中国汽车产业正从电动化的规模竞争，走向智能化、低碳化与全球化交织的新阶段。物理 AI、端到端、国产芯片、L3 合规等新变量密集出现，技术边界不断拓展，产业链分工与商业模式也在重新调整。但变量本身并不等于增量，技术只有进入真实用车场景，以体验赢得用户信任，中国汽车生态中的每一个板块才能在安全、盈利与协同之间找到可持续的发展路径。
10 月 30 日，2026 智能汽车新生态（武汉）论坛在武汉国际会议中心举行。本届论坛以 " 变量与增量 " 为主题，由中国国际贸易促进委员会汽车行业分会指导，中国国际贸易促进委员会武汉市分会、汽车观察传媒主办，武汉世贸展览服务有限公司承办。来自整车企业、科技企业、产业链及行业机构的嘉宾，围绕汽车智能化的技术演进、碳管理、无人物流和产业协作展开交流。
" 如果下午没有这个会，我其实是想一直沿江跑到汉江交汇口去的。我想到那里去看一看，长江突然遇到这么大一个增量之后，是一种什么样的心情？" 论坛开场，汽车观察传媒创始人、总编辑刘小勇以武汉长江与汉江交汇作喻，指出当下汽车产业也处于 " 两江交汇 " 的态势：变量汹涌、增量暗涌，行业唯有在变化中掌握平衡，才能在浪尖上前行。
他将本届论坛的讨论逻辑概括为从认识变量、应对变量到兑现增量，并以伟大诗人屈原的千古名句 " 路漫漫其修远兮，吾将上下而求索 " 引出智能汽车产业仍需持续求索。
柴占祥：变量已至，增量要靠核心能力与商业闭环兑现
中国国际贸易促进委员会汽车行业分会助理会长柴占祥在致辞中指出，2026 年是 " 十五五 " 开局之年，更是全球汽车格局重塑的关键之年，继电动化之后，智能化成为汽车产业最大的变量，也是最重要的推动力量。AI 上车、端到端下沉、国产芯片发展和 L3 合规等多重趋势正在交汇，行业旧有壁垒逐渐瓦解，新秩序尚未定型。
围绕智能汽车产业的变化与增长，柴占祥提出三点思考。
首先，核心软硬件将是新的护城河。柴占祥引用工信部 2026 年 7 月数据指出，组合驾驶辅助功能新车渗透率已达 70%，但高端算力芯片、底层软件生态及部分高端传感器仍存在短板，" 缺芯少魂 " 现象依然明显。
其次，智驾装车率不等于使用率，用户买单才能算增量。只有当智能化功能解决用户真实需求、形成体验差异，并让用户愿意付费，企业才能建立商业闭环，增量才能转化为经营价值。
第三，法规守安全底线与产业生态守可持续底线，两条线都不能断。辅助驾驶的安全边界需要明确，规则正在加快补位；与此同时，产业链利润分配与供应商经营压力也值得关注。
张杲：汽车碳管理从" 设施碳 " 走向 " 产品碳 "
中国碳排放权注册登记结算有限责任公司党委副书记、总经理张杲，以 " 智能汽车基于碳排放的全生命周期管理 " 为题，介绍碳约束如何影响汽车产业。
他认为，汽车企业正在面对出口、积分政策和供应链要求等多方面的碳成本。随着碳足迹管理要求逐步细化，整车企业需要从钢铁、铝材、电池等上游环节获取数据；而供应商层级复杂、原始凭证不足，也让碳数据追溯和核验面临挑战。汽车碳管理的重点，正从生产设施的排放管理延伸到产品全生命周期。
张杲介绍，电动汽车、动力电池和驱动电机的碳足迹管理标准已发布，将为相关产品建立统一的量化方法框架。中碳登的工作重点不是代替企业核算碳足迹，而是帮助企业把碳账建立得更扎实，使核算有依据、数据可核验、结果能互认。他还提出，湖北汽车产业基础较好，中碳登落户湖北，为碳市场与汽车产业开展协同探索提供了条件。
刘小勇在张杲发言后以 " 开个人碳账户 " 作轻松回应，并指出，碳、政策、数据和算力等因素已经成为重塑汽车产业的重要力量。汽车发展既要有动力，也要有约束；如果策略得当，碳约束也可能转化为新的发展动力。
