阿里云，为什么开始成为车企的核心合作[伙伴？,阿里云干嘛

更新时间：2026-01-19 04:35 来源：牛马见闻

叙过渡政府与“叙利亚民主力量”达成新的停火和全面整合协议

为中国式现代化行稳致远提供有力保障——政法战线奋力推进更高水平平安中国法治中国建设

印度出现了大量“与中国相比我们做得很差”舆论反思，真不一样了。这次是PM2.5

当务之急是如何解决新能源车冬季供暖问题,新能源汽车供暖

两个西红柿就要10块钱！网友：鸡蛋已经配不上西红柿了？你最近有感受到吗？

但在 AI 定义汽车的时代�这是其他纯软件或 AI 服务商难以�但在 AI 定义汽车的时代�

<blockquote id="48IUK48P">在汽车行业，AI 服务商的身份(彻底！变了。 </blockquote> 2025 年刚翻篇，回望过去的一年，汽车圈发生了一个重要但容易被忽视的变化：在车企的核心合作伙伴阵营中，出现了一张新面孔——阿里云。 这种行业角色的变化，往往藏在最真实的细节里。我前段时间和阿里云智能集团公共云事业部副总裁、AI 汽车行业总经理李强交流，听他说自己这几年经历的最明显变化，就是在很多主机厂的供应商大会上，自己被安排在交流中的重要席位。 为什么阿里云能被如此重视？这折射出的，是汽车行业最底层的逻辑变迁。过去我们常说「软件定义汽车」，云是背后的「基础设施」；但在「AI 定义汽车」的当下，如果你还只把阿里云当成「云」看，那就看窄了。现在的阿里云，定位早已升级为「全球领先的全栈人工智能服务商」。 怎么理解这个身份呢？简单说，它既是智驾的训练场，也是座舱的大脑，更是出海的修路人。正是这三件事，改变了阿里云在车圈的座次。 目前，中国车企不仅在国内市场全部选择了阿里云，在出海业务中，也 100% 使用了阿里云。这其中，智驾算力市占率稳居第一，所有中国车企都在使用通义大模型。 这其实也是时代的信号。当算力和模型成为 AI 汽车的新引擎，供应链结构和关系的重塑，也就成了一件自然而然、且不可逆转的事情了。 01 智能驾驶： 将每一份算力，转化为模型迭代的动能 过去，车企找 AI 服务商，逻辑特别简单，无非是为了降本增效：把 ERP 系统搬上云，或者存一下车联网的日志数据。 但在 AI 定义汽车的时代，这套旧逻辑已经完全跑不通了。现在的车企，本质上是在做两件事：一边造车，一边炼 AI。 最近这几年，辅助驾驶的技术路线快速切换，从 BEV、占用网络，一直到现在的VLA、世界模型。这背后是从「规则驱动」向「数据驱动」的进化，带来的直接结果是模型参数量和训练数据量的指数级爆炸。 在国内，小鹏是最早的「破风者」之一。早在 2022 年，他们就和阿里云在乌兰察布建设了自动驾驶智算中心，当时的算力就达到了 600 PFLOPS。而短短三年间，随着大模型技术持续被验证，小鹏汽车算力储备来到了 10 EFLOPS。 这时候，车企对云的需求就发生了质变：从存储和弹性，到如今的软硬协同的系统效能的硬实力。在千卡甚至万卡集群训练的时候，GPU 之间的通信往往是最大的瓶颈，GPU 如果有大量时间都在「等待数据」，那就是巨大的算力浪费。更要命的是，在大规模集群里，硬件故障几乎是必然的。一次训练可能要跑几周，如果中间断了得从头再来，没有一家车企能承受得起。 在算力即黄金的当下，AI 服务商最大的价值，是把不确定的「算力堆叠」，转化为确定性的「工程效能」。李强有个观点我特别认同，他说在 GPU 时代，算力集群是用「金子」堆起来的，停一天对所有人的损失都巨大。这跟 CPU 时代完全不同，今天 AI 服务商每提升一个百分点的集群稳定性，对车企来说都是真金白银的节约。在这里，阿里云交付的不仅是算力，更是极致的稳定性和效率。 除了训练，还有仿真。车企在模型推送前，要在云端跑亿万公里的仿真测试。这需要极致的弹性——白天工程师写代码，深夜瞬间拉起数万个计算节点搞回归测试。阿里云的弹性计算和容器服务，实际上是给车企构建了一个随用随取的「云端练兵场」。 