以大模型为代表的AI技术正在引领新一轮智能化革命，开启全新的大智能时代。在此趋势下，车企智能化转型被赋予了全新的内涵，盖斯特本篇研报基于大智能时代视角，解读企业深化智能化转型的重要性与价值，解析汽车产业智能化发展的底层逻辑，重点分析车企智能化转型的六个关键问题，并为车企提供切实的策略建议。
一、企业深化智能化转型的重要性
数字化是智能化的基础。盖斯特研究团队对于数字化内涵的新理解是：新生产要素、新生产力和新生产关系的全面变革。其中，新生产要素是数据，数字化将一切信息转变成数据，并使其充分流动起来；对数据采集、传输、处理和使用等的一系列新技术即新型生产力；而对新老生产力的组织和协同，就是新型生产关系，包括新的组织分工以及企业内部协同方式、外部合作模式。在新生产要素、新生产力、新生产关系的共同作用下，数字化将重塑整个社会及产业的底层逻辑和分工关系。
数字化不是一个新概念，如图1所示，人类社会的数字化已经历数字化、数据化、智能化三个发展阶段，但是此智能化主要是指ANI（弱人工智能）阶段。近期随着AI技术尤其是大模型的突破，模型出现了通用和智能的涌现能力，人工智能正在向AGI（强人工智能）阶段演进，未来将走向ASI（超人工智能）阶段，因此智能化进入一个新的阶段，即大模型化阶段。在发展范式上已与前一阶段完全不同。
图1智能化的发展历程
具体对于企业来说，基础的数字化是前提，企业进而基于数据化发展智能化，但是以往的智能化更多是以弱AI（ANI）为主，即通过一个模型、一套算法来解决一个特定的问题，这意味着ANI只能做特定的某一件事，属于一种“就事论事”、潜力有限的方式。这也是很多企业过去渐进式的数字化转型难以取得成功的重要原因。目前大模型实现AI技术“质”的突破，其具备通用性、强泛化、生成式、自学习等特征，能够自我进化、自我创造，因此成为数据要素创造价值的最短路径，代表当前利用数据的核心能力与最高境界，从而引领新一轮的智能化转型。
由此可见，现在正处于智能化技术体系从量变到质变的发展拐点，同时推动智能化转型进入深水区。本轮智能化本质上是从生产力到生产关系的全面重构，既是一场技术革命，又涉及组织架构、流程、管理、商业模式等全面调整，甚至驱动人类和AI虚拟人关系的重构。因此企业如何拥抱新一轮智能化变革变得尤为重要和迫切。
智能化转型的前提是对大智能时代建立新的、正确的认知。那么企业智能化转型的核心目标是什么？
以汽车企业为例，当前车企面临异常严峻的考验，一方面是需求端，市场快速变化，竞争越发激烈，同时用户需求变得更加个性化、实时化、场景化，也就是说，需求端变得极为复杂且充满不确定性；二是供给端，汽车产品及其供应链的复杂度还在提高，不仅增加了很多的软件、传感器、芯片等，机械与电子部分还要有效融合，意味着更加复杂的系统带来新的不确定性。那么供给端应该与需求端匹配，如何高效相应并满足需求端，显然通过传统的企业运营和资源组织方式无法做到。实现资源配置的最优化与企业整体效率的最大化就成为急需解决的核心问题。那么企业需要将一切信息数据化，并要做到让数据在跨部门、跨领域间有效流转，从而实现全方位协同创新。也就是说，企业通过全面推进智能化转型来解决供需两端复杂系统带来的不确定性，从而优化资源配置效率，重塑企业核心竞争力。这是智能化转型的核心目标，也是在大智能时代下必然的战略选择。
智能化转型的核心价值是——既赋能产品力，又赋能创造力。具体到汽车企业，在产品力方面，汽车的智能化程度将进一步升级，并具备持续进化能力。包括智能驾驶的端到端方案、智能座舱的多模态交互、智能底盘等。在AI的全面赋能下，未来“新汽车”将发展成为具身智能载体，即汽车机器人；在创造力方面，产品创造的全业务体系都将得到全面赋能，包括研、产、供、销、服全方位重塑，以及企业的组织、流程、管理和经营方式等都会与过去完全不同，智能化转型将实现管理智能化、经营智能化、营销智能化，最终持续支撑产品力的迭代进化。
综上，AI正在全面重塑企业的核心竞争力。因此智能化转型既是适应大智能时代趋势的共性诉求，也是企业根本性的发展战略问题。
二、汽车产业智能化发展的底层逻辑
盖斯特研究团队认为，大智能趋势下理想社会图景是以“算法+数据”为核心构建的数字化世界（或称“赛博”世界），并基于超级单体智能和多主体协同智能，形成万物互联的大智能协同生态系统，呈现出技术多元交织、高度专业化、强分工的核心特点，如图2所示。大智能时代的显著特征是数据为王、算法驱动、场景主导、生态支撑、产业协同，对全社会各行各业产生巨大的影响。而汽车产业将成为大智能协同生态系统中的最佳载体。
图2大智能产业全景图（Agent即智能体）
