社区

2026 年上半年，中国车市依然没有等来春天。中汽协数据显示，上半年国内汽车销量同比下降 21.1%，1-5 月行业利润率只剩 3.4%。 价格战打了三年，没人能独善其身，车市在「增收不增利」的泥潭里挣扎。 但吉利汽车却交出了一份让所有人侧目的半年报。 销量增长约 1%，对应 15% 的收入增长，46% 的核心归母净利润增长。 这是吉利 2026 年上半年财报里，最值得琢磨的一组数字。销量和收入、利润之间出现了明显的「错位」。 如果只看销量，吉利今年上半年的增长几乎可以忽略：142.3 万辆，同比仅增长 1%。 但收入和利润，却是另一番景象。 上半年，吉利实现收入 1736 亿元，同比增长 15%，创历史新高。 毛利率提升至 17.9%，同比增加 1.5 个百分点。 核心归母净利润达到 96.84 亿元，同比增长 46%。 单看销量，成绩平平，收入能够增长 15%。收入增长之后，利润还能增长 46%。 更值得注意的是单车收入。平均每辆车的销售收入，已经从去年同期的 9.6 万元，提升到了 11.2 万元。同样卖出一辆车，吉利现在多赚了 1.6 万元。 解开这种「不平衡感」的钥匙，就是吉利正在书写的增长公式：单车价值 × 市场半径 × 技术复用率。 01、销量不涨，先把单车价值做上去 同样卖一辆车，创造更多收入和利润，吉利收入结构的变化，第一层落在产品结构上。 简单提价做不到单车收入多 1.6 万元，真正往上走的，是品牌、产品和用户。 过去，吉利的规模优势体现在「卖得多」，多品牌、多车型覆盖不同价格带。 但现在，高价值品牌正在把集团收入往上抬。 最直接的证据来自极氪。上半年极氪销量 17.84 万辆，同比增长 97%。极氪客单价摸到 37 万，越过了 BBA 的门槛。 一个高端品牌，拉动的已经不只是销量，而是整个集团的产品价值中枢。 财报里有一个比例很说明问题，极氪销量只占集

纯电赢了，但纯电品牌越来越少了。因为纯电正在从一种技术路线，变成一种谁都能获得的基础能力。 三年时间，超过 38 个品牌挤进增程赛道，增程车型从 17 款增加到 85 款，下半年预计还有 35 款增程新车。 这条技术路线几乎没有反对者，布局增程已经不需要理由，不做增程才需要理由。 小米大概是最不缺理由的那个，SU7、YU7 两款纯电车型分别打穿了两个细分市场，今年上半年交付 18 万辆，累计销量破 70 万台。 论纯电开局，国内没有比小米更成功的，但纯电积攒的势能，雷军却转身给了增程。 小米第二个产品系列「SkyNomad 澎程」，基于全新小米昆仑架构打造的增程 SUV，澎程 N90、N70 分别对应大五座、大七座版本，纯电续航超过 500 公里。 连纯电开局最成功的小米，都认为单纯依赖纯电无法覆盖更大的市场。 所以小米把纯电当成敲门砖，把增程当成规模杠杆，相反同样靠纯电赢下开局的蔚来，却继续往下深挖，前者赌的是覆盖面，后者赌的是纵深。 这也意味着，在中国主流品牌里，只做纯电的玩家，如今只剩蔚来以一己之力，面对被增程和插混填满的阵营。 这条路很孤单，但蔚来越走越宽。今年上半年，蔚来累计交付 19.1 万台，在 40 万以上的市场里，ES8、ES9 和 ET9 三款车合计拿下了 30.2% 的份额，每卖出 3 台 40 万以上的新车，就有 1 台是蔚来。 别人往增程挤，只有蔚来还在高端纯电这条路上持续加码，而且越走越深。 01、纯电没输，卷的是增程 毫无疑问的是，增程正在经历一场供需倒挂的膨胀，连小米都被质疑，现在造增程是不是太晚了。 今年上半年，市面上在售增程车型 85 款，而去年同期只有 50 款，仅是车型数量就涨了 70%，但增程单车型平均销量却从去年同期的约 1 万辆，跌到今年上半年的不到 5000 辆。 池子变大，鱼变多，每条鱼分到的水却急剧减少，这就是增程市场最真

