長城汽車佘士東詳解長城智能化：如何打造整車智能體？

4月11日，由車百會研究院主辦的智能電動汽車發展高層論壇（2026）在國家會議中心二期召開。

作為本次論壇的重磅環節，高層論壇上午場以“推進新能源汽車智能化、綠色化、融合化、國際化發展”為主題，下午場以“探索產業新發展模式 培育汽車新質競爭力”為主題，匯聚了來自政府、汽車、能源、交通、科技等多個領域的代表，共同探討汽車產業發展趨勢。

在論壇期間，長城汽車智能化產品副總經理佘士東接受了媒體群訪，他系統解讀了長城汽車今年1月發布的全新整車平臺“歸元”，并闡釋了長城在智能化方面的迭代與思考。

佘士東指出，歸元不僅是多動力兼容的技術平臺，更是長城從網聯車向AI車轉型的原生底座，具備一車多動力、全域自研、雙大腦（智駕+座艙）等核心特征。

同時，佘士東透露，長城已布局七八年的自研智駕方案即將上車。

佘士東指出，算法并不是整個智駕工程最難的部分，恰恰相反，這部分的能力“可能也就是值1—2億”，而包括數據在內的全鏈路打通，以及各環節之間的協同性，才是智駕里面最難的部分。

而長城在智駕方案上總體會采取“自研+外采”兩種方式并行的策略，具體來看，旗艦車型將采用深入自研的智駕方案，另一塊100T-200T之間的“普惠智能，后續也會完全替換為自研，但是在“頭部”和“胸部”的位置，仍然會開放接受行業里比較好的解決方案。

他還提出，下一代AI汽車將不再依賴預設的人機交互規則，而是通過整車智能體實現“相識、相知、相愛、相伴”的主動服務體驗。

長城汽車智能化產品副總經理佘士東

以下是媒體與佘士東對話內容（有刪節）：

未來兩三年，陸續實現整車智能體化

媒體：今年1月份，長城汽車正式公布了全新的一車多動能整車平臺，命名為歸元，這一平臺是如何支撐全場景智能目標的？您認為到了2030年，電動汽車智能化將呈現哪些趨勢？

佘士東：歸元平臺在長城汽車內部解讀的時候不只是一套技術平臺，它是一套設計整車理念。

大家都知道，現在車型的純新能源化，或者純電化跟燃油車逐漸平權，包括國內車型逐漸出海，所以在全球市場來看，多動力平臺，不論是插混、純電、燃油，甚至是柴油，還有普通混動，全球市場因為用車場景不同，環境不同，所以它們是有綜合的需求。

而現在來看，整車不論是舒適系統，還是上車體系以及安全開發都是可以高度復用，但恰恰是動力這個內容是有一定的區域差異性，包括使用場景上的差異性，這是一個設計整車的理念。

在這個理念里面，一方面考慮一車多動力、一車多平臺，同時也考慮向下兼容，或者我們是把它作為一個重要的，由原來的網聯車向AI車轉變的一個新平臺，也是對應打造了原生AI的一套系統。

它是從最底下的執行器到上面的電子電氣神經網絡，包括雙VLA兩個算力的域，智駕算力域和座艙算力域，基本可以拉到1000T左右的情況，用來支撐我們認為的下一代AI汽車。

2030年在我們看來，其實就在眼前，因為我們現在規劃部分的車型上市時間可能就已經是2028年、2029年的時間點，從這個時間點倒過來看，其實對于多動力應該是一個普遍需求，它不再是過去5—10年更多是新能源快速生長的過程，但我們現在越來越多地看到全球化的市場對不同動力的差異化應該是個普遍需求。

第二個，我們對于整車AI的理解，它不再是一個單純的人機一套交互系統，不論是駕駛過程中的人的方向盤，或者油門、剎車交互過程，還是人對座艙的生態和功能的交互系統，其實都會智能體化，它是以一個整車智能體作為中介來服務給客戶的，用戶跟智能體之間的關系就會退化為只是自然對話和主動服務這兩種形態。