与此同时，行业里出现了一个明显的趋势：竞争的焦点已经从模型调用，蔓延到了数据准备、模型训练与精调，乃至后续的模型管理、评估和全链路观测。 这种变化在智能驾驶领域和具身智能表现得尤为明显。以前，处理采集车和量产车回传的海量图像数据，靠的是传统的 CV 小模型。说实话，那些老方案在语义理解上太弱，泛化能力差，准确率也总是差点意思，面对复杂的长尾场景往往显得力不从心。 随着通义千问多模态大模型Qwen3-VL的入局，情况变得有所不同了。它能一次性给图像打上数百个语义标签，无论是泛化能力还是检索准确率，相比传统方案直接提升了 50% 以上。其中的，遇到那些让人头疼的场景，直接调用云端服务处理；同时依托其开源开放的特性，自己搞定微调。 目前，头部车企正在基于 Qwen-VL 定制自己的 VLA 和世界模型，数十家具身智能企业在和通义进行合作。 这种底层能力的进化，在 2025 年 11 月的小鹏科技日上得到了具象的展示。那个叫 IRON 的机器人一亮相，走起「猫步」来流畅得惊人，以至于现场观众纷纷怀疑是不是「真人扮演」。 这种极致的拟人感，背后是小鹏正式推出的第二代 VLA（Visual-Language-Action）。这一代模型做了一个极具创新性的「减法」：去掉了「语言转译」环节。传统的 V-L-A 架构，往往需要把视觉信号先转化成语言描述，再转化成动作。但小鹏实现了从视觉信号到动作指令的端到端直接生成。 总的来说，阿里云提供了一种稀缺的「确定性」——在这个充满变数的 AI 时代，保证了每一分算力都能转化为模型的能力。 02 座舱革命： 始于「懂你」，成于「履约」 如果说智驾解决的是「好用」，是把人从驾驶位上解放出来；那么智能座舱解决的就是「好玩」和「懂你」，是把车变成一个有温度的空间。 我们过去谈智能座舱，往往盯着屏幕大小，或者「打开空调」这种机械指令，但现在用户需要的是一个懂情感、能推理的 AI 伴侣。这就倒逼车企必须把生成式 AI 引入座舱。 但这在工程落地时，面临着一组天然的「互斥」矛盾：超大模型不能完全跑在车端，因为车机算力撑不住；也不可能完全跑在云端，因为延迟和断网风险会影响体验。所以，真正的竞争高地转移到了「端云结合」：复杂的推理在云端搞定，轻量化的决策下发到车端。 在这方面，阿里云手里的「牌」确实硬。通义千问大模型现在已经是全球第一开源模型：开源 300 多个模型，全尺寸全模态覆盖，下载量突破 6 亿次。这不仅是数据，更是难以撼动的壁垒。 落地到端侧，最近阿里云发布了全模态大模型 Qwen3-Omni-4B，实现毫秒级响应，也解决了断网焦虑与隐私难题。配合下一代车载算力平台，使得模型参数下降的同时效果更好，曾经不敢部署的端侧大模型成为可能，端云协同成为现实。 光有模型还不够，模型只是「脑子」转得快，但要让车真正「懂你」，它必须有记忆。 目前的车机大多是「金鱼记忆」——你今天告诉它喜欢车内 24 度，明天上车它全忘了，一切重来。而基于阿里云推出的 AI Agent 记忆存储功能，座舱开始拥有了跨时空的记忆能力。它记得你的喜好，懂得你的习惯。这种能力的注入，让交互发生了质变：它不再是那个等着你下指令的冷冰冰机器，而是能根据历史习惯主动提供服务的管家。 除了「脑子」和「记忆」，AI 还需要有「手脚」来解决实际问题。 以前车企要接入服务，那是真的苦。得一个个去谈，谈完地图谈音乐，谈完支付谈外卖，效率极低，体验还割裂。通过阿里巴巴集团和蚂蚁集团生态，车企现在可以接入支付宝、高德、淘宝、大麦、淘宝闪购等业态，这实际上是打通了互联网的半壁江山。 所以我觉得有一点在越来越清晰，阿里云独特的护城河，不仅是底层的技术硬实力，更是现实世界中庞大而复杂的履约体系。这是其他纯软件或 AI 服务商难以逾越的壁垒。 最近，阿里巴巴通过「千问」APP 把高德接入进来，就是个信号。它不是让你在车上看地图，而是调用高德地图、扫街榜等底层服务，即时生成包含餐厅、酒店、出行方案的可视化决策卡片。接下来，千问 APP 将整个阿里的生态悉数收入囊中，成为一个超级入口。 其实，车企需要的不仅仅是底层的「算力」，而是上层的「智能」和触手可及的「服务」，这件事起于「懂你」，但终于「履约」能力。 