商用车安全配置正在经历一轮明确的前装升级。AEBS、AVM 环视、盲区预警等功能从「选配」向「标配」移动的趋势已经显现，但传统分散式架构在成本、开发和验证周期上的压力也越来越大。行业需要一种新的集成方式。 极目智能近期推出的 Z0 商用车中控环视一体机，正是观察这一变化的一个典型样本。 它把中控娱乐、导航应用、1080P AVM 环视、BSD 盲区预警，以及可扩展的 AEBS、DMS、液晶仪表、多屏互动等能力，收敛到一个统一硬件平台上。 01、法规窗口推动安全能力从选配走向平台能力 商用车安全配置相关标准正在推进。交通运输部已发布 AEBS 相关强制性法规要求，涉及 JT/T 1094、JT/T 1178.1、JT/T 1178.2 和 JT/T 1285： 2026 年 7 月 1 日后，危货道路运输车辆、12 吨以上营运载货汽车和牵引车辆、营运客车需安装 AEBS；2028 年 1 月 1 日后拓宽至所有营运车辆。 与此同时，GB 7258-2025 相关修订和营运车辆全景环视系统强标意见稿推进，意味着 AVM 将在 2028 年 1 月 1 日前后按车型、吨位陆续落地。 对于渣土车、水泥搅拌车等重点作业车辆，REB、RAEB 和前向防碾压的拓展也将成为重点。 这使 2028 年 1 月 1 日前后成为主机厂集中导入主动安全功能的重要窗口。 商用车前装系统需要提前完成平台规划、硬件定点、结构适配、线束设计、软件集成、功能验证和供应链准备。 中控环视一体机同时涉及座舱、感知、安全和仪表联动，也需要预留验证周期。 这意味着，2026 年已经是主机厂导入方案、确定平台和锁定供应链准备的关键阶段。 02、极目 Z0 的核心：用一个平台承接多类配置 极目 Z0 的产品逻辑，可以概括为三个关键词：先进性、扩展性和经济性。 在硬件能力上，Z0 搭载高性能 SoC，最高支持 9 路 1

「最好的物理 AI 时刻，看起来就像什么都没发生。任务只是被安全、平稳地完成了。」 这句话来自 Waymo 联合 CEO Dmitri Dolgov 前不久在 Y Combinator 的一次分享。 Dolgov 提到，有一次他带孩子乘坐 Waymo Robotaxi，通过路口时，一辆车突然切入，Waymo Driver 没有急刹，只是平稳减速，安全通过，后排的孩子甚至没有意识到，刚刚存在一次潜在风险。 Waymo Driver 驶过十字路口 对研究自动驾驶接近 20 年的 Dolgov 来说，这个「什么都没发生」的瞬间，反而是一个非常强烈的时刻，比一次炫技式 Demo 更有分量。 当技术变得无感，才是真正成熟的开始，而这背后的工程，就是 Demo 和产品之间的距离。 Dolgov 在 Y Combinator 演讲中给出过一个非常直接的判断：一个能跑的 Demo，最多只占产品全部工作的 1%。剩下 99%，是把「能力」压成「可靠」。 Waymo 是这个差距的典型样本。 2010 年前后，一个约 12 人的工程师团队，用 18 个月就跑出了早期无人驾驶 Demo：累计 10 万英里（超 16 万公里）自动驾驶里程和 10 条各 100 英里的挑战路线，全程零人工干预。 用 Dolgov 的话说，按 Demo 标准，自动驾驶在 2010 年就已经「解决」了。 但从 Demo 走到面向公众的 Robotaxi 服务，也就是真正的商业化产品，Waymo 又用了约十年的时间。 2020 年，Waymo 在凤凰城向公众开放全无人驾驶服务，此后到每周 50 万次出行的规模化运营，又用了 5 年。 这条路上横亘的，是物理 AI 必须逐寸攻克的工程难题。 Waymo 第一个 1 亿英里全自动驾驶里程花了 15 年，第二个 1 亿英里只用了 7 个月。 从开启首个无人运营到服务四座城市，Wa