我們認為，歸元這個平臺一方面是一車多動力，第二個，它一定是有極強的端側的算力支撐。

我們認為，下一代智能體化的汽車目標，這不用等到特別遠的2030年，今年長城也推出來了比較前瞻的一款車型，它已經完成了部分的智能體化，推出了司機智能體和座艙智能體這兩個核心智能體。

明年我們陸續推出的這些車型里面會搭載更多的垂域智能體，我們相信也就是兩三年的時間，整車智能體化這個目標應該是非常明確的。

從智駕上我們也能看到，長城的車通過兩年時間，快速把NOA用戶黏性從個位數提升到30%多，這其實也是一個快速變成日常普及使用的過程。

全棧架構，天然實現跨域調動

媒體：歸元平臺的原生AI特性是怎么體現在智能駕駛與座艙融合中的？與傳統平臺相比，在一些算力分配和數據流通上有哪些和過去相比特別大的變化？

佘士東：我們在做這個原生平臺時候是兩個方向。

第一個方向是自底向上全棧的，可能有一些了解長城汽車的，我們的動力、電池、轉向等等自研率是非常高的，我們有精工、蜂巢、諾博來實現整個執行層全棧的自研，再往上就是神經網絡，這套架構也是面向原生AI，支持SOA化、MCP化等等這些，也是可以實現全域的串聯。

在這個過程中，我們發現車上三大核心執行部件，主要是動力底盤、輔助駕駛、上車體，上車體也就是用戶能感覺到舒適的這類系統，所謂泛座艙的功能，這些已經全面完成能力化封裝。

在這上面我們布置兩個大腦，一個左腦，一個右腦，左腦更多為了實現智駕這部分，是采用了最新的英偉達Thor芯片，700多T的算力，智駕里面采用了VLA大模型的解決方案；

右腦這部分是采用了高通比較領先的芯片，也是有端側的模型部署，在座艙里我們也是首先提出了第一個行業空間VLA模型。

它的核心特征就是能夠感知艙里面的情況，能夠認識車上的每個人，能夠了解場景，并且用生成式的方式推導出來場景，主動服務，而不像以前一樣，都是產品經理編排的規則，在這種情況下，整個車的這兩個腦子已經具備了。

最頂部就是我們希望打造給用戶一個智能體的體驗，小魏同學是我們打造的一個新的IP，當然它的形象是采用咖啡智能延續下來的咖啡豆的形象，用這樣的方式自底向上實現了一個全棧的AI化，而不再像以前一樣，買的是動力底盤，買的是智駕功能，買的是座艙的座椅等等。

我們認為，下一代的車一定是一個自底向上全鏈路的體驗，我不能只是買了一個座椅各種按摩功能、空調功能，它一定是能夠符合用戶最終體驗的一套解決方案，而這套體驗的用戶觸點就是智能體化的方式。

從橫向上來說，這里面涉及到很多層面的打通。

當然，因為整個自研比例是比較高的，所以我們對于全域的控制器基本都是可以實現自主可控的，它并不是一個需要采購外部的轉向控制器，再跟它做協議開通，而是我們在開發設計轉向系統時已經完成了AI化的能力釋放，在整個過程中，開發的起點就已經是奔著要開放給上層的AI來使用，而不是做橫向的互聯來打通。

以前可能因為垂直的“煙囪效應”，大家各做各的，動力做動力的，底盤做底盤的，智駕做智駕的，除非為了實現某些功能不得不打通時才會做橫向拉通。

但是我們現在這套全棧架構，是天然把自己能力化，因為這是一個進入歸元平臺的準入門檻，一旦進入歸元平臺之后，它們天然實現了互相被調用的能力，而且有兩個端側算力大腦在統一調度它們，而不是它們只是做橫向功能的對接。

