" 什么是真正的 AI 汽车？每次都会被问到，但每次都给不出标准答案。"
9 月 17 日，在 2026 AI 定义汽车论坛上，上汽大乘用车智能化软件中心高级总监、零束科技 CTO 孟超抛出了这一问题。在他看来，AI 汽车不是某个语音助手，也不是某项智驾功能，而是一套能够理解用户目标、分解任务并调用整车能力的全新产品范式。
孟超把 SDV 和 AIDV 划出了一道分水岭。过去软件定义汽车，本质上仍由人预先编写确定性软件规则，AI 更多是附加功能，核心价值在于降本增效；AI 定义汽车则是在安全边界下，由模型推理和学习生成行为，AI 开始成为整车原生架构的核心，目标转向用户体验和产品代际跃迁。
他用一个场景解释这种变化：夜间下雨，小朋友在后排睡着，用户说：" 安静一点，顺路找一家还营业的药店，到附近再提醒我。"
传统软件体系下，用户需要分别搜索药店、修改路线、调节车内环境、设置提醒；在 Native AI 体系下，系统则需要理解 " 买药 " 的目标，以及 " 不打扰孩子、少绕路、到达前提醒 " 等约束，再统一调用导航、座舱、车控和生态服务，并根据外部环境变化重新规划。
"判断一个车载 AI 的问题，应从‘用了什么模型’，转向‘它能替用户完整办成什么事’。" 孟超将车载 AI 划分为 A1 至 A5 五个阶段，从 " 大模型增强语音 "，一路走向 " 可执行任务 Agent"" 整车物理 Agent"，最终成为 "AI 原生出行伙伴 "。
架构层面，孟超提出，AI 定义汽车需要 Native AI 产品、端云协同模型体系、AI Software Infra 以及芯片与硬件共同支撑。
其中，零束正在探索 "1+N" 智能体架构：一个 System Agent 负责意图识别、任务编排和冲突仲裁，下层则由座舱、驾驶、车控、能源等多个领域 Agent 协同执行。
他特别强调，"1+N" 并不是让 " 大模型直控车辆 "。System Agent 负责全局任务，各领域 Agent 与 SOA 服务则负责守住能力和安全边界。
随着模型大量进入汽车，底层硬件也需要随之变化。孟超认为，评价芯片不能再只看 TOPS，模型编译效率、内存带宽、调度利用率、热稳定性和安全可用性共同决定了真正的 " 有效算力 "。
针对大模型带来的 " 内存墙 "，短期可以通过 HBM、3D 堆叠等方式提升带宽，中期关注存算一体，光计算则可能成为更长期的技术方向。
孟超还提到，AI 原生产品不仅要求技术架构变化，也会反过来要求组织方式调整。按照康威定律，如果产品架构已经进入下一代，而企业内部组织仍停留在上一代的软件和功能划分方式，新的 AI 体系就很难真正建立起来。
在他看来，无论汽车还是具身机器人，都只是 AI 落地的不同终端形态。真正值得关注的，不是某个具体功能或者产品形态，而是背后是否形成了可持续演进的模型、软件基础设施、数据闭环和算力体系。