以AI为代表的新一轮智能化将给社会全行业带来新发展范式和新生态。对于汽车产业来说，目前在硬件、软件、数据的共同作用下发展初级智能，未来在AI主导的大智能产业赋能下将被全面重构：第一，一切硬件都会被驱动，赋予新智能化能力，实现价值最大化；第二，一切软件都会被重构，形成类人脑的方式，通过AI实现对多软件的统领、管理和替代，最终AI也将与现有软件体系融为一体；第三，一切的数据都会被激活，实现数据自由流动，发挥协同效应，从而创造全新的价值。所以，汽车产业在大智能时代“数据+算法+算力”三位一体赋能之下，整体发展范式将实现Agent（智能体）化重构。
全新范式也将催生全新的生态。在大智能产业技术多元交织、高度专业化分工的生态中，必须实现融合创新，推动产业边界进一步拓展，其中产品被赋能、组织被重构、多产业跨领域打通，最终带来更高的资源效率和更大的价值创造。而“新汽车”作为一个新物种，将是贯通车、路、云、网、图、能源一体化的核心枢纽、互联节点、数据端口、能源储存和供给装置，同时汽车产业不仅是制造业数字化转型的战略性抓手，还是多产业融合创新的载体性平台，所以汽车产业是大智能时代的最佳产业载体。正是因为大智能生态中多技术要素必须进行深度融合，所以任何一家企业都无法“一统天下”，最终一定是在多主体专业分工下的生态化协同发展。
三、车企智能化转型的关键问题解析
如前所述，车企智能化转型的最终目的是要解决复杂的供需问题，以大幅提升产品力和创造力。其中涉及到技术能力与组织管理两大方面问题。
图3车企智能化转型的核心内容
一方面在技术能力上，车企需将本身的专业技术和大智能领域的共性技术打通，协同构建基础技术底座，由SDV（软件定义汽车）向AIDV（AI定义汽车）转型。转型核心在于围绕算法、数据、算力的专业技术能力，如何与大智能产业有效协同，并建立面向AIDV的新能力。具体来说，一是算法上，企业模型如何做到“老树开新花”？也就是说，如何在原有算法积累上、基于大模型实现能力的质变？二是数据上，车企如何确保数据受控？如何保证高质量数据的获取与可持续迭代？如何做到企业数据与行业数据协同共创？三是算力上，车企如何有效布局算力资源？车企是否需要自建算力设施？如何充分利用外部算力资源？又如何推进内外部算力协同部署？上述能力大多是车企现在并不具备的新技术，又恰恰是ICT企业、大智能生态里的专业公司所擅长的，因此车企需协同大智能生态获取自身不具备的新技术能力。
另一方面在组织管理上，车企需要重构内外部生产关系，以支撑全新技术能力的构建。具体而言，车企需要考虑如何有效推动研产供销服等全链条、全方位重塑。相比于技术能力构建，重新定义面向AI的组织及管理变革更加考验车企的智慧。
实际上，构建全新的基础底座与组织管理变革，两者缺一不可，互为支撑。由此可见，车企智能化转型面临着全方位的问题，车企仅靠自身能力根本做不到。而高度开放、专业化分工的协同创新生态是未来转型成功的关键。下面将对汽车企业智能化转型的六个关键问题逐一进行解析。
关键问题一：SDV与AIDV的本质区别是什么？对行业有何影响？
当前汽车产业中SDV尚未完全切实落地，而AIDV作为新概念已经呼之欲出。车企需要尽快理清二者的本质区别并早做布局，以期实现面向未来的跨越式发展。盖斯特团队对于SDV与AIDV进行对比研究和总结，如图4所示。
图4 SDV与AIDV技术范式的对比
从技术范式看，SDV属于软硬解耦的分层架构，而AIDV则是全面重构，属于一种以数据与算力驱动、以AI模型为核心、面向端到端的智能体式的全新架构。首先，应用软件向Agent化发展，由一个“大脑”统领所有应用、专业模型服务，并且是少APP化、甚至去APP化的；其次，系统软件面向AI化发展，当前汽车业内更多将AI功能嵌入到OS中（AI in OS），未来两者不断融合，AI引擎逐渐成为OS中心（AI as OS），最终融为一体，形成端到端架构，成为AIOS；再次，底层硬件与算力将更强调端云协同计算，而车端芯片从计算为主逐渐向计算与通讯并重，甚至通讯处理为主的方向转变；最后，云端资源向AI生态发展，车端和云端围绕模型、数据、算力深度协同。AIDV技术范式的重构，要求车企必须掌握与SDV时代不同的新能力，即基于AI Agent化的技术定义及融合创新能力、构建车云两端实时互动协同的迭代进化体系。
技术的改变将驱动研发逻辑的变革。过去车企基于产品软硬件的分层架构研发、划分不同的专业模块，需要依靠较多的研发人员数量，而未来AIDV时代转向以AI模型研发为引擎、数据与算力资源驱动进化的新模式，将从分模块、分系统的开发整合，转向AI软硬一体的集成和统一测试。同时研发模式的改变将带来企业组织架构的深度变革，车企需打破传统各职能独立的矩阵式研发组织，构建围绕企业AI平台赋能的更灵活、更开放、更强调生态协同的可进化组织形态。
实际上，从SDV到AIDV的转型并非一蹴而就，而是渐进式的发展过程。初期AI逐步融入，最终实现AI智能体原生架构的全面替代。对于车企来说，现在就应该积极拥抱AI技术，早做储备并建立全新基础底座，持续推动企业全面变革。
