地图是智能网联汽车不可或缺的支撑技术。
在直播之后，我们精心整理了对话内容，因篇幅较长，故分四部分推送。本文为第三部分的文字、视频和音频，聚焦“智能网联汽车关键技术发展趋势与产业分工”。
【核心观点】
核心技术：智能网联汽车产品涉及到的核心技术不仅包括一系列新硬件，更包括各种软件，后者的作用还在不断提升。正是由于核心技术的变化，导致车企不得不思考未来汽车产品的“灵魂”到底是什么。
技术集群：智能网联汽车是新一代高新技术集群的载体，相比于传统汽车，它更加强调产业的跨界协同和技术的交叉融合。智能网联汽车包括“两纵三横”的整体技术架构。
寻找路径：如果整车企业希望找到其“灵魂”所在，建议首先做好概念清晰的技术分类，然后明确各个领域的合理分工，最后自己和伙伴们一起扎扎实实地把相关技术持续做到位。
化合反应：智能网联汽车是汽车产业与ICT产业的深度结合。二者要产生化合反应，或者说要深度结合而产生新能力。这种能力一定是此前任何一方都不完全掌握的，因此必须由双方共同探索。
行业大模型：尽管大家都在探索将大模型应用到各个领域，但目前在复杂控制系统中还没有效果很好的专业大模型。构建汽车行业共性的基础大模型，绝不是一家企业能够做成的事情，一定要集合全行业的力量，大家共同来建设。
分步进行：建立行业基础大模型应分三步，第一步相互融合；第二步探索具体的实现路径；第三步打通数据。
关键数据：大模型的架构固然重要，但是要把大模型训练出来，靠的是数据，因此数据极为关键。而汽车行业涉及到的数据包括哪些种类？都从哪里来？能否充分共享？这也是我们必须解决的难点问题。
汽车OS：未来汽车操作系统必须按照CC架构来定义，既强调计算，又强调通信。换言之，汽车操作系统要做的绝不是简单的文档管理，而是强调对计算能力和通信能力的调配。
芯片开发：整车企业不必自己做芯片，但是应该深度参与芯片的开发和应用。
地图应用：地图相当于一个动态的传感器。如果整车企业盲目坚持不用地图，那么其自动驾驶汽车发生事故的概率一定会高于使用地图的车企。
清华大学教授、汽车产业与技术战略研究院院长赵福全（左）与中国工程院院士、清华大学教授、国家智能网联汽车创新中心首席科学家李克强（右）
【对话实录】
11 智能网联汽车核心技术的主要类别及领域
赵福全：克强院士，我们刚才从全局高度交流了车路协同的重要性、可行性和落地策略。下面我想和您谈一谈具体的问题，其中首要的一个关键问题就是技术。在智能网联汽车的发展过程中，各类企业相互合作的商业模式固然重要，不过技术才是最根本的。
应该说，智能网联汽车技术有着丰富的内涵，且仍在快速拓展和进步中，正在使汽车技术变得空前广泛，也给整车企业带来了巨大挑战。在传统汽车时代，车企掌握发动机和自动变速箱这两项核心技术基本上就可以了；然而到了智能网联汽车的时代，汽车产品涉及到的核心技术不仅包括一系列新硬件，更包括各种软件，后者的作用还在不断提升。
正是由于核心技术的变化，导致车企不得不思考未来汽车产品的“灵魂”到底是什么。对此业界也有各种各样的声音，这几年先是在讲“软件定义汽车”，现在又开始讲“AI定义汽车”，尤其是随着大模型的出现，“AI定义汽车”又被给予了更多的期望。毕竟大模型将带来智能技术的全面改变，比如原来智能驾驶是由感知、决策和执行等几个模型组成，未来可能只有一个端到端的模型，从而让车辆的智能化发生质变。前面您也曾提到，您觉得当前业界对大模型的认识并不充分，甚至不乏误区。所以，车企究竟怎样拥抱大模型等新技术，答案还不清晰。
同时，操作系统对于智能网联汽车也很重要，特别是广义的操作系统，直接关系到未来汽车生态的接入，如果不能有效落地，很多应用和服务就都成了无本之木。还有芯片，算不算汽车产品的“灵魂”呢？这也是很现实的问题。此外，汽车的电子电气架构到底会怎样演进？该由谁来主导？这实际上涉及到整车企业与供应商重塑业务边界与分工关系的系统性问题。比如您前面提到的，整车企业应该聚焦于应用层软件，因为与用户直接互动的始终是车企；至于应用层下面的基础共性软件，包括中间件等，则应交给专业的供应商来负责。这才是比较合理的分工。然而实际上，不少整车企业还延续着传统整供关系中处于绝对主导地位的惯性，所有核心业务都想自己做，即使有些尚不具备能力的业务交给了供应商，也只是暂时的。这肯定不是正确的做法，最终也不会有竞争力。举个例子，有的车企看到宁德时代的利润可观，就打算涉足动力电池，以便自己拿到这部分利润。可是宁德时代有上万名专注于电池研发的科学家和工程师，以及巨大的产量规模，这才确保了电池的持续领先和较强的成本控制能力，试问车企能做到这些吗？
