车企打响AI抢位战

近日，极氪智能科技宣布已完成汽车行业首个座舱端侧 AI 大模型的离线部署。该技术基于高通智能座舱计算平台的强大算力，实现了不依赖网络的实时图文理解与推理能力，预计将在 2025 年内通过 OTA 分批推送，覆盖全系 8295 座舱平台车型。

2025年2月14日，极氪智能科技控股有限公司、吉利汽车控股有限公司分别发布公告，宣布极氪完成领克收购及注资事项，完成后领克51%权益归属极氪，49%权益归属吉利汽车，领克成为极氪非全资附属公司。此次股权交割完成，距离2024年11月14日极氪领克公布战略整合，用时仅三个月，极氪科技集团也正式宣告成立。

极氪智能科技 CEO 安聪慧表示:“AI 作为极氪科技集团的全新引擎，也在深度赋能各个业务单元。集团已成立专门的智能发展部，聚焦人工智能领域的前瞻性探索和研发，加快 AI 对集团业务的全链路、全场景赋能。”

当前，AI 技术已经成为汽车行业竞争的新焦点。近年来，越来越多的车企开始加大在 AI 领域的投入，试图通过智能化技术提升产品竞争力，抢占市场份额。

车企争相布局AI

进入2025 年以来，DeepSeek 异军突起，迅速成为汽车行业的关注焦点。过去不到一周时间，吉利汽车、东风汽车、零跑汽车、智己汽车等多家车企宣布已经深度融合 DeepSeek 大模型。

其中，吉利汽车将利用 DeepSeek-R1 模型对星睿车控 FunctionCall 大模型、汽车主动交互端侧大模型等进行蒸馏训练，融合后的 AI 系统不仅能精准理解用户的模糊意图，准确调用约 2000 个车载接口，还能基于车内外场景主动分析用户潜在需求，提供车辆控制、主动对话、售后等服务，大幅提升智能交互体验。

极氪在这场 AI 抢位战中也不甘落后。早在 2024 年，极氪便宣布智能座舱助手 AI Eva 已与 DeepSeek R1 大模型深度融合，进一步提升模糊意图理解和隐性需求预测的能力。AI Eva 不仅能快速响应用户指令，还能主动提供符合用户心意的服务，例如根据用户习惯推荐音乐、导航路线等。此次极氪完成座舱端侧 Kr AI 大模型的离线部署，更是在行业内树立了新的标杆。

相比传统的云端方案，端侧大模型具有诸多优势:在网络信号不佳或断网情况下，仍能提供实时服务；端侧计算减少了数据传输延迟，响应速度提升一倍；数据在本地处理，避免了隐私泄露风险；通过端云协同架构，为用户提供 “千人千面” 的智能交互体验。

乘联分会数据显示，2024年以来，10万-20万元的新能源乘用车渗透率已进入快车道，而智能驾驶系统的配置率在 10 万 - 20 万元级的主流市场增速甚至高于新能源车的渗透率。

2024年上半年，L2级智能驾驶辅助系统在 10 万 - 15 万元级市场的渗透率超过 30%，在 15 万 - 20 万元级别市场的渗透率则达到 60%。智驾正成为新能源车型的标配，这也促使车企们加快在 AI 领域的布局，以满足消费者对智能化汽车的需求。

巨大机遇下的挑战

智能化已成为新能源汽车产业发展的关键赛道。

开源证券研报认为，DeepSeek 的接入有望带来更优的座舱交互体验，令智能座舱实现前所未有的功能提升，并有望孕育全新应用场景。同时该模型对算力的节约也让模型更容易在座舱端本地化部署，实现更优的体验。

安聪慧曾表示，2025 年将重点打好技术创新战，两个品牌协同提升智能化水平，极氪自研浩瀚智驾的 L3 级自动驾驶即将正式落地，搭载相关技术的新车将亮相今年上海车展，预计年底具备量产车交付能力。浩瀚智驾车位到车位将在今年 2 月底前开启万人公测，4 月全量推送用户。

随着消费者对汽车智能化需求的不断增加，车企需要通过引入 AI 技术，提升产品的智能化水平，以满足消费者对智能交互、智能驾驶等功能的需求。AI 技术的发展也正在重塑资本市场对车企的估值逻辑。

吉利宣布接入 DeepSeek 后，股价在短短 5 日内就飙升了26%，足以见得市场对其智能化发展的高度认可。比亚迪在发布“天神之眼”之前，更是引起了资本市场的强烈关注，今年2月6日A 股单日成交额高达 114 亿元。

这促使车企积极布局 AI 领域，以提升自身在资本市场的价值。

尽管 AI 技术为汽车行业带来了巨大的发展机遇，但车企在入局 AI 的过程中也面临着诸多挑战。

中国一汽研发总院副部长、高端汽车集成与控制全国重点实验室主任李丹在 “2024 中国汽车软件大会” 上指出，当前大模型在汽车上的应用仍面临三大问题:一是专业知识缺乏，有些私域数据、关键数据不可能上网；二是训练没有监督，找到什么数据就进行什么训练，训练的最后结果无法确定；三是整个决策过程是 “黑盒” 的，模型中间发生什么事情不清楚，这是很可怕的。

中国科学院院士何积丰认为，在进入AI高速发展时代的当下，AI技术目前仍存在一些局限性及挑战，例如在数据获取和处理能力方面，AI技术所需要大量数据的获取和处理仍然存在瓶颈，尤其是高质量的标注数据；在复杂场景的适应性方面，车路云AI技术需要适应各种复杂的交通场景和天气变化，如城市道路、高速公路、雨雪雾天等，这对AI技术的适应性提出了更高的要求；在法律法规和伦理问题方面，AI技术的应用仍面临隐私保护、数据安全、自动驾驶的责任归属等问题亟待妥善解决。