平台级 AI 巨头，谷歌与特斯拉恐成未来最具影响力的两极。

---

作者 | 华芸

编辑 | 何芳

2026开年，华汽研究院希望围绕 CES 做一轮聚焦“算力、AI 定义汽车，以及从汽车延展到可穿戴和机器人”的 AI Talk 访谈。 在FSD、算力竞赛和 AI 大规模部署逐渐成为行业主线的背景下，本期对话，我们邀请到博世智能驾控中国区总裁吴永桥，希望呈现企业如何在这场变局中形成各自的战略共识与非共识。

进入 2026 年，越来越多车企重构 AI 战略，押注面向物理世界的 VLA 大模型，希望在一段式端到端基础上叠加大语言模型，实现真正自然的人机交互。 吴永桥认为，VLA 最大难点在于多模态对齐——需要将声音、视觉、动作等不同模态数据对齐到同一“频道”上联合训练，工程复杂度极高。 同时，大模型快速迭代也对芯片算力和存储带宽提出了前所未有的要求。

对中国车企来说，先把智能驾驶本身做到“像一个优秀人类司机”，在安全、舒适和高效上做到极致，通过一段式端到端把基础驾驶体验打磨扎实，然后再在此之上叠加 VLA 等大模型能力，扩展出更自然的人机交互和更丰富的场景能力，这可能才是一条相对务实且可持续的技术路径。

新一代AI大模型已经从“工具”升级为“合伙人”

华汽研究院：在进入 CES 2026 之前，先想请您回顾一下 2025：过去这一年里，哪些事件是真正改写了行业共识、把大家脑子里的老观念彻底推翻的关键时刻？

吴永桥：过去大家更多把 AI 当成一个“效率工具”，帮忙查资料、写点文案、减轻一点日常工作负担。 但到了 2025 年，越来越多人开始意识到：AI 不只是帮你干活，而是可以直接顶替一部分岗位，尤其是大量标准化、可结构化的白领工作。

正如马斯克所说，他认为会先是白领被取代，最后才轮到蓝领，老师、医生、律师这类传统高门槛职业中不少环节，也会被 AI 重塑和“优化”。 现在用 AI 做公司 PPT、整理会议纪要，往往已经能达到甚至超过名校助理的水准，这种能力上的“碾压感”，会让真正接触过的人非常震撼。

这次在 CES，同步体验了 Google Gemini、ChatGPT 以及特斯拉的 Grok，可以明显感觉到新一代模型已经从“工具”升级为“合伙人”：它们不仅能总结信息，还能带着情绪和观点高效对话，对全球政治经济的理解和归纳能力，比普通助理要快、要准许多倍。

过去大家对 AI 的印象，还停留在“到全网帮你搜一圈资料，然后机械地汇总、复述一遍”。 但这次在路上用 Grok 提问“你知道博世智能驾控中国区总裁吴永桥吗”，Grok 不只是罗列简历，而是会直接概括：“你在 2025 年因为一次演讲被网暴或被热炒”，接着还能评价“性格比较直、爱说真话，所以有一些争议”，整个表达方式非常拟人化，像一个了解八卦、又敢讲真话的朋友在跟你聊天。

相比之下，很多国内大模型现在还主要停留在“搜集+朗读信息”的阶段，这种高度拟人化、带判断的交互体验，很大程度上打破了过去大众对 AI 只能做机械信息汇总的认知。

真正意义上的智能驾驶，特斯拉依然领先

华汽研究院：除了特斯拉，这次在CES您最大的感受是什么？

吴永桥：现在很多企业都在做 AI 座舱、语音交互和电子电气架构升级，但在真正意义上的智能驾驶上，特斯拉依然是目前全球整体体验最领先的一家。 最新的 FSD 14.2.2 版本已经可以做到真正的“车位到车位”：车被其他车严严实实包住、停在路边，人只需在原地按下按钮，车辆就会自动原地倒车挪出车位、并从 A 点一路开到目的地酒店，再自动寻找车位完成泊车，全程无需人工接管。 与此同时，特斯拉推出的 Grok 也正在成为自动驾驶之外的另一块 AI 标杆，用更拟人化、更高效的对话与理解能力，树立了车企在通用 AI 侧的学习样本。

