“不匹配”问题：  不匹配一：消费范式转移 vs. 传统产品开发体系 消费者的购车逻辑已发生根本性改变，汽车正从“交通工具”快速演进为“智能 体验终端” 。新一代消费者已将智能化水平，如高级驾驶辅助系统（L2 级及以上 ADAS）和智能座舱，视为购车决策的核心要素之一。他们追求个性化，并期望获得从 线上信息获取到线下交付服务的无缝数字化体验。 然而，传统车企的研发体系，多为周期长、依赖物理样机、呈“瀑布式”的开发 量的、真实世界的车辆使用数据和用户行为数据。 这些数据一旦形成规模，就能驱动一个强大的正向业务循环：  数据采集：在途车辆持续产生多维度、大规模的行驶和交互数据。  模型与算法优化：数据被反馈至云端研发平台，用于训练和改进自动驾驶算法、 优化智能座舱的用户体验。  产品与服务迭代：优化后的软件功能通过 OTA 快速推送给用户，实现产品体验 的持续升级。  市场竞争力提升：更优的产品体验增强了市场竞争力，从而促进销量增长。 每一位潜客和车主构建一个动态、立体、随时间演进的 360 度全景画像。 更进一 步，营销团队无需等待数据分析师的报告，通过 AIMrtrics 智能指标平台智能问数 与分析能力，可以直接用自然语言查询“上周试驾用户中，关注智能驾驶功能的 群体画像是怎样的？”，实现对客群的即时洞察与精准触达。 图 19：数智营销方案架构 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 38 —  模式升级：从私域流量到品牌

400-072-5588 中国：云计算系列 行业研读 | 2025/07 • 云厂商的客户战略，是以技术实力强、直购IaaS算力的核心技术客群 为“压舱石”，以政策驱动、预算充足的政企单位为“稳定器”，并最终 以自动驾驶、生物医药等高价值、高用量场景的垂直行业为“增长引 擎”，构筑其三圈层高价值客户体系 智算产业价值路径——云企业客户价值模型 云厂商的高价值客户三圈模型 来源：头豹研究院 ◼ 云厂商的客户战 取大规模战略性订单；最终，将自动驾驶、生物医药、具身智能等高价值、高用量 的垂直行业客户视为“增长引擎”，通过深度赋能其具体的商业和科研场景，来开拓 未来价值增长的主战场。 公有云GPU主力客群 政企单位 企业出海 特点：技术实力强，需求 明确，IaaS直连，绕过 PaaS中间层 特点：政策驱动、预算 充足、智算中心的建设 先于使用 高价值行业：自动驾驶、具身智能、生物医药、高校科研 o 公有云GPU销售： 面向大模型厂商、 互联网巨头，技 术能力强，直采 GPU； o 政企建设智算中 心：拉动基建 （服务器、存储、 私有数据库等）， 预计贡献百亿； 垂直行业客户（例：自动驾驶、 具身智能）：典型B端大客户， 有强烈算力消费需求 ✓ 目标从20亿营收增长至 50亿，重点产品： MaaS 1个亿不到，25年希望到 2.5亿 MaaS Compute（AI训练于图数 据库产品//数据库类产品）；

5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座 4.1 云原生与 AI 原生双擎驱动，加速应用全面智能化 4.2 智能应用平台的核心定位：应用全生命周期的“智能驾驶” 24 24 26 27 28 29 31 32 34 35 36 36 37 38 38 39 39 39 39 期。以大模型为核心的技术范式变革， 正在衍生出“人工智能垂直化、垂直系统平台化、软硬系统自主化”发展新趋势，加速重构全球产业价值链。大模型 在垂直领域的深度应用，正在重塑金融风控、智能制造、自动驾驶、医疗诊断等各行业领域的工作模式。系统平台化 则促进提升资源整合效率，工业互联网平台、城市大脑等载体将分散的数据、算力、算法资源池化，实现按需调用。 软硬系统自主化是安全可控的基石，其核心在于构 、情感陪伴等。多模态交互（如语音助手、虚 拟形象）进一步增强了用户体验的沉浸感。 新兴场景的拓展 从智能制造到智慧城市，Agent 在复杂环境中的适应性使其成为数字化转型的核心组件。例如，自动驾驶领域的 大模型赋能车辆实现更智能的感知与决策。 » 3.1.4 Agent 技术生态的成熟支撑 开发工具链：如 OpenAI Agents SDK、Dify 零代码 Agent 开发平台、LangChain/LangGraph

