：融合多模态交互、场景化服务与情 感 计算的下一代智能空间 通过解析智己汽车的落地实践， 我们将展现 AI 如何在研发周期压缩、用户转化提升、 座舱体验升级等关键维度创造实证价值——测试成本降低 30% 、销售转化率提升 25% 、 语 音交互效率翻倍等关键突破，标志着汽车产业已进入「 AI 定义体验」的新纪元。 本报告旨在为行业提供可复用的 AI 赋能框架，助力车企在智能化浪潮中构建技术护 城 河。我们期 交互启蒙：部署轻量化语音交互系统，在限定场景完成基础需求响 应 与路径引导； ● 能力闭环：初步建立“需求输入 - 方案生成 - 效果反馈”验证回路，校 准技术适配性。 阶段二：价值场景贯通期（深度渗透） AI 技术全面融入研发设计、用户运营、座舱体验等核心价值域，构建 业 务智能化升级支柱： ● 研发智能化：生成式设计系统自动输出工程可行方案，虚拟仿真平 台 完成高拟真环境验证； ● 该中心汇聚企业内外部 AI 专家资源，通过战略统筹协调多部门协作，确 保技术从研发到营销全链条落地。在纵向维度， 中心既承接顶层战略规划 （如 制定 AI 技术路线图） ，又驱动基层部门的技术渗透——例如组建跨部 门敏捷 小组，在研发项目中协同设计、工程、测试团队， 破除部门壁垒；在横 向维度， 中心打通产学研通道，引入外部科研机构的尖端技术和人才资源， 构建技术 - 生态双循环

2017 年 2018 年 2019 年 中国智能汽车新车型渗透率 83.3% 66.7% 66.7% 50.0% 25.0% 年轻消费者汽车造型元素偏好 年 轻 化 个 性 化 A I + 智 能 化 4 产业驱动 中国车市已由增量市场转存量市 场， 中国车企面临“高端失守，低端 ” 混 战 ， 市场占有率回落、整车出 口乏 力、 企业利润降低，车企亟需加 目前在汽车行业涌现了四大趋势， 即智能化，电动化， 电 商化和共享化。 AI 大模型 + 与汽车融合领域潜力很大。 – 9 – AI 赋能汽车数字化转型 AI 大模型 + 作为一股颠覆性的力量正在全面渗透汽车行业，传统价值链将被升级改造甚至重 塑。 移动互联网 研发制造 二手车电商 新能源汽车 传统厂商 AI 大模型企业 汽车电子 智能化 人车对话 可移动设备 自动驾驶 实时服务 测试数 据则用 于验证设计的可行性，三者相互协作，共同推动汽车产业的智 能化升级。 汽车行业各应用领域的 AI 渗透率情况 目前，研发设计、用户运营和座舱体验等领域的 AI 渗 透率在不断提高。 随着 AI 技术的不断发展和应用，预计未来这些领域的 AI 渗透率将进一步提升。 在研发设计领域，越来越多的 车企开始采用 AI 技术进行造型设计、工程仿真 等工 作。在用户运营领域，智能营销、智能客服等应用逐渐

......................... 24 （二）以数据为核心、基于云计算的一体化智算服务将成主流。............................. 24 5、AI 应用加速渗透，垂直行业应用将成市场增长主要驱动力.............................................25 （一）DeepSeek 加速推动 AI 普惠应用和商业化。... 与生成式人工智能服务的交互将通过调用动作模型和自主代 理完成 [10]。MarketsandMarkets 预测，全球 AI Agent 市场将从 2024 年的 51 亿美元增长到 2030 年的 471 亿美元，年复合增长率达 44.8% [11]。 图 2 Anthropic 预测 2026 年智能体推动 AI 认知能力到达 AGI 应用标准 智算产业发展研究报告（2025） 11 可观的市场需求使得 Agentic 万家公司通过 Copilot Studio 创建 AI Agents；谷歌 DeepMind 发布用于通用算法发现和优化的 编程 AI Agent——AlphaEvolve，并已利用实现谷歌数据中心效 率提高、Gemini 模型运算速度提升和训练时间缩短、以及提出困 扰数学家超过 300 年的接吻数问题解法。 标准化协议为 AI Agents 普及铺平道路。AI Agents 工作时 多需要与工具或其他