陶博：开放协同，推动无人物流进入实际场景
东风汽车股份有限公司商品研发院智能网联生态负责人陶博博士，分享了 L4 无人物流车的发展与落地思路。他认为，AI 大模型进步、车载传感器成本下降、测试规范与路权政策推进，以及物流企业降本增效的需求，共同推动无人物流从试验走向实际应用。
围绕这一趋势，东风股份推出无人运力品牌 OpenVNA，开放技术平台、制造能力和合作生态，与智能驾驶企业协同开发，并通过车型与上装组合适配不同运输和作业场景。目前，东风 OpenVNA 布局了 DF2、DF8、DF25 和 DF60 四款车型，货箱容积覆盖从 2 方到 60 方，形成全链条的四个车型平台，能够满足不同物业物流节点的运输需求。
陶博也提到物流行业目前面临的三重压力。第一，末端配送、园区搬运等岗位招人难、留人难，人力成本年复合增长率超过 8%；第二，配送时效要求越来越高；第三，供应链对稳定性的要求越来越高。
在他看来，面对这些压力，无人化和智能化就成为物流企业的 " 必答题 "。在政策、技术和市场三大力量的推动下，无人物流正进入快速发展阶段。
智能化增量来自用户价值，也来自产业协作
当增长的内涵从销量扩张转向价值提升，企业该如何把技术变量转化为利润、用户价值与产业发展的长期动能？新的商业机会在哪里，又该如何形成可持续的盈利模式？
在汽车观察主编郑劼的主持下，同济大学汽车学院原教授、汽车安全技术研究所所长朱西产，复旦大学环境系博士生（行业）导师、国际碳核算核查理事会创始发起人孙冰，以及千里智行首席运营官陈力、天目鑫望联合创始人兼首席营销官何金俊、武汉菱电车身域控研发负责人熊锋、北京阿尔特太乙人工智能科技有限公司产品负责人陈英龙，围绕智能化增量来源、AI 实际落地、产业链分工与未来受益者等话题展开讨论。
谈到汽车智能化、电动化的增量机会，朱西产分享了自己的观察。他指出，电动化领域，动力电池企业获得了较多收益；智能化领域，芯片和域控制器等硬件环节的商业回报相对明确，更能 " 吸金 "，而算法服务的盈利仍面临挑战。他进一步指出，汽车产业的增量逻辑不同于手机行业，现阶段硬件仍是较能支撑汽车产业收益的环节。
对于主持人郑劼提出的 "AI 功能发布会演示亮眼、实际落地却与用户体验存在落差，该如何辨别真实需求与概念包装 " 的问题，朱西产认为，评估物理 AI 不能只看发布会上的演示效果，尤其是与行车安全密切相关的功能，更应关注真实场景中的表现与责任边界。他将智能驾驶的发展概括为从 L2 辅助、L3 代理接管到 L4 无人运营的递进过程，不同阶段对驾驶员责任、平台监管和商业模式的要求各不相同。辅助驾驶的价值可体现在降低事故风险、带动保险等服务；L3 有望探索用户付费，L4 则可能通过运营创造收益。
孙冰从碳治理与碳市场角度指出，双积分政策调整以及欧盟数字产品护照（DPP）对数据和合规提出的新要求，可能影响汽车产业链的经营与订单，企业需要提前做好准备。与此同时，碳市场也蕴含新的增长机会：依托绿色运力、矿山运输电动化和新能源车辆资源循环利用等应用场景，相关企业未来有望借助温室气体自愿减排项目（CCER）及国内碳市场开发碳资产，为产业带来新的增量。
孙冰认为，绿色低碳既带来合规要求，也蕴含产业增量。欧盟电池护照等规则要求产品提供碳足迹及供应链信息，但当前国内碳数据的获取、数据库建设与国际互认仍有待完善。
