腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生
2025 上海车展期间，汽车巨头、新锐势力纷纷祭出自己的黑科技，誓要在这场行业顶级盛宴上吸睛无数。而在车企光鲜亮丽的发布会之外，一场关于汽车智能化未来的底层技术博弈也悄然展开。
腾讯在上海车展期间举办了 2025 年智慧出行技术开放日，不同于往年展示一些酷炫却不明所以的技术概念，这一次腾讯将“ 全栈 AI” 实打实地摆到了台前，试图凭借覆盖基础设施、开发平台、终端应用的一整套 AI 能力体系，为汽车智能化这场终局之战提供坚实的技术底座。
这不仅是腾讯智慧出行的能力展示，更像是一场面向未来产业格局的“ 技术宣言”。当智能汽车成为产业拐点的共识，腾讯希望通过云、图、大模型三位一体的能力体系，在新一轮产业博弈中成为赋能者、基础设施提供者，甚至—— 新规则的制定者。
从“ 上车” 到“ 住车”：腾讯的全栈 AI 布局逻辑
首先得承认，这一次腾讯的出手，是成体系的。
“ 全栈 AI” 并不是空洞的概念炒作，其背后是腾讯明确的战略布局与系统能力建设。此次腾讯强调的三层架构，分别对应基础设施 （Infra）、开发平台 （Platform） 和应用场景 （Application），几乎涵盖了汽车智能化转型的所有环节，我们可以分别来看。
基础设施层 （Infra） 是整个 AI 体系的“ 地基”。腾讯打造了国内规模最大的智能驾驶云专区，算力强大到足以在短短四天内完成万亿参数大模型的训练，而业内普遍耗时数周甚至更长。此外，腾讯云智算还能做到智能驾驶训练连续 300 小时不中断，这也成为了它敢提出“ 车云一体” 战略的底气。
平台层 （Platform） 则更像是车企的技术赋能工具箱。钟学丹在交流中具体解释了平台层的逻辑：“ 我们在基础的 Infra 层，比如算力、存储和网络，是基础的能力。在 Platform 层，我们则用自己训练模型积累的经验，帮助车企优化这些能力，像数据标注、数据回溯，我们都会用大模型帮助数据提效或者提质。” 换句话说，这个平台并非简单提供工具，而是要真正帮助车企以更低门槛、更高效率实现 AI 能力的快速迭代与精准落地。
至于应用层 （Application），腾讯的座舱端侧大模型尤其值得关注。这一模型将 AI 能力从云端搬到车载本地，延迟不到 0.3 秒，“ 你话未说完，回答已开始”。对此，钟学丹坦言：“ 端侧模型的普及节奏取决于两个关键因素：车端算力以及模型和车端应用的结合程度。我们和多家车企在合作，但车的量产和普及还需要时间，因为即便是 2B 的小参数模型，对算力依然有一定要求。”
此外，腾讯还将 AI agent 与微信生态、地图生态深度融合，希望借助生态优势为用户创造真正流畅的智能体验，甚至希望用户逐步适应“ 住在车里” 的智能生态逻辑。这种逻辑并非遥不可及，腾讯的座舱 AI 早已能处理用户语音订咖啡、找路、规划行程等实际场景，让“ 住车” 时代离我们更近一步。
从“ 上车” 到“ 住车”，腾讯正试图用全栈 AI 布局，把汽车智能化从简单的应用层渗透到每个用户体验的细枝末节，让 AI 真正变得“ 无感可用”，就像水和电一样深入生活日常。
大模型不是概念炒作，而是车企的必选项
与前两年的概念上车不同，今年的大模型似乎真的开始“ 开车了”。
在行业内，越来越多车企意识到：智能化不是选项，是必备；AI 能力不是加分项，而是起跑线。
钟学丹在交流中谈到：“ 从 2023 年 ChatGPT 引爆至今，车企从云端接入大模型，已经逐步进入到与座舱深度融合的阶段。我们今天发布的 AI agent，正是为了打破车内应用边界，提升用户体验。”
他举例称，目前已经有车企不再满足于“ 生成一张桌面壁纸”，而是将大模型用于车载服务内容的生成、智能提醒、语音交互等多维度场景，
同时，本地 RAG 技术与小参数模型相结合，也让“ 大模型上车” 从梦想照进现实。在本次发布的 2B 模型上，腾讯已实现了端侧秒回推理，与传统语音系统相比，用户体验有质的飞跃。
但需要看到的是，智能座舱的 AI agent 并非一键上线，而是一个复杂的生态协同工程：既需要底层算力与模型优化，也需要车企配合打通应用生态。
正如钟学丹坦言：“ 端侧模型普及的速度，受限于车端算力与车企系统生态对接的节奏。”
这意味着，AI 虽然被称为车企的“ 第二引擎”，但启动它，需要一整套高效、低延迟、强生态的技术与协作体系，而腾讯，正在试图成为这套体系的中枢。
从智能到出海：“ 一朵云” 撑起全球化野心
相比前几年的“ 只谈上车”，腾讯今年的重点还有一个转向—— 出海。
2024 年，中国汽车出口量首次超过日本，成为全球第一出口国。中国车企全球化进程加速，如何建立合规、可控的海外 IT 基础设施，成为“ 走出去” 的基础门槛。
