7月10日下午，2025貝殼財經年會“智能網聯汽車如何重構新生態”分論壇舉辦。上汽集團大乘用車智能駕駛總監張棟林參與“車圈圓桌派”，對汽車智能化發展進行了分享。

張棟林提到，大模型對汽車智能化的變革是系統性和全鏈條性的，但仍然面臨多重技術與非技術挑戰。不管技術如何革命和迭代，整車研發和技術應用始終在安全-體驗-成本中進行平衡。

上汽集團大乘用車智能駕駛總監張棟林。活動現場圖

L2不是自動駕駛，車企要準確宣傳

2025年，工信部對夸大宣傳輔助駕駛功能的現象進行強監管，直指安全痛點。張棟林對此表示贊同，他給目前L2級別輔助駕駛安全程度打了7分（滿分10分）。

他說，輔助駕駛屬于L2級及以下的分級，其核心在于系統能夠同時控制轉向和加減速，但駕駛員必須全程監控，從這個定義看，是相對安全的。

他強調，當前 L2級別組合輔助駕駛還處于人機共駕的狀態，涉及駕駛員及智能輔助駕駛（ADAS）系統共同對環境判斷、行為決策和車輛控制，本質上屬于機器輔助駕駛員的形態，駕駛員必須全程監控駕駛環境和車輛狀態，并執行全部動態駕駛任務，因此駕駛員是車輛安全行駛的最終責任人。

張棟林進一步表示，使用者對于輔助駕駛功能的系統能力和邊界要有相對清晰的理解和認知，車企則需要對功能進行準確的定義、描述和宣傳，清晰明確告知用戶適用范圍和局限性。

“我曾經在2021年針對L2級別輔助駕駛和L3級別有條件自動駕駛的開發及驗證表達過觀點：L2級輔助駕駛功能，更多偏向于車輛對駕駛員的監控和監管，特別是手和眼，不要讓駕駛員犯錯或濫用系統；L3級別有條件自動駕駛，更多偏向于車輛對環境和車自身的監控，特別是ODD邊界和車輛故障，及時喚醒并有效交接駕駛員。”張棟林說。

2025年，智能輔助駕駛成為熱門詞匯，被業內廣泛關注。張棟林認為，這由兩方面促成。從產業層面，隨著國內車用SOC芯片研發能力和感知傳感器等產業化的發展，駕駛輔助系統成本不斷降低，越來越多的車企提出了“智駕平權”的概念并推出了產品。從監管層面，隨著駕駛輔助安全事故和用戶濫用事件的發生，國家層面加強并加快了駕駛輔助系統安全設計要求和標準的制定，并提出了嚴苛的強制性測試驗證場景。這一“快”一“慢”兩個層面，助推了今年智能輔助駕駛的熱度。

他介紹，上汽集團也在積極推動智能化的落地，2023年MG7就成為首款面向全球市場的搭載高速領航輔助系統和點對點泊車的燃油車型，并成為單模北斗定位芯片首個量產車型；2025年下半年即將上市的MG4也將進一步推進座艙智能化，新車將率先搭載與OPPO智行共同研發的手車互聯系統，支持手機語音備車、手車應用融合、手車無感互聯、手機搖一搖導航、全量生態上車、AI智能融合等創新功能。

大模型或給車企帶來系統性變革

除了智能駕駛，AI大模型與汽車的“碰撞”也備受關注，端到端智駕正被企業應用。張棟林表示，大模型對汽車智能化的變革是系統性和全鏈條性的，但在落地過程中，大模型與汽車的融合仍面臨多重技術和非技術挑戰。

大模型首先在感知層面帶來變革，其顛覆性的改變是“從規則驅動到語義理解”。張棟林提到，一方面是系統對環境理解的質變，傳統的感知算法需要依賴人工定義特征，而大模型通過海量數據學習語義級感知，如識別交警手勢、施工標志等場景，可以自動升級、進化；另一方面是對動態場景的推演，可以構建4D時空環境模型，從而預測行人意圖和車輛切入概率，替代傳統的目標級追蹤。

其次是決策層面，大模型顛覆性的改變是從專家系統到類人推理；在座艙交互方面，大模型帶來的顛覆性改變是從功能機到智能體，實現即說即所得。

最后，研發生產方面，大模型最直接的改變就是降本增效，全鏈路應用后可帶來人工智能革命，開發效率提升（如自動生成測試場景等）以及數據閉環重構（如影子模式數據自動挖掘高價值場景等）。

車企在大模型應用上仍面臨挑戰

張棟林也坦言，車企在大模型應用上仍面臨挑戰。

首先，作為主機廠的工程技術管理人員，面臨新技術應用帶來的技術決策、方法論和資源投入的挑戰和平衡，如大模型推理延時VS決策響應實時性、 車載計算平臺低功耗VS大模型訓練卡高功耗、離散低質結構化數據VS大量高質量場景數據等。

此外，作為整車產品研發交付負責人，將面臨新技術應用所帶來的開發不確定性和質量風險，如大模型決策的不可解釋性，違背功能安全要求和準則，會帶來質量合規風險；車規級工程化部署的難度，從實驗到量產帶來的性能損失，可能產生安全性問題；成本控制的挑戰，端側大模型需要本地有大算力，會帶來整車成本的上升。

最后，作為團隊管理負責人，面臨新業務模式下傳統研發體系重構和組織變革，如人才轉型和斷層、流程沖突、供應鏈及產業生態重塑。

大模型的發展既有變革亦有挑戰，但張棟林認為，無論技術如何革命和迭代，整車研發和技術應用始終會在安全-體驗-成本中進行平衡。

新京報貝殼財經記者 白昊天

編輯 岳彩周

校對 趙琳