AI 汽车市场究竟有多大？

0:00 嘉宾介绍

今天在《The Garage》节目中，我们的嘉宾是阿吉特·钱德尔（Ajit Chander），他是弗若斯特沙利文（Frost & Sullivan）的副合伙人兼移动出行业务负责人。在今天的访谈中，我们将探讨弗若斯特沙利文近期发布的一份分析报告——该报告部分由Sonatus 赞助——报告重点分析了云端与边缘计算AI ，以及这些令人惊叹的创新技术在汽车移动出行领域带来的影响与益处。 这是一份非常详尽的报告，我们考察了多种能够带来切实效益的应用和用例。在今天的播客中，我们将深入探讨这份报告，并听取在汽车和出行领域拥有深厚背景的阿吉特分享的见解。让我们开始吧。

0:50 阿吉特的背景与经历

今天在《The Garage》节目中，我们的嘉宾是来自弗若斯特沙利文（Frost & Sullivan）的阿吉特·钱德尔。阿吉特，欢迎来到《The Garage》。

感谢您的邀请。

我们非常高兴您今天能加入我们。首先，请简单介绍一下您自己。

好的。嗯，我是一名工程师。我在印度出生并长大。

其实，在搬到北美之前，我就已经加入了位于印度的弗若斯特沙利文公司。当时主要是去了多伦多。我在该公司工作了十七年多一点。

十七年，这可真是一段漫长的时间。

这时间确实比我愿意承认的要长，是啊。

此外，我在IT服务行业曾涉足多个领域。在此之前，我曾在制造业工作。

因此，我拥有这种跨行业的经验。

这些年来，我在弗若斯特沙利文（Frost & Sullivan）主要从事汽车和交通运输行业的工作，与该生态系统中的各类参与者都有合作，包括整车制造商（OEM）、供应商、金融机构、石油和天然气公司以及能源企业。

所以，这是一个相当广泛的……

背景非常多样化。

太好了。那你先从一个关于你自己的趣事说起吧。

嗯，说到我女儿……我一共有两个女儿。我小女儿最近开始打排球了，这是我从未接触过的运动。我以前玩过其他运动，有些运动还算拿手，但就是没打过排球。

不过，你知道，当当当你的孩子开始接触并参与这些运动时，作为父亲，你也会不由自主地参与进来。所以我决定指导她。于是，我开始学习这项运动，然后我们请了一位私人教练，每周都带她去训练。

我们在训练中开始看到一些成效，她的朋友们也是如此。于是她们也想……你知道的，一旦她们意识到……父母们也开始问我：“到底怎么回事？”，我是说“发生了什么变化？”所以我们不得不告诉他们我们在做什么，于是他们也开始带自己的孩子来。 转眼间，我就开始管理一支少女球队了，要负责准备零食、处理各种小插曲，还要管理群聊。虽然经常被她们翻白眼，但我还是坚持让她们完成了所有的训练项目。

嗯，你能如此积极地参与家庭生活，尤其是陪伴你的女儿，这真是太棒了。我来分享一个趣事——我总是喜欢给嘉宾讲个趣事。多年前，我女儿读四年级时参加过一次科学竞赛。我是圣何塞一家科学中心的董事会成员，当时他们参加了面向四年级到十二年级学生的科学竞赛。

当时，我担任了一支参加科学竞赛的四年级女生队的教练。教她们如何安全使用工具以及如何动手制作东西，这真的非常令人兴奋，因为她们之前对这些知之甚少。所以那段经历非常有趣。这就是我要分享给你的趣事。

不错。好的。好的。不错。

3:36 弗若斯特沙利文公司概述

那么，请向我们介绍一下弗若斯特沙利文。弗若斯特沙利文是一家著名的咨询与分析机构。请谈谈您在公司中的职责，以及弗若斯特沙利文的业务范围有哪些？

我是弗若斯特沙利文（Frost & Sullivan）的副合伙人，负责领导该公司的出行业务部门。正如我刚才所说，我已在该公司工作了十七年。我负责制定中长期的业务战略。

