摘要：当人工智能的浪潮以前所未有的速度席卷全球，汽车，这个承载着人类百年出行梦想的工业巨擘，正站在一个激动人心的十字路口。智能化不再是远景蓝图上的点缀，而是驱动产业变革的核心引擎。
当人工智能的浪潮以前所未有的速度席卷全球，汽车，这个承载着人类百年出行梦想的工业巨擘，正站在一个激动人心的十字路口。智能化不再是远景蓝图上的点缀，而是驱动产业变革的核心引擎。
4月22日，腾讯智慧出行技术开放日现场，腾讯智慧出行副总裁钟学丹向业界描绘了一幅全栈AI能力深度赋能汽车产业的宏伟画卷，并分享了其一年多来的实践成果与深度思考。
AI落地生花：汽车产业的“奇点”时刻“在过去一、两年的时间里，大模型的突破发展，已经使得AI技术，开始真正‘落地生花’，实际应用在各个场景中。”钟学丹现场演讲中分析当前AI发展的阶段性特征。
目前，腾讯自身已将AI大模型深度嵌入超过700个业务场景，并积极推动其在汽车、政务、零售等30多个行业的产业化应用。汽车行业，无疑是这波AI浪潮中最活跃、最先锋的阵地之一。
在钟学丹看来，汽车产业已进入“广泛、深度应用AI的阶段”，两大趋势尤为显著：
其一，以端到端大模型为代表的技术突破，正革命性地推动智能驾驶发展。“业内普遍预测，模块化的端到端，将在年内量产上车；而one-model端到端模型，也预计在26、27年量产。”这意味着智能驾驶正从传统的规则驱动，迈向数据驱动的新范式。
其二，以DeepSeek为代表的开源模型的涌现，显著降低了车企部署和应用基础模型的门槛，加速了AI在智能座舱、研发、生产、营销、客服乃至办公等全价值链的渗透，催生新的商业价值。
跨越鸿沟：破解AI应用的“三重挑战”然而，AI技术从潜力转化为现实生产力的过程中，汽车企业普遍面临着新的挑战。
钟学丹敏锐地指出了其中的关键痛点：
数据闭环工程的“规模-效率”悖论：数据量激增的同时，处理效率反而可能下降。如何将企业内部庞杂、异构的数据转化为大模型可“消化”的高质量养料？如何高效利用车端海量感知数据与地图数据加速智驾算法迭代？这成为行业亟待突破的瓶颈。
模型能力的构建与优化难题：企业在AI基础设施和工具链上的布局往往不够全面。传统的预训练（Pre-Training）模式面临数据和效率瓶颈，如何提升后续的精调（Post-Training）和测试验证（Test-Training）环节效率，成为迫切需求。
AI应用场景的精准接入困境：要提升用户体验，必须深刻理解具体场景，有针对性地融入AI能力。但这中间涉及到复杂的技术选型、集成适配和体验打磨，充满难点。
腾讯的解法：全栈AI工具箱，赋能“三级加速”面对这些挑战，腾讯给出的答案是构建一个“全栈、好用的AI工具箱”，旨在帮助车企轻松跨越数据工程、模型优化和场景接入的障碍，实现智能化跃迁的“三级加速”——加速模型开发、加速模型部署、加速模型应用。
“我们希望，让汽车企业能够像用水用电一点，简单、快捷的‘用好’AI。”钟学丹精准概括了腾讯智慧出行的核心理念。
腾讯的全栈AI能力矩阵，如同一座精心构建的金字塔：
基石（AI Infra）：依托腾讯云强大的算力、存储、网络基础设施，提供“一云多芯，一云多态”的稳定、高性能、高效率智算底座。钟学丹强调，AI时代的Infra需求与传统IT不同，尤其在智驾训练和海量数据处理方面。腾讯云智算底座通过在计算、存储、网络各层面针对AI优化，解决了智算集群普遍存在的“木桶效应”，目前已服务国内超90%的头部大模型企业。
中枢（AI Platform）：提供开箱即用、拥抱开源的AI工程化平台与工具箱，提升模型训练、精调、部署效率。比如，作为一站式AI开发解决方案，腾讯云TI平台全面覆盖大模型生命周期，今年升级后，率先支持DeepSeek全系列模型，内置智驾开源模型与工具链，推出基于优先级策略的训推一体潮汐调度。钟学丹指出，数据构建占算法工程师60%精力，TI平台为此提供场景化数据构建pipeline和“通用算法任务”三级类别树，并引入自研数据集混合训练提升效果。在训练阶段，内置Angel框架性能提升30%；在部署阶段，Angel推理加速比达2倍，并提供“三步式”大模型一键部署工具。再比如腾讯云知识引擎，其定位为大模型知识应用构建平台，解决通用模型“幻觉”问题。钟学丹透露：“我们的合作伙伴一汽丰田就利用知识引擎全面升级了智能客服，对用户问题的独立解决率已达到84%。”
应用（AI Application）：将最新的AI能力融入智能座舱、地图、营销、办公等终端应用，提升用户体验和企业效率。云图一体数据闭环是腾讯在智能驾驶领域的核心优势之一，覆盖数据采集、合规、训练、验证、量产全链路，提供量产回传、算法优化、OTA更新、定制图层等服务。腾讯座舱方案持续丰富产品矩阵，涵盖娱乐、内容、社交、服务、工具。核心产品如车载微信不断迭代，小程序生态快速上车并与车机深度融合，手车互联打通更多服务场景。同时，AI Agent + 微信生态是今年的一大亮点。AI Agent不仅打破“应用高墙”，实现服务与需求的智能匹配（如语音点单后信息推送到手机微信核销），还能引导用户使用，甚至通过AI主动推荐短剧、小游戏等内容，探索内容分润新模式。针对座舱场景的特殊价值，腾讯推出基于混元2B小参数模型训练的端侧大模型。“小参数，依然有大能力，”钟学丹介绍，其能力媲美7B模型，C-Eval评分达73.83分（端侧领先），本地推理秒回（首包延迟
智驾平权、人机交互与全球化视野在随后的采访中，钟学丹进一步就行业热点问题分享了见解。
关于“智驾平权”，钟学丹认为这是长期趋势，但实现节奏依赖于车企策略、车端算力及传感器配置。腾讯的角色是“助力者”，通过优化基础设施和工具，帮助车企加速技术进化，降低高阶智驾的门槛。
在AI Agent上车方面，汽车场景下跨应用、跨服务的需求比手机更强烈，驾驶过程中便捷交互的需求催生了AI Agent的价值。挑战在于模型需要不断学习和理解多样化的场景与用户意图，这需要一个逐步学习和优化的过程，并非一蹴而就。
“我们希望每个车企的能力变的更强，”他表示，腾讯提供独特的产品和服务能力，与车企自研形成合力。
关于AI幻觉与安全，钟学丹认为，大模型本质是概率预测，无法100%精准。腾讯通过强化行业数据训练、引入知识库、以及冗余系统设计等多方面来对抗幻觉、提升准确性和安全性。在智驾领域，这更是算法本身需要持续迭代解决的核心问题。
在钟学丹看来 ，尽管汽车行业竞争激烈，面临价格战和降本增效压力，但企业对数字化和AI的需求仍在增长，尤其在自动驾驶研发、出海等领域。“我们还是秉持更长期的思路去看这个行业的发展，”钟学丹总结道，腾讯将持续帮助客户提升效率，并抓住新的增长机遇。
来源：周到客户端一点号