盖斯特研报:AIDV演进趋势预测与企业落地策略建议(2/3)

AIDV演进趋势预测

探讨汽车产品演进前，需先明确“新汽车”、SDV和AIDV之间的关系，理清三者的演进逻辑与边界差异。

“新汽车”是基于数据、能够自我进化、承载智能移动空间的新物种。本质是整车超级智能体，其不仅能自主进化，还能成为人类伙伴，主动提供服务，实现“车更懂人”的体验升级。“新汽车”核心能力包括三方面：汽车本身的机械/电动化能力、数字化能力和持续进化能力。

SDV（软件定义汽车），其基于新智能硬件、软件、算法及架构等数字化能力，使汽车具备了预设场景下的初级智能功能。但这种智能存在天然局限：一是功能强弱与丰富程度依赖于人为设定规则的软件，且产品易同质化；二是仅能响应单一场景的预设需求，泛化能力弱；三是域级软硬架构相对独立，跨域融合难度大。

AIDV（AI定义汽车），可实现更高级别的人工智能，它通过激活数据、重构软件、驱动硬件，真正向“新汽车”进化。AIDV具备的核心价值恰恰能够破解上述SDV局限：从被动服务转向个性化、情感化的主动服务；从单一场景预设升级为全场景自学习、自决策、自组织能力；从域级独立架构变为全域协同决策、执行及进化。

更重要的是，打造AIDV必须重塑汽车产业结构与运作方式，带来全维度价值创新——产品形态颠覆、技术能力跃迁、产业分工变革，将驱动整个汽车产业系统性变革。由此可见，AIDV既是发展“新汽车”的必然要求，也是AI驱动下产业变革的范式重构。

因此，从SDV向AIDV跨越是汽车产业发展的必然趋势，蕴藏全新的机遇。当前，SDV发展已进入相对收敛阶段，技术体系与产业分工逐渐成形，车企之间的能力差异更多体现在战术层面，如软件迭代效率、硬件耦合深度等，并非战略方向分歧。而依托通用大模型、具身智能等AI技术的持续突破与规模化落地，AIDV凭借其先进理念与颠覆性价值，正在成为汽车产业新的发展方向，受到更多企业关注。

1.产品形态演进趋势：整车超级智能体（“智能总管”）

从SDV到AIDV的演进，不仅是汽车产品形态的改变，更是产品形态、技术架构、研发体系的全面重构。如果说SDV完成了汽车“身体”和“神经系统”改造，那么AIDV则是在此基础上，赋予汽车“大脑”和“灵魂”。二者的本质区别如下：

其一，核心驱动不同。SDV以软件为核心，通过调度硬件资源实现功能和体验升级。在此过程中，SDV主要依托结构化数据，数据利用率也不高，硬件能力开发程度有限；AIDV以AI为“大脑”统领全局，基于数据驱动和软硬件支撑，激活结构化与非结构化数据的双重价值，实现汽车的自主感知、决策及执行，让相同硬件释放出更大价值。

其二，能力边界不同。SDV基于人为预设规则来响应场景需求，缺乏泛化性，属于“感知智能”层面的被动服务，其能力边界取决于硬件预埋和特定软件性能；AIDV则可实现端到端的自学习、自适应，可通过场景融合泛化，预判甚至挖掘用户的新需求，属于“认知智能”层面的主动服务，其能力边界由模型水平、算力规模和数据质量共同决定。

其三，迭代方式与进化速度不同。SDV通常采用线性、版本式的迭代方式，通过OTA进行阶段性升级。其迭代速度取决于后台软件的开发、迭代与部署速度；AIDV则是基于数据驱动的自我演进，呈现出指数级、实时性的迭代特性。其迭代速度取决于数据闭环的训练效率。

其四，产品形态不同。SDV是无自主意识、软硬件融合的智能终端；AIDV则是一种具身智能生命体，能够实现自我进化和自我适应。

其五，价值范式不同。SDV的商业模式通常是硬件出售、软件服务订阅与运营；AIDV则可实现汽车与大智能产业的生态协同，其价值维度和边界大幅拓展，可以实现智能汽车与智慧城市、智能交通、智慧能源、具身智能等产业的深度协同。

上述差异的核心，是汽车从“工具智能”向“主体智能”的进化，人车关系从传统“工具使用”升级为“人车协同”的双向互动模式。在此过程中，汽车的智能化与自主性持续提升，推动汽车产业向更高层次发展。

未来汽车的最终演进形态是“新汽车”，即整车超级智能体，人车之间形成全新的伙伴关系，汽车为用户提供“更懂人”的主动服务，全方位升级出行体验。

整车超级智能体拥有一套有机的、复合的智能体架构，其层级结构清晰，包含1个“大脑”（整车超级智能体）、3个“超级小脑”(座舱/智驾/车控智能体）、N个“内外小脑”（辅助智能体）、X个“躯干和肢体”(单智能体）。其中，整车超级智能体作为“智能总管”统领全局，以“整车交互伙伴”（座舱智能体）为核心，连接“司机”（驾驶智能体）与“管家”（车控智能体），整合导航、座椅控制、人脸识别等各类单智能体运作，同时与便携设备、AIoT、生态服务等多类辅助智能体进行深度协同。这些智能体通过自组织、自协同工作，充分满足用户个性化、多样化需求，提供主动精准、便捷无感的“不可说、不可见、即可得”的服务。