9% �#U� ��E�-/KAI��4@ 图 1 制造业智能应用类型及占比 据埃森哲公司测算,到 2035 年,全球 AI 技术的应 用将使制造业总增长值增长近 4 万亿美元,年度增长 率达到 4. 4% [3]。 2023 年工信部发布的数据显示,经 过智能化改造,我国制造业研发周期缩短约 20. 7%、生 产效率提升约 34. 8%、不良品率降低约 27. 4%、碳排放 减少约 在无人矿卡的应用中, 自动驾驶技术替代了传统的人工驾驶,无人矿卡能够 实现 24 小时不间断作业,显著提高了作业效率。 此 外,通过 AI 技术赋能质量控制,能够以远超人工质检 的速度和分辨率,显著提高生产效率。 其次,AI 能够通过优化已有生产流程,帮助制造 业提效;以及优化制造业研发设计、生产调度、运营管 理等流程,大幅缩短原有流程的时长。 例如,AI 技术 可以帮助企业实时监控和评估生产流程的效率 化维护,从而减少设备故障导致的停机时间,提高了生 产线的整体效率。 1. 2 AI 促进制造业提高产品质量 AI 技术通过优化生产流程和智能控制能够显著 提高制造业的产品的良品率。 通过高分辨率摄像头和 图像处理算法,AI 技术能够实时监控生产过程并进行 质量检测,AI 系统可以在生产线上自动识别缺陷产 品,确保只有符合标准的产品进入下一环节,显著减少 不良品的产生。 另外,AI 技术能够促进产品创新

浪潮下，制造业正面临深层次的结构性挑战与转型压力，站 在“再定义”的门槛上。一方面，全球产业链加速重构、劳动力 结构性短缺、质量与效率的双重压力日益显现；另一方面，人 工智能正以前所未有的速度，渗透至从研发、生产到供应链的 各个环节，成为驱动制造业高质量发展的新变量。在这样的背 景下，制造业不再是 AI 应用的跟随者，而是其落地的主战场和 主引擎。然而，人工智能赋能制造，并不仅仅是为了提升效率、 AI 算法；  （ 3 ）应用层：利用 AI 技术在制造业生产和服务的各个环节创造价值。 图表：“制造业 +AI” 产业结构 AI 应用于制造业多个环节，在产品设计、生产、销售、售后等过程均有渗透且 成熟度不断提 升。  产品设计：（ 1 ）通过 AIGC 完成工程设计中重复的低层次任务；（ 2 ）通过 AIGC 生成衍生设 计，为工程师提供灵感；  生产计划：需求预测、智能排产。（ 不理想 齐套问题 异常闭环 问题 设备异常 停机多 现场缺料 寿命不清 晰 日常保养 执行难 技能矩阵 不清晰 备件难管 理 招聘难 协同配套 不理想 OEE 稼动 率低 线边乱 / 杂 / 多 维保执行效果差 订单不稳定 多级计划体系 换产周期长 期量不准 变更难协调 插单频繁 ----------------------------------->

IDC 研究数据显示，2021 年至 2026 年间，全球 智能驾驶车销量将以年均复合增长率 14.8% 的速度增长，预计 2026 年将达到 8930 万辆。根据毕马威数据， 预计到 2026 年中国智能座舱市场规模将达到 2127 亿元，2022 年至 2026 年的年复合增长率约 17%，渗透 率有望从 59% 提升至 82%。 汽车智能化趋势加速发展 汽车行业 AI 应用白皮书 总体篇 技术和商业模式，在特定领域内迅速崛起，为整个行业注入了新的活力。这种开放合作、协同创新的生态系统， 有助于加快技术迭代速度，降低成本，并最终惠及广大消费者。 随着 AI+ 云计算等前沿科技日益渗透到汽车产业链各个环节之中，一个以智能化为核心特征的新时代已 经到来。未来几年内我们有望见证更多令人兴奋的创新成果诞生。而作为引领这一变革的关键力量之一，智能 化无疑将继续扮演着至关重要的角色，驱 业内部生产力，通过引入大数据分析和 AI 技术，可以优化汽车生产制造流程、提高研发设计效率、改善供应 链管理的精准度、实现智能精准营销以及辅助企业做出更明智的决策，从产品研发到销售售后的全流程提升效 率、降低成本，同样有着极大的产业发展潜力 ；智能驾驶主要是提升汽车自身的产品力，代表着汽车行业未来 的发展方向，具有巨大的潜在产业价值和市场前景，从成熟度来看，L2 - L3 级别的辅助智能驾驶具有相对较

，强调机器与环境的交互能力。人形机器人作为具身智能的典型代表，被视为实现 具身智能的最佳载体之一。 u 具身智能的经济理论基础在于其通过技术融合与产业升级，推动新质生产力的发展，实现劳动生产率的提升和产业结构的优化。 要素一：环境 要与环境交互 人 - 机 本体 - 物理环境 多机 感知： 开放环境，感知能力 与环境的交互 呈现拟人化交互 行动： 复杂操作，行动泛化 数据规范缺失 跨平台数据集难以 共享 采集的多维度数据对个人隐私和国家安全构成潜在 威 胁。 通用且强大的具身本体挑战 电池续航能力——连续工作 通信效率和芯片推理能力——实时性和通信效 率 抗击打和抵冲击能力——野外复杂环境 内部软硬系统的紧密耦合挑战 动作控制算法与产品硬件的紧密耦合——灵活 性 量产成本 关键零部件产能不足，依赖进口 行星滚柱丝杠，无框力矩电机 制造维护成本高 主流人形机器人售价均超过 40 万元 B 端客户接受度有限 u 受限于产品形态的合理性和内部硬件系统结构， 目前具身智能无法适应多复杂场景的不同需求，人形机器人的市场渗透较低，只能从环境相对封闭， 工序相对简单且标准的场景开始，替代部分的人工。 u 高昂的量产成本与漫长的商业化回报周期使其短期内难以实现规模效益。 2.2 技术泛化能力不足以满足场景需求复杂度，商业回报阈值不足以支撑量产成本

