台湾成人av,欧美亚洲专区,亚洲精品.com,亚洲v国产v

[汽車之家 行業] 10月21日～24日，第三十二屆中國汽車工程學會年會暨展覽會（SAECCE 2025）在中國重慶·科學會堂召開。SAECCE 2025通過匯聚行業智慧、展示前沿技術、搭建合作橋梁，并攜手全球汽車科技力量，服務全球汽車科技發展，共創世界級汽車科技創新平臺。

在SAECCE 2025于10月23日下午召開的“人工智能主論壇”上，東風汽車集團有限公司研發總院智能化技術總工程師李紅林以《云智一體：構筑智能汽車的創新底座》為主題進行了演講。

李紅林表示，現在行業里面在談具身智能更多是談人形機器人行業，因為它從人形的角度來說更加貼合大家所理解的具身智能。但如果大家去分析智能汽車和人形機器人本身的技術路徑，我們會發現從算法層面他們是逐漸趨同的，感知、決策、控制與執行，特別是李駿院士發布AI Car提到VAL模型，對于智能汽車智能駕駛任務的賦能，這種背景下面智能汽車和人形機器人他們的技術相關性更強烈了。

以下為演講實錄（汽車之家精編）：

尊敬的董揚理事長，李升波主任，大家下午好！

今天報告題目是《汽車具身智能體工程化的思考與實踐》，從下面三個方面展開。

第一是汽車行業的趨勢，從政策角度，習總書記在眾多論述中提到對人工智能要堅持自立自強，突出應用導向，推動人工智能健康有序發展，努力開發更多安全可靠的優勢產品。從各個部委來看也出臺了諸多的引導政策，特別是今年8月份國務院出臺的《深入實施人工智能+行動的意見》，是我們下一步做“十五五”規劃中一個重要的引導。

在這種引導下面，我們會發現人工智能賦能行業的發展有三個明顯的特征：

第一是打破了傳統創新路徑的變化。從以前技術成熟后找應用場景到現在轉向場景需求驅動。

第二是全鏈條的要素貫通，整個產業鏈在共同發展。

第三是生態閉環逐步形成。

如果從技術維度來看，結合今天的主題人工智能發展可以簡單地分為2024年之前或者2024年這個時間段左右的離身智能，到2024年大家談很多的具身智能。它的底層在于大模型能力的提升、大模型技術的突破。從離身智能以前賦能虛擬空間促進互聯網經濟的發展，到現在賦能制造業的發展，打造制造業產品的提升帶來非常大的幫助。

今天我們一直在談具身智能，我簡單回顧一下具身智能的概念和架構。在不同的著作和論文當中有不同的描述，今天我想引用清華大學孫富春教授對于具身智能架構和定義的描述。

架構有四部分組成，感知體、認知體、行為體和所屬的環境。定義角度，具身智能系統指在感知理解環境并在其中行動，同時利用感知反饋與運動反應構成持續循環。這句話中英文論文翻譯不是很準確，我們可以從當中體會兩個關鍵點，一是本質上講，具身智能是通過物理身體與環境的動態交互來實現智能行為；二是它的核心在于本體、智能和環境三者之間的深度耦合。

從定義和架構來看，有兩個非常典型的應用載體適合去開發具身智能系統，就是智能汽車和人形機器人。現在行業里面在談具身智能更多是談人形機器人行業，因為它從人形的角度來說更加貼合大家所理解的具身智能。但如果大家去分析智能汽車和人形機器人本身的技術路徑，我們會發現從算法層面他們是逐漸趨同的，感知、決策、控制與執行，特別是剛才李駿院士發布AI Car提到VAL模型，對于智能汽車智能駕駛任務的賦能，這種背景下面智能汽車和人形機器人他們的技術相關性更強烈了。

基于以上的背景趨勢分析，給各位領導和嘉賓匯報一下東風公司的實踐。

首先東風公司在2024年提出，我們要把打造汽車具身智能體作為重點工作，我們認為它是未來汽車形態一個重要的形態模式。2025年6月底，東風公司也成功申報了汽車具身智能技術湖北省重點實驗室。這種背景下，面向“十五五”我們也制定了AI+專業行動方案。