可以想象这样的场景：你随口说出三个目的地，Grok 在3秒内就帮你模糊推理、规划好一整条行程路线，接下来一小时你几乎可以全程脱手，只需要盯一眼路况。 这时候你“空下来”的注意力，就可以用来和 Grok 高情商聊天，聊政治、经济、文化甚至股票，它不只是帮你开车的系统，更像一路陪聊、能输出观点的智能伙伴。

另外是机器人这一块，相信您也留意到了波士顿动力机器人。国内很多机器人更多还停留在“炫技”和表演层面，本质上更像是一个昂贵的大号玩具，可持续的真实应用场景非常有限。

个人认为，真正有价值的机器人，第一阶段还是工业机器人，替代和增强的是生产线和作业流程；至于类人机器人真正走进千家万户，可能至少还需要十年以上时间，核心瓶颈在于智能数据的采集难度远高于汽车，机器人无法像车那样“随便在路上跑就能持续采集大规模、结构化的数据”。

波士顿动力的人形机器人全身大约有 56 个自由度，不仅头部、上身和手臂可以大角度旋转，还能搬起约 50 公斤的重物，这一点国内目前还没有一家企业做到，人形机器人多数只能搬十几公斤，难以承担真正有价值的工业场景。

据说现代汽车已经预定了三万台波士顿动力机器人，计划用于产线上搬运座椅、电池等原本需要工人完成的重体力工种；如果这种产品能在工厂实现规模化商业落地，既能举起百斤重物、又能连续稳定工作四小时，我认为这个是非常了不起的。

华汽研究院：这次参展CES的中国企业，这方面给人印象怎么样？

吴永桥：令人印象比较深刻的是，这次吉利在 CES 上发布了新一代智能驾驶平台，包含智能座舱和全新的电子电气架构。 其旗舰大型 SUV 9X 搭载了双 Thor 计算平台，综合算力约 1400 TOPS，被认为是目前中国汽车行业算力最高的智驾平台之一。

平台级 AI 巨头，谷歌与特斯拉恐成未来最具影响力的两极

华汽研究院：您前面其实已经谈到，中国企业和特斯拉在智能驾驶与 AI 体系上的差距，在正视这种现实的前提下，您觉得中国企业接下来应该如何更有策略地追赶？

吴永桥：特斯拉对智能驾驶，智能座舱的这种先进技术的投入以及呈现，非常值得我们学习。特斯拉在智能驾驶和智能座舱交互上，比中国整体至少领先半年到一年，其中座舱侧的差距更接近一年。很多中国头部车企已经固定派小团队每个季度去美国体验最新 FSD 版本，现在又把搭载 Grok 的座舱体验纳入必测清单，Grok 上线不到一个月，业内其实也已经默默去对标过一轮。在这种现实差距下，我认为最关键的不是继续堆砌各种技术名词，而是系统性地对标和拆解特斯拉，用高频体验和快速迭代去实打实追赶它的智能化节奏。

特斯拉当前的方案之所以显得更“像真人在开车”，很大程度上在于其端到端链路的整体延时已经逼近甚至优于“人眼反应”的量级（人眼延时反应约在200毫秒）。目前中国大部分智驾方案仍是“两段式”架构，整体链路延时大多在约 230–280 毫秒之间，相比之下略慢一些，因此在工程师视角以外，普通用户在开起来时往往会感觉到一定的机械感和轻微不安全感。

博世在最新的台州站、温州站智驾大赛中均拿下第一名，一段式端到端技术可以将“视野链路延时”压缩到约 120 毫秒级别，快于人眼反应。特斯拉的人眼等效延时甚至只有约 64 毫秒。

此外，特斯拉FSD的收费模式将有助于其增厚利润来源。相比之下，当下中国车企在智能驾驶、智能座舱上的投入，不论是主机厂还是供应商，大多仍处于“高投入、低回报”阶段，除了华为预计2025 年有望实现智驾业务盈利外，其余玩家普遍面临商业闭环尚未跑通的压力，因此如何学习特斯拉通过订阅模式实现软件化变现，可能是中国企业下一步最值得借鉴的方向之一。