与此同时，孙冰也提醒道，AI 可以辅助数据处理，却不能替代可靠的数据基础、明确的责任主体及有效的监管机制；在数据库与规则尚未成熟时，单靠 AI 难以解决合规问题。当新能源汽车、人工智能与绿色低碳拥有明确的应用需求和用户价值，若能进一步完善标准、数据体系与创新应用，有望成为汽车产业新的增量来源。
陈力认为，智能网联汽车的增量主要体现在三个方面：一是推动商业模式尽快落地，让技术和企业估值转化为实际产出与利润；二是提升合规与安全能力，随着企业承担更多运营安全责任，合规水平将成为竞争力的重要组成部分；三是完善全生命周期运营体系，通过平台与基础设施协同，解决无人车、Robotaxi、Robotbus 等场景中的充电、清洁、停放等问题，提升运营效率、控制成本。
对于 " 方案商如何在传统 Tier 1 与 AI 平台商、综合运营商之间选择转型路径，并跨越商业模式验证与盈利门槛 " 的问题，陈力给出的回答是，关键区别在于企业是继续作为软硬件解决方案供应商，还是下场成为综合运营商。传统方案商根据主机厂需求提供软硬件开发服务与相关产品，当前面临销量波动、成本压缩和行业竞争加剧等压力；综合运营商则需要把技术方案放进实际运营场景，证明单车或单个体系的经济模型能够逐步成立。转型对企业的软硬件、模型能力及产业链生态配套提出更高要求，且并非所有方案商都具备相应条件。最终哪种模式能够走通，仍要由市场检验；对投资驱动的科技企业而言，商业模式逐渐清晰、用户规模和订单持续增长，是获得市场信心的重要依据。
何金俊认为，企业要实现盈利，既要掌握核心硬科技，也要让技术进入产业增量场景。以纯固态激光雷达为例，芯片等关键技术突破推动其从概念走向量产应用；作为物理 AI 感知的重要入口，它也为汽车及具身智能提供来自物理世界的数据基础。只有把硬科技优势转化为产业链中的实际应用，才能形成可持续的商业价值。技术突破打开了产业化的窗口，场景落地则决定了企业能否真正分享产业增量。
那么，核心技术供应商能否依靠国产替代锁定长期利润，又该如何跳出低价竞争、创造新的增量价值？何金俊认为，国产替代可以为企业提供发展机会，但仅靠替代难以形成长期竞争壁垒。企业还需找到真正的硬核技术与商业能力，在产业链中建立自身优势。
熊锋认为，汽车产业的增量主要来自用户价值提升与产业链重构。一方面，AI 要切实改善用户体验，例如通过能量管理优化降低能耗，让用户感受到实实在在的收益，并愿意为此买单；另一方面，新能源汽车出海带动零部件企业拓展海外市场，国产芯片也迎来替代发展的机遇，为产业链打开新的增长空间。
那么，面对整车智能化加速发展，车身域控产品需要完成哪些迭代与升级？熊锋认为，域控融合需要从硬件、底层软件和算法三个方面推进。硬件要提升算力、可靠性与安全性，同时具备可扩展性，并兼容国产和进口芯片；软件层要构建支持跨域融合、便于适配不同应用的统一基座；算法层则需要实现信号与系统资源的协同调度，在满足功能需求的时提高算力利用效率。
陈英龙则聚焦 AI 在整车研发中的应用。他指出，AI 带来的增量不应只看单个环节的效率提升。整车开发涉及产品定义、造型、工程、性能和软件等多个专业领域，只有推动 AI 能力跨领域协同应用，形成从单点工具到多环节服务的转变，才能有效缩短整体开发周期。
主持人进一步提问道：" 为什么 AI 生成速度提升，整车开发周期却没有同比缩短？当前研发应用的主要卡点在哪里？" 对于这个问题，陈英龙分析，关键在于生成数据能否直接进入工程流程并支持后续编辑。当前 AI 生成的模型常难以满足工程软件对格式、精度和兼容性的要求，往往只能用于效果评估，难以直接交付或修改。因此，研发环节的难点不只在于生成，更在于让生成结果可用、可编辑，并融入现有工作流。