展望未来，汽车制造业一定会拥抱大智能产业，这就要求汽车企业与ICT等相关企业相向而行，当然双方都不能越过一定的界限，进入对方的核心业务。因为任何一家企业都不可能独自拥有汽车产品所需的全部核心技术，所以分工协作才是唯一合理的选择。也就是说，整车企业不要总想着包打天下，华为、百度等ICT科技公司也不要自以为能独揽大智能产业。原因一是做不了，毕竟核心技术太多了，一家企业不可能面面俱到，在每个领域都持续投入；二是做不好，每一项技术都有其Know-how（技术诀窍），一家企业不可能样样精通，一些新领域即使第一轮把产品做出来了，后面经过几轮产品迭代之后也还是会有差距；三是做不大，比如一些共性技术如果车企自己做，是很难为其他车企采用的，难以形成规模，也就不会有持续的竞争力。
下面就请克强院士谈一谈，智能网联汽车主要有哪些核心技术？这些核心技术的难点在哪里？其背后的主体都是哪类企业？或者说应该由谁来主导？这个话题既涉及到技术路线选择，又涉及到产业分工协作。请分享一下您的看法。
李克强：这确实是一个非常重要的问题。我们常说，智能网联汽车是新一代高新技术集群的载体，相比于传统汽车，它更加强调产业的跨界协同和技术的交叉融合。那么，我们首先就需要搞清楚智能网联汽车这个载体，到底承载了哪些关键核心技术。
此前，国家智能网联汽车创新中心、清华大学等联合全行业的力量，编制了《智能网联汽车技术路线图2.0》。在这个技术路线图中，我们梳理提出了智能网联汽车“两纵三横”的整体技术架构。其中，“两纵”指的是支撑智能网联汽车发展的车载平台和基础设施平台。前者就是车辆自身的平台，而后者包括交通基础设施、通信网络、大数据平台、定位基站等。最终，这两个平台是需要充分融为一体的。“三横”指的是车辆关键技术、信息交互关键技术和基础支撑关键技术。车辆关键技术，包括环境感知技术、智能决策技术、控制执行技术以及系统设计技术（电子电气架构、人机交互、智能计算平台），这些技术直接关系到车辆行驶的安全、节能、环保等基本要求。信息交互关键技术，是一种赋能的技术，包括通信和信息系统，如专用通信与网络技术、大数据云控基础平台技术以及车路协同技术等。基础支撑技术，也是重要的赋能技术，包括人工智能技术、安全技术（信息安全、功能安全和预期功能安全）、高精地图和定位技术、测试评价技术以及标准法规等。
以此为基础，我认为智能网联汽车技术可以进一步划分为三大类：
第一类是总体性技术。大家知道，现在很多产业的发展都指向于复杂的信息物理融合系统，即所谓CPS。而智能网联汽车就是一个非常典型的信息物理融合系统，即由汽车、交通设施、信息通信等构成的一个相互融合的大系统。而且这个系统还非常复杂，所以也可以称之为巨系统，或者系统之系统。为此，我们需要采用基于模型的系统工程，即MBSE的方法，来重新构建智能网联汽车这个系统的整体构型，这有点类似于传统汽车的总布置。传统汽车的总布置是针对汽车上的发动机、变速器等各种总成进行总体布置设计；而智能网联汽车的整体构型除了车辆内部各个总成的总体布置之外，还要考虑车辆、交通基础设施、信息基础设施及其相互连接，以及在这样一个整体构型下，由于交通、信息等各部分的变化及相互作用，对车辆本身造成的影响。可见，智能网联汽车的构型涉及到非常复杂的总体性技术。
第二类是与汽车行驶有关的关键技术，即满足车辆安全、环保、节能等基本要求的技术。这部分技术在目标上与过去是一样的，只不过我们现在还需要做好智能网联汽车的感知、决策和控制等，以此保障车辆的安全性。
第三类是支撑性技术。特别是当前备受关注的人工智能技术，过去是规则驱动，现在是数据驱动，未来将是知识驱动。随着算力、数据、算法的发展，产生了新一代的AI技术，即所谓大模型技术。与此同时，云计算也由过去单一的计算平台转变成了分布式计算。可以说，当前AI技术确实与过去大不一样了。实际上，我觉得除了保障低时延和可靠性的通信技术、信息安全技术以及车辆安全行驶等关键技术之外，现在最重要的汽车核心技术就是AI技术了。
说起来，AI作为赋能技术，本身应用领域广泛。而在智能网联汽车领域，主要包括两大领域：一是人机交互，像智能座舱、语音识别均在应用AI技术，当前这方面的技术发展很快；二是替代人进行操作的AI技术，也就是应用于自动驾驶，而且必须具备非常高的可靠性和实时性。目前来看，新一代AI技术可以显著提高自动驾驶系统的识别精度和效率，但是仍然面临着一个挑战，就是大模型的不可解释性。
我们现在讨论的新一代AI技术即大模型，其实最早就是指大语言模型，这和自动驾驶的端对端模型并不相同。大语言模型是语言领域的通用大模型，而在自动驾驶、自动工业控制等替代人操作的领域，我们实际上需要的是垂域应用的专业大模型。尽管这两类大模型都需要大算力，但是模型的应用对象、核心算法以及所需要的数据底座，也包括模型参数和形态等各个方面的要求，都是不一样的。未来，预计各个行业、各个领域都会有自己的专业大模型。