智駕方案，自研與外采并行

媒體：市場有消息說長城自研的智駕方案可能會在今年上車，現在這個方案到了哪一個階段？另外，與藍山車型搭載的一些方案相比我們會有哪些自研特色？

佘士東：對外傳播的時候大家都會截取關鍵性的節點，其實長城智駕的自研已經做了七八年，不是從現在才開始，整個過程長城也一直在自研和供應商協同的路上推進。

因為整個智駕的自研不是簡單地說車上的零部件，車上的傳感器，或者是算法這些東西，它是一個系統性的解決方案，包括部分數據、數據的標注、數據的清洗以及數據對于模型本身的訓練，以及里面對于模型本身的檢測或者是評價等等，這些都是智駕工程里非常重要的部分。

前期的時候，涉及到對于技術路線的選擇，大家都知道，從最早的前端感知融合BEV到后面Transformer出現了多段式、一段式，包括現在的VLA模型的采用，我們認為核心的算法其實并不是整個智駕工程里面最難的那部分。

恰恰相反，這部分的能力從行業里面來看，可能也就是值1—2億，而整個全鏈路的打通，包括它們之間的協同性，這才是真正智駕里面最難的那一部分。

我們只是把核心的、大家能看到的最關鍵的算法也好，或者是這個鏈路，覺得好像是整個系統唯一的部分，我理解這可能是不太準確的。

本身在長城來看，我們可以使用同樣的數據鏈路來訓練不同智駕等級的智駕系統，因為長城也有六七萬塊錢的車，也有六七十萬的車，不可能所有的車上都采用同樣的智駕方案。

但是對于我們來說，工程鏈路以及數據訓練鏈路是高度復用的，這個復用率已經接近80%、90%，但是它的核心算法依賴于端側算力的部署情況，有幾十T的，也有一百多T的，有兩百多T的，有七百多T的，不可能算法是一樣的，在這部分我們可能部分選擇跟供應商合作，包括接受供應商一些好的建議。

對于長城兩頭的產品，一頭的產品是旗艦級的，我們可能會后續采用深入自研，因為現在來看，端到端的體驗不只是一個算法的端到端，而是要涉及到執行器的端到端，也就是我們的轉向機構，我們的動力底盤這些東西是不是能納入到整個算法模型里面一起參與訓練，現在來看整個行業里面還是比較早期的一個階段。

第二部分，我們叫普惠智能，基本是100T左右到200T之間的，能夠實現非常可用以及部分高速場景高用的一套智駕解決方案，后續應該會完全替換為自研。

但是在頭部和胸部的位置，仍然會開放去接受行業里面比較好的一些解決方案，來給我們的用戶提供一些好的體驗。

所以它不是一個完全替代的關系，而是逐漸滲透，并且把局部的算法也可以跟行業做共創的過程，就像我們現在合作的這些供應商，基本都不是完全供應商，或者完全自研化，它只是其中一個比例，包括他們之間合作切分的方式的差別。

智駕方案會進行不同的場景適配

媒體：您之前有一個非常生動的觀點，說特斯拉的FSD像觀光模式，坦克400如果太溫柔用戶反而會不滿意。對于普通的消費者而言，智駕的性格是不是比單純的能力上限更重要一些？長城是如何在這個獨特的性格上面為智駕做一些努力的？

佘士東：進入智駕也好，包括座艙智能體進入深水區之后，我們發現人在產生一個重大變化——原來是人機交互，人跟機器之間的互動方式，但是現在有了中間這個智能體之后，人跟智能體變成了一個核心的關系，而忽略掉機器本身帶來的這些差異。

這里面不論是剛才您提到的用車場景上的差異，還是本身功能和性能上帶來的差異，都會被中間智能體抹掉，它會忽略掉你怎么樣去完成A點到B點具體的過程，它會盡量地去保證這個智能體和這個機器，也就是我們所謂的行動能力等等之間的最優解。

比如不同的能源分配，比如純電模式還是混動模式，其實智駕都要去做適應性的調整。

而這個過程要比我們所說的性格來得更早一些。

尤其是坦克的車型非常典型，他們對于這個車能夠在智駕上的表現其實要遠遠低于用戶在藍山或者高山這種偏舒適型車型的需求。但是，它又有獨特的場景，比如長距離穿越，比如路面有可能沒有車道線，有可能稍微有一些起伏，我們怎么樣讓智駕在這個過程中更舒適，能夠吸收掉穿越過程中的沙石路面帶來的顛簸，這時候對于速度的追求是無感的。