进入 2026 年，越来越多车企重构 AI 战略，押注面向物理世界的 VLA 大模型，希望在一段式端到端基础上叠加大语言模型，实现真正自然的人机交互。VLA 最大难点在于多模态对齐——需要将声音、视觉、动作等不同模态数据对齐到同一“频道”上联合训练，工程复杂度极高。 同时，大模型快速迭代也对芯片算力和存储带宽提出了前所未有的要求：真正意义上的 VLA 需要在不低于 10 赫兹的控车频率下运行，而目前国内多数 VLA 模型仍停留在约 5–7 赫兹区间。

对中国车企来说，首要任务是先把智能驾驶本身做到像一个优秀人类司机，在安全、舒适和高效上做到极致，通过一段式端到端把基础驾驶体验打磨扎实，然后再在此之上叠加 VLA 等大模型能力，扩展出更自然的人机交互和更丰富的场景能力，这可能才是一条相对务实且可持续的技术路径。

华汽研究院：英伟达这次在CES上也发布了新的自动驾驶开源系统以及GPU架构，您如何看待其对行业的影响？

吴永桥：英伟达在AI服务器领域独步全球，体积更小，功耗更低，算力更大。我们看到英伟达最新一代算力机柜，体积比家用电冰箱还小，两个人就能抬走。它的算力却相当于国内要用上几百到几千平方米机房、塞满服务器才能堆出来的规模。这意味着在电费、场地、运维、散热等各方面的成本上，算力效率和代差已经拉开了巨大的鸿沟。

在算力方向上，英伟达可以说是在持续“改写游戏规则”。传统摩尔定律逐渐失效的时代，走出一条新的性能演进路径。个人判断是，英伟达在 AI 服务器与加速卡领域目前处于绝对领先地位，但从中长期来看，谷歌的 TPU 很可能会成为其最强有力的竞争对手之一。

在更长周期里，在通用 AI 领域真正有可能“称王”的，很大概率还是谷歌这类公司。谷歌手里同时握有搜索、YouTube 等海量数据与流量入口，又有云服务、算力基础设施以及自研 TPU 等完整硬件/平台能力，形成了从数据、模型到算力、分发的闭环，几乎不存在明显短板。

相比之下，英伟达虽然在 GPU 和 AI 服务器硬件上占据压倒性领先，但在数据、流量入口、应用层生态和自有超级应用方面相对薄弱，只能更多扮演“军火商”的角色。 因此，从“平台级 AI 巨头”的角度看，谷歌与特斯拉很可能会成为未来最具影响力的两极，而马斯克也曾提到，未来真正能在全球范围内领跑AI 的企业，或许只会是极少数的几家。

在谈到未来全球最有可能主导通用 AI 版图的力量时，马斯克提到的只有三方：第一是他自己打造的 xAI（推出了 Grok 模型），第二是谷歌，第三则是“China”这个整体，而不是某一家具体公司。 在他的表述中，中国被视为由国家意志和产业集群共同驱动的综合力量。

不看好Robotaxi在中国一线大城市大规模运营前景

华汽研究院：这次 CES 其实还有一个特别值得关注的方向，就是 Robotaxi。这次在 CES 上，像 Waymo、特斯拉等公司的 Robotaxi 你有没有亲自体验或深入了解？整体看下来，您对当前 Robotaxi 的真实进展和未来前景，有哪些自己的判断和感受？

吴永桥：这次我特意去体验了 Waymo 的 Robotaxi，坦白讲，它更像一辆‘没铁轨的火车’——路线固定、站点固定，下车后我还得走 20 多分钟才能进斯坦福校园，离‘随叫随到的出租车’还差得远。”Waymo 这一套 L4 方案，4 颗激光雷达加一堆摄像头、毫米波和高精地图，确实安全冗余拉满，但单车成本可能在 12–17 万美元，非常贵。