我想特别强调的是，大模型高度依赖于大数据。如果一家车企只使用自己的数据，是很难满足大模型对数据海量性、完备性和准确性这三个要求的，即使积累到足够用于训练AI大模型的规模，也会与多家企业共享数据后训练出来的大模型存在水平差距。另外，现在很多人都混淆了大数据的海量性与完备性。举个例子，假设一家企业有10万工人和1000工程师，如果你描述这家企业有9.5万工人、0名工程师，而我描述这家企业有8万工人、800工程师，虽然你的数据量比我更大，但我的数据比你更完备，也比你更准确。由此可见，车企不仅需要彼此共享数据，还需要获得交通环境等相关数据，才能提升数据的完备性，从而把自动驾驶大模型训练得更好。
综上所述，对于智能网联汽车这样一个复杂的信息物理系统，除了与传统汽车同样要做好安全、环保、节能等车辆关键技术之外，还要做好两个部分的核心技术。一是复杂系统构型的总体性技术，前提是我们必须将智能网联汽车以及交通、信息基础设施等作为一个大系统进行透彻的分析。二是新一代的移动通信技术和人工智能技术，特别是人工智能技术。在开展这部分工作的时候，我们一方面要对AI技术本身有正确的认识，另一方面要根据汽车产业的特点来开发专业大模型，如自动驾驶的AI大模型。而企业开发的专业大模型只有构建在行业共性大模型的基础上，才能更有竞争力，也才能真正将新一代AI技术应用于可靠性、实时性要求都极高的自动驾驶领域。从这个意义上讲，如何开发行业共性的基础大模型，我认为是当前非常重要也极具挑战性的一件大事。
总之，智能网联汽车涉及到诸多不同的核心技术，如果整车企业希望找到其“灵魂”所在，我的建议是，首先做好概念清晰的技术分类，然后明确各个领域的合理分工，最后自己和伙伴们一起扎扎实实地把相关技术持续做到位。
12 集合各方力量共同构建汽车行业的基础大模型
赵福全：您刚才谈到了一个重要问题，那就是大模型。您认为大模型的作用是巨大的，同时其挑战也是巨大的，特别是我们需要针对汽车行业的特点建立共性的基础大模型。现在中国在大模型领域可谓是“百模大战”，据不完全统计，已经有250多家大模型公司，这种现象可能与中国互联网公司的数目比较多有关。我认为这其中肯定有商业炒作的成分，但也确实有很多公司在大模型领域摩拳擦掌、跃跃欲试。之前我也和一些ICT产业的专家交流过，有专家认为，美国现在真正有竞争力的大模型公司仅有5家。那么，您认为中国需要这么多大模型吗？要打造汽车行业的大模型，又该怎样切入呢？
李克强：这个问题非常好。在我看来，一方面，我们需要借鉴使用现有的大模型技术，也就是前期科技公司探索和发展的大语言模型技术。这里的“语言”是广义的概念，包括人类的文本、语音、图像、视频等，因此大语言模型目前广泛应用于文字生成、问题回答、多轮对话、图像和视频识别等领域。实际上，汽车也是大语言模型的重要应用领域之一，如车内人机交互，汽车开发过程中的文字处理、知识管理等。在这些领域，我认为车企可以直接采用国内外成熟的大语言模型。
另一方面，我们需要探索汽车产业具体应用领域的专业大模型，这是当前中国乃至全球竞争的主要方向之一。我们谈到汽车大模型时，通常指的是这一类模型。需要注意的是，尽管大家都在探索将大模型应用到各个领域，但目前在复杂控制系统中还没有效果很好的专业大模型。而自动驾驶系统就是一个高度复杂的控制系统，开发自动驾驶领域的专业大模型，探索其构型和算法，正是汽车行业所亟需的。
同时，为了让专业大模型更快形成更强的竞争力，我们还需要构建汽车行业共性的基础大模型。比如，自动驾驶等垂域应用的专业大模型非常依赖于数据的海量性和完备性，而现在车企的数据都是各自掌握的，其他相关数据也很少是共享的，这非常不利。我认为，构建整个行业共性的基础大模型，绝不是一家企业能够做成的事情，一定要集合全行业的力量，大家共同来建设。
赵福全：这个话题我们可以稍微展开一些。现在有的企业已经开始应用大模型的方法来做自动驾驶场景的数据标注了；还有的企业开始转向端到端模型，以此解决Corner Case即所谓长尾问题，并相应调整了内部研发的组织架构。应该说，就企业个体而言，这些探索和努力都无可厚非。不过就像您刚刚讲到的，我们迫切需要行业共性的基础大模型，这个模型既能把大模型的基本原理与汽车行业的专业特点相结合，又能充分利用来自不同主体的各类数据，从而可以为自动驾驶等垂域应用的专业大模型提供有力支撑。而这样的大模型，单靠一家企业去做是不现实的，必须集全行业的力量才行。我非常认同这个观点。此外，在行业共性大模型的基础上，各家企业构建自己的专业模型时，还要确保形成各自的特点或者说实现差异化。