这两年，智驾圈发生了一件有意思的事：最懂自动驾驶的人，开始讨论自动驾驶之外的事情。 具身智能、物理 AI、机器人，成了他们挂在嘴边的新词。 今年 7 月，Mobileye 的创始人 Amnon Shashua 宣布，将在继任者到位后卸任 CEO，转任董事长，并全身心投入人形机器人公司 Mentee Robotics。 表面上看，这是 Mobileye 从汽车到机器人的业务延伸，但本质上，这是一场从智能驾驶到物理 AI 的产业迁移。 卓驭科技 CEO 沈劭劼把话说得更直接： 「智能驾驶只是物理 AI 的初始形态，绝非终局。」 Momenta CEO 曹旭东同样判断：自动驾驶是物理 AI 的序章。 这不是一场集体逃亡，而是行业在重新丈量自动驾驶的边界。 在他们的推演里，自动驾驶从来不是一个终点，而是 AI 走进物理世界踩下的第一个脚印。 和其他潜在载体相比，汽车恰好是第一台足够复杂、又足够标准化、还能卖出几千万台的机器，成了物理 AI 最早跑通「感知-决策-行动」闭环的载体。而这条路径的起点，可以追溯到 Mobileye。 1、Mobileye 证明了一件事：机器可以拥有一双「眼睛」 1998 年，行业的主流探索锚定在立体视觉上，大家希望用更多硬件信息，拼出一个更真实的世界。 意大利帕尔马大学 VisLab 实验室完成了 ARGO 项目，用两颗摄像头搭建的立体视觉系统，跑了 2000 公里来验证这条路。 而 Shashua 做出了一个反直觉的判断：不需要立体系统，一个简单的摄像头就能探测三维物体。 这个判断最终催生了 Mobileye，也划出了自动驾驶产业最早的一条分岔路，不停留在「摄像头怎么装」的工程问题，而是把问题拉回到原点： 一台机器，如何用更高的效率获得感知物理世界的能力。 单目视觉只是入口，真正撼动行业的，是 Mobileye 给了汽车「眼睛」，推动「摄像头+算法+专

过去几年，智能汽车有一个非常简单粗暴的公式：算力越高，智驾能力越强。 但现在这个公式正在失效。当城区 NOA 可以在上百 TOPS 算力上运行，车企却开始争抢 2000TOPS 以上的计算平台。 行业真正竞争的，已经不是「有没有算力」，而是「如何将算力变成持续进化的智能能力」。 芯片可以摞，但把高算力组织成一套能持续进化的架构，才是下一阶段的胜负手。 工信部的数据勾勒出了当下的行业坐标。 2026 年以来，国内 L2 级组合驾驶辅助功能的乘用车渗透率达到 70%，领航驾驶辅助功能乘用车渗透率超过 34.2%，首批 L3 级有条件自动驾驶车型已经在特定区域上路。 智能泊车、高速 NOA、城市 NOA，正在从旗舰配置走向大众标配。 支撑这些功能的算力并不需要太高，按照当前主流量产方案的经验： 智能泊车功能在 30TOPS 以内可完整落地； 支持高速 NOA 的算力区间在 30-250 TOPS 之间； 即便面对交互最复杂的城区 NOA，现阶段主流方案在 100-500 TOPS 之间也够用了。 一颗英伟达 Orin-X 芯片，254 TOPS 算力（INT8 稀疏口径），在搭配完整多传感器套件、成熟 BEV 感知算法前提下，足以支撑大多数车型的城区领航功能，坐在「主流选择」的宝座。 但端到端、VLA、世界模型上车，让算力需求，来到了一个新的量级。 高端车型的算力刻度，正在向千 TOPS 级靠拢，算力军备竞赛的硝烟已经燃起。车企的算力储备，本质上是在为下一阶段智能驾驶架构重构预留空间。 早在去年，小鹏就把「2000TOPS+VLA+VLM」划为 L3 级自动驾驶的算力基准。 今年 7 月第八届全球汽车技术发展领袖峰会上，德赛西威高级总工程师彭学明抛出类似判断： 2000 TOPS「大大脑」是 AI 原生 L3 的算力起步门槛，L4 平台算力则需要达到 6000 TOPS 以上。