需要强调的是，随着汽车产品设计重心转向“体验优化”，座舱作为人车交互的唯一窗口，需求价值被空前放大，将成为整车超级智能体的核心入口。另外，车企满足用户智能出行需求、构建产品差异化竞争优势的关键，是深度融合外部智能体生态，依托外部生态力量，不断拓展整车超级智能体的能力边界，为用户创造更丰富、更智能、更便捷的出行体验。

2.技术架构演进趋势：具身智能体架构的重塑与升华

AI将全面影响汽车技术，特别是在汽车技术架构的演进中担当重要角色。盖斯特预测，AIDV将是“能感知、会思考、可执行、有温度”的具身智能体。但是，从SDV向AIDV的技术演进，并非推翻SDV的积累，也不是简单叠加升级，而是在继承SDV基础上，以“具身智能机器人”理念进行全面的技术架构重构，其中核心技术要素也随之延伸和变革，在渐进重塑中不断创新升华。

汽车技术架构演进主要是三大改变：

第一，从“软件主导的SDV六层技术架构 + APP应用生态”，升级为“基于大模型的AIDV具身智能体生态”。例如，SDV是通过SOA服务化架构将整车功能解耦为原子化服务，基于不同的使用场景需求独立开发、定义并部署差异化的APP应用；AIDV则由智能体自主规划应对不同的场景需求，自动驾驶智能体代替司机职能，座舱智能体成为人的伙伴等。AIDV所有场景应用均以智能体为主导。

第二，车用操作系统由“软件调用AI”的传统OS，变为“AI调用软件”的AIOS，所有服务接口、协议、工具等，由“面向开发者设计”变为“面向AI模型自主调用设计”，操作系统为多智能体协同提供稳定运行环境。

第三，产品架构由“汽车架构”升级成“机器人架构”。机器人架构具备“大脑－神经－躯干”的类人架构，也为更多具身智能形态的AI应用提供通道。

具体而言，AIDV的技术架构分为智能体及协同技术架构、软件及硬件三部分。首先，智能体及协同技术架构构建需依托技术底座，该技术底座由“OS + 芯片 + 基座大模型”和“中央集中架构”构成。其中，OS、芯片与AI大模型的深度融合，可实现算力动态调度与场景自适应优化，提升运行效率；中央集中架构可持续演进，不仅能够集中算力资源，降低线束复杂度与硬件成本，还为AI能力落地提供支撑。技术底座的深度集成与协同效率，直接决定整车智能体体验的上限与长期进化空间。然后，在技术底座上构建智能体及协同技术架构，核心任务是实现安全高效的场景服务调度与编排权。为此，企业需精准拆解出行场景，明确各场景中“移动－空间交互”“情感服务”等核心需求，针对每个原子场景，定义对应的AI核心能力，确保智能服务可精准匹配用户需求。

其次，软件层面需围绕AI进行全面重构，构建AI原生架构，实现“软件 in AI”、传统规则算法被AI大模型替代、通过AI调用原子服务等新型模式，支撑模型与服务调用、智能体开发、硬件驱动、数据激活等核心能力。构建安全、有序、可靠的AI原生软件架构，是AIDV价值落地、持续进化的关键。

最后，硬件层面实现全域被AI驱动，通过三条技术路径：传统机械硬件AI赋能、人机交互硬件融合创新、AI原生硬件定义，充分挖掘和释放硬件的潜能与价值。核心任务是精准定义内外部硬件服务能力的适配边界和协同逻辑，实现硬件创新与复用，为AI提供高效运行支撑；同时完成标准化接口定义与协同时序设计，保障软硬件深度协同与高效交互。

3.AIDV演进阶段：从“AI赋能”到“AI定义”的三阶段跃迁

由SDV向AIDV的跨越，是新范式取代旧范式的过程。本质是从“AI赋能”到“AI定义”的转变。这一过程不会一蹴而就，而是渐进重塑、从量变到质变的演进，可分为三个阶段:

1.0阶段：AI in SDV（当前阶段）。从产品形态上看，AI主要在SDV框架内赋能，实现单点应用。例如，座舱和智驾大模型部署在汽车上，以及部分APP的智能体化（如导航智能体）；从技术架构角度看，AI更多地嵌入原有的整车操作系统，以支持AI大模型快速上车。其中，部分应用的原有分层架构被对应的智能体框架取代，从而快速接入最新AI模型；从硬件层面看，更多是围绕AI应用实现硬件标准化。

2.0阶段：软件 + AI联合定义。这是SDV向AIDV演进的关键范式切换期，会持续相当长的时间。在产品形态上，系统级智能体实现深度融合。例如大智能体嵌套或调用小智能体及APP，应用场景开始融合形成“场景流”；整车操作系统实现AI应用系统化，通过引入标准化协议，打通不同垂域的智能体框架，将AI运行通用组件整合进OS内核；新的AI原生硬件被开发出来，并实现量产上车。

3.0阶段：真正实现AIDV落地。此时将诞生整车级复合智能体。多智能体协同形成超级复合智能体，能力可以泛化至无限场景；在技术架构上，AI本身成为操作系统，本质是将AI内化为系统级能力。通过构建多智能体协作框架，支持不同智能体跨域调用模型及服务等。同时，各类AI模型进一步聚合、重组，形成融合大模型；多数硬件被AI化重构，可与大智能产业共享、复用、调用，实现生态协同。

综上，从SDV向AIDV的演进过程可总结为：1.0阶段是AI在SDV框架内的赋能；2.0阶段考验车企围绕AI的深度开发与协同能力；3.0阶段实现AIDV的“质变”，真正达成“新汽车”的发展目标。

未完待续，请继续关注《盖斯特研报：AIDV演进趋势预测与企业落地策略建议（3/3）》