车网世界报道：
由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办的第二十二届中国汽车产业发展（泰达）国际论坛（以下简称“泰达汽车论坛”）于2026年9月17日至9月20日在天津市滨海新区举办。本届泰达汽车论坛将围绕“智绿筑基·生态蓄势·共创共赢”的年度主题，邀请重磅嘉宾展开深入研讨。
在9月18日“新技术生态专场：汽车大数据技术应用与数字化转型”中，火山引擎汽车AI云解决方案专家陈孙潇发表题为“大模型驱动车-云协同，加速智能网联汽车规模化发展”的演讲。
火山引擎汽车AI云解决方案专家 陈孙潇
以下是演讲实录：
尊敬的各位领导、各位嘉宾，大家上午好！
我是火山引擎的陈孙潇。非常荣幸出席本次论坛与各位开展交流，本次分享主题为《大模型驱动车-云协同，加速智能网联汽车规模化发展》。过去十年，汽车正逐步由单纯的出行工具演进为智能终端。接下来，我将围绕大模型时代下车与云之间正在发生的根本性变革展开探讨。
首先，我们来看行业背景判断。智能网联汽车正由示范应用阶段迈入规模化普及阶段，这一趋势主要体现在三方面关键变化：
第一，连接规模爆发式增长。国内网联汽车保有量持续提升，当前车联网领域内，单家车企的数据量级可达数十TB至数百TB，全行业车联网数据总量已达到PB级别。
第二，车辆智能化水平持续提升。L2+级辅助驾驶现已成为车辆标配，L3级自动驾驶逐步落地普及；座舱AI交互形成车内交互新范式，车辆完成从交通工具向智能终端的转变。
第三，产业发展重心发生转移。行业关注点已从单车智能转向车-云-路协同，数据闭环与云端智能成为构建差异化竞争力的核心要素。
上述三项变化，引出一项核心判断：智能网联汽车规模化发展的主要矛盾，已经从“能否实现连接”，转向“连接之后能否高效利用数据、实现持续迭代进化”。矛盾变迁的本质，是车云协同范式的迭代升级。通过对比可见：传统车联网以连接为中心，核心目标为连接稳定、数据可靠、服务可用，架构上以TSP为核心，完成数据采集、回传、存储、BI报表输出全流程，本质上是“人找数”模式。而大模型时代的车云协同以智能为核心，核心目标为数据增值、服务精准、安全主动，架构升级为AI原生、大模型驱动，数据层支持自然语言查询，实现“数找人”。在智能座舱场景，依托座舱大模型可实现千人千面的个性化体验。与此同时，全新模式也对安全能力提出更高挑战与要求。简言之，大模型推动车云协同从搭建通信管道、保障基础连接，转向挖掘智能能力、释放价值，完成由基础设施层向价值创造层的跨越。
下面，我将从三个维度展开具体阐述。
第一维度是释放数据业务价值。车联网行业并不缺少数据，缺少的是将原始数据转化为业务洞察的能力。我们提出的方向是依托建立数据智能体，通过多元数据接入，包括车联网信号数据、BOM/供应商数据、产品版本数据，搭建起整个车联网数据底座。通过大模型构建智能问数、根因分析、意图识别、知识图谱等多个智能体实现数据的智能洞察。举例而言，过往工程师排查车辆故障，需要查阅日志、调取报表、开展跨系统比对，整体耗时可达数日。借助数据智能体后，工程师可直接通过自然语言向系统发起查询，例如查询“近一周某车型在指定区域的故障报错及故障根因”；数据智能体将自动关联数据底座与上下文信息，在数分钟内输出分析结论与排查建议，完成从“人找数”向“数找人”的转变。目前，汽车行业的数据智能体已落地AI远程诊断、车域洞察、质量溯源等场景，推动车联网全链路数据转化为可落地执行的业务洞察。