那么我们具体应该怎样做，才能让行业共性大模型真正落地呢？特别是您作为智能网联汽车产业当之无愧的技术领军人，一定有自己的主见，而您的意见又在很大程度上代表着整个行业的共同声音。在您看来，就以自动驾驶为例，我们到底怎样组织行业资源构建出一个各家企业都能使用的共性大模型，而且能够基于此各自打造差异化的专业大模型呢？
李克强：我认为，我们首先要对大模型有准确的认识，特别是要把大模型的基础概念、基本原理以及应用场景搞清楚。简单地说，大模型分为基础大模型和专业大模型。我们要联合全行业建立的是基础大模型，这个基础大模型相当于包含了各种工况的“试车场”，各家企业都可以在上面开发自己的产品。当然，有些大企业也可以自建“试车场”，但是一家企业的“试车场”能够覆盖的场景及数据终归是有限的，或者说，相比于行业的“试车场”是没有竞争力的，毕竟未来智能网联汽车必须基于各种类型的海量数据来开发。所以，我们需要集聚汽车及相关行业的资源，共同构建一个或几个包含各种场景的“试车场”，将多家企业的数据都应用起来，这就是汽车行业的基础大模型。在基础大模型之上，各家企业可以开发自己的产品，通过具有自身特色的应用算法，产生各不相同的差异化竞争力。
现在很多企业做的大模型，都是烟囱型的，从顶层的应用到底层的基础功能都封闭在一个整体内。坦率地讲，我认为这并不是真正的大模型，至少不具备大模型的基础，或者说企业只是自己做了基础大模型的概念性验证罢了。在智能网联汽车的时代，产品正被重新定义，产业链正被全面重塑。为此，我曾经提出过基础平台的概念，即一种平台型的供应链系统。与以前所谓的一级、二级供应商相比，基础平台相当于1.5级的供应商。这个基础平台与各家车企之间都不存在竞争关系，而是要给各家车企赋能。在大模型领域，刚刚我们讲到的基础大模型，就符合基础平台系统的理念，应该由全行业一起构建，并为各家企业提供赋能。至于各家企业自己的专业模型，则可以构建在这个平台之上，相当于在一个底座上竖起各自的烟囱来，而底层却是打通的。
在此，我也介绍一下清华大学国家重点实验室的工作，应该说我们率先在自动驾驶领域应用了端到端的大模型，在今年年初这个模型已经上车路试了。目前业内该领域的大模型基本上都是先把汽车的使用环境模拟出来，然后再加上一套算法，而我们的大模型有所不同。早在2018年我们就已经把决策和控制集成在一个模型里面了；同时，感知相对特殊，之前对感知数据没有特别高效的处理办法，而大模型出现之后，在很大程度上解决了这个难题。这样我们就有了感知模型，再和决策控制集成的模型放在一起，就形成了一个两段式的大模型。我们认为，这种两段式的大模型可以实现逐级的全栈神经网络化，而不是一个完全黑箱的神经网络，因此比感知决策控制一体化的一段式大模型，更具可解释性。
在上述研究和实践的基础上，我们正致力于通过清华大学国家重点实验室和国家智能网联汽车创新中心这两个平台，推动全行业达成共识。最近我去了几家头部车企和移动运营商，大家普遍认为汽车行业应该建立自己的基础大模型。我想整个行业应该联合起来，共同构建基础大模型的平台。这个平台既能满足大模型技术对多元数据等的固有需求，又能匹配产业生态分工协同的发展规律，还能确保不同企业之间展开差异化竞争的可能性。
总之，我认为，对于汽车行业的AI大模型，我们一要理解其基本概念和技术原理，清楚基础大模型和专业大模型的区别与关系。二要集聚全行业的力量共同建立汽车行业的基础大模型，从而把各方的各种数据都统一应用起来。
13 构建汽车行业基础大模型分三步走：融合、路径、数据
赵福全：我完全赞同您刚才谈到的，汽车行业需要构建基础大模型。当然，行业的基础大模型实际上分为两个部分：一是不针对于特定行业的基础大模型本身，即从ICT角度所理解的大模型的基础框架和基本能力；二是结合汽车自身特点的行业共性大模型。我认为，汽车行业构建带有自身专业特点的共性大模型是没问题的，但是基础大模型或者说大模型的基础框架应该怎样来做呢？目前业内对此是有争议的，核心问题在于行业基础大模型到底应该由谁来主导？是“ICT+汽车”，还是“汽车+ICT”？如果由车企主导，我们汽车行业有构建大模型所需的AI技术及能力吗？
李克强：我一直在讲，智能网联汽车是汽车产业与ICT产业的深度结合。就像前面您也提到的，二者要相互拥抱。相互拥抱是要产生化合反应的，或者说深度结合是要产生新能力的。这种能力一定是此前任何一方都不完全掌握的，因此必须由双方共同探索。汽车行业的基础大模型就是如此，并不是说单方面就能做得到，也不能简单地说由谁来主导，实际上是二者相互融合的概念。现在就看谁能够有这样的认识，并据此加快行动，率先把融合发展有效落地了。
