圓桌論壇二

    主持人：再次感謝各位給我們貢獻(xiàn)的非常精彩的討論，既給我們帶來了前沿一線的觀察，同時也給我們分享了解決核心痛點(diǎn)的方案和路徑，再次感謝大家！

    接下來進(jìn)入第二場圓桌論壇。隨著智能駕駛、智能座艙的持續(xù)演進(jìn)，物理AI正在成為行業(yè)新的關(guān)注焦點(diǎn)。本場論壇的主題是物理AI時代下的智駕座艙一體化與產(chǎn)業(yè)鏈價(jià)值重塑。一起來聽聽下面幾位嘉賓的分享。

    有請本場圓桌論壇主持人，中歐協(xié)會智能網(wǎng)聯(lián)汽車分會會長馬振山

    以及本場圓桌論壇嘉賓：

    江鈴汽車副總裁 劉森海

    吉利研究院大項(xiàng)目組長 丁鑫 博士

    輕舟智航聯(lián)合創(chuàng)始人、董事長兼CEO 于騫

    車聯(lián)天下董事長 楊泓澤

    上海天永智能董事長 榮俊林

    中科搖櫓船董事長 鄭道勤

    下面把時間交給幾位嘉賓。

    馬振山：各位領(lǐng)導(dǎo)，咱們討論一個更加細(xì)的問題，因?yàn)榈谝粋€問題是人工智能包括車企的轉(zhuǎn)型，我們這個單元就討論一下智艙、智駕的一體化和產(chǎn)業(yè)鏈價(jià)值重塑的問題。

    實(shí)際上這里有一個大背景，就是整個汽車和AI的結(jié)合，包括強(qiáng)化學(xué)習(xí)更加深入滲透汽車界，汽車的智能化成為了一個焦點(diǎn)。我們車企、科技公司包括服務(wù)商的定位已經(jīng)不是原來的主宰關(guān)系，可能是相互的交叉，這個角色正在模模糊糊但是更加清醒的形成，這個價(jià)值定位也在理清過程中，產(chǎn)業(yè)需要更加明確的分工和價(jià)值的重新分配。

    所以第一個問題就是在物理AI時代，整車企業(yè)應(yīng)該如何定位自身價(jià)值？如何與技術(shù)公司和服務(wù)公司協(xié)同推進(jìn)產(chǎn)業(yè)的共同發(fā)展？我們請劉總先談一下江鈴汽車的思考。

    劉森海：我是來自整車企業(yè)，剛剛這個問題也非常好，其實(shí)我們整車企業(yè)也是非常主動擁抱AI時代。面對新的價(jià)值重構(gòu)或者是價(jià)值重估，因?yàn)榻徠囀亲錾逃密嚭蚐UV，SUV的品類又偏越野風(fēng)格，所以在商用車和SUV的特點(diǎn)上是非常鮮明的，特別是場景化的，所以對于不同品類車型的場景，像輕客、皮卡、輕卡、SUV越野系列，我們有不同的標(biāo)準(zhǔn)和要求，特別是基于客戶的需求，重新評估客戶需要的一些價(jià)值。所以在這個方面我們其實(shí)做了很多的分析，也建立了一套自主的標(biāo)準(zhǔn)或者規(guī)范，希望能走出一條適合我們商用車特點(diǎn)和越野風(fēng)格、有功能價(jià)值的路出來。

    馬振山：第二個問題問丁總，吉利這塊整個智能化做得非常與時俱進(jìn)，特別是在智能化這塊我覺得是完全靠咱們吉利自研為主的戰(zhàn)略。從這點(diǎn)來看，估計(jì)你可能會有更多的想法和感覺。