腾讯的应对是“ 一朵云，全球通”。
目前，腾讯云已在全球 21 个区域部署了 56 个可用区，构建起覆盖六大洲的算力网络。比亚迪在全球多个国家的业务系统，正是依托腾讯云节点运行；一个月开上万场跨国会议，离不开腾讯会议的支持与 17 种语言的翻译能力。
钟学丹指出：“ 车企出海所需的云服务，与游戏、视频行业完全不同，它对数据合规、系统定制化、生态兼容性的要求更高。”
显然，腾讯想扮演的，不只是国内车企的“ 后勤部长”，更希望成为全球智能出行的数字化工具。
然而，理想丰满，现实骨感。在腾讯大张旗鼓地布局全栈 AI、试图以“ 车云一体” 引领智能汽车产业未来的同时，它同样需要直面一些极其棘手的挑战。
首先不得不面对的是产业主导权问题。过去几年，以理想、问界、小鹏等为代表的造车新势力，不断深化其 AI 技术的自主研发，已经展现出了极强的技术独立性。他们不再满足于依靠外部科技公司提供的标准化产品，而更倾向于通过自研的方式，将 AI 能力牢牢掌握在自己手里。
钟学丹也坦诚地指出：“ 我们与车企的关系本质上还是互补型合作。很多车企都有了自研的能力，我们作为技术助力者，当然希望车企越来越强。” 尽管腾讯目前与车企的合作呈现良性互补，但长期来看，车企自身 AI 技术能力的崛起，无疑会弱化腾讯在产业链中的话语权。车企与科技巨头之间微妙的竞合关系，或许才刚刚开始。
除此之外，AI 技术本身的局限性也在悄然发酵。当前，AI 模型普遍存在“ 幻觉”（hallucination） 现象，即便是经过精心优化的小参数模型，也无法完全避免偶尔出现的错误回答。钟学丹坦言：“AI 模型的本质就是预测下一个 token 的概率问题，不可能做到百分百的精准，只能通过精调行业相关的数据、引入知识库、持续训练优化，尽可能降低模型出错的概率。”
但汽车行业不同于其他消费级场景，任何 AI“ 幻觉” 带来的错误，都可能导致用户的安全问题甚至严重的事故。这种技术与安全之间的矛盾，注定会在 AI 进一步深入汽车智能化的过程中，不断引发行业内外的争议和担忧。
而更宏观的挑战，则源自于市场现实的冷酷与无情。当下中国汽车产业身陷规模空前的“ 价格战” 旋涡之中，车企正在面对残酷的降本增效压力，每一分钱的成本都必须精打细算。尽管腾讯强调自己的 AI 能力能够为车企提升效率、降低成本，但在实际落地过程中，要真正说服预算紧缩的车企投入巨额成本部署 AI 生态，并非易事。
钟学丹也承认：“ 车企之间关于智驾‘ 平权’ 的讨论背后，其实是算力、传感器成本的博弈。真正要实现普及，成本控制依旧是巨大考验。” 从这个角度来看，腾讯的全栈 AI 战略并不仅仅是提供技术这么简单，而是在进行一场更加深远的价值观与产业生态的说服战。
腾讯试图向行业描绘一个美好的智能汽车未来图景，过程中必然面临着来自客户自主性增强、技术安全边界模糊以及市场残酷竞争的多重压力。这些挑战不是依靠一次技术发布、一场漂亮的大会就能彻底解决的，而是需要腾讯与汽车企业长期磨合，共同应对技术、产业与市场的复杂局面。
毕竟，智能汽车的未来，从来都不是一场独角戏，而是一场产业内外各方势力错综复杂、博弈不断升级的生态共赢之战。
成为智能汽车时代的“ 水电公司”
汤道生在演讲中用一句话概括腾讯的目标：“ 我们不造车，但要帮助车企造好车、卖好车，用好车。”
这是一句聪明且理性的定位，也是一场更深层次“ 车云之争” 的开场白。腾讯全栈 AI 能力的发布，是一次从功能赋能走向底层重构的信号，昭示着未来智能汽车产业的博弈，可能不再是车机系统谁更酷炫，而是谁的“AI 底座” 更稳、更通用、更安全。
然而，冷静观察之下，这套全栈 AI 战略真正能走多远，仍然充满不确定性。
腾讯虽然技术底座强大，但汽车产业链正在经历深刻变革。越来越多车企在加速自研，力求掌握核心技术主动权。在这样一个去平台化、强调自主可控的趋势中，腾讯要如何在“ 不做车企老板” 的前提下，持续维护自己在智能汽车领域的不可替代性？这是一个必须长期回答的问题。
另一方面，AI 大模型在安全性、可靠性上的结构性难题，短期内依然无法彻底跨越；更现实的是，价格战阴影下的汽车行业，正在用最冷酷的市场逻辑，考验每一项新技术的投入产出比。
腾讯清楚这一切。正如腾讯智慧出行副总裁钟学丹所说：“ 我们更多是一个助力者，真正的决定权在车企手中。” 这句话透露出腾讯对汽车行业逻辑的清醒认知，也暗含了某种必要的克制。
智能汽车的未来，注定不会只属于某一家科技公司。腾讯，已经迈出了一大步。但离成为真正意义上“ 水电公司” 的角色，它仍然要经历更多硬仗，付出更多耐心。
（本文首发于钛媒体 App，作者｜李玉鹏）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
