阿里云，為什么開始成為車企的核心合作伙伴？

在汽車行業，AI 服務商的身份徹底變了。

2025 年剛翻篇，回望過去的一年，汽車圈發生了一個重要但容易被忽視的變化：在車企的核心合作伙伴陣營中，出現了一張新面孔——阿里云。

這種行業角色的變化，往往藏在最真實的細節里。我前段時間和阿里云智能集團公共云事業部副總裁、AI 汽車行業總經理李強交流，聽他說自己這幾年經歷的最明顯變化，就是在很多主機廠的供應商大會上，自己被安排在交流中的重要席位。

為什么阿里云能被如此重視？這折射出的，是汽車行業最底層的邏輯變遷。過去我們常說「軟件定義汽車」，云是背后的「基礎設施」；但在「AI 定義汽車」的當下，如果你還只把阿里云當成「云」看，那就看窄了?，F在的阿里云，定位早已升級為「全球領先的全棧人工智能服務商」。

怎么理解這個身份呢？簡單說，它既是智駕的訓練場，也是座艙的大腦，更是出海的修路人。正是這三件事，改變了阿里云在車圈的座次。

目前，中國車企不僅在國內市場全部選擇了阿里云，在出海業務中，也 100% 使用了阿里云。這其中，智駕算力市占率穩居第一，所有中國車企都在使用通義大模型。

這其實也是時代的信號。當算力和模型成為 AI 汽車的新引擎，供應鏈結構和關系的重塑，也就成了一件自然而然、且不可逆轉的事情了。

01

智能駕駛：

將每一份算力，轉化為模型迭代的動能

過去，車企找 AI 服務商，邏輯特別簡單，無非是為了降本增效：把 ERP 系統搬上云，或者存一下車聯網的日志數據。

但在 AI 定義汽車的時代，這套舊邏輯已經完全跑不通了。現在的車企，本質上是在做兩件事：一邊造車，一邊煉 AI。

最近這幾年，輔助駕駛的技術路線快速切換，從 BEV、占用網絡，一直到現在的VLA、世界模型。這背后是從「規則驅動」向「數據驅動」的進化，帶來的直接結果是模型參數量和訓練數據量的指數級爆炸。

在國內，小鵬是最早的「破風者」之一。早在 2022 年，他們就和阿里云在烏蘭察布建設了自動駕駛智算中心，當時的算力就達到了 600 PFLOPS。而短短三年間，隨著大模型技術持續被驗證，小鵬汽車算力儲備來到了 10 EFLOPS。

這時候，車企對云的需求就發生了質變：從存儲和彈性，到如今的軟硬協同的系統效能的硬實力。在千卡甚至萬卡集群訓練的時候，GPU 之間的通信往往是最大的瓶頸，GPU 如果有大量時間都在「等待數據」，那就是巨大的算力浪費。更要命的是，在大規模集群里，硬件故障幾乎是必然的。一次訓練可能要跑幾周，如果中間斷了得從頭再來，沒有一家車企能承受得起。

在算力即黃金的當下，AI 服務商最大的價值，是把不確定的「算力堆疊」，轉化為確定性的「工程效能」。李強有個觀點我特別認同，他說在 GPU 時代，算力集群是用「金子」堆起來的，停一天對所有人的損失都巨大。這跟 CPU 時代完全不同，今天 AI 服務商每提升一個百分點的集群穩定性，對車企來說都是真金白銀的節約。在這里，阿里云交付的不僅是算力，更是極致的穩定性和效率。

除了訓練，還有仿真。車企在模型推送前，要在云端跑億萬公里的仿真測試。這需要極致的彈性——白天工程師寫代碼，深夜瞬間拉起數萬個計算節點搞回歸測試。阿里云的彈性計算和容器服務，實際上是給車企構建了一個隨用隨取的「云端練兵場」。

與此同時，行業里出現了一個明顯的趨勢：競爭的焦點已經從模型調用，蔓延到了數據準備、模型訓練與精調，乃至后續的模型管理、評估和全鏈路觀測。

這種變化在智能駕駛領域和具身智能表現得尤為明顯。以前，處理采集車和量產車回傳的海量圖像數據，靠的是傳統的 CV 小模型。說實話，那些老方案在語義理解上太弱，泛化能力差，準確率也總是差點意思，面對復雜的長尾場景往往顯得力不從心。