在弗若斯特沙利文，我们关注颠覆性力量及其如何重塑行业格局。

我们关注的是对客户产生影响的技术。事实上，我们正处于技术整合的最前沿。我们正将原始设备制造商（OEM）、供应商以及技术整合合作伙伴汇聚在一起。作为其中的一部分，我们发布了大量研究报告，并参与了诸多战略项目。

我们还发表了大量探讨新兴机遇的行业研究报告。

这正是弗若斯特沙利文（Frost & Sullivan）所做的工作。

4:36 关于车载与云端的研究报告AI

嗯，这确实是一个很自然的过渡——你最近作为第一作者撰写了一份我们参与的关于云和边缘计算的报告AI 。该报告探讨了AI 如何真正改变车辆并创造价值。

能与您共事真是太棒了，非常感谢您在此项目中的合作。而且这次的工作成果也非常出色。能否请您先简要介绍一下，在开展这项工作中，您总结出了哪些关键结论和重要启示？

好的。那我先从行业在实现SDV目标方面面临的迫在眉睫的挑战说起吧？ 首先是ML Ops框架的碎片化。训练这些模型所需的数据来自运行不同模型的各个电子控制单元（ECU），而不同的模型又使用不同的框架，例如PyTorch、TensorFlow等；此外，这些不同工作流的验证、测试、部署和管理在工具链和团队层面也各不相同。这导致了严重的孤岛现象，同时还存在硬件和软件的不兼容问题。

这是一个非常重要的结论，因为，你知道，在我们致力于将AI 部署到车辆中的过程中，我们希望赋能整车厂商（OEM）的一点，就是让他们能够充分利用现有的多样化硬件。我们不应该认为，比如，在没有中央计算单元之前就无法实现AI ，或者在没有巨型优化版AI 加速器之前就无法实现AI 。

事实上——我认为这也是贵方报告得出的结论——车辆上存在大量用例，其性能要求其实相当低，完全可以在现有的硬件上部署。

而这正是“Sonatus ”组织正在努力做的事情之一，看到贵方的报告印证了这一点，我感到非常振奋。

是啊。你说得对。我的意思是，接着说，这些数据来自不同的ECU，而每个ECU都运行在各自的实时操作系统（RTOS）、操作系统以及中间件栈上。

这还伴随着数据访问和终身 OTA 管理方面的挑战。

对。

现在来看看SDV的关键推动因素有哪些，对吧？即通过中间件堆栈和操作系统将应用软件与硬件解耦，标准化接口，采用模块化设计，以及在集成基础上实现持续更新和升级。

对。

然后开发支持SDV的硬件。

是啊，没错。完全正确。而且你的报告提到，这是一个相当庞大的市场。我的意思是，AI 在汽车领域的应用前景如何？AI 在汽车领域的应用前景又如何？

7:17 汽车领域AI 的市场展望

好的。我的意思是，我们预计到2030年，SDV的支出将超过5,000亿美元。然后，我们会分析不同的应用场景。

2025年的当前影响约为480亿美元，到2030年将增至2380亿美元。这其中包括一些值得关注的新兴应用场景，例如预测性维护和基于使用情况的保险。

所以这就是AI 的部分。

那么，SDV支出中AI 的部分，将从2025年的水平增长到2030年的两百多？

从480亿美元到2380亿美元。

所以这确实是一笔真金白银。这并非小众应用，而且你刚才正要说……我很想了解一下，在你看来哪些用例最具说服力或能创造最大价值。

8:05 原始设备制造商（OEM）的战略与投资AI

这方面确实有不少。我的意思是，在那之前，我想再谈一点。我是说，我们探讨了在实现SDV目标的过程中会面临哪些挑战。我们还探讨了，你知道的，SDV的推动因素有哪些。

因此，我们现在也来看看汽车制造商们在做什么。没错。我的意思是，正如你们所看到的，通用汽车宣布了其中央计算架构。这使得其AI 的计算能力提升了35倍，OTA能力提升了10倍。现在，汽车制造商们正试图将这些资产转化为可变现的机会。

