续赋能，打开下一轮复购与推荐
交付只是关系的起点。随着大模型持续下放新能力，自研操作系统的更新迭代，用户在实际使用中不断获得新的价值：
每次OTA更新都提供了“可感知”的新能力（如更快响应、更稳变道、更自然语音等）；
通过社区口碑传播和社交分享，形成用户自传播飞轮；
建立品牌忠诚与复购可能性，推动“老车主带新车主”的裂变式增长。
从试驾感知 → 功能体验 → 决策成交 → OTA持续进化，智能汽车品牌已经跑通了一整套从技术到体验、从体验到转化的闭环链路。而芯片与操作系统的自研能力，正是这个闭环的技术底座，让每一次交互都更具说服力、每一次体验都更具穿透力。
七、未来趋势与挑战
7.1 趋势一：大模型将重塑整车智能架构
随着GPT-4o、Claude 3等通用多模态大模型的持续进化，整车系统正从“局部AI功能”走向“全栈AI决策中枢”：
模型不再只用于语音助手或视觉识别，而是嵌入至感知、预测、决策等主流程；
OEM将重构EEA架构以支持“统一内存+统一算力池”；
自研芯片成为支撑训练/推理性能与成本可控的关键变量。
未来，车辆的差异化将更多来自其大模型能力，而非单一传感器或算力硬件的堆叠。
7.2 趋势二：端-云协同将成为主流路径
为平衡算力、响应与成本，领先企业正在走向端云协同架构：
云侧部署大规模训练模型（百亿~千亿参数），构建统一认知中枢；
端侧部署轻量推理模型，用于本地交互、AEB等低延时功能；
两者之间通过自研操作系统实现异构融合调度。
这种模式将在保障AI体验沉浸感的同时，实现对边缘设备的极致资源优化。
7.3 趋势三：从功能定义转向“认知定义车辆”
传统产品开发以功能为边界，而未来智能汽车将以认知为边界：
产品功能不再被“写死”，而是由大模型动态“生长”；
OTA成为产品能力的常态升级工具；
用户在实际使用中不断“训练”自己的车，形成差异化“人格体验”。
这将推动汽车产品形态从“硬件+软件”进化为“硬件+操作系统+可成长认知体”。
7.4 挑战一：自研芯片的规模效应与经济性门槛
尽管头部厂商已布局自研芯片，但：
流片成本高昂（一次Tape-Out可能上亿人民币）；
生态配套成本高（调度系统、编译器、算法适配）；
算力/功耗比仍需优化（尤其是推理效率、能耗控制）。
非一线玩家将面临“是否自研”的战略抉择，产业也需思考是否有“中台式”的开放芯片解决方案。
7.5 挑战二：大模型上车的安全性与合规性
多模态模型的行为不可预测性可能带来系统稳定性与安全性风险；
用户数据隐私保护、模型幻觉行为管控仍缺乏行业统一标准；
合规监管尚未形成明确路径，尤其在“端侧AI推理行为是否需认证”方面存在空白。
未来，高阶智能能力的上车路径必须在“安全合规”与“体验突破”之间找到微妙平衡。
7.6 挑战三：用户体验从惊艳到稳定的跃迁
目前大模型上车仍以“新鲜感体验”为主，如趣聊、氛围生成、视觉识别等。但：
如何在连续驾驶场景中形成复合体验价值？
如何让AI能力稳定陪伴用户，而不是短期吸睛？
如何构建从“体验认知”到“长期信任”的品牌能力？
从用户一次“哇”到长期复购推荐，仍是智能汽车需要长期跨越的沟壑。
自研芯片和大模型的协同，将重构智能汽车的技术底座、用户体验和品牌护城河。但唯有在“持续自研+体系协同+用户洞察”三者兼顾的前提下，才能真正跨越技术曲线的震荡期，驶向智能汽车的长期主义红利。
参考链接：
全球首颗5nm智能驾驶芯片!蔚来神玑NX9031流片成功:拥有超过500亿颗晶体管! – 芯智讯
蔚来王启研详解SkyOS·天枢:面向AI时代的整车全域操作系统
开启智能座舱AI时代，蔚来NOMI GPT端云多模态大模型正式上线 | 机器之心
理想汽车：MindVLA 大模型预计今年 7 月和理想 i8 同时首发
理想揭秘MindVLA大模型：一个能看到、听到、做到的专职司机
理想汽车发布MindVLA，真正的自动驾驶还会远吗? | 界面新闻
说话就能控制左右快慢！理想汽车MindVLA大模型实测视频发布
华为云全新发布基于盘古多模态大模型的世界模型 - 经济观察网 - 专业财经新闻网站
小米大模型升级第二代：MiLM2 实现云边端结合，能力平均提升超 45%