年，全球消费电 子市场年复合增长率为 6.6% [6]，人均智能终端数量不断增长。 前沿科技类终端是指近几年出现的智能物联类生活场景用途设备，如可穿戴设备、虚拟现 实设备、智能家居（不含 TV）设备、智能驾驶汽车等。这些终端设备在 AI 技术以及用户对便 捷生活、个人健康管理需求的推动下，持续发展壮大，通过集成高性能计算、大数据分析、机 器学习等先进技术以增强用户体验，为用户提供了更为便捷、高效的服务。 车成为移动的智能生活空间 随着智能驾驶技术的发展，人类注意力逐渐从驾驶行为中释放出来，伴随着车内自由时间 的增加，移动场景下的用户体验将更加多元。在车内，应该和在家里、办公室里一样舒适、方便， 处理工作、娱乐都可轻松实现，智能汽车将真正成为虚实融合的智能生活空间。 预计到 2030 年： ◎ 智能座舱的渗透率将超过 90% [7] ◎ L3 级别以上的智能驾驶将得到普及 随着智能化外设的发展和 随着智能化外设的发展和 AI 感知交互技术的不断进步，智能座舱内的感知交互手段将不 仅仅局限于语音和触觉反馈，透明屏、AR-HUD、全息投影、智能穿戴、毫米波雷达、ToF 摄像头等新型外设的应用，将在驾驶安全、车内通信和娱乐应用等场景带给座舱全新的交互体 验。全息投影技术也将可能出现车内。 面向未来，汽车作为一个全新智慧空间，既可以丰富人们在移动场景下的体验，又可以满 足人们在静止场景中的多样化需求，

回哪去”的闭环目标。部分企业正通过加速网点建设、深化与“白名单”企业的合作，落 实到2025年底建成逆向物流体系的要求，以期有效提升锂电池回收利用效率提升。 » 智能化发展：筑牢数据安全与治理防线 智能驾驶与车联网的飞速发展，使得数据治理成为汽车行业的首要合规焦点和核心竞 争力。一辆智能汽车日均产生的数据量可达4TB甚至更高，其中包含大量的敏感个人信息和 重要数据（如车辆行踪轨迹、生物识别特征、车外高清影像等），一旦泄露，其风险远高 共享与培 训机制的协同推进，将成为推动全产业链可持续发展的关键路径。 » 主机厂更积极推动创新发展 技术创新是汽车企业应对市场与政策变化、获得竞争优势的驱动力。企业通过研发 新能源、智能驾驶及轻量化技术，实现产品升级和商业模式创新。是否具备持续的创新能 力，决定了企业的技术领先优势和长期市场竞争力，同时决定着企业在全球汽车市场的竞 争地位及长期可持续发展潜力。 主机厂企业更注重推 比亚迪：创新开发超级e平台，兆瓦闪充开启油电同速 充电速度、电驱效率及系统可靠性，是传统电动车平台可能遭遇的挑战。比亚迪制定 了“核心三电全维升级”和“补能生态全面开放”的创新战略，有效提升了电动车的充电 速度和驾驶性能。 在技术层面，公司发布了超级e平 台，它是全球首个乘用车全域千伏高 压架构，将电池、电机、电源、空调 等都带入了千伏时代。同时，公司发 布了全球首款量产的3万转电驱总成， 不仅实现了车速的大幅提升，还可以