雷军造车，又往前走了一步，小米澎程 N90 Max 的车尾，多了一颗以前同价位几乎看不到的零部件。 7 月 30 日，小米汽车发布了澎程系列，雷军将这两款新车定义为移动大平层，并重复了两遍「Only Skynomad can do」。 这句话最早出自乔布斯的「Only Apple can do」，雷军想借这句话强调澎程无法被复制的竞争力。 增程大型 SUV 本身并不稀奇，市面上同级在售车型超过 15 款，小米的差异在于三层叠加，大空间是增程的物理底子，生态是体验的软件层，最后再甩出一个超越预期的预售价，这是雷军喊出「只有小米造得出」的底气。 但真正能体现「Only Skynomad can do」含金量的，反而藏在容易被忽略的细节里，比如澎程 N90 Max 的车尾，多了一颗后向固态激光雷达。 关于的安全叙事，小米汽车第一次从前挡风玻璃，延伸到了后车顶。 过去十年智能汽车的感知竞争，比的是谁看得更远，而从这颗后向雷达开始，将是比谁覆盖得更完整。 1、车尾的死角，为什么要用激光雷达来补齐？ 「做同级最安全的车，是小米造车永不止步的追求」，这是小米汽车必须守住的底线。 安全这两个字，像钉子一样钉进了小米汽车的骨子里，而这颗后向固态激光雷达，就是这根钉子最直接的回响。 过去后向感知只有摄像头，但摄像头感知到的画面是平面的，没有纵深信息，它能「看见」，却做不到「测量」。 一个真实的场景是，车后方的墙上伸出一根水管，它既不是标准圆柱体，也不是常见路障模型，摄像头无法识别出危险。 另一个更隐蔽场景是村道倒车，后向摄像头会从头到尾都认定后面是路，实际路的旁边是低矮的农田，而摄像头难以区分不同路沿的高度差，同时由于地面落差的原因，超声波雷达也始终接收不到反射面。 这种低速场景下，恰恰是后向感知一直被忽略的死角，而固态激光雷达补上的，就是这个安全漏洞。 激光雷达的工作逻辑是先测量、再确认，激

过去中国互联网在应用层做到极致，最后发现绕不开芯片、大模型、光刻机，头部公司纷纷往底层硬核科技押注。 汽车产业走的是同一条路。 过去 20 年，中国汽车产业追赶的重点是发动机、变速箱、电池、智能驾驶和智能座舱，这些都是用户看得见、摸得着的技术，也是行业竞争的主战场。 很少人往下再看一层：一辆车在碰撞瞬间怎么变形、能不能扛住、安不安全，这个结果最终是由车身材料的成分表决定。而这张成分表，长期不在中国车企手里。 今年 7 月 8 日，2025 年度国家科学技术奖励大会在北京举行。 一个来自汽车制造领域的项目，拿到国家科学技术进步奖二等奖：「一体化压铸用免热处理强韧化铝/镁合金及其应用技术」。核心完成单位之一，是极氪。 「一体化压铸」这个词，中国汽车行业已经说了六年。 从最早的特斯拉 Model Y，到后来各家相继上车，这项技术几乎成了造车叙事里的标配，目前超过 15 款车型用上了一体化压铸。 但把这些车型拆开看，会发现一件有意思的事，车身是中国制造的，压铸机是意大利或者瑞士的，而一体化压铸的材料配方则是来自美国或者德国。 这项技术的核心壁垒不在压铸机的吨位上，零部件怎么设计、良品率怎么爬坡，这些都是工程问题，真正定义上限的，其实是材料配方，它决定了一体化压铸的强度极限。 所以这次获奖，落点并不在「又一家车企上了大压铸」。 如果说特斯拉的一体化压铸解决的是「如何更快造出一辆车」，那么极氪攻克的是另一件事：如何真正掌握一体式大压铸的底层材料科技。 这是中国科技界最高级别的奖项之一。能拿这个奖的项目，要么是底层理论突破，要么解决卡脖子技术。极氪属于后者，从零做出材料配方，解决了热处理变形开裂这个压铸行业几十年的老难题。 过去免热处理铝合金配方长期依赖进口，极氪补上的这块拼图，是国内整条压铸产业链自主跑通的关键一环。 国家科学技术进步奖的名单里，第一次出现了一体化压铸技术，这意味着在国