我們也做了人因分析，發現用戶完全不需要注意力介入模式，所謂觀光模式可能是忽略時長，他多開了20分鐘可能沒有意識到，很輕松地度過這20分鐘，在這種情況下，智能體和機器的協同會抹除掉不同場景的使用差異化，用戶對于整個智能體就變成了“我怎么樣舒適、我怎么樣更輕松”這樣的一個考量標準，而不是駕駛系統的性能、準確度等等，用戶會忽略掉智駕在這個過程中出現的各種性能邊界。

我們會盡量保證安全的情況下，會考慮更強的維度，比如更強調舒適，還是更強調效率，還是更強調對于不同用戶場景的使用，其實是會被智能體吸收掉的，用更適合的方式跟用戶做交互就好了，在這個過程中會并行發展。

長城會在明年推出專門針對越野車型和泛越野車型單獨標定智駕系統，它會在智駕場景下輔助用戶更好地做越野，或者是長途穿越這些體驗。

但是這種情況下不是完全把車交給智駕系統了，智駕系統的感知，我們知道它對于縱向的感知要遠遠好過對于立體的感知，怎樣解決道路的起伏、炮彈坑這些，我們是需要有新的解決方案出來的，這應該也會是行業的首創。

AI的馬拉松，整車廠剛跑過發令槍

媒體：感覺座艙已經完全成了一個Agent，但是支撐這一代模型相較于上一代的Coffee OS3有什么進化，以及內部是什么時候開始這一輪的進化呢？

佘士東：Coffee OS3在它之前還有BUX，還有GUX，那時候統一叫Coffee OS，是沒有版本號的概念的，核心設計理念是空間交互系統，從原來只服務于司機一個人的人機交互系統開始服務于車內每一個乘客。

典型的表現是開始有了副駕屏，開始有了多音區，開始有了后排電池、后排冰箱，有每個座椅平權，每個座椅都可以實現通風、按摩、加熱等等的功能，Coffee OS3是我們認為滿足車上每一個乘客需要的，在那個時代更多是解決用戶怎么樣更好地跟這個車完成一個交互。

對于下一代我們核心的來看，它最大的變化是大模型的內核級引入，也就是剛才提到的歸元平臺怎么原生來做這套系統。

在這個過程中，我們遇到的第一個困難就是端側算力不足。我們知道，世界上主流的端側算力在五六十T，部署一個模型就是部署零點幾B的模型，它對于大語言的理解，包括對于場景的認知是嚴重不足的，跟我們日常使用的豆包、千問等等大模型完全不在一個智商層面，這種情況下我們怎么把這個大模型鎖定到汽車域，是一個非常難的事情。

在Coffee OS3時代我們更多做垂域智能，它能夠了解用戶訴求，它能知道車上的功能，它完全是垂域能力。

我們希望在后面歸元平臺升級上，搭載超過300T算力的端側模型，這種情況下可以做到毫秒級的感知。

我舉一個最典型的場景，比如你開著車過了一個紅綠燈，你問大模型我是不是闖紅燈了，大模型會告訴你，這種我們就會發現，基于現有的這種瞬發式的請求是完全實現不了的，它需要端側的大模型具有毫秒級的感知，并且通過大模型推理形成記憶，可以知道剛才有沒有壓線，他剛才這個車上的人都做了什么動作，孩子有沒有伸手出去。

它對于端側的感知能力和多模態感知能力是我們遇到的第二大困難，現在市面上看到的這些不論是VLA模型還是全模態模型，都沒有解決空間大模型的訴求，我即使知道車上坐了3個人，但實際他們之間的空間關系我是不了解的，我只能在一個圖片里面，左上角有一個人，右下角有一個人，但是他們之間距離是什么樣，后排這個人能不能伸手把手里的咖啡遞過去，這些在空間上是沒有建模的。

