智能网联汽车是高科技应用的战略高点，融合了AI、芯片、软件等核心技术，作为AI+的重要应用领域，它正在重构十万亿级的产业链、拓展价值链，车辆早已不再是传统的机械装置，已经成为一个智能移动空间。

　　在国家对IT产业、移动通信产业的大力推动下，我国智能网联汽车实现了快速发展，从关键技术研发到重要的传感器、芯片、操作系统，再到大量的示范应用和应用场景拓展，各个环节都得到了快速推进。但我们必须清醒地认识到，“缺芯少魂”的基础软件仍亟待发展和推进，只有把计算芯片、操作系统、数据这三大核心要素真正落地到应用场景中，实现快速迭代，才能真正推动智能网联汽车产业高质量发展。

　　安全、数据、开发模式三重瓶颈亟待破解

　　当前，智能网联汽车产业正处于发展的关键时期，虽然行业内有大量投入，但智能化带来的高附加值效果尚未完全释放，仍存在诸多突出问题。首先是安全隐患问题尚未解决，在复杂工况下，自动驾驶系统的可靠性仍存在不足，这是制约产业规模化发展的核心瓶颈。其次是行业内卷带来的技术同质化现象，不少企业陷入“重功能、轻基础”的误区，缺乏核心技术的差异化突破，难以形成可持续的竞争优势。

　　除此之外，AI技术在智能网联汽车领域的应用也面临着现实挑战。大家都知道，大模型训练，数据是根基，准确、全面、海量的可验证数据是AI大模型发挥作用的首要前提。但目前行业内各家企业的数据资源分散，缺乏统一的标准和共享机制，企业的可验证数据存在明显短板，数据的完整性、准确性难以保障，这就给大模型的训练带来了很大挑战，也制约了AI技术在智能驾驶中的深度应用。同时，高科技产品如果不能形成技术闭环，就无法形成商业闭环，这也是当前很多创新技术停留在研发阶段、难以落地转化的重要原因。

　　破解这些产业痛点，关键在于回归基础技术，重新梳理智能网联汽车的核心支撑体系。作为长期深耕这一领域的研究者，我认为，智能网联汽车的“灵魂”，既体现在面向使用者的应用算法和应用软件上，更隐藏在支撑这一切的操作系统、功能软件等底层技术中。传统汽车的电控功能开发模式存在诸多局限，算力设计与代码开发相互耦合，难以适配AI技术的快速迭代需求，也无法实现不同芯片、不同系统的灵活适配，这也是我们必须突破的关键瓶颈。

　　打造芯片软件解耦的新一代计算基础平台

　　构建新一代计算基础平台成为破局的关键。这一平台的核心，是实现芯片与软件的双解耦，将应用层软件与基础层软件解耦，让不同的芯片、不同的应用软件都能在统一的底座上高效运行，从而大幅提升开发效率、降低产业成本。这种架构的变革，将彻底改变智能网联汽车的产业链格局，未来一定会诞生新的产业形态。处理器技术、软件技术、AI应用技术、通信技术、数据共享等相关系统，仅靠传统企业很难完成，因此我们提出了“1.5级供应商”的概念，专门聚焦新一代计算基础平台的研发与落地。

　　我们所定义的计算基础平台，核心是芯片、系统软件、功能软件和异构分布式硬件架构，这个底座正是为了解决产业痛点而存在。它能明确产业链协同分工，提高开发效率，同时解决车企的核心痛点，提升产品质量。从产品形态来看，未来的智能网联汽车将以计算基础平台为核心，车端是车载计算基础平台，云端是云控基础平台，逐步形成五大基础平台，实现从功能汽车到新一代智能网联汽车底座架构的根本性转变。

　　这种架构转变，要打破传统电控功能开发的局限，实现软硬件的解耦。在新一代芯片系统和操作系统的支撑下，形成“硬件层+传统操作系统层+软硬结合层+工程软件层+开发工具”的体系，打造通用软件系统。这套系统具备软硬结合分拣模块，拥有基于图像化、AI支撑的开发系统，能够解决传统架构垂直孤立、算力与代码耦合、AI模型难以支撑的痛点。我们通过图形化工具加AI赋能，整合开发与调试工具、功能软件，对应用软件进行智能化拆解和重构，让这套系统能够根据产业需求快速落地，覆盖辅助驾驶、自动驾驶、自动泊车、主动安全等各类应用场景。

　　需要强调的是，芯片行业如果不建立完善的产业生态，很难实现规模化应用，而这套新架构正是要搭建技术和产业生态，快速支撑芯片和底层基础软件的落地应用。要实现这一架构，我们还需要突破一系列关键技术，如功能模块的拆解与重构、智驾应用开发工具平台搭建、预置AI通用模型、生成式开发与智能体技术融合、以量产数据滚动迭代模型开发范式、异构分布式跨车型跨平台适配，以及推动车路云协同系统在车辆上的应用。只有突破这些关键技术，才能真正实现智能网联汽车产业生态的建立。

　　在AI赋能的技术架构方面，我们重点打造图形化与模块化的算法设计、自动化闭环的执行与验证体系，通过代码支撑高质量的功能交付。同时，依托规则开发，拆解数据资源，实现代码资产化、检索复用和生成式开发，搭建一套能够实现模型快速拆解、迭代、训练的工具系统，解决当前AI应用中的效率瓶颈。

　　以体系化路径护航智能网联汽车行稳致远

　　目前，我们已经联合头部乘用车企业、商用车企业，在新架构下开展产业化应用实践。在乘用车领域，我们围绕高速NOA、自动泊车、自适应巡航系统等场景，针对不同硬件开展算法开发和快速迭代。在商用车领域，针对ADAS功能，也通过这套架构实现了专业开发和快速迭代，验证了架构的实用性和可行性。

　　未来，要彻底解决自动驾驶的安全问题，必须走“车路云一体化”大协同路线，通过搭建底座平台实现快速迭代开发。其中，在研发测试体系构建上，过去，我们是实验员来开车做试验；未来，我们要实现无人化测试，即基于云端协同的软硬结合试验体系，通过AI生成不同的交互场景和应用场景，再利用新一代通信技术传到实体车上，测评车辆的性能，这样既能提高测试效率与安全性，也能更好地推动自动驾驶技术的成熟。

　　最后，基于当前产业发展现状和我们的实践探索，我提出六点建议，与各位同仁共勉。第一，加强创新方法－关键技术－场景应用一体化研究，做好体系设计，推动技术与应用深度融合；第二，开展核心技术协同攻关，加强技术应用与产业落地，推动芯片、操作系统、算法、测试、工具链等一体化开发，凝聚行业合力；第三，推动AI应用与数据的共享、共建与共用，通过完善的数据共享机制，突破技术瓶颈，为AI大模型应用提供坚实的数据支撑；第四，加强车规级、大算力自主芯片的开发和推广应用，推动产业链技术融合，加速国产芯片产业化进程；第五，引导骨干企业坚持长期主义，以芯软一体模式构筑安全可靠的车用基础软件，筑牢产业发展根基；第六，推进技术标准体系建设，促进产业开源生态发展，提前布局相关引领性标准，加强技术链、产业链、应用链的生态协同，推动跨领域共生发展，最终在智能网联汽车领域筑牢核心底座，支撑产业高质量发展。

　　（本文系中国工程院院士、汽车智能化专家李克强在首届人工智能院士论坛的分享，光明网记者宋雅娟整理）