赵福全：克强院士认为，汽车行业的基础大模型，不是汽车人自己就能做成的，而是要靠汽车与ICT两大产业进行融合创新，最后按照汽车行业的需要，来共同完成构建基础大模型的使命。我认为这个观点至关重要。
李克强：是的。我觉得建立行业基础大模型应该是分步骤来做的：第一步就是要相互融合。希望越来越多的参与者都能明白，“融合”是做成这件事的基本前提和大逻辑，而那些率先做到成功融合的企业，将会成为未来的主导者。第二步是探索具体的实现路径。在这方面，我想应该是AI专业公司先提出基础大模型的架构，然后汽车人作为应用方与他们共同讨论，进行完善和修正，使之成为适用于汽车行业的基础大模型。第三步是打通数据，这可能更重要。刚才说到，大模型的架构固然重要，但是要把大模型训练出来，靠的是数据，因此数据极为关键。而汽车行业涉及到的数据包括哪些种类？都从哪里来？能否充分共享？这也是我们必须解决的难点问题。
14 汽车操作系统应按照CC架构定义并合理分工
赵福全：我认为上面这段讨论澄清了行业的一个大问题，让我们对大模型的概念、分类以及如何在汽车产业落地有了深刻的认知。接下来，我想和克强院士讨论另一项非常关键的核心技术，那就是操作系统。
应该说，现在业界对于汽车操作系统以及与之相关的硬件不断拓展和软件持续进化，已经有了一定的认识。但仍有很多重要问题，是存在争议的。比如当前操作系统就是基于车辆本身的，而未来车路协同乃至车路云一体化必然要求操作系统要有一部分覆盖路、拥抱云，届时汽车操作系统的管理范围、其背后连接和支撑的生态资源等都会大不相同。那么未来终极的汽车操作系统究竟会是什么样的呢？又如当前操作系统正从单核走向多核，特别是多核异构也在讨论中。那么未来汽车操作系统的发展路径将是怎样的？大致会有哪些演进的时间节点？
更进一步来说，汽车行业未来是会有统一的一个操作系统，还是会同时有五六个操作系统？我认为，只有一个操作系统恐怕是不现实的，但是如果同时并存五六个操作系统，这些操作系统将是什么关系？彼此有什么不同？其背后的主体又会是谁？现在操作系统这个领域有点乱，可以说是“李逵”和“李鬼”混在一起，而且可能是“李鬼”多、“李逵”少。事实上，我感觉操作系统这个概念被滥用了，不少企业没有区分广义和狭义的操作系统，而且只是把现有的操作系统稍微修改了一点儿，就称为自己的新操作系统，并以此作为产品宣传上的一个卖点了。这些混杂的信息不仅误导了广大消费者，也误导了很多业内同仁，包括工程师和科研人员等。对于这种现状，您怎么看？
李克强：这也是一个非常好的问题。我认为，我们首先要从技术的角度对操作系统进行准确的定义。操作系统最早是计算机领域的一个概念，我们知道，早在80年代就出现了DOS操作系统，那时的操作系统只是用来管理硬件的。后来随着计算机的发展，开始有了管理应用软件的操作系统，特别是Windows操作系统可以支持多种应用软件的管理，这也是PC（个人计算机）时代最普及的操作系统。到了移动终端的时代，又诞生了智能手机的操作系统，其中最典型的两个就是iOS和安卓系统。
那么进入智能汽车的时代，操作系统又会是什么情况呢？清华大学与国家智能网联汽车创新中心对此进行了定义。目前全球操作系统有两大主流架构：一是PC领域的Wintel架构，即Windows操作系统与英特尔（Intel）芯片的组合；二是智能移动终端领域的AA架构，即安卓（Android）操作系统与ARM芯片的组合。而对于自动驾驶的智能网联汽车而言，我们认为应该是CC架构，即计算（Computing）与通信（Communication）架构的组合，其背后实际上是一个动态的生态。也就是说，汽车行业的操作系统既要面向计算的硬软件，又要面向通信即车路协同的硬软件。从本质上讲，这是因为控制系统在发展进步，所以操作系统也要随之演进。
我觉得，当前很多人并不清楚操作系统的内涵，只是在照搬传统计算机或手机领域的概念，又或者是在人云亦云。我想强调的是：第一，汽车行业的操作系统非常重要，其本质就是向下管理各种硬件、向上支撑应用软件、处于中间位置的系统软件。未来汽车操作系统必须按照CC架构来定义，既强调计算，又强调通信。换言之，汽车操作系统要做的绝不是简单的文档管理，而是强调对计算能力和通信能力的调配。第二，汽车行业的操作系统最终要能支持车路云一体化的复杂大系统，即把车端、路端和云端融为一体，作为一个整体性的大系统来提供支撑。毫无疑问，这将是一个超大的操作系统。当然，在这个大操作系统下面还会有各种子操作系统，比如车端、路侧、云端都会有各自的操作系统。
可见，对于汽车行业的操作系统来说，无论是系统本身的定义，还是相关技术的演变，都需要我们建立全新的认识。在这方面，我们切不可回到传统计算机和手机操作系统的概念上，或者说被IT人员误导了，而是要站在未来汽车的新能力、新需求、新生态的高度，来重新理解并构建操作系统。