（位置、颜色、不透明度、协方差矩阵等），能够精确 捕捉场景的几何形状和光照细节。 动态场景适应能力 尽管目前主要针对静态场景，3DGS 的自适应扩展策略​ （如高斯点分裂与克隆）已 展现出对动态元素的初步处理潜力。例如，自动驾驶仿真平台 aiSim 通过结合 3DGS 与动 态交通流模拟，实现了复杂动态场景的高效重建。未来优化方向包括动态光照和物体运动 建模，这将进一步扩展其应用边界。 计算资源与成本的优化 3DGS 文件导入使用。 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 122 EasyBIM 集成 BIM 领域成熟厂商技术能力，从建筑全生命周期信息出发，借助数字孪生可视化 驾驶舱进行信息分析和集成可视化，形成从数据采集、汇总、处理、分析到展示的全过程 流通，助力客户轻量化建立基于 BIM 的数字化管理系统。 EasyBI 帮助企业构建自上而下的决策分析体系，面向企业提供全场景数据消费式 2）解决方案 数字孪生智慧燃气管控一体化平台致力于提供城市燃气运行运营数字化的全面解决 方案，引入包括 AI、数字孪生、云计算，大数据等技术，构建覆盖全业务链的“数据中枢 +决策大脑”，搭建企业级数据驾驶舱，通过支持多维度数据融合与智能分析，实现了从 全局态势感知精准业务管控的闭环管理。助力管理层及相关业务部门快速洞察业务态势， 提升决策效率与管理水平，推动燃气企业向数智化转型。 该数字孪生智慧燃气管控一体化平台建设存在如下难点：

优的备用路线，从而有效规避拥堵点，保障物料运输的连贯性与时效性，显著提升 整体运输效率。 （2）自动驾驶技术 以高精度卫星定位导航系统为核心，无人驾驶矿车实现了在复杂矿区环境下的 卫星技术矿山应用白皮书（2025） 19 精准定位与自主运行。通过融合惯性导航、激光雷达与车联网技术，无人驾驶系统 能够构建出厘米级精度的实时环境模型，并据此进行安全、高效的路径规划与跟踪 控制。在露天矿 低轨道通信卫星网络是当前技术发展的前沿和重点。相比于传统高轨卫星，低 轨卫星星座具有路径损耗小、传输时延极短、全球无缝覆盖等显著优势。其高速数 据传输特性能够充分满足矿区移动设备（如巡检无人机、穿梭矿卡）和无人驾驶车 队对通信链路的高要求，支持它们进行大规模、实时数据交换和协同作业，为矿山 卫星技术矿山应用白皮书（2025） 22 实现全流程智能化运营提供强有力的技术支撑。 （2）抗干扰通信技术 度以及能耗指标等多重约束 条件。通过动态路径规划，可以有效减少车辆的空载行驶里程、规避拥堵路段、降 低陡坡行驶带来的安全风险与燃油消耗，从而实现运输效率的整体提升和运营成本 的精细控制。在无人驾驶场景中，这更是保障车队安全、高效、协同作业的核心技 术支撑。 3.5.3 卫星通信数据传输与处理 （1）实时监控与分析 卫星通信链路具备高带宽、广覆盖的特性，能够稳定、可靠地传输来自矿区前

..... 基础模型 NLP 多模态 科学计算 CV 预测 ...... 算力基础设施 AI芯片 AI服务器 智算中心 云服务 智算一体机 ...... 场景模型及应用 智能风控 自动驾驶 智能监控 自动定价 智能医学影像 推荐搜索 代码生成 智能客服 智能药物研发 ...... 智能调度 场景 数据 行业 数据 通识 数据 主要行业大模型应用阶段 大模型赋能千行百业 施上投资高达4,000亿美元。 ➢ 资本开支覆盖了从AI基础设施（包括但不限于高性能芯 片、数据中心、网络基础设施等）、大模型，到人形机 器人、自动驾驶、AI医疗等各个领域。 注：1.市值总额截止2025年2月6日。 AI芯片 大模型 人形机器人 智能驾驶 AI医疗 大模型训练对算力中心提出更高要求 AI大模型的训练对算力中心提出了更高要求，涵盖集群化部署、高效网络通信、大规模电力供应及专业运维管理 23 DeepSeek技术突破加速大模型推理应用落地 推理场景对于时延要求高于训练场景 • 数据传输所产生的时延状况，与推理终端同算力中 心之间的实际物理间距紧密相关。 实时金融分析 智能驾驶 智慧医疗诊断 • 大模型推理过程需要对实时数据进行快速处理和 响应，并快速、即时地返回结果。常见推理场景： 推理终端 算力中心 物理距离越远，时延越长 资料来源：灼识咨询 模型名称 发布时间

