三域合一，六大車企搶做同一道“龍蝦”大餐

作者 |辰紋

來源 |洞見新研社

當一個來自英偉達CEO黃仁勛的概念，意外成為中國汽車行業的年度熱詞，你就知道，事情沒那么簡單。

GTC 2026大會上，黃仁勛將開源AI智能體框架OpenClaw比作“AI時代的操作系統”，并斷言它將是“下一個ChatGPT”。

這只“龍蝦”迅速出圈，被中國汽車行業敏銳地捕捉并借用——“龍蝦上車”成了最新的行業流行語，特指將智艙、智駕、底盤三大核心系統從底層打通、由一個統一的物理AI智能體全域掌控車輛的技術路線。

隨后，從傳統巨頭到新勢力，幾乎在同一時間窗口，紛紛拿出了各自的“龍蝦”方案。有的基于全線控底盤與艙駕一體融合架構，有的強調智駕感知與底盤決策的深度耦合，有的則將整車徹底“機器人化”。

盡管路徑各有側重，但核心共識已然形成，讓AI不僅理解人的意圖，更能精準、安全地控制車輛的每一個動作。

01

“龍蝦”全面登陸

理想是這場“龍蝦運動”的急先鋒，早在2月份時，就發布了搭載全球首個量產“完全體”全線控底盤的L9 Livis；3月份小鵬先行曝光全球首發博世新一代線控轉向系統的GX，智己則發布“超級智能體IM Ultra Agent”，一套集成線控底盤、L4級智駕大模型與千問大模型的系統，被行業形象地稱為“智己版龍蝦”。

此外，華為乾崑發布了業界首創的“六合一全域融合”數字底盤引擎；比亞迪則將云輦系統全面鋪開，從10萬級到百萬級全覆蓋；甚至連特斯拉Cybertruck也已經實現線控轉向量產。

各品牌“龍蝦上車”進展 制表：洞見新研社

從上表中各品牌紛繁的技術名稱里，我們可以清晰看到一條共同的主線，打破智艙、智駕、底盤三域之間的“墻”，實現從信息世界到物理世界的貫通。

過去，汽車的三大核心系統各自為政，智艙域負責交互與娛樂，智駕域負責安全與決策，底盤域負責執行與操控，三者之間通過復雜的線束和協議通信，不僅延遲大、協同難，還造成了硬件冗余和成本浪費。而“龍蝦”技術的本質，正是用統一的中央大腦打通這三域，讓AI不僅聽得懂話，還能“動手”執行。

盡管路徑趨同，但各家的差異化能力同樣鮮明。

智己主打“全域代勞”，千問大模型讓AI聽懂用戶意圖后，直接通過線控底盤執行操作，從“我累了，找個能看湖景的咖啡店”到車輛自動規劃路線、下單咖啡、調整懸架，一氣呵成。

理想的差異化在于“完全體”，L9 Livis不僅集成了線控轉向和四輪轉向，還首發了全電控機械制動（EMB），徹底告別了傳統液壓制動，真正實現了轉向-制動-電驅的全線控化。配合兩顆5nm自研馬赫100芯片提供的2560 TOPS算力，理想將L9 Livis定位為“具身智能時代旗艦SUV”。

蔚來的“天行智能底盤”則更注重全主動懸架與線控轉向的深度融合，全主動懸架支持四輪獨立響應，響應速度高達每秒1000次，讓一臺車長超5.3米的大型SUV轉彎半徑達到5.4米。

華為作為供應商的角色尤為特殊，其乾崑數字底盤引擎通過打通X、Y、Z三軸控制，將動力、制動、車身、底盤進行全域融合，并可向車企開放研發體系和流程標準。2026年預計搭載華為乾崑智駕的車型將超80款，累計搭載量預計達300萬輛。

比亞迪則是“技術平權”的代表，從20萬級的夏全系標配云輦-C，到仰望U7、U8搭載的云輦-P，云輦技術已經覆蓋了從10萬級到百萬級的全產品矩陣，讓智能底盤不再是高端車型的專屬。

02

從“三大孤島”到“一個大腦”的必然

要理解這場“龍蝦集體上車”，需要回到過去幾年智能駕駛的真實體驗。

2025年，搭載城市NOA的乘用車已達到267萬輛，但用戶的使用意愿并不樂觀，原因在于，傳統的智能駕駛方案將智駕、智艙、底盤視為三個獨立系統，各自擁有獨立的感知、決策和執行模塊。智駕系統負責規劃路徑，智艙系統負責與用戶交互，底盤系統負責執行操控，三者之間缺乏統一的語言和協同機制。

這種“孤島式”架構帶來的體驗問題比比皆是。

一個典型的場景，某市街頭，一輛亮著左轉燈的自動駕駛車因沒有車輛讓行，機械地閃爍信號卻無法前進，感知系統看到了障礙，決策系統制定了規則，但執行系統卻無法靈活調整策略，與此同時，消費者對于輔助駕駛汽車識別不了靜止車輛的困惑更是普遍存在。

