当前，汽车产业竞争正从“电动化上半场”加速迈向“智能化下半场”。城市领航辅助驾驶、端到端与大模型有关技术演进、舱驾融合架构升级，成为多家整车企业集中攻关方向。鉴于此，长城汽车围绕智能驾驶的自研推进明显提速，目标直指“今年上车、形成可持续迭代能力”。 一、问题：智能驾驶进入“规模落地”窗口，传统车企面临能力重构 近年来，智能驾驶从高速场景逐步向城市复杂交通环境延伸，技术门槛、系统工程复杂度和数据闭环能力要求显著提高。对整车企业而言，是否具备自研算法、工程落地与持续迭代能力，直接影响产品竞争力、成本结构与供应链安全。行业竞争从“功能有没有”转向“体验好不好、更新快不快、成本控不控得住”，量产能力成为关键分水岭。 二、原因：从合作导入到自研并举，倒逼形成全栈能力与组织协同 据了解，长城汽车智能驾驶早期路线更多依托产业合作：芯片层面引入多家主流计算平台，在算法层面与相关技术伙伴分工协作，覆盖高速与城市等不同应用场景。此路径有利于快速补齐产品能力、缩短导入周期，但在面对城市复杂场景长尾问题、功能迭代节奏与成本优化要求时，整车企业亟需掌握更高比例的核心技术与数据闭环能力。 另外，行业技术路线正在向更强调“感知—决策—控制”一体化的端到端范式演进，VLA等方案被视为重要方向之一。其特点在于通过更强的模型能力提升对复杂场景的泛化与理解，减少传统多模块堆叠带来的系统耦合与调参成本。这也解释了为何越来越多车企在同一时间窗口加码自研，并推动新方案尽快进入量产验证。 三、影响：自研上车将重塑产品力与供应链结构，舱驾融合带来新竞争维度 若自研智能驾驶实现量产搭载，直接影响至少体现在三上： 其一，产品层面更有利于形成差异化体验与稳定迭代节奏。智能驾驶功能的口碑往往来自长期OTA打磨与场景覆盖扩展，自研有助于缩短问题定位与版本迭代链路。 其二，成本与供应链层面将更具主动权。随着算力、传感器与软件投入持续上升，自主可控能力提升有助于平台选择、功能裁剪与规模化降本上形成系统优化。 其三，组织与架构层面为“舱驾融合”奠定基础。业内普遍认为，座舱交互、导航、语音、驾驶辅助等能力正走向数据、算力与软件平台的共享复用。长城将智驾与智舱纳入同一团队体系，有利于减少内耗、统一技术栈与工程标准，为后续跨域融合提供组织保障。 四、对策：算力底座、人才体系与海外布局同步推进，夯实长期战能力 基础设施上，长城通过建设九州超算中心强化算力供给，为大模型训练、仿真与数据处理提供支撑。据了解，其算力规模已达到5EFLOPS，并完成超万卡级扩容。这类投入旨解决智能驾驶研发的“燃料”问题：没有稳定算力与数据管线，算法迭代难以形成规模化闭环。 在人才与研发体系上——相关信息显示——长城智能化团队规模达到数千人，研发力量主要分布在上海、保定等地，并由智能化业务负责人推进。与此同时，长城还在推进海外研发中心筹建计划，重点面向前沿技术与高端人才集聚区域，强化与国际创新生态的连接。业内人士认为，海外研发中心的价值不仅在于“吸纳人才”，更在于持续跟踪关键技术趋势、验证多条技术路线、提升工程方法论与软件工具链水平，从而增强整体研发效率。 五、前景：量产验证是关键一役，决定能否进入“高质量迭代”正循环 从行业规律看，智能驾驶的真正门槛不在实验室指标，而在量产后的持续运营能力：包括数据采集合规与质量、问题闭环速度、场景覆盖扩展、用户体验一致性、以及与整车电子电气架构的深度耦合。因此，“今年上车”更像是一场从研发到产品体系的综合考试，能否形成稳定版本节奏与体验优势，将决定长城能否在智能化竞争中实现位置跃迁。 同时，舱驾融合预计将成为2026年前后各家车企集中发力的方向。若长城在组织协同、算力底座与平台化软件架构上先行打通，叠加规模化制造与渠道体系，有望在后续竞争中释放“后发优势”。但也应看到，智能化投入周期长、资金与人才消耗大，且行业技术路线仍在快速演进，企业需要在安全合规、成本控制与体验提升之间把握节奏，以稳健方式推进规模落地。
中国车企正从跟随者向引领者转变；长城的转型之路既反映了传统车企的困境，也展现了中国制造的突破路径。其发展不仅关乎企业自身，也将为行业转型提供参考。在技术创新成为核心竞争力的时代，如何平衡自主研发与国际合作、短期与长期投入，是每个车企必须面对的课题。