再看特斯拉，现在在奥斯汀试运营的 Robotaxi，用的还是纯视觉、端到端模型，单车成本大概 3 万美元左右，可以真正做到‘随处接送’，但问题是，在那些极端、长尾场景里，它能不能把安全性提升到无人车该有的标准，这一点仍然是个问号。

在回程飞机上，我一直在想：到底未来的主流 Robotaxi 技术路线，会是像 Waymo 这样“激光雷达+高精地图+高度冗余”，把安全做到极致的一套，还是像特斯拉这样，在现有高阶辅助驾驶基础上做一定冗余设计，用极低成本和极高灵活性，去支撑“随时随地接送”的一套？ 这两种路线一个押注极致安全，一个押注规模和效率，究竟哪一种才会成为未来 Robotaxi 的主力方向，非常值得行业认真研究。

华汽研究院：那回到中国这边，您怎么看国内企业在 Robotaxi 这条路上的布局？站在您的视角，中国在这条赛道上的整体进展和差距在哪里？哪些玩家更有机会跑出来？

吴永桥：我个人并不看好这种模式在中国一线大城市的大规模运营前景。在中国一线大城市，大规模发展 Robotaxi，未必会是未来的主流方向。 至少在当前和可见的中期里，我对‘在超大城市全面铺开 Robotaxi’这条路径，持相对谨慎态度。

原因在于本土交通与用工环境与美国有本质差异。美国之所以孕育出 Robotaxi 模式，有三个关键前提：地广人稀、人力成本极高、公共交通不发达；而在上海、北京、深圳、广州等城市，地铁、公交、网约车极其便捷，加上司机成本远低于美国，大规模用 Robotaxi 去替代人类司机，既不急迫，也会带来巨大的就业冲击。

此外，在美国很多司机并不愿意跑长途、跨城单，30–40 分钟以上的订单经常被拒，这为 Robotaxi 创造了天然的“空白市场”；而在中国，出租车和网约车司机往往恰恰希望你跑得越远越好，这部分需求并不存在类似缺口。因此，美国有非常强的 Robotaxi 应用场景，中国一线城市更多是“尝鲜”和“炫技”，在可预见阶段很难出现像美国那样汹涌澎湃的需求曲线，更可能只是点状示范，而非主流出行方式。

L3 很难成为长期主力形态

华汽研究院：今年有人认为会看到从高级辅助驾驶直接跳到 L3、甚至部分 L4 场景落地的‘台阶式变化’。您同意这种判断吗？

吴永桥：从技术与成本结构看，L3 很难成为长期主力形态，而更像是一个过渡阶段。按照目前监管部门的草案要求，L3 依然需要高性能激光雷达、多颗传感器冗余，以及对制动、转向等关键执行机构的安全备份，整体硬件配置与 L4 相差并不悬殊，算力也只是在边际上有所缩减，整车成本却很难明显低一档。

但在体验层面，L3 又有大量 ODD（运行设计域）限制：很多方案在高速路段不能自主变道，接管边界繁复，甚至实际使用感受还不如现在许多“L2++”——后者虽然名义上还是辅助驾驶，但在绝大多数场景下都能开启，只要求驾驶员“手扶方向盘、随时兜底”。 在这种“成本接近 L4、体验却远逊 L4、还不如 L2++ 好用”的矛盾下，要出现 L3 的大规模爆发并不现实，它更可能只是未来两三年内的一个短暂过渡层级。

从更长周期看，L4 同样会受制于 ODD 限制，因为人还是在环的很多场景会受到限制。真正的终极形态仍然是全场景、全脱手、甚至“无方向盘”的 L5——既可以像今天一样自己开车享受驾驶乐趣，也可以比如在喝完酒后，人坐在副驾驶对车说“今晚喝酒了，请帮我开回家”，车辆完全自主、安全地把你送回家。

因此我认为，在这个路径上，更有可能出现的演进是：L3 多半只是一个短暂存在的中间态，然后直接跨向部分场景的 L4，并在较长一段时间内停留在“多场景 L4”的阶段，而终极形态是L5。