    丁鑫：感謝馬老師，我覺得物理AI是把我們汽車產(chǎn)業(yè)從傳統(tǒng)的智能載具變成了智慧生命體，這實(shí)際上解決了之前所有物理的痛點(diǎn)，讓他具有對于世界的慣性、摩擦以及重力有了更智能化的感知。剛才您提到強(qiáng)化學(xué)習(xí)以及終極全域的物理AI，視世界模型該是我們的認(rèn)知靈魂，吉利在去年發(fā)布了世界模型行業(yè)內(nèi)的標(biāo)準(zhǔn)和范式。強(qiáng)化學(xué)習(xí)我覺得是一個核心的訓(xùn)練范式，終極是要達(dá)到全域的物理AI，這里面就是要把它做到最安全。昨天我看到一個報(bào)道，在AI顛覆邏輯里面提出了一個駕馭工程，它不是說對AI進(jìn)行限制，而是給AI制定一個賽馬場，讓它在這個里面盡情奔跑。吉利也是跟生態(tài)伙伴保持開放、合作、共贏，我個人認(rèn)為整車企業(yè)有它的優(yōu)勢，第一，它對于出行場景的定義一定是有全量的用戶數(shù)據(jù)；第二，對于整車企業(yè)來說，一定是AI顛覆之后，整個我們智慧生命體安全的第一責(zé)任人；第三，在用戶全價(jià)值生命周期體現(xiàn)上一定是基于整車進(jìn)行全維度的呈現(xiàn)。所以基于這個，我覺得是大家一起進(jìn)行新技術(shù)的聯(lián)合不斷迭代。

    馬振山：在您的判斷，AI目前是處于起步階段？

    丁鑫：講到艙駕融合，我認(rèn)為2026年是爆發(fā)的元年。前面地平線的余總也提到了他們發(fā)布了星空艙駕融合芯片，可能未來生態(tài)聯(lián)合角度還有很多工作要迭代，軟件上如何打通幾個控制域之間的壁壘，最后做到一句話可以體現(xiàn)全場景的領(lǐng)航。

    馬振山：感謝丁總。輕舟的于總，您這個公司是做智駕方案的，應(yīng)該說跟主機(jī)廠也打了很多交道，在艙駕融合這個方案來看，您應(yīng)該更有心得吧？

    于騫：我們輕舟的一個業(yè)務(wù)智能駕駛，當(dāng)然不僅僅是智能駕駛，我們還有L4業(yè)務(wù)，包括蘿卜快跑的原型我們研發(fā)很長時間了，現(xiàn)在整個行業(yè)處在一個階段，艙駕融合確實(shí)是一個很好的趨勢，從用戶體驗(yàn)，包括整體系統(tǒng)方案的降本有很大的優(yōu)勢。同時我也看到，我們的目的是更好的產(chǎn)生用戶價(jià)值，讓用戶用這個產(chǎn)品時更絲滑，真的是隨心所欲，想到的、看到的、聽到的和自己觸控的形成融合一體的感覺，這個用戶價(jià)值是非常重要的。比如一個機(jī)器人行動能力和語言能力本來就應(yīng)該在一個體系下，并不是說語音部分或者顯示部分和行為能力是完全割裂的，很多層面就是高度結(jié)合的。我們越來越往AI或者通用物理AI往具身方面發(fā)展的話，你會發(fā)現(xiàn)融合性的智能會越來越多。就像現(xiàn)在的大語言模型不只是聊天，還可以生成圖片，甚至可以寫代碼，艙駕這個也是。對于輕舟來說，我們更多是圍繞怎樣更好的為客戶消費(fèi)者創(chuàng)造更大的價(jià)值，我們也比較看好艙駕一體包括未來邁向通用物理AI領(lǐng)域?yàn)橛脩舾嗟膭?chuàng)造價(jià)值。

