汽车新智能图谱里：理解腾讯的AI TO B路径_风闻

将自身的C2B产品和产业理解充分AI化，在自身内部场景率先验证跑通后，进而释放给产业伙伴，对应到具体的需求痛点，一起打磨对应的行业AI模型。 

这也恰是腾讯“实用”标签背后的AI产业路径。 

作者|皮爷 

出品|产业家 

成本、性价比——这是2023年腾讯CSIG事业群CEO汤道生在客户现场听到最多的一个词。

有同样感觉的还有腾讯智慧出行解决方案总经理姚振，“客户往往更倾向你先帮我做出效果我再用，我只为效果付费。”在过去的半年乃至一年时间里，他和腾讯智慧出行的团队一直奔波在帮助车企搭建AI能力的一线。

与他们感知相对应的是，和2023年的卷技术、卷参数不同的是，今年大模型的主场更在应用和场景，即谁能帮助企业真正用好大模型，转化为真正有效果的生产力，谁就更受客户的青睐。

这不是一个容易回答的命题。关于大模型如何落地，更或者说如何更为准确、高性价比地落地一直是整个市场都在试图解决的难题，其中涉及到的部分不仅有算力、模型这些表象的模块，更有深入到具体场景的数据、训练推理、AI工具链、适配企业的AI应用以及基于云计算的一系列成本。

一个真正合格的产业大模型方案到底应该是怎样的？

在4月24日的“TIME DAY”腾讯智慧出行技术开放日上，腾讯智慧出行发布了汽车大模型“全域智能”解决方案，旨在帮助车企打造属于自己的AI能力。这在这个方案里，上述一切包括模型、算力、AI 工程平台(工具链) 、AI应用等都被嵌入其中，此外，也更有云、端的底层能力做基础。

这是腾讯在产业大模型解决方案上的重磅一枪。在过去的几年时间里，基于自身的产品力和产业积累，腾讯在云计算时代帮助了一众产业企业登上数字化转型的列车，助力他们用数字技术的方式赋能生产，提高效率。

而如今，实际上人们也更在期待这家产品基因和产业理解都够深刻，以及本身就定位“产业大模型”方向的企业，在AI时代的产业新动作。这次的汽车大模型在回答“产业大模型”的模式的同时，也恰在成为一个观察腾讯在AI时代的立体窗口。

更真实的几个问题是：这个产业大模型到底成色如何？**它能否在成为汽车产业在大模型时代的AI生产力转化器？是否可用、易用？**以及，在汽车行业大模型方案，到底隐藏着腾讯怎样的AI TO B的路径和思考？

在这个产业AI的新故事里，腾讯在重新出发。

一、汽车行业，呼唤大模型

“车企对大模型的热情还是非常高的。”姚振告诉产业家，“甚至其中不少企业都把大模型作视作为未来核心业务的底层支撑。”对长年服务车企的姚振而言，相较其他人他对这波浪潮有足够清晰的感知。

诚然如此。实际上，从时间线来看，汽车行业甚至可以说是国内最早关注并投身大模型的行业之一。

比如早在2023年的3 月份初，在理想汽车春季媒体分享会上，李想就系统地谈到了理想汽车发展AI的逻辑和思考；而在半个月后的小鹏汽车2022年Q4财报电话会上，何小鹏也更是主动谈及ChatGPT；同样的，在5月份的蔚来发布会上，李斌明确对外表示“大模型的最佳使用场景就是在车上。”

除了造车新势力之外，更有宝马、奔驰、一汽等传统造车厂商，也更是纷纷投身到“大模型造车”的浪潮中来，甚至更有甚者，直接喊出**“AI定义汽车”时代已经到来。**

那么，在汹涌的AI行情下，现在的汽车大模型落地到哪了？

“实际上并不是特别乐观。”一位汽车行业的相关人士告诉我们，“不论是高阶智驾，还是云端结合的过程，以及具体场景的训练，目前只能算比较初期。”

恰是这样。客观来看，从落地场景来看，汽车行业甚至可以说是如今最具备AI想象力的行业之一，但这种想象力距离照进现实仍然有很大的难度。

对于一项新技术的落地，除了热情之外，更有无数工程上的问题需要考量，比如成本，比如可用性，而这两个也恰是大模型落地汽车行业最难的两个问题之一。

首先从可用性和易用性来看，一个肉眼可见的难点恰是不少车企很难确定自己的“AI路线”。“很多车企都是一上来就直接上自己的大模型，但前期投入了一部分成本和人力后，发现几乎没什么效果，最后态度就转化成了谨慎。”上诉人士告诉我们。

这种“碰壁感”的主要原因在于汽车行业具备足够强的“知识”属性，相较于大模型的通用能力，其更需要特定方向的行业能力延展，比如汽车行业的精益管理，比如4S经销商门店的销售，比如车企内部特殊的管理和激励机制，以及作为大宗消费品的特殊营销体系等等。

这种延展需要大模型的全方位底层加持。拆解来看，比如除了预训练环节的底层大模型的通用汽车行业能力之外，更需要有够强的微调和精调能力，此外，在知识库、文档会议等环节，还更需要有清晰的专业promt等能力帮助其构建基座能力等等。

而在智能座舱和高阶智驾方面，对大模型的“专属性”需求则是更强，在模型的行业能力范围之外，其更需要特殊适配的云端结合和AI生态能力，进而可以更为低成本、高可用地进行落地。