用四個數字來表述是“126X”，“1”是描述愿景，我們以用戶為場景加速AI與汽車深度融合，重構未來出行新體驗，助力打造AI創新企業。“2”條主線分別是從用戶端打造汽車具身智能，在企業端構建新質生產力。“6”項舉措分別是從場景、算法、數據、平臺、生態和人才方面去重點開展工作。當然也有需要多項的保障支撐，包括安全倫理、標準法規、合作伙伴、智能投入等等。

結合剛才的架構和定義的描述，我們認為具身智能體在汽車上的實現，汽車具身智能體至少有三個基本的要素。第一是能夠準確理解復雜環境；第二是能夠實時響應安全任務；第三是能夠確保與物理世界友好交互。

基于這樣的理解，東風公司在汽車具身智能體進行了五方面的工作：

第一是在充分分析用戶相關的需求，形成用戶需求的牽引。我們提到以用戶情感化的需求為核心，重塑個性化的需求體驗，談了三個方面：

一是汽車具身智能體應該具備與駕乘人員的共情能力，他的前提是準確理解駕乘人員的情感；

二是主動服務，大家知道現在的智能汽車更多是在被動響應駕駛員的指令輸入，但對于汽車具身智能體，因為它能夠準確地理解環境，從而能夠主動向用戶提供服務；

三是個性化的體驗，各位嘉賓平時都會駕駛，個性化的操作在車輛設置那里，比如可以設置車輛的轉向，助力的輕重緩，駕駛風格舒適、平穩和激進。對于汽車具身智能體它能夠實現的是主動服務過程中，更好地學習用戶的駕駛習慣、偏好，從而在主動服務中利用更加貼合駕駛員個性風格的方式去實施主動服務。

第二是架構設計方面，這張圖描述了我們對于具體智能體架構的描述，我們把汽車具身智能體當做任務執行的主體。這里描述關鍵點在于具身智能體的構建拆分成主智能體和從智能體，主智能體聚焦全局決策，從智能體專注于局部任務執行，從而形成分工協同、閉環聯動。從智能體我們又做拆分，包括面向駕駛任務以及非駕駛任務的。

這張圖融合一個層面的融合要素，我們談智能汽車的艙駕融合，很多時候我們談硬件的融合，把智能駕駛控制器和智能座艙控制器進行融合，形成集中式域控。這里通過汽車具身智能體我們談更多是軟件層面的融合，智能體任務執行層面的融合。

第三是數據，剛才我們一直在談數據驅動。對于汽車具身智能體構造中，圖片點云的標注這種技術我們認為座艙場景的數據和艙外場景的數據同樣重要。剛才提到圖片點云上要更多實現VKA的標注，從而便于更好地理解場景，剖析思維鏈，判斷決策過程的正確與否。經過艙內外高質量數據集的構建，能夠提升模型特定領域的性能。

第四是模型能力的進化。持續進化太極大模型的能力，推動汽車具身智能體的落地，今年車展期間東風公司推出了太極大模型能力這個技術品牌，我們把面向用戶端和企業端的大模型，我們概括成為太極大模型體系。結合用戶端汽車具身智能體的能力，我們的模型能力從三方面提升，第一是跨模態的感知融合能力，第二是推理規劃能力，第三是自適應的交互泛化能力。

第五是工程化落地。剛才談到汽車具身智能體的打造，談到工程化落地的挑戰，挑戰這個詞既可以作動詞也可以作名詞，我先把它作動詞來匯報。

東風公司在做汽車具身智能體的工程化落地，落地過程中涉及最關鍵的環節，剛才談到具身智能體之所以變為可能是因為有非常好大模型的基礎，在這個過程中我們就會發現，大模型的部署有非常大的工作量，因為這個地方涉及不同的部署方案。它的流程和小模型的部署大致相同，我們把它分為模型本身的訓練、端側部署、效果驗證，根據驗證的效果去做迭代。

這當中變化的部分是模型訓練當中我們會結合大模型本身的能力、尺寸大小和參數量的大小做知識蒸餾。端側部署端，我們需要對模型進行轉化，對芯片的環境做適配，而且適配端側的工具鏈，進行端側的應用分裝。