弗若斯特沙利文（Frost & Sullivan）的研究显示，另有十家或十家以上的原始设备制造商（OEM）正在向基于中间件堆栈的集中式计算架构转型，该架构采用以太网骨干网和OTA技术，以推动其DevOps转型。

确保有五年以上的持续升级窗口期。看看特斯拉仅在2025年就做了什么：他们发布了——据我所知——八次OTA更新，仅在2025年就推出了大约42项功能更新。

很重要。是的。

我认为，在当前一代芯片上部署AI 模型是可行的。因此，无需先进的NPU或高性能SoC。

此外，这对于我们在白皮书中分析过的用例而言，具有立竿见影的影响。

太棒了。你的报告非常精彩。你做得很好，我们会在节目说明中附上报告的链接，方便大家查阅并了解相关内容。 你用大量数据佐证了这些用例所产生的影响及其潜在效益。现在在CES展会上，就在我们坐着的地方外面，我们可以看到AI 总监Sonatus 和AI 总监展示的各种用例。我想问一下，哪些用例让你觉得特别有影响力、特别有价值？

10:00 汽车领域的新兴应用场景AI

我认为，作为本白皮书的一部分，我们分析了几个新兴的应用场景。我的意思是，其中许多关于ADAS和驾驶舱的应用场景都有详细的记录。

他们确实很出名，是啊。

是的，不过我们也研究了其他几个能立即产生影响的新兴应用场景。我们研究了预测性维护、基于使用情况的保险、传感器虚拟化、边缘网络安全以及车内感知技术。

我们认为，其中许多技术都为原始设备制造商（OEM）带来了巨大的营收机会和变现机会。在影响更大的领域中，传感器虚拟化尤其引起了我们的关注。我可以向大家介绍几个我们研究过的应用案例。

事实上，你们在这些领域与COMPREDICT建立了一些实际的合作关系。

我们一直与COMPREDICT合作，这是一家非常出色的合作伙伴，它展示了原本需要依靠IMU（即用于检测车辆角度的运动传感器）以及加速度计等设备才能实现的功能。他们能够省去IMU，从而为车辆BOM成本节省二十美元。 二十美元看似不多，但在整车厂商竭力压缩车辆成本的当下，这却是一笔极其重要的成本节约。而这仅仅是一个应用案例。没错，仅以您举的例子来看，虚拟传感器还有许多其他应用场景。

嗯。

而且欧盟规定从2027年起必须执行。没错。

大灯水平调节传感器将普及到所有车辆上，这会增加整车制造商（OEM）的物料清单（BOM）成本。当然，还有间接式胎压监测系统（TPMS），它可以通过防抱死制动系统、惯性测量单元、车速传感器以及视觉输入来推断胎压。

此外，它还能检测漏气、胎压不足，并提供一套全面的轮胎管理解决方案。

11:59AI 并非总是对驱动程序可见

确实如此。令我印象深刻的是——本周在展会上，我们与许多客户进行了交流，我也向他们详细讲解并探讨了这些不同的技术。这份报告以及这些会谈中让我印象最深的一点是：我们不仅是在为车载信息娱乐系统（IVI）添加一些新功能，也不仅仅是在添加驾驶员可见的元素。

有些信息是驾驶员可见的。您可以提供基于使用情况的保险，让驾驶员看到反馈，帮助他们成为更安全的驾驶者，进而获得更低的保费。这可能就是驾驶员可见的信息。 此外，还可能存在一些不太直观的因素，比如轮胎磨损。系统会监测轮胎磨损情况，并可能与ADAS系统进行交互，提示道：“轮胎花纹深度快不够了，你最好增加制动距离，加速时也要更加谨慎一些。”