第二维度是提升服务精准度。传统车联网以千人一面的标准化服务为主，所有用户获取同质化服务；大模型时代带来的核心改变，是实现千人千面的个性化服务。在端云协同整体框架下，端侧部署小参数量轻量化模型，承担车辆控制、简单指令低时延实时响应，同时保障弱网环境下业务兜底；云端部署大参数量模型，处理深度推理、传感器记忆、个性化生成等复杂任务，两者实现端云动态切换。这套架构目前已经支持的场景非常丰富，包括意图总控理解用户复杂指令并调度整车能力；语音音色会让我们车内的语音交互更具情感更有温度；POI推荐基于用户习惯跟当前车辆位置做个性化推荐，最终效果是让每一辆车、每一个用户得到的服务都是量身定制的。
第三个维度，是让安全更可控。因为安全是智能网联汽车发展的底座，对于车辆来说越智能，它的攻击面就越大。以前一辆车是一个封闭的嵌入式系统，现在它有座舱、有网联、有OTA、有云端服务，每一个接口都是潜在的攻击入口。以前我们讲车联网安全更多是基于规则驱动的，靠人写规则，靠特征去匹配，真正有威胁的告警反而容易被淹没；出了事件需要靠安全专家进行人工研判和手动处置，响应周期是以天计。而大模型目前给车联网带来的本质变化是从规则匹配走向语义理解，从人工研判走向智能决策。举个例子，当收到一条安全告警时，原来只是告诉你某个IP访问某个端口，而安全智能体可以结合全链路安全产品的上下文告诉用户这个IP来自哪里，访问行为是否异常，和历史攻击模式有什么关联，影响范围有多大，直接给出研判结论和处置建议，一个安全事件的响应分钟级甚至秒级就可以完成。更重要的是大模型正在让安全能力变得可复用，每个专家的分析经验可以沉淀到模型中，让每一个车企、每一个安全团队都可以用得上，这对整个行业来说是安全能力的普惠。所以，安全正在从被动防护走向主动智能响应，做到风险更早发现、响应处置更及时，合规审查更智能，这一切都是为了让消费者敢用，让车企敢规模化推广。
以上几个维度，是火山引擎在经过数百万级车辆规模的真实检验后总结出的实践能力经验。在数据价值方面，我们和多家车企一起把数据智能体用在真实的车联网运营场景里，以前一个数据问题的定位，从提报到定位动辄2-3天，现在通过自然语言问数跟智能分析十分钟内就可以拿到结论，综合运营成本降低30%以上。在服务精准度方面，基于豆包的座舱大模型目前已搭载超过700万辆汽车，覆盖50多个品牌和145款车型，每天都有千万级别的用户在这套端云系统的框架里进行交互，每一次语音指令、每一个个性化推荐都是在验证这套架构的稳定性跟体验效果。在安全可控方面，基于安全智能体的全链路安全防护方案满足国内外合规要求，覆盖模型、数据和内容的全栈安全，支撑多家车企通过合规评测。从新势力到传统主机厂，从乘用车到商用车，这套大模型车-云协同方案已经在百万级车辆规模上稳定运行，持续验证与迭代。我们的体会是大模型目前已经不再是锦上添花，而是真真正正解决车企规模化运营中遇到的实际问题。
最后，结合落地实践，分享三点行业未来判断与展望：
第一，大模型将成为车-云协同的基础设施。未来大模型将如同当下的云计算，由可选增值能力转变为行业必备基础能力，推动连接、数据、服务、安全全业务环节完成智能化重构。
第二，车辆智能由出厂能力固化模式转向持续进化模式。传统汽车交付即达到能力上限；而在车-云-路协同体系下，车辆能力伴随云端模型迭代持续升级，车辆使用数年后，智能化水平甚至可以高于新车出厂状态。
第三，车-云协同正在从单车智能走向群体智能。当百万级别的车辆数据汇集到云端，大模型会从中学习沉淀海量场景经验，进而反哺每一台车辆与使用者。单车智能的上限，正在成为群体智能的起点，大模型也正在重新定义车与云之间的相互关系。
期待和产业各界一道，共同探索技术演进方向，助力智能网联汽车产业行稳致远。谢谢各位！