在這個過程當中我們會發現，工程化落地過程中應用部署有三種典型的方案。剛才AI Car里面提到端側部署的重要性，三種不同的方案我們都會涉及，一個是云端部署，一個是車端，一個是端云協同。

這三個方案的組合我們以什么樣的方法論來支撐？這個地方我想說的是，大家如果關注過2002年諾貝爾獎經濟學獎得主丹尼爾·卡尼曼，他在《思考快與慢》當中的描述，說人類的大腦思考是由兩個系統組成。大腦算系統這個概念的雛形，卡尼曼提之前前面也有學者提出，但這本著作當中兩個系統描述的更加清晰。

這里面他簡單把其稱為系統一和系統二，系統一是自動且快速地運行，維護世界模型，這是他對整個世界的認識；系統二是將注意力分配給所需燒腦的活動，說明我們要進行深度的思考，并且負責持續集控行為，當事情變得困難時接管思維活動，我們為什么要在這個地方提這么觀點，因為我們在車端和云端最關鍵三個要素是時延、響應時間、安全性。

基于這樣的理論意味著日常的場景所需要應對的工況，所需要完成的任務，我們盡量部署在車端，這是我們在車端部署過程中剛才提到的重點所在。對于信息娛樂時延性要求不是那么高的應用場景我們可以部署在云端，這樣可以充分運用云端算力和大模型本身的能力，為用戶帶來更好的體驗。

剛才把挑戰當做動詞之后談了，現在把挑戰作為名詞談一下，也就是工程化落地過程中遇到了什么挑戰，想說四個方面。

第一是模型能力。剛才我們提到為了適配車端輕量化的部署，我們對模型做了輕量化、對模型做了知識蒸餾，但如何去保證模型在特定環境下面仍然有足夠高的能力邊界，這是我們的第一項挑戰。

第二是算力瓶頸。車端算力目前來說能夠支撐我們在車端做大模型，即使是壓縮了之后，比如1B左右大模型的部署的芯片為數不多，國產化的更少，所以我們算力確實遇到了相應的挑戰。

第三是跨域協同的挑戰。這個過程中，因為我們調度自動駕駛的原子能力，它的交互協議、服務接口，因為涉及到實時的安全性，所以這方面有非常多的挑戰。

第四是智能化的框架，智能體框架。我們現在做基于云端智能體部署時有非常多、非常好可借鑒的框架可用，只要大家識別工作流就能快速搭建出一個智能體的查用流程。但對于汽車具身智能體，特別是車端環節去部署智能體調度的時候，相應的約束條件更多，難度更大。

基于四個挑戰，對于行業來說我們提了一點點思考和建議。

第一是從大模型的角度，在座如果是主機廠都在做各自的企業垂類大模型，或者說是行業大模型，每家企業都在做，我們有沒有可能去打破這個煙囪，我們來共建汽車行業大模型。好處當然在于，我們每家都能夠充分地整合利用多模態數據，從而去提升模型的泛化能力。

第二是合作伙伴生態體系里面加強軟硬筑基，去構建具身智能體在車端部署的環境。這里包括電子電氣架構的引進、突破，部署過程中的操作系統、交互協議以及原子能力注冊和服務的接口。

第三是倡導分工協同，培育健康汽車AI生態。為什么這么說？剛才給各位專家匯報時大家應該會意識到，剛才匯報這五方面沒有涉及訓練平臺的算力、沒有涉及基模的選擇，因為我們認為這兩個環節在行業有非常好的頭部企業已經實現了，比如說幾大運營商算力的構建、頭部互聯網公司對于基模能力的構建，所以剛才訓練算力沒有談基模。對于整個行業來說，我們要充分做分工的協同，去培育好整個生態，加快技術轉化，實現資源共享互用，凝聚生態合力，從而鑄牢整個產業的核心競爭力。

以上是我們今天東風公司對于汽車具身智能體環節工程化方面的思考和實踐，當中有內容不正確的地方請各位批評指正，謝謝！