然后过了一会儿，有时你会提醒司机：“嘿，对了，你的轮胎气压有点低了，该换轮胎了，这里有个好方法可以买到原厂品牌的轮胎。” 我们知道我们会为您的车辆服务。所以这在某种程度上对卡车司机来说是可见的，有时可见，有时可能不可见。此外，还有您提到的虚拟传感器这类技术，这可能对司机完全不可见。司机可能完全不知道，但我们能够降低车辆的物料清单（BOM）成本，这或许能让原始设备制造商（OEM）获得更高的利润率，或者使他们的车辆在成本上更具竞争力，抑或是两者兼而有之。 因此，我认为存在一个从非常明显到完全不可见的连续光谱。对我来说，这是关键的观察点；而就整个行业而言，很少有人意识到这种多样性其实如此广泛。

完全正确。事实上，我认为当我们看到这份分析时，我们大致从三个方面进行了考察。

一方面，这直接影响了原始设备制造商（OEM）的物料清单；另一方面，它提高了运营效率，使他们能够在车辆整个生命周期内持续从中获利，并为用户（即终端用户）打造个性化的体验。

因此，我认为这是一个重大的机遇，它将推动整车制造商加快实现软件定义车辆（SDV）的目标。

我特别喜欢你将这一点划分为与我略有不同的分类方式。但这很有意思，因为在某些情况下，比如物料清单（BOM）成本。如果你能从物料清单中削减成本，那就会立即带来收入或成本效益，即刻提升营业收入或净利润率。

此外，如果还能带来持续收益，那当然也很有价值，这可能会带来一些持续的服务收入或零部件销售收入，而这正是原始设备制造商（OEM）一直追求的。

但这可能正是司机们会觉得有吸引力的地方。因为我们总是讨论这个问题。我们在播客中也多次提到过，人们常说：“哎，从司机那里收钱、让他们订阅真的很难”。但实际上，如果你能为他们提供有价值的东西，这并不难。如果你能提供他们想要的功能，他们就会很乐意订阅。 只有当他们觉得被强行推销了不想要的东西，或者觉得这些本该免费提供时，情况才会变得棘手。

你知道，我们曾进行过多次调研，与终端用户交流，了解他们愿意在汽车上投入多少费用。我们考察了用户需求的功能、安全与防护以及车辆性能等方面。总之，凡是能提升车内体验、打造更个性化体验的要素，我们都纳入了考量。如果你看看小米为何能取得如此好的成绩，你会发现他们现在拥有一个互联生态系统，对吧？他们家里的家电都是互联的。

对。

然后你坐进车里，他们就把这些都看作是相互关联的实体。

这是你数字生活的延续。

没错。我的意思是，家里的家电其实是机器人，而汽车则是家外的机器人。然后，你知道的，如果在这个概念中加入人形机器人，那就会形成一个互联的生态系统，对吧？我的意思是，归根结底，OEM厂商能否为终端用户打造无缝互联的生活体验，这正是终端用户所期待的。

你提到的这些例子确实令人振奋。你最后提到的那一点也让我有所思考：作为整个行业，我们不知道未来会出现什么样的算法，也不知道未来的计算需求会是什么样。因此，我认为我们有责任——这也是Sonatus 正在努力做的事情，同时也是整个行业共同努力的方向——为未来的发展提供必要的基础设施。

16:13AI 在汽车行业及持续改进中的未来

这样一来，OEM厂商在交付车辆时，就不会一交车就受到某种“枷锁”的束缚，无法推出下一项令人兴奋的创新；而是能够拥有一定的灵活性与发展空间——当然，这不仅限于发展空间，更重要的是具备部署新功能的灵活性。 甚至对于现有的模型，我们意识到这些模型会不断改进、不断优化。如何确保它们不仅能通过OTA升级，还能通过其他方式进行升级？例如，我们的Sonatus （AI ）产品——AI Director，其设计初衷就是以非常轻量化的方式轻松部署模型，操作简便，避免了人们通常认为的完整OTA升级所带来的繁重负担。

因为AI 模型——我们预计，而且我也相信——随着数据调优技术的出现，它们的演进速度会更快，更新频率也会更高。在自动驾驶领域，你已经能看到这种趋势。比如自动驾驶汽车，想想特斯拉或里维埃拉之类的车型。是的。