在這個過程中智駕可能走得稍微靠前一些，智駕完成了對車外空間的建模，但是車內空間建模是我們現在重點突破的方向，這也是我們首先提出來行業座艙VLA這個概念之后，發現行業里面大家都快速地進入了一個困難期，只是能做視覺的感知和語言的理解，但是對于整個座艙內空間的建模其實行業里面，或者互聯網領域，并沒有看到特別成熟的方案，而這部分可能就得由主機廠自己來預訓練這樣的基座模型，來實現這些東西，這是我們遇到的第二個困難。

第三個困難，還是用戶認知的變化，因為用戶原來可能更多的還是接受屏幕也好等等，是一個交互的介質，我點它它才動，我操作它它才給我反饋，如果我忘記了，或者我懶得動了，或者有一些用戶根本不知道我的副駕有一些什么功能，他就不使用這些功能了，并不會完全匹配真正的場景。

但是我們又發現這個用戶在使用車上功能的時候，往往是被動的，為什么是被動呢？比如他為什么要開空調？是因為他覺得冷了，或者熱了，他是覺得不舒適了，怎么去定義舒適和不舒適的這些條件也好，或者這些場景，其實在不同車上、不同環境、不同場景下是完全不一樣的，大量的汽車行業的knowhow要發揮作用，比如長城建立了一個行業里面第一個車廠自己的風動，因為它可以模擬一年四季不同環境，同樣的一套自動化空調在不同場景下我們發現發揮的作用，或者用戶的期望是完全不一樣的，這一部分怎么灌注到模型里面其實是行業里面一個困難，原來訓練基座模型基本是兩條路線，第一個，把行業互聯網上所有的知識灌到模型里面做預訓練，第二個，用一個大的模型蒸餾出來一個小模型。

但是在汽車行業我們發現，這些知識也好，這些數據也好，基本上都掌握在汽車廠手里，而且非常痛苦的一個狀態是主機廠對于這些數據的使用水平是落后于互聯網行業的，即使手里掌握了大量的數據，怎么樣把它轉化為一個包括空間的模型，包括汽車行業垂域知識的模型，現在來看也都是很難很難做到的，這就是形成的汽車領域垂域模型還沒有很好的解決方案，這也是上午我演講里面很重要的一個觀點。

就像我們今天在場外的馬拉松一樣，現在整個AI化的座艙也好，或者AI化的整車真的剛跑過發令槍，我們還需要很長的一段時間來完成全程，這要遠遠慢于在互聯網行業里的日新月異，可能上半年還是小龍蝦，現在最新的一個東西又是愛馬仕（Hermes Agent），這些會快速地在互聯網領域演進，但是在汽車行業仍然是需要很長時間的。

長城智能化轉型，是為了打贏自己

媒體：您是從2021年開始參與長城AI科技布局，也是歷經很多次組織架構調整，您站在您的角度來總結一下長城智能化轉型的得與失，您認為傳統車企轉型最大的陷阱是什么？

佘士東：這可能是從外部來看，或者我們拉長整個時間周期來看“合訂本”，或者說從上帝視角來看，感覺好像一直在調整，在2021年也好，甚至更早的時間點，沒有人能看到現在的這些東西，也不知道突然間有一天小龍蝦就火遍全網，也不知道我們能在整車AI做到這種程度，也不知道歸元平臺在全球的市場上一車多動力需求這么旺盛。

在那個時間點，我們只是在解決那個時間點遇到的最復雜的問題，以及預判它可能一到兩年需要解決的問題。

當時定了一個核心的戰略并不是要做什么，而是怎么樣打贏自己，不是打贏別人，而是打贏自己，你能不能用當前的決策來打贏如果你什么也不做情況下兩年之后的自己。

整個過程也是經歷了明顯的三個階段：

第一個階段，我們先要解決長城智能化平臺化問題，因為長城車型比較多，品牌也比較多，當然各種雜音也比較多。

當時長城汽車的座艙系統每一個界面長得都不一樣，同樣一個音樂功能可能不同品牌車上有不同的界面風格，包括操作方式也是完全不一樣的；長城出海也比較早，在海外這個東西尤其會產生差異，我們當時統計，整個智能化的軟件版本有240多個，其實那時候我們遇到的第一個問題叫OTA，就是我們怎么樣能夠用平臺化的方式讓用戶高效地迭代起來，那時候完全沒有考慮什么AI這些東西。