03 陪着车厂把「基建」搞到海外 除了智能化，「出海」绝对是今年中国车企最核心的另一个命题。2022 年以来乘用车出口量持续高增，越来越多的车企深化海外市场布局，比亚迪、小鹏、零跑等纷纷将版图拓展至全球。 目前，确实已经有人在这件事上拿到了不错的成绩。比如 2025 年全年，比亚迪乘用车及皮卡海外销售 105 万辆，同比增长 145%，出海已成为比亚迪未来几年的核心之一；同期，小鹏汽车海外市场交付量同比增长 96%。截至 2025 年 12 月底，小鹏汽车已在全球布局 60 个国家和地区。 看中汽协数据，2025 年前 11 个月，中国汽车出口 634.3 万辆，同比增长 18.7%。同期，新能源汽车出口 231.5 万辆，同比增长 1 倍。这数字确实漂亮，但如果你只盯着销量看，很容易忽略掉这一轮出海和过去本质的不同。 以前的出海，逻辑很简单：把产品卖出去，收钱发货，完事。但现在的智能电动车出海，卖的不是单纯的「产品」，而是一整套「体系」。车百会理事长张永伟有个比喻特别精准：智能汽车出海，如果背后的云服务、数据合规、智能化体验没跟上，那这辆车到了海外就是「断了线的风筝」，非常脆弱。 这就引出了一个非常现实的痛点：中国车企出海，面临着地缘政治、数据合规和网络基建的三重压力。 海外每个地方的数据合规红线都不一样，网络环境更是千差万别。如果车企每到一个国家，都要自己去建机房、谈运营商、搞定法律法规，那这个时间成本和合规风险，是任何一家抢占市场的车企都无法承受的。 这时候，AI 服务商的角色不仅是一个 IT 供应商，更像是车企的「本地向导」。在复杂的国际环境下，中国车企天然倾向于选择一家「既有中国背景、又懂全球合规」的 AI 服务商。原因很简单：中国车企跟中国的云，在国内就已经磨合得很好，带到海外去，不仅仅是成本优势，更有沟通效率和信任的优势。 从这个维度看，阿里云确实又多了一个在车圈「坐上重要席位」的原因。 毕竟在从 2015 年开始，阿里云就开始了体系化出海。现在全球 29 个地区阿里云运营了 92 个可用区，而且这里边不光是云，还有 Alipay、菜鸟物流这些实打实的业务。这让阿里云成了国际化程度最高的中国 AI 服务商。阿里云能成为支撑中国车企海外快速扩张且不掉链子的隐形功臣，可能是因为这些提前的投入。 所以说，对于中国车企而言，选择阿里云，已经不再是一个单纯的技术决策，而是一种战略绑定。车企需要一个既懂「中国速度」，又懂「全球规则」的合作伙伴。在当下这个时间节点，阿里云就是那个「最大公约数」。 04 AI 时代的中国制造， 需要新的「共生结构」 这事如果我们再往深了剥一层，你会发现，阿里云坐上重要席位，意味着汽车行业维持百年的「链条结构」正在变化了。 过去一百年，汽车供应链是森严的「瀑布式」结构：主机厂首先提出需求，再由核心供应商承接执行，层层协同推进。 但在 AI 定义汽车的时代，车企和供应链的关系变成了一种「网状」的共生关系。阿里云不再是一个被动等待需求的乙方，而是提前一年甚至更久，就嵌入到了车企的研发团队里。从芯片选型到模型适配，双方是背靠背作战的。这种深度的共生模式，也是中国汽车行业能在 AI 时代领跑的一道护城河。 这种共生的关系，汽车行业只是开头，物理 AI是更大的未来。 比如我们今天在智能驾驶、智能座舱上投入的每一块 GPU、消耗的每一个 TOKEN，都不会被浪费。李强有个判断，他说物理 AI 一定率先发生在汽车行业，而不是其他形态。车企今天在复杂的交通场景中打磨出的感知与决策能力，都会汇入到未来机器人时代的通用智慧。他预测，未来机器人时代的 TOKEN 消耗，将是汽车时代的 10 倍甚至更高。 已经坐在车圈「重要席位」上的阿里云，我会很期待接下来可以「不散不飘」，在物理 AI 的更大世界里，为新阶段的中国制造带来独特的模式与更大的价值。 *头图来源：阿里云 本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

编辑：许狄蒂乌