赵福全：实际上，IT行业在参与汽车操作系统打造时，如果对汽车硬件、软件及能力等没有正确的认知，是会有很大问题的。
李克强：是这样的。总体而言，目前汽车产品端的操作系统主要有三类：一是常规的车控OS，这部分管理的硬件相对较少，但对可靠性的要求极高；二是智能座舱的OS，比如华为的鸿蒙系统；三是自动驾驶的OS。
其中对于自动驾驶OS，我想在此澄清一个概念，即自动驾驶操作系统未来一定是多核的。实际上，中国对自动驾驶操作系统已经有了比较清晰的界定，包括清华大学和国家智能网联汽车创新中心在内的研究团队对其给出了明确的定义，并且已经写入了工信部的白皮书里。简单地说，我们借鉴了安卓操作系统的特色。安卓操作系统不仅有内核和中间件，更重要的是它支持APP Framework，即具有支撑应用软件的框架。我们之所以能够基于安卓系统构建生态，就是因为它有APP Framework，而且这个框架是由真正懂APP软件的人定义出来的。以此类推，我们认为，自动驾驶操作系统除了传统的系统软件之外，也一定会有功能软件。系统软件包括操作系统内核，也包括虚拟化层，还包括在AUTOSAR（汽车开放系统架构）中定义的中间件等；而功能软件则是把顶层的应用软件和底层的系统软件连接起来，类似于安卓的APP Framework。
总之，这样的汽车操作系统符合未来的技术走向。其关键在于，不仅要管理自动驾驶等相关硬件，更要支撑各种应用软件，以方便用户使用。具体来说，不同的层级应该有不同的分工。其一，操作系统内核及虚拟化层和中间件层等，国际上已经有成熟的产品了，中国当然要实现自主化，但一定要开放地去做。也就是说，底层和中间层的软件应该由专业的软件公司来做。其二，功能软件是连接底层系统和上层应用的，属于跨界的部分。前面我们讲到汽车和ICT两大产业要相互拥抱，通过化合反应产生新要素、新能力。而功能软件就是这样的产物，它将把两个产业真正连接起来，并为生态构建奠定基础。甚至可以说，未来谁掌握了功能软件，谁就能把操作系统打通，从而获得更有效的支撑。这也意味着功能软件应该由汽车和ICT等企业共同打造。以上就是我们对于汽车操作系统及其分工的定义。简单说就是一句话，大家必须理清概念、各司其责。
赵福全：克强院士的融合理念可谓无处不在，无论是对于智能网联汽车产品及产业，还是对于自动驾驶、操作系统以及其他相关核心技术。我想在产业重构逐步深化的过程中，大家的认识和理解都在不断深化。包括今天对话中谈到的很多具体观点，也许三年之后，我们也会有新的思考或者进一步的完善。但这并不会否定我们今天对于汽车产业变革本质及其发展路径的基本认识，即汽车与ICT等产业一定要相向而行、融合创新，共同发展智能网联汽车及其核心技术。时间关系，操作系统我们就先谈到这儿。
15 整车企业不宜自己做芯片，但应深度参与芯片开发
赵福全：还有一个大家非常关心的问题，那就是芯片。现在关于整车企业到底要不要自己做芯片，也有不同的意见。如果从成本和规模的角度看，车企是不应该做芯片的；可如果不做芯片，车企又感到有很多关键能力不受控。所以，有些整车企业还是决定自己做芯片，还有些企业觉得自己做不了，但又放不下，处在矛盾纠结之中。实际上，很多企业的高层与我交流时都谈到过芯片这个难题。在此，我想问问克强院士：第一，未来芯片的发展路径会是怎样的？第二，整车企业和专业的芯片供应商之间究竟应该怎样协同，才能让智能网联汽车发展得更好？请您分享一下自己的观点。
李克强：我的观点很明确，结论就是：整车企业不能自己做芯片，但是应该深度参与芯片的开发和应用。汽车产品用到的芯片有很多类型，其中最主要的有两类：一是通用的MCU芯片，这个产业已经非常成熟了，随着国家层面全力打造通用芯片的产业基础，这类芯片的问题应该会逐步得到解决。二是计算芯片，这是目前大家讨论的焦点。
就计算芯片而言，一是涉及到汽车核心的应用算法，特别是感知决策执行一体化的端对端模型出现后，对计算芯片的算力和可靠性等要求更高了。二是信息安全风险逐步增大，汽车产业对计算芯片的安全性要求也更高了。三是由于智能网联汽车技术仍在不断发展中，后续计算芯片的架构可能还会发生改变。在此情况下，整车企业自己做计算芯片实在太难了，投入产出比也太差了。反过来，只靠芯片公司自己做计算芯片也不行，毕竟它们不可能充分了解汽车的应用需求；同时如果某款芯片的需求量较少，芯片公司也没有动力为汽车企业开发，这样就无法形成闭环的商业模式。
所以，车企从零开始自己做芯片，或者全面外委给芯片公司来做，自己什么都不参与，这两种策略都不是好办法。我认为正确的策略应该是，整车企业通过投资、合资、合作等方式与芯片公司建立战略伙伴关系，同时深度参与芯片的定义和开发工作，帮助芯片公司把汽车计算芯片做好，以充分满足自身对于芯片的需求。