    馬振山：我在研究這個課題時有一個問題，艙駕一體為啥沒有從華為和Momenta兩家提出來？

    于騫：不同的廠商有自己的節(jié)奏，我感覺這里面的融合本身是一個比較新的事，但我現(xiàn)在感覺可能座艙和智駕融合這件事還沒有特別大范圍廣泛被接受，現(xiàn)在艙駕一體的芯片在全世界范圍內(nèi)也并不多，高通有幾款，還有一些相對來講性能小一些的芯片。所以，我覺得本身這是一個小事物，但是這件事是不是真正大范圍能夠成功，還要看能不能為我們的消費(fèi)者創(chuàng)造實(shí)實(shí)在在的價(jià)值來看待，我整體還是比較樂觀的對這個方向。

    馬振山：所以應(yīng)該說還是一個起步階段，大家都在嘗試。泓澤總，你現(xiàn)在準(zhǔn)備艙駕一體了嗎？

    楊泓澤：振山問我這個話題，我不想打廣告都不行，不是故意的。我們車聯(lián)天下是世界上第一個實(shí)現(xiàn)艙駕一體上車的供應(yīng)商，下周二北汽在北京發(fā)布的一臺新款V9的新車上市，是我們連續(xù)第三款產(chǎn)品，這個具有絕對的先進(jìn)性。

    艙駕跟座艙有什么關(guān)系呢？艙駕是駕駛者對車輛產(chǎn)生最大的控制的行為，座艙是什么呢？是整車所有的傳感、處理、決策，最后在人機(jī)交互上都要通過座艙實(shí)現(xiàn)。把這兩個放在一起是極有價(jià)值的一件事，它們最大限度的實(shí)現(xiàn)了具身智能上，在汽車上最現(xiàn)實(shí)也是比較深刻的應(yīng)用產(chǎn)生。本身艙和駕本身就是把兩個多模態(tài)的數(shù)據(jù)放在一個場景下，用一套工具方法去處理的一個很典型的應(yīng)用范式，這更像具身智能的一個最主要的產(chǎn)品形態(tài)。

    馬振山：它能夠給車企帶來降本，這一點(diǎn)是明顯的，包括芯片減少，包括采購成本降低，給客戶帶來體驗(yàn)也好，應(yīng)該是這樣一個方向吧？

    楊泓澤：我相信馬斯克說的那句話，就是說我使用視覺算法的原因不是因?yàn)樗″X，而是因?yàn)樗旧碚娴暮?。降本是因?yàn)槲易鰧α艘患拢阅鞘且粋€好的結(jié)果。艙駕融合本身符合第一性原理，符合芯片發(fā)展的必然邏輯，符合數(shù)據(jù)在物理上放在統(tǒng)一平臺上高效運(yùn)轉(zhuǎn)和使用的這樣一種處理方式，極大的減少了通訊的存儲、通訊的障礙各個運(yùn)算主體之間的關(guān)系，它本身的簡潔化是一定讓用戶得到更好的產(chǎn)品體驗(yàn)和服務(wù)，當(dāng)然同時也能降低成本。

    馬振山：泓澤總給我們的解釋我突然有了一個靈感，從油車到電車，我們的零部件大幅的減少，電車的發(fā)展又艙駕一體，未來可能又會導(dǎo)致整車零部件包括芯片大幅的減少，越來越精簡，可能這是未來智能電動車的方向吧？

    楊泓澤：是，艙駕一體本身也從物理上讓你實(shí)現(xiàn)了更加智能化的必要條件，我們剛才談到AI賦能以后，可以說沒有艙駕一體、沒有更強(qiáng)大的算力支持，也沒有AI未來發(fā)展的必要條件和空間。