是通过船舶自动识别系统（AIS）来实现的， 该技术主要用于船舶之间以及船舶与岸基之间的信息共享和交换，其中，共享信息包括了船舶的位置、 航向、航速、船舶类型、呼号等信息。基于这些信息共享帮助船舶驾驶员及时获取周围船舶的动态， 避免碰撞。同时，岸基管理部门可以通过 AIS 监控船舶交通，优化航道管理，提高港口效率。在搜救 行动中，AIS 信息有助于快速定位遇险船舶。此外，AIS 数据还可用于海事安全分析和环境保护，例 到“主动预判”的跨越。 低空无人机超视距作业场景要求终端实时感知空域气象突变、临时禁飞区动态及邻近无人机轨迹， 以规避碰撞与违规风险；车路协同自动驾驶场景中，车辆需融合盲区行人定位、交通信号灯状态及 周边车辆紧急制动信息，支撑 L4 级自动驾驶系统在复杂路况下的毫秒级决策，如儿童突然冲出车道 时的瞬时制动响应；内河船舶智能航行场景则依赖雷达、AIS 与岸基视觉数据的融合分析，实现狭窄 航 联向更多领域延伸：在工业互联 场景中，可通过任务驱动实现生产线设备的动态协同，解决多设备跨车间的链路适配问题；智慧交 通场景中，可通过目标确认与链路构建，实现车辆、道路、云端的实时协同，助力自动驾驶的规模 化落地。 在产业协同方面，任务驱动式智能互联将推动“标准共建、生态共筑”：一方面，需联合产业链上 下游制定统一标准，解决技术碎片化问题；另一方面，需加强产学研协同，推动高校、科研机构与

新能源车企跨界玩家以“供应链复用+场景闭环”形成独特竞争力。如特斯拉Optimus机器人搭载与 Cybertruck同源的4680电池，续航达20小时；小米CyberOne机器人则充分应用自动驾驶相关技术。 场景渗透者：新能源车企的“降维打击” - 13 - 幸福招商 人形机器人产业格局 • 一是汽车制造商面临着较大的人工劳动力成本压力，人形机器人可替代部分重复性、危险性和高强度 在大量的重叠，汽车制造商拥有成熟的零部 件供应商体系，这些供应商在机械结构、电子元件、传感器等方面的技术和生产能力，可以为人形机器 人的制造提供支持；软件端，智能汽车自动驾驶中的算法技术和人形机器人具有复用性，如自动驾驶中 常用的传统基础模型Dijkstra（单源最短路径）算法、A*算法等，底层逻辑与机器人相通。 随着人形机器人规模化产能渐次释放，汽车零部件企业迎来新机遇，有望开辟新的增长路径，在产业格 工业制造场景因其单一性和重复性特点，是人形机器人应用最易实现落地的场景。其中，汽车工厂将成 为最先落地的应用场景，一方面，汽车工厂因规模大、标准化高，适合人形机器人实训获取高质量训练 数据；另一方面，汽车产业的自动驾驶和传感器技术与人形机器人技术相通，技术接受度高，双方合作 实现协同效应。 工业制造场景 1、目前，Figure02在美国南卡罗来纳州的宝马汽车工厂进行用例训练。 2、2024年10月14日，