赵福全：您认为，当前整车企业应该参与芯片的设计开发和应用，而芯片本身还是应该交给专业的芯片公司来做。那10年之后呢？情况会不会发生变化？比如那时候拥有千万量级产销规模的头部车企，对于芯片这种与汽车产品核心功能和性能都息息相关的重要部件，也不应该自己做吗？
李克强：我想，企业主要从自身发展战略、技术受控度以及产品竞争力等角度思考，又或者主要从投入产出比以及核心技术专业性等角度思考，最后做出的决断恐怕是不同的。就我个人来说，倾向于车企应该遵从专业分工的原则来打造芯片。说得更直接些，我认为中国车企至少目前是没有必要自己做芯片的。原因一是车企现在有很多应该做但还没做好的事情，有些是因为尚未想明白，有些是因为投入还不够，因此不宜分散资源。二是芯片有其自身的特点和规律，比如技术难度高、所需投入大，且成本极度依赖规模。在此情况下，一家车企的芯片用量根本不足以支撑芯片的自研和自制。所以，车企应该深度参与芯片的开发，明确自己的使用需求，甚至可以在一定程度上控制某家芯片公司，但是这与自己做芯片完全不是一回事。
赵福全：我相信，今天克强院士的观点会给大家带来很大的启发。事实上每次对话播出后，我都会收到很多积极的反馈，包括很多企业的董事长、总经理以及副总们都非常关注，因为大家觉得这种深度对话传递了重要的思想。
16 地图是智能网联汽车不可或缺的支撑技术
赵福全：下一个问题。关于自动驾驶如何发展，目前还有一个存在争议的话题，那就是地图。短期来看，地图的作用似乎在弱化，但高等级自动驾驶好像又离不开地图。长期来看，地图究竟会在智能网联汽车产业扮演怎样的角色，似乎也不太清晰。当前很多车企所谓“无图”的智能驾驶产品正在不断攻城略地，持续拓展到更多的城市，这种大环境也让专业的地图公司感到迷茫。
此前我曾在这个栏目与四维图新的CEO程鹏进行过交流，作为专业图商的代表，他认为地图还是不可或缺的。我想，未来高等级的自动驾驶真正实现之际，也就是用户在车内完全不用考虑驾驶的时候，还是需要地图的。而且地图在自动驾驶中发挥的作用和在车路协同中发挥的作用，应该是不同的。那么克强院士，从产业近期以及长期发展的角度出发，您是怎么看待地图的？
李克强：我想给中国车企的企业家们提一个建议：对于各种关键问题，一要有正确认知，二要有战略定力。
具体到地图这个话题，一方面，地图对于自动驾驶肯定是有用的，这一点毋庸置疑。当然，不同种类的地图在汽车产品发展的不同阶段会有不同的作用。例如导航地图是给人看的，自动驾驶使用的高精地图是给车看的，这两种地图是不一样的。相比之下，给车看的地图更加重要。不过我们现在面临两个问题：一是在这方面有国家相关法律法规的限制；二是动态的高精地图能否在成本受控的前提下满足高等级自动驾驶的要求。由此就出现了所谓“无图化”的说法，实际上所谓“无图”并非真的没有地图，只是减少了对高精地图的依赖。所以大家对地图先要有一个清晰的判断，即给人和给车看的地图永远都有存在的必要。
另一方面，地图其实相当于一个动态的传感器。为此，我们应该不断推动地图实现技术水平、性价比以及运营管理上的突破，以强化其感知作用。如果整车企业盲目坚持不用地图，那么其自动驾驶汽车发生事故的概率一定会高于使用地图的车企；否则，其自动驾驶系统的完成质量就必须远高于使用地图的车企，而这种质量的提升也是有成本代价的。无论是现阶段，还是未来，我想结论都是如此。说起来，对于地图我总是这样举例：你在茫茫黑夜中前行，明明可以拿着一个手电筒，可你却不要，只是自己睁大眼睛去摸索，这怎么可以呢？同样的，如果没有地图这项技术也就罢了，可现在明明有地图，车企为什么不使用呢？毕竟使用地图可以让汽车掌握周边的情况，从而行驶得更通畅。至于说到成本，这恰恰是我们在发展地图技术时需要重点解决的问题之一。总之，无论是在当前，还是在未来，我们的出发点应该都是尽可能把地图用起来。
赵福全：的确如此，整车企业可以减少对地图的依赖，但这并不意味着不去充分利用地图的能力。
李克强：是的，车企就应该把地图用起来。而且未来地图的作用还会更加重要。因为最终智能网联汽车将运行在车路云一体化的大系统中，届时包括位置信息、相关数据以及为用户提供的增值服务等，都是需要地图的。因此每当有企业家问我地图问题时，我都建议他们不要轻易放弃地图这条技术路线。或者当前可以把“无图化”作为权宜之计，但必须清楚，未来自动驾驶还是要用地图的。
赵福全：应该说，智能网联汽车的核心技术非常复杂、且相互交织，特别是一些关键领域的核心技术究竟应该如何发展，目前业界仍然是仁者见仁、智者见智。所以，我选择了一些重要的技术问题，请克强院士分享自己的观点，包括对现阶段发展情况的判断，也包括对未来发展趋势的展望。在此我简单做个小结。