    馬振山：泓澤總的解釋令我們豁然開朗，啟發(fā)很大。榮總有什么獨(dú)特見解？

    榮俊林：我們是給汽車廠提供生產(chǎn)設(shè)備、制造生產(chǎn)線系統(tǒng)集成的，我們公司成立30幾年來見證了整個行業(yè)在制造方面的發(fā)展，一開始是模仿學(xué)習(xí)外國，慢慢我們自己達(dá)到了一定的水平。自從有了汽車生產(chǎn)線以來，大概幾十年、上百年從手動到半自動到自動，到目前這個水平已經(jīng)基本上接近世界先進(jìn)水平了，某些地方還有超越，特別是我們的信息化做得比國外還要好。智能化現(xiàn)在是剛剛接觸一點(diǎn)點(diǎn)，智能化是什么呢？我們想首先是代替人，也是圍繞著機(jī)械臂來做整個自動化?，F(xiàn)在就是要圍繞著具身機(jī)器人將來實(shí)現(xiàn)黑燈工廠也好，做信息化、人工智能也好，最后會有一個新的變化。

    我剛才聽到好多汽車廠都是自己在做機(jī)器人，但是他們做機(jī)器人和我們是沒有矛盾的，因?yàn)槟壳暗木呱頇C(jī)器人可以說是一個初級階段，就像人類是經(jīng)過幾十萬年進(jìn)化到人的，人類會走路，大概幾十萬年就會了，但是能夠做工作做事也是近幾千年的事。具身機(jī)器人的發(fā)展還有很長的路徑，在這個過程中就有我們的工作了，我們會把它應(yīng)用到我們的細(xì)分領(lǐng)域來，讓它逐步代替人，逐步把人工智能應(yīng)用上來。目前的自動化水平，像一般的能達(dá)到50%自動化率就已經(jīng)很不錯了，焊裝可能好一點(diǎn)，局部的達(dá)到90%，百分之百還做不到。有了具身機(jī)器人以后，完全是黑燈工廠，不管你怎么變化，它的柔性等等都會這樣做，這是一個過程。這可能又需要很多年，機(jī)械臂幾十年了，圍繞著六關(guān)節(jié)機(jī)器人來做，我們就圍繞著它來實(shí)現(xiàn)自動化?，F(xiàn)在具身機(jī)器人我們也會圍繞著它來做，不管是主機(jī)廠自己能做出來機(jī)器人，還是頭部企業(yè)，最后都要應(yīng)用到場景來。誰來應(yīng)用呢？我們就來干這件事，結(jié)合人工智能、結(jié)合產(chǎn)品工藝來完成這個產(chǎn)線。所以說我們認(rèn)為整個這個行業(yè)是人工智能也好、在整車、零件、集成或者在我們工業(yè)自動化上，它接下來的發(fā)展是非常快的，我很有信心，認(rèn)為它若干年后就能實(shí)現(xiàn)。

    馬振山：整車四大工藝?yán)锩嬗萌俗疃嗟氖强傃b，總裝目前來看，我到各大主機(jī)廠走的時候還是大量的人工，這一期具身機(jī)器人什么時候能大幅度替代總裝車間的人工？這一塊您有判斷嗎？

    楊泓澤：現(xiàn)在要解決兩個問題，一個是具身機(jī)器人大腦，它對環(huán)境的感知，現(xiàn)在基本上非常少，這一點(diǎn)做不到。好比說一個人，我們一眼就看出來了，現(xiàn)在具身機(jī)器人要看這一塊，它要算，需要很多的算力，目前二進(jìn)制算法達(dá)不到，一定要有一個新的算法，在它的腦袋里面，或者是利用萬物互聯(lián)的概念，能夠迅速把數(shù)據(jù)算好。這個時候它就能干這件事了，就能代替人了。還有一個就是夾具，這個發(fā)展了一定的程度之后，就可以完全代替人了。

    馬振山：咱們判斷還需要多少年？

    楊泓澤：時間上是這樣，大腦一定要出現(xiàn)一個天才，這個天才干什么呢？不用二進(jìn)制，用別的算法，神經(jīng)元或者是量子計(jì)算，能腦袋里裝上CPU它就能計(jì)算了，這個時候才可以，否則的話利用目前英偉達(dá)GPU算的話，如果能干這件事的話，它需要幾萬個GPU來算才能夠達(dá)到人的50%的感覺，所以這個是要有一段時間的。但是就堆算力，堆個十年八年也能堆出來，如果有一個天才出來的話，兩年三年就突破了。

