騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生

2025上海車展期間，汽車巨頭、新銳勢力紛紛祭出自己的黑科技，誓要在這場行業頂級盛宴上吸睛無數。而在車企光鮮亮麗的發布會之外，一場關于汽車智能化未來的底層技術博弈也悄然展開。

騰訊在上海車展期間舉辦了2025年智慧出行技術開放日，不同于往年展示一些酷炫卻不明所以的技術概念，這一次騰訊將“全棧AI”實打實地擺到了臺前，試圖憑借覆蓋基礎設施、開發平臺、終端應用的一整套AI能力體系，為汽車智能化這場終局之戰提供堅實的技術底座。

這不僅是騰訊智慧出行的能力展示，更像是一場面向未來產業格局的“技術宣言”。當智能汽車成為產業拐點的共識，騰訊希望通過云、圖、大模型三位一體的能力體系，在新一輪產業博弈中成為賦能者、基礎設施提供者，甚至——新規則的制定者。

從“上車”到“住車”：騰訊的全棧AI布局邏輯

首先得承認，這一次騰訊的出手，是成體系的。

“全棧AI”并不是空洞的概念炒作，其背后是騰訊明確的戰略布局與系統能力建設。此次騰訊強調的三層架構，分別對應基礎設施（Infra）、開發平臺（Platform）和應用場景（Application），幾乎涵蓋了汽車智能化轉型的所有環節，我們可以分別來看。

基礎設施層（Infra）是整個AI體系的“地基”。騰訊打造了國內規模最大的智能駕駛云專區，算力強大到足以在短短四天內完成萬億參數大模型的訓練，而業內普遍耗時數周甚至更長。此外，騰訊云智算還能做到智能駕駛訓練連續300小時不中斷，這也成為了它敢提出“車云一體”戰略的底氣。

平臺層（Platform）則更像是車企的技術賦能工具箱。鐘學丹在交流中具體解釋了平臺層的邏輯：“我們在基礎的Infra層，比如算力、存儲和網絡，是基礎的能力。在Platform層，我們則用自己訓練模型積累的經驗，幫助車企優化這些能力，像數據標注、數據回溯，我們都會用大模型幫助數據提效或者提質。” 換句話說，這個平臺并非簡單提供工具，而是要真正幫助車企以更低門檻、更高效率實現AI能力的快速迭代與精準落地。

至于應用層（Application），騰訊的座艙端側大模型尤其值得關注。這一模型將AI能力從云端搬到車載本地，延遲不到0.3秒，“你話未說完，回答已開始”。對此，鐘學丹坦言：“端側模型的普及節奏取決于兩個關鍵因素：車端算力以及模型和車端應用的結合程度。我們和多家車企在合作，但車的量產和普及還需要時間，因為即便是2B的小參數模型，對算力依然有一定要求。”

此外，騰訊還將AI agent與微信生態、地圖生態深度融合，希望借助生態優勢為用戶創造真正流暢的智能體驗，甚至希望用戶逐步適應“住在車里”的智能生態邏輯。這種邏輯并非遙不可及，騰訊的座艙AI早已能處理用戶語音訂咖啡、找路、規劃行程等實際場景，讓“住車”時代離我們更近一步。

從“上車”到“住車”，騰訊正試圖用全棧AI布局，把汽車智能化從簡單的應用層滲透到每個用戶體驗的細枝末節，讓AI真正變得“無感可用”，就像水和電一樣深入生活日常。

大模型不是概念炒作，而是車企的必選項

與前兩年的概念上車不同，今年的大模型似乎真的開始“開車了”。

在行業內，越來越多車企意識到：智能化不是選項，是必備；AI能力不是加分項，而是起跑線。

鐘學丹在交流中談到：“從2023年ChatGPT引爆至今，車企從云端接入大模型，已經逐步進入到與座艙深度融合的階段。我們今天發布的AI agent，正是為了打破車內應用邊界，提升用戶體驗。”

他舉例稱，目前已經有車企不再滿足于“生成一張桌面壁紙”，而是將大模型用于車載服務內容的生成、智能提醒、語音交互等多維度場景，

同時，本地RAG技術與小參數模型相結合，也讓“大模型上車”從夢想照進現實。在本次發布的2B模型上，騰訊已實現了端側秒回推理，與傳統語音系統相比，用戶體驗有質的飛躍。

但需要看到的是，智能座艙的AI agent并非一鍵上線，而是一個復雜的生態協同工程：既需要底層算力與模型優化，也需要車企配合打通應用生態。

正如鐘學丹坦言：“端側模型普及的速度，受限于車端算力與車企系統生態對接的節奏。”

這意味著，AI雖然被稱為車企的“第二引擎”，但啟動它，需要一整套高效、低延遲、強生態的技術與協作體系，而騰訊，正在試圖成為這套體系的中樞。

從智能到出海：“一朵云”撐起全球化野心

相比前幾年的“只談上車”，騰訊今年的重點還有一個轉向——出海。

2024年，中國汽車出口量首次超過日本，成為全球第一出口國。中國車企全球化進程加速，如何建立合規、可控的海外IT基礎設施，成為“走出去”的基礎門檻。

騰訊的應對是“一朵云，全球通”。

目前，騰訊云已在全球21個區域部署了56個可用區，構建起覆蓋六大洲的算力網絡。比亞迪在全球多個國家的業務系統，正是依托騰訊云節點運行；一個月開上萬場跨國會議，離不開騰訊會議的支持與17種語言的翻譯能力。