理想汽车发布了一篇有关自研芯片马赫 M100 的论文，题目为： M100: An Orchestrated Dataflow Architecture Powering General AI Computing。 十几页的论文里，只字未提 TOPS，也就是业内惯用的算力值。 这个背后其实隐藏了一个反直觉的判断： 50TOPS 的芯片，推理延迟可能比 1500TOPS 的芯片更低；CPU 里的 1TOPS，可能顶得上 GPU 里的 10TOPS 甚至 30TOPS。 理想 CTO 谢炎更直接，他说 GPU 架构的执行效率天花板只有 40%，而马赫 M100 的目标是 50%-60%。 换句话说，同样标称 3000TOPS，实际能用上多少，是两回事。 自动驾驶和具身智能已经进入 VLM/World+Action Expert 时代，TOPS 这把尺子，量错了地方。 典型的 MAC 电路 首先要澄清算力这个概念，TOPS 这个指标是衡量芯片进行 MAC 运算时的能力，MAC 即 Multiply-accumulate，代表矩阵（矩阵是张量 tensor 的典型代表）的乘积累加。 MAC 一般是阵列形式，MAC 阵列一个周期能完成两次操作 0perations，算力值就是 MAC 阵列数量*2*MAC 阵列运行频率，这个数值仅仅代表芯片的矩阵乘法能力，AI 运算中还有很多非矩阵乘法，只不过卷积神经网络时代即 CNN 时代，95% 的运算都是矩阵乘法，于是将 TOPS 数值等同了芯片的 AI 算力。 今天 CNN 基本上被 Transformer 和 Transformer 与 Diffusion 的混合架构 DiT 替代，TOPS 这个数值已经无法反映真实的 AI 算力。 其次要说说等效算力这个水分重灾区。 除了高通、英特尔、谷歌、**这些老牌厂家，多数厂家给出的算力值是「等效算力」

过去几年，汽车行业有一个越来越明显的变化：车企开始亲自下场造芯片。 特斯拉有 FSD 已迭代至第五代；蔚来推出神玑 NX9031；小鹏自研 AI 图灵芯片；理想造了马赫 M100；比亚迪、吉利、Momenta 也被频繁点名。 表面上看，这是一场「去英伟达化」的运动。 但如果只看到这一层，就太浅了。 真正的问题是：自动驾驶模型本身，已经开始变了。 从 CNN，到 Transformer，再到 DiT 与世界模型，模型范式在切换，而旧时代的芯片逻辑，未必还能接住下一代自动驾驶。 这才是车企重新造芯片的真正原因。 01、不是省钱，是抢控制权 自研还是外采，表面是商业决策，骨子里是对技术路线的判断。 自研或外采取决于车厂对自动驾驶路线的判断，芯片研发周期比较长。 从完整定义设计目标到芯片上量产车型，中间需要 2-4 年。海外厂家更长，可能是 3-5 年。 这意味着芯片厂家在今天落笔，押注的其实是 5-8 年后的技术走向。 预测错了，要么芯片生命周期大幅缩短，要么干脆没人用。 做汽车数字类芯片，赌性确实很大。 车企自研芯片，某种意义上是在说：我比供应商更清楚自己五年后要跑什么模型。 5 纳米甚至 3 纳米，一次性工程费用加对外采购 IP 高达数亿人民币。一次性工程费用加 IP 授权，动辄数亿人民币。 出货量不够，账面上一定是亏的。但这笔钱可以进整体研发成本，还能拉高市值、强化科技品牌。 账算到最后，商业逻辑是通的。 技术门槛方面，随着 IP 生态成熟、EDA 工具链完善，以及索喜这类专门服务车厂定制芯片的中间商涌现，工程难度正在快速下降。 真正难的部分，已经转移到软件栈、编译器和长期模型适配上，这恰恰是芯片供应商最难替你定制的部分。 02、模型变了，芯片的逻辑也得变 先搞清楚现在的自动驾驶，在跑什么模型。 目前自动驾驶路线有三条。 一是分段端到端，大多数厂家的选择，典型代表是 Uni