7月10日下午，2025贝壳财经年会“智能网联汽车如何重构新生态”分论坛举办。上汽集团大乘用车智能驾驶总监张栋林参与“车圈圆桌派”，对汽车智能化发展进行了分享。

张栋林提到，大模型对汽车智能化的变革是系统性和全链条性的，但仍然面临多重技术与非技术挑战。不管技术如何革命和迭代，整车研发和技术应用始终在安全-体验-成本中进行平衡。

上汽集团大乘用车智能驾驶总监张栋林。活动现场图

L2不是自动驾驶，车企要准确宣传

2025年，工信部对夸大宣传辅助驾驶功能的现象进行强监管，直指安全痛点。张栋林对此表示赞同，他给目前L2级别辅助驾驶安全程度打了7分（满分10分）。

他说，辅助驾驶属于L2级及以下的分级，其核心在于系统能够同时控制转向和加减速，但驾驶员必须全程监控，从这个定义看，是相对安全的。

他强调，当前 L2级别组合辅助驾驶还处于人机共驾的状态，涉及驾驶员及智能辅助驾驶（ADAS）系统共同对环境判断、行为决策和车辆控制，本质上属于机器辅助驾驶员的形态，驾驶员必须全程监控驾驶环境和车辆状态，并执行全部动态驾驶任务，因此驾驶员是车辆安全行驶的最终责任人。

张栋林进一步表示，使用者对于辅助驾驶功能的系统能力和边界要有相对清晰的理解和认知，车企则需要对功能进行准确的定义、描述和宣传，清晰明确告知用户适用范围和局限性。

“我曾经在2021年针对L2级别辅助驾驶和L3级别有条件自动驾驶的开发及验证表达过观点：L2级辅助驾驶功能，更多偏向于车辆对驾驶员的监控和监管，特别是手和眼，不要让驾驶员犯错或滥用系统；L3级别有条件自动驾驶，更多偏向于车辆对环境和车自身的监控，特别是ODD边界和车辆故障，及时唤醒并有效交接驾驶员。”张栋林说。

2025年，智能辅助驾驶成为热门词汇，被业内广泛关注。张栋林认为，这由两方面促成。从产业层面，随着国内车用SOC芯片研发能力和感知传感器等产业化的发展，驾驶辅助系统成本不断降低，越来越多的车企提出了“智驾平权”的概念并推出了产品。从监管层面，随着驾驶辅助安全事故和用户滥用事件的发生，国家层面加强并加快了驾驶辅助系统安全设计要求和标准的制定，并提出了严苛的强制性测试验证场景。这一“快”一“慢”两个层面，助推了今年智能辅助驾驶的热度。

他介绍，上汽集团也在积极推动智能化的落地，2023年MG7就成为首款面向全球市场的搭载高速领航辅助系统和点对点泊车的燃油车型，并成为单模北斗定位芯片首个量产车型；2025年下半年即将上市的MG4也将进一步推进座舱智能化，新车将率先搭载与OPPO智行共同研发的手车互联系统，支持手机语音备车、手车应用融合、手车无感互联、手机摇一摇导航、全量生态上车、AI智能融合等创新功能。

大模型或给车企带来系统性变革

除了智能驾驶，AI大模型与汽车的“碰撞”也备受关注，端到端智驾正被企业应用。张栋林表示，大模型对汽车智能化的变革是系统性和全链条性的，但在落地过程中，大模型与汽车的融合仍面临多重技术和非技术挑战。

大模型首先在感知层面带来变革，其颠覆性的改变是“从规则驱动到语义理解”。张栋林提到，一方面是系统对环境理解的质变，传统的感知算法需要依赖人工定义特征，而大模型通过海量数据学习语义级感知，如识别交警手势、施工标志等场景，可以自动升级、进化；另一方面是对动态场景的推演，可以构建4D时空环境模型，从而预测行人意图和车辆切入概率，替代传统的目标级追踪。

其次是决策层面，大模型颠覆性的改变是从专家系统到类人推理；在座舱交互方面，大模型带来的颠覆性改变是从功能机到智能体，实现即说即所得。

最后，研发生产方面，大模型最直接的改变就是降本增效，全链路应用后可带来人工智能革命，开发效率提升（如自动生成测试场景等）以及数据闭环重构（如影子模式数据自动挖掘高价值场景等）。

车企在大模型应用上仍面临挑战

张栋林也坦言，车企在大模型应用上仍面临挑战。

首先，作为主机厂的工程技术管理人员，面临新技术应用带来的技术决策、方法论和资源投入的挑战和平衡，如大模型推理延时VS决策响应实时性、 车载计算平台低功耗VS大模型训练卡高功耗、离散低质结构化数据VS大量高质量场景数据等。

此外，作为整车产品研发交付负责人，将面临新技术应用所带来的开发不确定性和质量风险，如大模型决策的不可解释性，违背功能安全要求和准则，会带来质量合规风险；车规级工程化部署的难度，从实验到量产带来的性能损失，可能产生安全性问题；成本控制的挑战，端侧大模型需要本地有大算力，会带来整车成本的上升。

最后，作为团队管理负责人，面临新业务模式下传统研发体系重构和组织变革，如人才转型和断层、流程冲突、供应链及产业生态重塑。

大模型的发展既有变革亦有挑战，但张栋林认为，无论技术如何革命和迭代，整车研发和技术应用始终会在安全-体验-成本中进行平衡。

新京报贝壳财经记者 白昊天

编辑 岳彩周

校对 赵琳