鐘學丹指出：“車企出海所需的云服務，與游戲、視頻行業完全不同，它對數據合規、系統定制化、生態兼容性的要求更高。”

顯然，騰訊想扮演的，不只是國內車企的“后勤部長”，更希望成為全球智能出行的數字化工具。

然而，理想豐滿，現實骨感。在騰訊大張旗鼓地布局全棧AI、試圖以“車云一體”引領智能汽車產業未來的同時，它同樣需要直面一些極其棘手的挑戰。

首先不得不面對的是產業主導權問題。過去幾年，以理想、問界、小鵬等為代表的造車新勢力，不斷深化其AI技術的自主研發，已經展現出了極強的技術獨立性。他們不再滿足于依靠外部科技公司提供的標準化產品，而更傾向于通過自研的方式，將AI能力牢牢掌握在自己手里。

鐘學丹也坦誠地指出：“我們與車企的關系本質上還是互補型合作。很多車企都有了自研的能力，我們作為技術助力者，當然希望車企越來越強。” 盡管騰訊目前與車企的合作呈現良性互補，但長期來看，車企自身AI技術能力的崛起，無疑會弱化騰訊在產業鏈中的話語權。車企與科技巨頭之間微妙的競合關系，或許才剛剛開始。

除此之外，AI技術本身的局限性也在悄然發酵。當前，AI模型普遍存在“幻覺”（hallucination）現象，即便是經過精心優化的小參數模型，也無法完全避免偶爾出現的錯誤回答。鐘學丹坦言：“AI模型的本質就是預測下一個token的概率問題，不可能做到百分百的精準，只能通過精調行業相關的數據、引入知識庫、持續訓練優化，盡可能降低模型出錯的概率。”

但汽車行業不同于其他消費級場景，任何AI“幻覺”帶來的錯誤，都可能導致用戶的安全問題甚至嚴重的事故。這種技術與安全之間的矛盾，注定會在AI進一步深入汽車智能化的過程中，不斷引發行業內外的爭議和擔憂。

而更宏觀的挑戰，則源自于市場現實的冷酷與無情。當下中國汽車產業身陷規模空前的“價格戰”旋渦之中，車企正在面對殘酷的降本增效壓力，每一分錢的成本都必須精打細算。盡管騰訊強調自己的AI能力能夠為車企提升效率、降低成本，但在實際落地過程中，要真正說服預算緊縮的車企投入巨額成本部署AI生態，并非易事。

鐘學丹也承認：“車企之間關于智駕‘平權’的討論背后，其實是算力、傳感器成本的博弈。真正要實現普及，成本控制依舊是巨大考驗。” 從這個角度來看，騰訊的全棧AI戰略并不僅僅是提供技術這么簡單，而是在進行一場更加深遠的價值觀與產業生態的說服戰。

騰訊試圖向行業描繪一個美好的智能汽車未來圖景，過程中必然面臨著來自客戶自主性增強、技術安全邊界模糊以及市場殘酷競爭的多重壓力。這些挑戰不是依靠一次技術發布、一場漂亮的大會就能徹底解決的，而是需要騰訊與汽車企業長期磨合，共同應對技術、產業與市場的復雜局面。

畢竟，智能汽車的未來，從來都不是一場獨角戲，而是一場產業內外各方勢力錯綜復雜、博弈不斷升級的生態共贏之戰。

成為智能汽車時代的“水電公司”

湯道生在演講中用一句話概括騰訊的目標：“我們不造車，但要幫助車企造好車、賣好車，用好車。”

這是一句聰明且理性的定位，也是一場更深層次“車云之爭”的開場白。騰訊全棧AI能力的發布，是一次從功能賦能走向底層重構的信號，昭示著未來智能汽車產業的博弈，可能不再是車機系統誰更酷炫，而是誰的“AI底座”更穩、更通用、更安全。

然而，冷靜觀察之下，這套全棧AI戰略真正能走多遠，仍然充滿不確定性。

騰訊雖然技術底座強大，但汽車產業鏈正在經歷深刻變革。越來越多車企在加速自研，力求掌握核心技術主動權。在這樣一個去平臺化、強調自主可控的趨勢中，騰訊要如何在“不做車企老板”的前提下，持續維護自己在智能汽車領域的不可替代性？這是一個必須長期回答的問題。

另一方面，AI大模型在安全性、可靠性上的結構性難題，短期內依然無法徹底跨越；更現實的是，價格戰陰影下的汽車行業，正在用最冷酷的市場邏輯，考驗每一項新技術的投入產出比。

騰訊清楚這一切。正如騰訊智慧出行副總裁鐘學丹所說：“我們更多是一個助力者，真正的決定權在車企手中。” 這句話透露出騰訊對汽車行業邏輯的清醒認知，也暗含了某種必要的克制。

智能汽車的未來，注定不會只屬于某一家科技公司。騰訊，已經邁出了一大步。但離成為真正意義上“水電公司”的角色，它仍然要經歷更多硬仗，付出更多耐心。

（本文首發于鈦媒體App，作者｜李玉鵬）