他们会发布功能更新。你刚才提到了这一点。但他们也在持续更新驾驶算法。是持续地。而且不仅仅是在你请求更新时，而是他们一直在不断调整参数。

我认为，在这些AI 模型中，许多都会呈现这种趋势，即AI 会不断改进，使模型更加智能、更加精准。

与其仅依赖那些可能每月、每两个月或每六个月才进行一次的大型在线活动（OTA）。

我同意。事实上，针对你的第一点，我想补充两点。在ADAS和座舱领域，高功耗SoC的增长非常显著。从高通到英伟达，再到Horizon Robotics和AMD，如果你看看目前中国生产的汽车中，有10%配备了高通和英伟达的高性能芯片。

没错。NPU引擎处理计算密集型AI 工作负载的任务量正在增加。而这正是实现车内“代理式”AI 模型（如虚拟个人助理）用例的关键。现在，您需要一个统一的编排AI 模型，来管理车载AI 的端到端生命周期，这对于加速实现我们本次对话开头所讨论的SDV目标至关重要。

18:13Sonatus 车辆AI 产品

Sonatus 提供的解决方案对于实现 SDV 目标至关重要。

The CollectorAI 、AI Director、AutomatorAI 以及AI 技术员。这是一个端到端的生命周期AI 管理工具链和运行时环境，为其中许多部署提供了安全的容器化运行时环境。

是的。谢谢你的评价。我们一直在展示各种不同的方式，说明你提到的所有这些产品是如何协同工作的。你知道，在某些情况下，OEM厂商可能已经拥有管理其模型所需的数据，这时我们就可以使用我们的AI Director产品来部署这些模型。而在其他情况下，我们的一些模型供应商表示，其实他们非常希望能够利用我们的数据，针对车辆对模型进行调优。 在某些情况下，针对特定车型，确实需要根据该车的具体重量、轮胎等参数对其进行优化。因此，实际上，我们的一些合作伙伴希望使用Collector（AI ）收集该特定车辆的车载数据，以此调整其参数，使其达到最高精度。这种连续性的发展对我们来说非常令人兴奋，而且我们在本次展会上也收到了极好的反响。

在进一步分析这些不同的解决方案时，其中一些方案最有趣的地方在于它们是端到端的，对吧？

我的意思是管理整个生命周期，这一点至关重要，它使原始设备制造商（OEM）能够进行数据采集、分析、部署、训练，以及监控、优化和自动化。

没错。这种闭环理念，并不是“发射后不管”的那种。并不是说把车辆交付出去就万事大吉了。实际上，我认为今后理解它、调试它并持续优化它，将成为一项必要要求。

因此，我们很高兴能参与其中。而且我觉得，这似乎前景无限。人们不断提出的各种应用场景似乎相当多。是的。

20:43 总结与行动号召

所以，我们非常高兴能与您合作完成这份报告。我们强烈建议大家读一读。这份报告大概有四十、五十页吧？虽然篇幅很长，但确实详细阐述了价值主张以及对营收的潜在影响。

里面有很多美元……没错。其中包含大量数据细分，我们在这里根本无法一一详述。所以建议大家去看看。很高兴你能来参加本期节目。

您在弗罗斯特与沙利文工作的这十七年里积累了如此丰富的经验。真的非常感谢您能加入我们。

是的。谢谢邀请我。这真是一次非常愉快的经历。

我们和贵团队一起撰写这份白皮书的过程非常愉快，而且你说得对。 我的意思是，这次讨论中还有许多关于营收影响的内容我们未能涉及。这是一份非常注重数据分析的报告。我是说，报告考察了现实世界中的实际应用案例。现在是时候超越试点项目，进入实际的实时部署阶段，让OEM厂商在企业层面切实感受到这一价值了。这正是我们通过这份白皮书想要传达的核心，也希望大家都能阅读这份白皮书。

这期节目很有启发性。我强烈推荐大家收听。请查看节目笔记。不妨看一看，也感谢您做客本期节目。

哦，谢谢你的邀请。

如果您喜欢今天这期《The Garage》的内容，请点赞并订阅，以观看更多类似的节目。我们期待很快在《The Garage》的下一期节目中与您再见。