隨著通義千問多模態大模型Qwen3-VL的入局，情況變得有所不同了。它能一次性給圖像打上數百個語義標簽，無論是泛化能力還是檢索準確率，相比傳統方案直接提升了 50% 以上。其中的，遇到那些讓人頭疼的場景，直接調用云端服務處理；同時依托其開源開放的特性，自己搞定微調。

目前，頭部車企正在基于 Qwen-VL 定制自己的 VLA 和世界模型，數十家具身智能企業在和通義進行合作。

這種底層能力的進化，在 2025 年 11 月的小鵬科技日上得到了具象的展示。那個叫 IRON 的機器人一亮相，走起「貓步」來流暢得驚人，以至于現場觀眾紛紛懷疑是不是「真人扮演」。

這種極致的擬人感，背后是小鵬正式推出的第二代 VLA（Visual-Language-Action）。這一代模型做了一個極具創新性的「減法」：去掉了「語言轉譯」環節。傳統的 V-L-A 架構，往往需要把視覺信號先轉化成語言描述，再轉化成動作。但小鵬實現了從視覺信號到動作指令的端到端直接生成。

總的來說，阿里云提供了一種稀缺的「確定性」——在這個充滿變數的 AI 時代，保證了每一分算力都能轉化為模型的能力。

02

座艙革命：

始于「懂你」，成于「履約」

如果說智駕解決的是「好用」，是把人從駕駛位上解放出來；那么智能座艙解決的就是「好玩」和「懂你」，是把車變成一個有溫度的空間。

我們過去談智能座艙，往往盯著屏幕大小，或者「打開空調」這種機械指令，但現在用戶需要的是一個懂情感、能推理的 AI 伴侶。這就倒逼車企必須把生成式 AI 引入座艙。

但這在工程落地時，面臨著一組天然的「互斥」矛盾：超大模型不能完全跑在車端，因為車機算力撐不??；也不可能完全跑在云端，因為延遲和斷網風險會影響體驗。所以，真正的競爭高地轉移到了「端云結合」：復雜的推理在云端搞定，輕量化的決策下發到車端。

在這方面，阿里云手里的「牌」確實硬。通義千問大模型現在已經是全球第一開源模型：開源 300 多個模型，全尺寸全模態覆蓋，下載量突破 6 億次。這不僅是數據，更是難以撼動的壁壘。

落地到端側，最近阿里云發布了全模態大模型 Qwen3-Omni-4B，實現毫秒級響應，也解決了斷網焦慮與隱私難題。配合下一代車載算力平臺，使得模型參數下降的同時效果更好，曾經不敢部署的端側大模型成為可能，端云協同成為現實。

光有模型還不夠，模型只是「腦子」轉得快，但要讓車真正「懂你」，它必須有記憶。

目前的車機大多是「金魚記憶」——你今天告訴它喜歡車內 24 度，明天上車它全忘了，一切重來。而基于阿里云推出的 AI Agent 記憶存儲功能，座艙開始擁有了跨時空的記憶能力。它記得你的喜好，懂得你的習慣。這種能力的注入，讓交互發生了質變：它不再是那個等著你下指令的冷冰冰機器，而是能根據歷史習慣主動提供服務的管家。

除了「腦子」和「記憶」，AI 還需要有「手腳」來解決實際問題。

以前車企要接入服務，那是真的苦。得一個個去談，談完地圖談音樂，談完支付談外賣，效率極低，體驗還割裂。通過阿里巴巴集團和螞蟻集團生態，車企現在可以接入支付寶、高德、淘寶、大麥、淘寶閃購等業態，這實際上是打通了互聯網的半壁江山。

所以我覺得有一點在越來越清晰，阿里云獨特的護城河，不僅是底層的技術硬實力，更是現實世界中龐大而復雜的履約體系。這是其他純軟件或 AI 服務商難以逾越的壁壘。

最近，阿里巴巴通過「千問」APP 把高德接入進來，就是個信號。它不是讓你在車上看地圖，而是調用高德地圖、掃街榜等底層服務，即時生成包含餐廳、酒店、出行方案的可視化決策卡片。接下來，千問 APP 將整個阿里的生態悉數收入囊中，成為一個超級入口。

其實，車企需要的不僅僅是底層的「算力」，而是上層的「智能」和觸手可及的「服務」，這件事起于「懂你」，但終于「履約」能力。

03

陪著車廠把「基建」搞到海外

除了智能化，「出?！菇^對是今年中國車企最核心的另一個命題。2022 年以來乘用車出口量持續高增，越來越多的車企深化海外市場布局，比亞迪、小鵬、零跑等紛紛將版圖拓展至全球。