    馬振山：所以說總裝替代人工還需要一段時間，因?yàn)檫@塊人工最多，對質(zhì)量效率的影響最大。

    楊泓澤：對，目前良率、效率，將來一旦具身機(jī)器人能成功，完全代替人，能夠具有人智商的10%，像小孩的智商就可以了，整個工廠就不用人了，完全實(shí)現(xiàn)黑燈工廠。機(jī)器人的好處是什么？人是一個孤立的個體，機(jī)器人是萬物互聯(lián)，它通過無線就連在一起了，它的效率非常高，比人的效率要高，成本也要低。

    馬振山：所以總裝車間如果大規(guī)模用具身機(jī)器人這個時點(diǎn)來了的話，恐怕汽車工廠是無人工廠的時代就真的來了。

    楊泓澤：對，這個時候它是東西很便宜，把成本降得非常低。因?yàn)闄C(jī)器人是可以批量生產(chǎn)的，目前十幾萬一個的機(jī)器人可能再過兩年以后就能實(shí)現(xiàn)一兩千塊錢，就像手機(jī)一樣便宜。

    馬振山：咱們從具身智能這個主題回到艙駕一體，因?yàn)槎际菬狳c(diǎn)。鄭總，您對于艙駕一體這個話題，有什么觀點(diǎn)需要補(bǔ)充？

    鄭道勤：剛才聽了地平線的演講，芯片解決了，算力解決了，我們是做空間計(jì)算智能成像的，空間計(jì)算智能成像是什么概念呢？相較于目前傳統(tǒng)的多維感知，你要用激光雷達(dá)、毫米波陣列、相機(jī)，時空要對齊調(diào)整，我們用一條光線、一個物理信號、一個傳感器成像時測距、3D測量。說到艙駕一體，真的要實(shí)現(xiàn)，我覺得站在幾個維度講，一個是場景定義，這是車企的活。我們作為技術(shù)公司，我們是送水的，我們是提供支撐的。AI不會顛覆車企，AI應(yīng)該是武裝車企的，我們是助力者、支撐者。艙駕一體，你要軟件、算法、系統(tǒng)、硬件、整車全部打通，如果芯片解決了，我們認(rèn)為感知數(shù)據(jù)要花點(diǎn)功夫。艙內(nèi)的DMS和艙外感知數(shù)據(jù)不統(tǒng)一，能不能實(shí)現(xiàn)算力共享和算法復(fù)用，用一套模型。未來智駕或者是自動座艙前進(jìn)的趨勢毫無疑問是空間計(jì)算+物理AI，一個模型，分布式智能，然后一套感知，統(tǒng)一感知，成像、識別、測量、測距全部搞定，同時可以抗強(qiáng)光、炫光、雨霧天氣干擾?，F(xiàn)在是帶來了算力的負(fù)荷和算法的復(fù)雜度，系統(tǒng)越復(fù)雜，穩(wěn)定性越差。所以我們認(rèn)為未來的趨勢是空間計(jì)算+物理AI，統(tǒng)一感知、分布式智能。

    馬振山：怎么理解空間計(jì)算呢？

    鄭道勤：空間計(jì)算相較于空間智能，比如說智能駕駛兩條路線，一條是純視覺，以特斯拉為代表，包括小鵬，一條是感知視覺，加上毫米波雷達(dá)，實(shí)現(xiàn)抗強(qiáng)光炫光，但是這條路線之間彼此博弈競爭。就我們而言，智能感知國家隊(duì)，我們做了幾十年的空間智能光學(xué)，有一套替代方案，我可以成像時就測距，測距時就測量，同時能抗強(qiáng)光眩光干擾，我們稱之為空間計(jì)算智能推掃成像技術(shù)，成本特別高，在百萬級，我們現(xiàn)在把成本降到了萬元級，未來可以降到千元級，最終目標(biāo)是百元級。因?yàn)榻裉鞎r間關(guān)系，空間計(jì)算就不展開講了。

