今天小編分享的互聯網經驗：騰訊全棧AI亮劍，“車雲一體”真能赢下智能化終局嗎？，歡迎閱讀。
騰訊集團高級執行副總裁、雲與智慧產業事業群 CEO 湯道生
2025 上海車展期間，汽車巨頭、新銳勢力紛紛祭出自己的黑科技，誓要在這場行業頂級盛宴上吸睛無數。而在車企光鮮亮麗的發布會之外，一場關于汽車智能化未來的底層技術博弈也悄然展開。
騰訊在上海車展期間舉辦了 2025 年智慧出行技術開放日，不同于往年展示一些酷炫卻不明所以的技術概念，這一次騰訊将 " 全棧 AI" 實打實地擺到了台前，試圖憑借覆蓋基礎設施、開發平台、終端應用的一整套 AI 能力體系，為汽車智能化這場終局之戰提供堅實的技術底座。
這不僅是騰訊智慧出行的能力展示，更像是一場面向未來產業格局的 " 技術宣言 "。當智能汽車成為產業拐點的共識，騰訊希望通過雲、圖、大模型三位一體的能力體系，在新一輪產業博弈中成為賦能者、基礎設施提供者，甚至——新規則的制定者。
從 " 上車 " 到 " 住車 "：騰訊的全棧 AI 布局邏輯
首先得承認，這一次騰訊的出手，是成體系的。
" 全棧 AI" 并不是空洞的概念炒作，其背後是騰訊明确的戰略布局與系統能力建設。此次騰訊強調的三層架構，分别對應基礎設施（Infra）、開發平台（Platform）和應用場景（Application），幾乎涵蓋了汽車智能化轉型的所有環節，我們可以分别來看。
基礎設施層（Infra）是整個 AI 體系的 " 地基 "。騰訊打造了國内規模最大的智能駕駛雲專區，算力強大到足以在短短四天内完成萬億參數大模型的訓練，而業内普遍耗時數周甚至更長。此外，騰訊雲智算還能做到智能駕駛訓練連續 300 小時不中斷，這也成為了它敢提出 " 車雲一體 " 戰略的底氣。
平台層（Platform）則更像是車企的技術賦能工具箱。鍾學丹在交流中具體解釋了平台層的邏輯：" 我們在基礎的 Infra 層，比如算力、存儲和網絡，是基礎的能力。在 Platform 層，我們則用自己訓練模型積累的經驗，幫助車企優化這些能力，像數據标注、數據回溯，我們都會用大模型幫助數據提效或者提質。" 換句話說，這個平台并非簡單提供工具，而是要真正幫助車企以更低門檻、更高效率實現 AI 能力的快速迭代與精準落地。
至于應用層（Application），騰訊的座艙端側大模型尤其值得關注。這一模型将 AI 能力從雲端搬到車載本地，延遲不到 0.3 秒，" 你話未說完，回答已開始 "。對此，鍾學丹坦言：" 端側模型的普及節奏取決于兩個關鍵因素：車端算力以及模型和車端應用的結合程度。我們和多家車企在合作，但車的量產和普及還需要時間，因為即便是 2B 的小參數模型，對算力依然有一定要求。"
此外，騰訊還将 AI agent 與微信生态、地圖生态深度融合，希望借助生态優勢為用戶創造真正流暢的智能體驗，甚至希望用戶逐步适應 " 住在車裡 " 的智能生态邏輯。這種邏輯并非遙不可及，騰訊的座艙 AI 早已能處理用戶語音訂咖啡、找路、規劃行程等實際場景，讓 " 住車 " 時代離我們更近一步。
從 " 上車 " 到 " 住車 "，騰訊正試圖用全棧 AI 布局，把汽車智能化從簡單的應用層滲透到每個用戶體驗的細枝末節，讓 AI 真正變得 " 無感可用 "，就像水和電一樣深入生活日常。
大模型不是概念炒作，而是車企的必選項
與前兩年的概念上車不同，今年的大模型似乎真的開始 " 開車了 "。
在行業内，越來越多車企意識到：智能化不是選項，是必備；AI 能力不是加分項，而是起跑線。
鍾學丹在交流中談到：" 從 2023 年 ChatGPT 引爆至今，車企從雲端接入大模型，已經逐步進入到與座艙深度融合的階段。我們今天發布的 AI agent，正是為了打破車内應用邊界，提升用戶體驗。"
他舉例稱，目前已經有車企不再滿足于 " 生成一張桌面桌面 "，而是将大模型用于車載服務内容的生成、智能提醒、語音互動等多維度場景，
同時，本地 RAG 技術與小參數模型相結合，也讓 " 大模型上車 " 從夢想照進現實。在本次發布的 2B 模型上，騰訊已實現了端側秒回推理，與傳統語音系統相比，用戶體驗有質的飛躍。
但需要看到的是，智能座艙的 AI agent 并非一鍵上線，而是一個復雜的生态協同工程：既需要底層算力與模型優化，也需要車企配合打通應用生态。
正如鍾學丹坦言：" 端側模型普及的速度，受限于車端算力與車企系統生态對接的節奏。"
這意味着，AI 雖然被稱為車企的 " 第二引擎 "，但啟動它，需要一整套高效、低延遲、強生态的技術與協作體系，而騰訊，正在試圖成為這套體系的中樞。
從智能到出海：" 一朵雲 " 撐起全球化野心
相比前幾年的 " 只談上車 "，騰訊今年的重點還有一個轉向——出海。