和利润的75家企业，统 计其供应链相关业务营业收入、净利润及利润率 1) 计算考虑近3年皆上榜且公布供应链营业收入和利润的75家企业，统 计其供应链相关业务营业收入、净利润及利润率 [2021-2024，亿元] [2021-2024，亿元，%] 净利润率 趋势二：新能源头部集中，智能化百花齐放 随着新能源汽车渗透率持续提升及智能化技术加速 应用，行业内部出现了新能源板块利润显著集中的特 块则凭借持续的产品创新与技术变现，板块净利润 快速增长。头部企业积极向线控底盘、机器人等前沿 方向延伸，并关注其商业化路径的打通，当前已开启 对发达市场及海外主机厂的协同渗透，打造“技术+渠 道”的组合优势。 04 2023年收入 2024年收入 净利润率 3,545 3,348 1,717 1,510 1,533 5,010 3,174 3,364 1,892 1,729 1,698 5,086 32% 21% 25% 14% 4% YoY[%] 收入[亿元] 净利润率[%] 中国百强零部件企业2023年-2024年分版块收入、净利润率 [亿元，%] 04 资料来源：中国汽车报；罗兰贝格 1) 计算考虑近3年皆上榜且公布供应链营业收入和利润的75家企业，统计其供应链相关业务营业收入、净利润及利润率 9 2025年全球汽车供应链核心企业竞争力白皮书 | 中国2025年新上榜企业10家，超过一半新上榜企业

漏打 漏补智能监测 冶金行业工业机器人的应用 - 设备补油机器 人 富士康深圳的“熄灯工厂”，单条生 产 线从 318 名工作人员降低到 38 名工 作人员，减员接近 90% ，但是生产 效 率却提升了 30% ，库存周期降低 15% 。 在 2018 年，富士康完成改造的“熄灯 工厂”共实现营收 47.66 亿元，其中， 产能提升 18% ，人力耗用减少 84% ，实 现每百万营收制造费用降低 国家 数量 1 韩国 710 2 新加坡 658 3 德国 322 4 日本 308 5 瑞典 240 6 丹麦 230 7 美国 200 … … … 21 中国 97 工业机器人渗透率 一、高档数控机床与工业机器人 二、智能传感与控制装备 三、智能检测与装配装备 四、智能物流设备 五、增材制造装备 《智能制造工程实施指南》中明确发展五大核心装备： 工业机器人的工作原理

第一章 智能驾驶概念与发展辨析 05 图 1-2 智能驾驶整体技术架构图 车端传感器层包含摄像头、激光雷达、毫米波雷达、车 载通信等设备，具有多模态融合、全天候工作的特点。 摄像头提供高分辨率图像识别交通标识，激光雷达构建 三维点云感知障碍物轮廓，毫米波雷达实现恶劣天气下 的目标探测，车载通信模块保障车内外信息交互。这些 传感器通过平台层的接口进行数据同步与时空对齐，形 成环境感知的冗余体系。其采集的原始数据经平台层预 在数据增长过程中，数据闭环能力已成为决定技术演进 速度的核心要素。车端传感器持续采集多维环境信息， 云端则构建起数据存储、智能挖掘、自动标注、模型训 练与验证的完整技术链。值得注意的是，随着智能网联 车辆渗透率提升，行业数据总量呈指数级增长，但原始 数据中普遍存在场景重复、特征模糊、标注噪声等问题， 数据规模的爆发式增长并未直接转化为技术优势，未经 筛选的海量数据中有效信息占比往往较低，这使得数据 倒逼企业构建智能化筛选机制，可以实现质效平衡的自 动标注技术应运而生。总的来说，大规模且高质量的数 据集才是智能驾驶技术迭代演进的核心。 从环境感知、决策规划、指令执行到模型训练，数据深 度渗透智能驾驶全流程，在系统功能优化、性能提升中 发挥着不可替代的关键作用。对于智能网联汽车来说， 数据已成为驱动行业革新的核心要素，是所有市场参与 者无法回避的战略资源，构建高效、低成本的数据体系，