回過頭來看，那時候我們發現自己講的很多AI的東西也是騙自己，它并沒有真正地去大模型化，而只是完成了平臺化，所以當時在2023年推出Coffee OS3.0系列，這時候發現長城所有車長一個樣子，并且我們現在已經完成了平均每款車一年都可以有兩到三次OTA的高速迭代。

第二個階段，跟用戶快速共創，以及深入運營用戶的過程。

在那個過程中，我們跟用戶溝通，包括做各種調研、跟訪，我們一共組織1000多次不同形式的用戶溝通，還有60多次48小時跟隨，完全跟他吃住在一起，以這種方式來了解用戶，在這個過程中我們發現用戶的需求其實在汽車行業里面是被過剩滿足的，也就是說出現了同樣一個音樂軟件可能需要在車里裝5—6個，不只是QQ音樂、網易云音樂、汽水音樂都需要裝滿配。

第二個階段的個性化是最大投入的一個過程，但是回過頭來看，其實也是長城完全B2C化的過程，我們充分地知道了用戶到底在車上使用什么樣的場景，他為什么使用這些功能，所以也是借著從2023—2025年整個長城智能化達到了用戶非常滿意的狀態，我們每次OTA基本都是90%以上用戶滿意度。

包括行業里面也能看到，長城不再是所謂的傳統車企，而是不同品牌都采用了Coffee OS的系統，不同用戶也比較滿意，不論是行政版的高山，還有豪華家庭旗艦的藍山，像坦克品牌、哈弗品牌、歐拉品牌，基本上用戶都是比較滿意的。

但是在第二個階段我們也發現，當用戶千變萬化的個性化需求出現時候，產品經理變得很難去實際操作，因為這個時候就不能只做80%用戶滿意的功能，可能你的重點就會變成怎么樣服務好剩下那15%的用戶，而這些用戶并不是對于功能的有差異，而是他的體驗帶來了一些差異的需求。

所以我們也發現，AI可能是一個最好的解法，真正地出現從原來的人機交互的使用功能變成人智體三段式的獲取方式，由智能體彌補中間不同人的差異性。

我們也提出來，智能體要做到相識、相知、相愛、相伴的四個階段來演進這些功能。

同樣的QQ音樂，在我認識你之后，我能提供的服務跟你完全使用QQ音樂功能肯定是差異比較大的，包括我知道了你的習慣，你周一是怎么用的，你周末是怎么用的，車上不同人的時候你是怎么用的，這種情況我們也能提供差異化的服務，以及怎么樣把車上的這些功能更好地服務給用戶，這些都是智能體需要做的。

而在這個過程中，就進入了我們所謂第三代產品，就是基于現有生態能力和車上這些功能，怎么樣用智能體的方式更好地給用戶服務，而這個過程中發現其實行業里面沒有很好的合作伙伴來解決這個問題：

首先他必須得掌握車廠非常多的基礎數據，第二，他必須得直面車廠寫C端用戶，他是不能轉手給供應商來解決這些問題的，這個過程我們內部叫作3.0的自研才會出現，后續的產品大家不是在拼命改界面、拼命在車上增加功能，而是怎么樣更好地理解用戶，把現有的功能以及互聯網上比較好的功能，以更合適每個人的方式來實現。

在10年前有人提出來真正意義上的千人千面的服務做到極致，這也是我們認為3.0讓每個人擁有不一樣的車，以整車AI全棧智能體的方式來實現，可能也是一個重大的變化。

所以現在來看，我們也在想如果采用這套方式，能不能打贏兩年之后的長城？現在來看可能是相對比較樂觀，包括最近的車展，我們也會發布我們的V9X車型，以及后面多款對應的車型，應該能給大家看到一個不一樣的長城。