2024 年，中國汽車出口量首次超過日本，成為全球第一出口國。中國車企全球化進程加速，如何建立合規、可控的海外 IT 基礎設施，成為 " 走出去 " 的基礎門檻。
騰訊的應對是 " 一朵雲，全球通 "。
目前，騰訊雲已在全球 21 個區網域部署了 56 個可用區，構建起覆蓋六大洲的算力網絡。比亞迪在全球多個國家的業務系統，正是依托騰訊雲節點運行；一個月開上萬場跨國會議，離不開騰訊會議的支持與 17 種語言的翻譯能力。
鍾學丹指出：" 車企出海所需的雲服務，與遊戲、視頻行業完全不同，它對數據合規、系統定制化、生态兼容性的要求更高。"
顯然，騰訊想扮演的，不只是國内車企的 " 後勤部長 "，更希望成為全球智能出行的數字化工具。
然而，理想豐滿，現實骨感。在騰訊大張旗鼓地布局全棧 AI、試圖以 " 車雲一體 " 引領智能汽車產業未來的同時，它同樣需要直面一些極其棘手的挑戰。
首先不得不面對的是產業主導權問題。過去幾年，以理想、問界、小鵬等為代表的造車新勢力，不斷深化其 AI 技術的自主研發，已經展現出了極強的技術獨立性。他們不再滿足于依靠外部科技公司提供的标準化產品，而更傾向于通過自研的方式，将 AI 能力牢牢掌握在自己手裡。
鍾學丹也坦誠地指出：" 我們與車企的關系本質上還是互補型合作。很多車企都有了自研的能力，我們作為技術助力者，當然希望車企越來越強。" 盡管騰訊目前與車企的合作呈現良性互補，但長期來看，車企自身 AI 技術能力的崛起，無疑會弱化騰訊在產業鏈中的話語權。車企與科技巨頭之間微妙的競合關系，或許才剛剛開始。
除此之外，AI 技術本身的局限性也在悄然發酵。當前，AI 模型普遍存在 " 幻覺 "（hallucination）現象，即便是經過精心優化的小參數模型，也無法完全避免偶爾出現的錯誤回答。鍾學丹坦言："AI 模型的本質就是預測下一個 token 的概率問題，不可能做到百分百的精準，只能通過精調行業相關的數據、引入知識庫、持續訓練優化，盡可能降低模型出錯的概率。"
但汽車行業不同于其他消費級場景，任何 AI" 幻覺 " 帶來的錯誤，都可能導致用戶的安全問題甚至嚴重的事故。這種技術與安全之間的矛盾，注定會在 AI 進一步深入汽車智能化的過程中，不斷引發行業内外的争議和擔憂。
而更宏觀的挑戰，則源自于市場現實的冷酷與無情。當下中國汽車產業身陷規模空前的 " 價格戰 " 旋渦之中，車企正在面對殘酷的降本增效壓力，每一分錢的成本都必須精打細算。盡管騰訊強調自己的 AI 能力能夠為車企提升效率、降低成本，但在實際落地過程中，要真正說服預算緊縮的車企投入巨額成本部署 AI 生态，并非易事。
鍾學丹也承認：" 車企之間關于智駕‘平權’的讨論背後，其實是算力、傳感器成本的博弈。真正要實現普及，成本控制依舊是巨大考驗。" 從這個角度來看，騰訊的全棧 AI 戰略并不僅僅是提供技術這麼簡單，而是在進行一場更加深遠的價值觀與產業生态的說服戰。
騰訊試圖向行業描繪一個美好的智能汽車未來圖景，過程中必然面臨着來自客戶自主性增強、技術安全邊界模糊以及市場殘酷競争的多重壓力。這些挑戰不是依靠一次技術發布、一場漂亮的大會就能徹底解決的，而是需要騰訊與汽車企業長期磨合，共同應對技術、產業與市場的復雜局面。
畢竟，智能汽車的未來，從來都不是一場獨角戲，而是一場產業内外各方勢力錯綜復雜、博弈不斷更新的生态共赢之戰。
成為智能汽車時代的 " 水電公司 "
湯道生在演講中用一句話概括騰訊的目标：" 我們不造車，但要幫助車企造好車、賣好車，用好車。"
這是一句聰明且理性的定位，也是一場更深層次 " 車雲之争 " 的開場白。騰訊全棧 AI 能力的發布，是一次從功能賦能走向底層重構的信号，昭示着未來智能汽車產業的博弈，可能不再是車機系統誰更酷炫，而是誰的 "AI 底座 " 更穩、更通用、更安全。
然而，冷靜觀察之下，這套全棧 AI 戰略真正能走多遠，仍然充滿不确定性。
騰訊雖然技術底座強大，但汽車產業鏈正在經歷深刻變革。越來越多車企在加速自研，力求掌握核心技術主動權。在這樣一個去平台化、強調自主可控的趨勢中，騰訊要如何在 " 不做車企老板 " 的前提下，持續維護自己在智能汽車領網域的不可替代性？這是一個必須長期回答的問題。
另一方面，AI 大模型在安全性、可靠性上的結構性難題，短期内依然無法徹底跨越；更現實的是，價格戰陰影下的汽車行業，正在用最冷酷的市場邏輯，考驗每一項新技術的投入產出比。
騰訊清楚這一切。正如騰訊智慧出行副總裁鍾學丹所說：" 我們更多是一個助力者，真正的決定權在車企手中。" 這句話透露出騰訊對汽車行業邏輯的清醒認知，也暗含了某種必要的克制。
智能汽車的未來，注定不會只屬于某一家科技公司。騰訊，已經邁出了一大步。但離成為真正意義上 " 水電公司 " 的角色，它仍然要經歷更多硬仗，付出更多耐心。
（本文首發于钛媒體 App，作者｜李玉鵬）