目前，確實已經有人在這件事上拿到了不錯的成績。比如 2025 年全年，比亞迪乘用車及皮卡海外銷售 105 萬輛，同比增長 145%，出海已成為比亞迪未來幾年的核心之一；同期，小鵬汽車海外市場交付量同比增長 96%。截至 2025 年 12 月底，小鵬汽車已在全球布局 60 個國家和地區。

看中汽協數據，2025 年前 11 個月，中國汽車出口 634.3 萬輛，同比增長 18.7%。同期，新能源汽車出口 231.5 萬輛，同比增長 1 倍。這數字確實漂亮，但如果你只盯著銷量看，很容易忽略掉這一輪出海和過去本質的不同。

以前的出海，邏輯很簡單：把產品賣出去，收錢發貨，完事。但現在的智能電動車出海，賣的不是單純的「產品」，而是一整套「體系」。車百會理事長張永偉有個比喻特別精準：智能汽車出海，如果背后的云服務、數據合規、智能化體驗沒跟上，那這輛車到了海外就是「斷了線的風箏」，非常脆弱。

這就引出了一個非?，F實的痛點：中國車企出海，面臨著地緣政治、數據合規和網絡基建的三重壓力。

海外每個地方的數據合規紅線都不一樣，網絡環境更是千差萬別。如果車企每到一個國家，都要自己去建機房、談運營商、搞定法律法規，那這個時間成本和合規風險，是任何一家搶占市場的車企都無法承受的。

這時候，AI 服務商的角色不僅是一個 IT 供應商，更像是車企的「本地向導」。在復雜的國際環境下，中國車企天然傾向于選擇一家「既有中國背景、又懂全球合規」的 AI 服務商。原因很簡單：中國車企跟中國的云，在國內就已經磨合得很好，帶到海外去，不僅僅是成本優勢，更有溝通效率和信任的優勢。

從這個維度看，阿里云確實又多了一個在車圈「坐上重要席位」的原因。

畢竟在從 2015 年開始，阿里云就開始了體系化出海?，F在全球 29 個地區阿里云運營了 92 個可用區，而且這里邊不光是云，還有 Alipay、菜鳥物流這些實打實的業務。這讓阿里云成了國際化程度最高的中國 AI 服務商。阿里云能成為支撐中國車企海外快速擴張且不掉鏈子的隱形功臣，可能是因為這些提前的投入。

所以說，對于中國車企而言，選擇阿里云，已經不再是一個單純的技術決策，而是一種戰略綁定。車企需要一個既懂「中國速度」，又懂「全球規則」的合作伙伴。在當下這個時間節點，阿里云就是那個「最大公約數」。

04

AI 時代的中國制造，

需要新的「共生結構」

這事如果我們再往深了剝一層，你會發現，阿里云坐上重要席位，意味著汽車行業維持百年的「鏈條結構」正在變化了。

過去一百年，汽車供應鏈是森嚴的「瀑布式」結構：主機廠首先提出需求，再由核心供應商承接執行，層層協同推進。

但在 AI 定義汽車的時代，車企和供應鏈的關系變成了一種「網狀」的共生關系。阿里云不再是一個被動等待需求的乙方，而是提前一年甚至更久，就嵌入到了車企的研發團隊里。從芯片選型到模型適配，雙方是背靠背作戰的。這種深度的共生模式，也是中國汽車行業能在 AI 時代領跑的一道護城河。

這種共生的關系，汽車行業只是開頭，物理 AI是更大的未來。

比如我們今天在智能駕駛、智能座艙上投入的每一塊 GPU、消耗的每一個 TOKEN，都不會被浪費。李強有個判斷，他說物理 AI 一定率先發生在汽車行業，而不是其他形態。車企今天在復雜的交通場景中打磨出的感知與決策能力，都會匯入到未來機器人時代的通用智慧。他預測，未來機器人時代的 TOKEN 消耗，將是汽車時代的 10 倍甚至更高。

已經坐在車圈「重要席位」上的阿里云，我會很期待接下來可以「不散不飄」，在物理 AI 的更大世界里，為新階段的中國制造帶來獨特的模式與更大的價值。

*頭圖來源：阿里云

本文為極客公園原創文章，轉載請聯系極客君微信 geekparkGO