    馬振山：鄭總剛才有一個觀點(diǎn)，AI賦能和助力車企，這個絕對是正確的。其實(shí)我當(dāng)年在一汽的時候，一汽代表國家去學(xué)習(xí)經(jīng)濟(jì)生產(chǎn)方式，包括國內(nèi)很多廠都學(xué)，但是學(xué)了幾十年以后，還是沒有學(xué)到位。后來以華為為主導(dǎo)的AI賦能制造，因?yàn)橥ㄟ^投資花了很多錢，用了普通工廠建廠一倍的錢，通過智能制造、智能檢測解決了很多生產(chǎn)一致性的問題，可靠性得到了提高，品質(zhì)得到了提升。我覺得制造能力不靠AI不行、靠人不行，人有情緒、有心情，還是不穩(wěn)定。所以這一點(diǎn)來看，我們還是認(rèn)同AI一定是賦能車企制造的。

    考慮時間關(guān)系，我們還有13分鐘，進(jìn)入下一個話題，智駕要求芯片軟件硬件整車和制造全鏈路的協(xié)同。當(dāng)前產(chǎn)業(yè)鏈最大的痛點(diǎn)是什么？如何跨域數(shù)據(jù)融合和標(biāo)準(zhǔn)化的難題？如何實(shí)現(xiàn)共贏？這個實(shí)際上剛才鄭總也提到了數(shù)據(jù)，榮總也提到了數(shù)據(jù)融合的問題，榮總您先講講您的看法。

    榮俊林：對于汽車生產(chǎn)過程，我們是做生產(chǎn)線的，對汽車本身了解還是沒有主機(jī)廠多。我們做項(xiàng)目也是跟主機(jī)廠合作，主機(jī)廠提要求，我們來實(shí)施，一般是這樣的。他們提一個大概的工藝路線，智能化要求、自動化要求，然后我們來實(shí)現(xiàn)。我本身也做一些這方面的研究，我們認(rèn)為在這個行業(yè)，人工智能會帶來天翻地覆的變化。無論是從零件、工藝、性能等等，估計(jì)在很短時間內(nèi)就會到來，以倍數(shù)來說的話，至少兩三年就會出現(xiàn)大變化。

    馬振山：泓澤總，智駕一體化您覺得有哪些痛點(diǎn)？

    楊泓澤：第一個是安全，對處理安全、信息安全等等帶來的風(fēng)險(xiǎn)很大，對用戶實(shí)際場景要求也會帶來更大的影響。第二，我覺得是認(rèn)知，我認(rèn)為這是對技術(shù)推廣最大的障礙。第三個是組織，剛才徐志剛總也講，北汽內(nèi)部打破了原來的組織規(guī)劃，實(shí)際上是多域融合。今天我可以明確講，特斯拉我沒有研究，不算，我沒有看到一個車企的組織架構(gòu)是適應(yīng)跨域融合的，一個都沒有。