产业链协同：在自研与合作之间寻找平衡
当车企加大核心技术自研投入、供应商承受降本压力之时，产业链该如何划分能力边界、实现协同创新？围绕全栈自研的投入产出、数据与技术合作、供应商平台化，以及 AI 对工程研发的影响，主持人郑劼进一步提出问题，台上嘉宾们从整车企业、技术供应商和工程应用等不同角度展开更加深入的讨论。
朱西产认为，新能源与智能化仍处于整零协同的磨合期。全栈自研需要长期、大规模投入，并非所有车企都能承担；完全依赖供应商也难以形成合理分工。未来更可行的方向，是主机厂与供应商在产品定义、技术开发和规模化应用中找到平衡，形成 "1+1>2" 的协作关系。
孙冰指出，碳数据商业化面临数据跨境、数据库建设、质量标准和数据权益等多重问题。政府、学术机构与商业数据库平台需要在数据共享、商业应用和行业规范之间建立机制；在相关制度与标准尚不完善时，碳数据与 AI 的结合仍需谨慎推进。
陈力介绍，吉利通过整合旗下多品牌资源，集中推进智能驾驶能力建设，以共享数据与规模优势应对高投入的研发挑战。他认为，智能驾驶行业正经历洗牌，企业需要以技术、服务和经营能力证明自身价值，未来市场格局也可能随人才与资本进一步集中而变化。
何金俊认为，上游技术企业要应对成本压力，关键是依托硬核科技寻找新的产业增量，而非陷入同质化竞争。随着新能源汽车、智能驾驶和具身智能发展，感知需求持续提升；企业应将芯片、模组、支架与算法等能力结合起来，形成具有差异化的技术优势。
熊锋表示，全栈自研并非整车企业的普遍最优解，主机厂与供应商通过联合开发，可以兼顾产品定义、供应链稳定与规模效应。面对不同客户的定制需求，供应商可先将主流需求沉淀为平台化硬件与底层软件，再在上层适配客户的差异化需求，从而平衡标准化与定制化。
陈英龙认为，AI 进入整车研发的关键，是把工具和能力融入工程师现有工作流程，减少重复操作与额外学习成本。AI 将接手部分重复性工作，工程师则更多承担流程设计、规则制定和结果验收等核心工作。行业真正稀缺的，是既理解工程、又能将工程经验转化为 AI 可执行流程的人才。
AI 上车大潮将至，谁将成为最大受益者？
最后，在 " 谁将成为 AI 上车最大受益者 " 的讨论中，嘉宾们的观点更加精彩和犀利。
朱西产指出，当前国内汽车市场价格竞争激烈，车企利润承压，不能简单归因于电池企业获得了较多利润。行业处于不健康的竞争状态时，企业和产业链各方都难称受益者。
熊锋表示，产能过剩与过度竞争挤压了产业链利润，低价带给消费者的短期收益未必可持续；行业需要加强规范、推动产业升级，并将资源更多投向芯片和 AI 等领域。
陈力则认为，行业仍在洗牌，企业需要先活下来，消费者则从车型增加、价格下降和新技术服务中获得了短期实惠。
何金俊则跳出汽车行业视角看待这个问题，他认为，单靠存量市场竞争难以形成可持续收益，企业应寻找 AI、飞行汽车、高端化等新变量与增量，并通过产业链协作拓展新的价值空间。他看好能够把握 AI 机遇的企业。
陈英龙的视角则聚焦于人本身，他认为，工程师也是 AI 变革的受益者。AI 可以承担重复工作、提升效率，而工程师需要把握技术方向，将 AI 能力转化为实际增量。
孙冰从资本市场角度补充，行业进入洗牌周期后，并购可能成为重要趋势，能够把握并购机会的企业或成为受益者。
主持人郑劼最后总结道："AI 不等于天然增量，技术红利要落地为真实的用户价值；产业链角色正在分化，国产替代是机遇，但不能躺赢；数据、商业模式都要同步跑通。物理 AI 是摆在行业面前的重大变量，而我们整个产业的努力，就是要把这份变量，真正转化成属于中国汽车产业的增量。"