第一，关于汽车与ICT两大产业的关系。一方面，数字化和智能化技术越来越成为支撑智能网联汽车发展的共性基础技术，而这些技术此前汽车企业不曾拥有，今后汽车企业同样不应该、也没有能力全部拥有。因此，汽车产业必须积极拥抱ICT产业，吸纳其相关核心技术。另一方面，尽管这些技术原本来自于ICT产业，但是照搬到汽车产业是不行的。毕竟汽车是非常独特的应用对象，只有结合汽车产业的特点，在原有技术的基础上进行拓展甚至重新开发，才有可能满足要求。更何况数字化、智能化技术包罗万象，而且还在不断发展中，也没有哪家ICT企业能够独自掌握大智能产业的全部核心技术。因此，ICT产业不要以为能够降维打击，必须积极拥抱汽车产业，努力为其赋能。
例如，汽车对安全性的要求非常高。我们经常讲，计算机或手机死机了只影响暂时的使用，但汽车如果死机了可能就会引发事故，甚至车毁人亡。所以，保证安全性始终是汽车产品开发的第一要务，这远比实现节能、环保等更重要。又如，汽车产品的复杂性也非常高。汽车上的零部件成千上万，计算机和手机根本无法相比。从汽车人的视角来看，计算机或手机其实只相当于汽车上的一个零部件或者总成而已，在BOM（物料列表）中仅占一行。所以，数字化、智能化等支撑性技术应用到汽车领域绝非易事。
正因如此，我们发展智能网联汽车，既要从ICT产业“拿来”所需的支撑性技术，又要在汽车产业内进行再创新，最终要把这两大领域的核心技术真正融合起来。也就是说，汽车企业对ICT产业应该持开放合作的态度；而ICT企业也要对汽车产业心存敬畏，面向汽车产品、结合汽车技术，进行自身核心技术的再创造，以成功实现在汽车领域的再出发。否则直接“拿来”的ICT技术肯定会“水土不服”，导致汽车产业无法获得有效的赋能。所以，克强院士在交流过程中反复强调，汽车和ICT产业必须发生化合反应，必须进行融合创新。这个观点对于智能网联汽车的诸多核心技术，包括大模型、操作系统、芯片、地图等，都是适用的。
第二，具体来说，关于大模型。尽管中国呈现“百模大战”的局面，但目前还没有充分结合汽车产业特点的行业大模型。有些企业也在推进汽车大模型方面的工作，不过主要是将大语言模型应用于人机交互。实际上，大模型作为新一代的AI技术就是从大语言模型开始的，而语言的背后是知识。也就是说，只有对某个领域的专业知识进行深度的学习和应用，大模型才能有效应用于这个专业领域。比如汽车行业有车身、底盘、动力，行驶、制动、转向等各个领域的专业知识，车企需要在这些知识的基础上构建专业大模型，以更好地解决特定领域的专业问题。另一方面，汇聚各方力量共建行业基础大模型至关重要。因为大模型非常依赖于大数据，如果多家企业能够共享各类数据，就可以形成解决共性问题的行业基础大模型。而不同企业的专业大模型也就可以构建在行业的基础大模型之上，从而具有更强大的能力，同时实现各自不同的差异化。我希望，今天收看我们栏目的所有行业同仁们都能认识到共建行业基础大模型的重要性。
第三，关于芯片。虽然芯片事关智能网联汽车的核心竞争力，但是车企的战略决策还要考虑技术水平和投入产出比的高低。事实上，车企如果只是为了掌控核心竞争力，就投入很多资源来自己做，那很可能做出来的芯片性能并不好，且由于规模有限，导致成本偏高，这样消费者是不会买单的。毕竟芯片是特别强调规模和积累的关键技术，并不是说车企组建了一支3000人的团队，就一定能做出具有性价比优势的芯片来。何况企业需要的是持续的竞争力，不是开发出一款优秀芯片就可以了，而是要持续做出高性能、低成本的芯片。所以，克强院士认为，除非车企自身的规模极大，否则是不宜自己做芯片的。当然，车企应该深度参与芯片的设计和应用，把自身对汽车产品的理解尽可能地融入其中。
第四，关于地图。克强院士认为，地图是发展智能网联汽车必不可少的核心技术之一。虽然现在有些企业推出了所谓“无图”的智驾产品，但其实并没有完全抛开高精地图，只是减少了对地图的依赖。更重要的是，长期来看，车企没有必要、也不应该抛开地图，因为地图相当于为汽车增加了额外的动态传感器。克强院士以手电筒为例进行了说明：当我们在黑夜中赶路，如果有手电筒，为什么不用呢？地图就是智能网联汽车的“手电筒”，可以帮助汽车行驶得更好。而在车路协同的前景下，未来地图还会发挥更大的作用。
实际上，进入万物互联、生态发展的新时代，各方都需要借助其他参与者的资源和力量，来提升自身的能力和优势，这就是我之前提出的“基于专业化分工的多主体协同创新”。而这种发展理念和模式，在智能网联汽车的诸多关键技术领域中，均至关重要。对此，希望汽车及相关产业的同仁们都能有正确的认知。
未完待续，请继续关注《赵福全对话李克强④ | ：智能网联汽车具有显著的区域特性》