    馬振山：意味著以艙駕融合為代表的技術(shù)路線未來一定會對整個企業(yè)組織產(chǎn)生巨大的改變。

    馬振山：所以我覺得可能在智能化的路上最大的障礙在于已有的思維慣性，于總您怎么看這個問題？

    于騫：作為企業(yè)來講，我們是比較聚焦在自動駕駛領(lǐng)域，我覺得自動駕駛這件事本身還在快速的發(fā)展。大家看到最近隨著AI模型的進(jìn)化速度，其實(shí)是一個加速進(jìn)化的速度，整個體驗(yàn)在飛速的發(fā)展。所以在這個過程中，我能感覺到系統(tǒng)的復(fù)雜度很有可能會加大這個問題的困難程度，涉及到比如說我們的艙駕融合，本身智駕發(fā)展就非常快，算力這幾年基本上一年翻一番的狀態(tài)，發(fā)展很快。所以我感覺整體這個行業(yè)還屬于在快速發(fā)展和變化的階段，我相信這個階段還只是剛剛開始。對于我們輕舟來講，我們要聚焦做好智駕這塊，我們非常愿意和座艙、主機(jī)廠，和各個方面能合作的合作伙伴一起把這件事做好，聚焦自己擅長的東西，而不是說覺得遍地都是機(jī)會，我們要把自己擅長的東西打穿打透，更好的為客戶和消費(fèi)者創(chuàng)造價(jià)值，聚焦是我們的態(tài)度。

    馬振山：在您的項(xiàng)目組里面，您是怎么去解決全鏈路，從芯片、到軟件、到硬件、到制造的痛點(diǎn)的？

    丁鑫：我非常認(rèn)同部門墻的概念，在吉利我們有項(xiàng)目組，我本人參與了出行車的項(xiàng)目和蘿卜快跑的業(yè)務(wù)，實(shí)際上AI的顛覆我認(rèn)為不只是艙駕，因?yàn)榕擇{一定還要連通底盤的AI，這幾個域串聯(lián)的話，必須要有一個強(qiáng)大的項(xiàng)目組。第二個就是從產(chǎn)品定義上要進(jìn)行頂層設(shè)計(jì)，我覺得基于這幾點(diǎn)。當(dāng)然最終要實(shí)現(xiàn)真正的不光是艙駕以及AI底盤，包括AI動力，實(shí)際上就變成AI全域的架構(gòu)，這個其實(shí)也需要你有一定的算力，或者說你要有一樣的基礎(chǔ)設(shè)施，吉利現(xiàn)在為此也做了智算中心，算力也是很大的。另外一個，我覺得要實(shí)現(xiàn)終極突破還要有海量數(shù)據(jù)。最終我認(rèn)為回到原點(diǎn)，還是要形成數(shù)據(jù)的安全普惠。

    馬振山：未來有沒有可能艙駕一體了，把底盤域都整到一起？

    丁鑫：站在用戶角度，這一定是一個趨勢，簡單一點(diǎn)，當(dāng)我們?nèi)ラ_車的時候，或者當(dāng)我們無人駕駛的時候，一定用一句話可以讓它從艙、駕、底盤，讓它自己進(jìn)行物理AI的智慧生命體的迭代。

    馬振山：劉總，江鈴這塊呢？

    劉森海：對我們來說，我們的細(xì)分場景和市場又多，所以在技術(shù)路線的制定和前置研究上確實(shí)遇到了很多的困難。剛才楊總也說，這之間熱烈的討論都產(chǎn)生了不同的觀點(diǎn)和意見。

    馬振山：好，時間快到了，我總結(jié)一下，經(jīng)過剛才35分鐘的討論，我覺得形成了幾個初步結(jié)論。第一，艙駕一體是一個大趨勢，從客戶體驗(yàn)、從主機(jī)廠的技術(shù)路線和降本角度也是共識和方向。第二，可能艙駕一體在過程中會面臨很多檻，包括安全，包括部門墻，包括數(shù)據(jù)的標(biāo)準(zhǔn)和融合問題，再多的墻也得跨越。所以我覺得未來一部車、一個CPU或者一個GPU是解決，可能也是方向。同時在艙駕一體課題，我們也看到未來具身智能一旦技術(shù)突破，有可能在主機(jī)廠，特別是用人最多的總裝車間要實(shí)現(xiàn)具身機(jī)器人大量使用，這一點(diǎn)也不驚奇。

    所以我們通過討論得出了這三個方向的討論。感謝各位專家和各位老總的分享，謝謝！

    主持人：請各位嘉賓一起合影留念。