在理論上以及數據統計顯示，城區智駕比新手司機更安全，可對追求駕駛效率的用戶而言，“安全但緩慢”的體驗仍難以替代人工駕駛。

造成這種問題的根源在于：

智駕系統“想得到”但“做不到”，即使AI做出了最優的路徑決策，底盤執行的速度和精度也無法跟上；

底盤系統“做得到”但“想不到”，擁有強大的物理操控能力，卻無法預知前方的路況變化；

智艙系統“感知得到”但“聯動不了”，用戶發出語音指令，系統理解意圖，卻無法協調底盤做出相應動作。

智己的IM Fusion Nova架構正是在這一背景下誕生的，它打破了傳統“感知—決策—執行”的線性鏈條，將三大系統從底層統一到一個架構下，使AI能夠全域掌控車輛動作，這種融合的意義，用智己的話說，是讓AI不僅“理解人”，更能“掌控車”。

在對AI技術應用的認知和布局上，各品牌也都形成了統一的共識。

何小鵬將2026年視為“物理AI商業化的關鍵之年”，他認為2026年至2028年是這一技術走向成熟的關鍵窗口期，小鵬2026年僅AI領域投入就達70億元。

蔚來李斌將人工智能定位為公司年度優先事項，成立近30名專家組成的“人工智能技術委員會”統籌推進。

長城佘士東也指出，汽車智能化正呈現兩大趨勢，多動力需求普遍化和整車“智能體化”演進，用戶與車輛的交互將僅通過自然對話和主動服務兩種方式實現。

在技術層面之外，長期的價格戰和不斷收窄的利潤率，推動著市場邏輯發生轉變，迫使車企從“堆料競賽”轉向“體驗競爭”。就像智己的IM Ultra Agent，它沒有繼續在座艙算力或智駕感知的單項指標上堆料，而是從底層重新定義架構標準。

據億歐智庫預計，2025年中國乘用車智能底盤市場規模將達到466億元，2030年將達到1171億元，年復合增長率高達20.24%。很顯然，這個千億級市場，正以“龍蝦集體上車”的方式宣告自己的到來。

03

“龍蝦”上車后的暗礁

必須認識到，任何技術革命在初期都伴隨著陣痛，“龍蝦上車”也不例外。

最直接的安全問題是線控底盤系統的可靠性。

線控技術取消了方向盤與車輪之間的機械硬連接，轉向完全依賴電信號，一旦系統失效，后果不堪設想。

正因如此，1月27日，國家發布了《汽車轉向系基本要求》強制性國家標準（GB17675—2025），重點完善線控轉向的失效規定，明確在不同失效場景下的安全應對策略。該標準將于2026年7月1日正式實施，為線控轉向技術大規模裝車掃清法規障礙。

可是，法規的完善不等于技術的成熟，在極端工況下，線控底盤仍面臨電磁兼容性、傳感器信號干擾、軟件算法缺陷及冗余切換平滑度等技術難點。尤其是全電控機械制動（EMB）技術，雖然理想已在L9 Livis上率先量產，但行業整體普及仍需時間驗證。

其二，成本與滲透率的矛盾同樣棘手。

線控底盤目前仍處于產業化初期，其研發、制造和驗證成本遠高于傳統EPS系統，為滿足國標安全要求，必須配備全套冗余硬件——雙ECU、雙電機、雙路線束、雙電源，零部件數量和精度要求大幅提升。一套線控轉向系統的成本約為主流EPS系統的2~4倍。

現在智己雖然將線控轉向下放至30萬元級市場，但要讓這項技術真正“飛入尋常百姓家”，還需要產業鏈的成熟和成本的大幅下降。

此外，更大的挑戰在于用戶認知和體驗的斷層，“龍蝦上車”的本質是用一個統一的AI大腦接管全車，這意味著用戶對車輛的信任模式需要根本性轉變，從信任機械系統轉向信任AI系統。

目前大多數消費者對輔助駕駛功能的付費意愿仍不高，如何讓用戶為“物理AI”買單，是一個遠比技術難題更難解的商業命題。

不過，放眼未來，行業的發展趨勢已經清晰。

第一，線控底盤的滲透率將加速提升，2026年被業內視為線控底盤量產上車的“元年”。華金證券研報指出，在智駕催化下，線控底盤將邁入放量周期，市場規模將進一步擴張。

第二，底盤域控制器的集成化程度不斷提高，減少冗余硬件，提高響應效率，將成為主流方向。

第三，物理AI與Agentic AI將雙線并行演進——自動駕駛等物理AI通過規模化量產與數據積累推動能力躍遷，智能體AI則重塑用戶交互方式。

據預測，2026年至2030年，智能網聯汽車預計新增1.2億輛，用戶日均智能座艙使用時長已超過2.5小時。

04

結語

“龍蝦上車”不是一個偶然的熱詞，而是汽車智能化從“軟件定義”邁向“物理AI”的必然注腳。當智己率先喊出“物理AI上車”的口號時，各大品牌早已在幕后磨刀霍霍。理想的“完全體”、小鵬的SEPA 3.0、蔚來的天行底盤、華為的乾崑XMC、比亞迪的云輦矩陣——每一條技術路線都在指向同一個終點：讓汽車真正擁有屬于自己的“大腦”和“身體”。

2026年，注定是智能汽車從“會說話”到“會做事”的轉折之年，而那只“龍蝦”，不過是一個可愛的比喻，背后承載的，是整個人工智能從信息世界跨入物理世界的宏大敘事。