“一方面是场景窄，需要大模型做很多特殊能力的探索，这块的不确定性很强；另一方面是同时具备AI数字化和汽车知识的人才比较少，整个AI和汽车体系的融合不是特别好。”姚振表示。

这些难点都在成为大模型热潮下的“现实掣肘”。

实际上，这也恰是大模型在当前时间点的最新挑战。即在单纯的技术和参数之外，大模型的挑战已经来到了专有能力和以及与场景结合的阶段，更具体来看，则是如何把特定的满足不同行业需求的能力嵌入到整个大模型的AI工具链中，以及打造出足够有抓手的落地应用。

而对汽车，**这个庞大且精密的行业而言，难度更大。**那么，解题方法是什么？或者说正确的汽车产业大模型落地姿势应该是怎样的？

二、汽车产业大模型的“腾讯姿势”

在汤道生之前的一次采访中，他曾提到关于AI落地的命题，其中一个令人印象深刻的表达是，“客户不需要知道背后是AI，还是其他，重点是能给企业带来效能和增量。”

对这句话的理解是，在产业大模型的路线上，腾讯选择的方向是“实用至上”。

这也是姚振和腾讯智慧出行团队在过去一年里主要回答问题的方式。“我们一般会让企业先使用一些轻量化的SaaS产品，比如我们的腾讯乐享平台、腾讯会议、腾讯文档、代码助手等等，先让客户对效果有感知。”

这是腾讯在产业大模型落地的核心优势之一，即产品驱动。从企业的视角来看，轻量级的AI产品对企业而言其接受的意愿更大，同时其位于最上层的协同办公属性也使得这些产品可以作为适合的企业AI工程切入点，使得企业以最低成本的方式进行AI尝试。

不过，这种轻量级并不体现在效果。实际上，就在不久前的腾讯协作SaaS发布会上，包括腾讯乐享、腾讯会议、腾讯文档、代码助手等多款SaaS都宣布了自身的AI进化，即将腾讯混元的多重AI功能嵌入产品流中，为企业提供智能体验。

据了解，在某车企引入腾讯AI代码助手后，腾讯AI代码助手帮助其整体开发人效提升了7%，代码自动生成率高达近30%。

但这不是全部。根据姚振介绍，在一些SaaS产品之后，不同的车企也都会有一些更深的需求。“比如有的企业会让我们帮助搭建一个AI模型平台，来支撑营销、车联网和上层的协同办公层；还有的会从智能座舱的能力出发，让我们帮助搭建座舱的AI生态能力之外，又会延伸到企业管理层，以及营销、客服以及IT代码侧的能力集成。”

从某种程度来看，尽管车企对于大模型的态度足够“谨慎”，**但在一定程度的确定性后，其呈现出来的需求是全方位立体的，**这种需求遍布营销、销售、管理、办公等企业管理场景，以及智能座舱等汽车的全部环节。

而腾讯，在“实用”理念的背后，恰能成为这个立体产业需求的真正承接者。

实际上，这也恰是腾讯对外展现出来的腾讯汽车产业大模型解决方案，即在这个解决方案的拼图上，能看到一系列从模型、算力、AI 工程平台(工具链) 到 AI 应用，以及智能座舱和底层云的完整能力。

腾讯汽车行业大模型全栈能力矩阵 

这些能力既可以以积木乐高的方式按企业的需求进行局部场景的满足，也更可以从上到下，从云到端，从数据到应用地帮助车企成体系化建设其AI大模型全域智能能力。

除了产品服务模式上的满足，对这套方案的更深层拆解是，它对车企而言是一套足够可用且足够易用的方案，不论是车企想要以轻量级的方式去尝试企业内部的包括研发、生产、营销、服务、企业协同等核心管理体系创新，抑或是想要基于智能座舱或者云图的能力进行大模型能力的进化升级，在这个拼图之上都可以找到适配的组合方案。

而成为这些方案保障的也正是腾讯自身的AI汽车产业力。这些能力不仅包括腾讯在大模型上的硬核属性，比如其超大规模算力集群以及自研的能提高GPU利用率超40%以上的星脉网络，以及包括能够帮助企业实现大模型一站式服务、行业精调的腾讯云TI平台，和可以助力车企迅速构建自身底层知识体系的大模型知识引擎。

也更包括腾讯自身在智能座舱和汽车云侧的强大积累创新。比如这次宣布升级的智能座舱TAI 5.0以及包括娱乐社交等在内的车机生态，再比如腾讯一直基于车云一体模型打造的汽车“专区云”，如今基于腾讯自身的存储、分布式训练和特殊工具，和腾讯特有的云端地图能力，已经可以做到的大幅降低车企打造高阶智驾能力成本的方案。

这些都是腾讯汽车产业大模型方案被推出的“冰山底层”，而也正是这些隐藏起来的底层能力，才能真正满足车企“准确”、“实用”、“易用”的大模型能力标准。

“有些产品大家都想得很清楚了，这种更多是部署直接应用，但我们也看到汽车产业里有很多场景是需要共建和共创的，比如基础设施层面，比如具体落地层面，腾讯在整个过程中会根据不同的客户需求和实际的成熟度去做选择。”腾讯智慧出行副总裁、腾讯智慧出行负责人钟学丹告诉我们。

也更可以理解为，腾讯如今为汽车行业提供的是一套契合产业、契合企业自身的云端大模型体系，基于腾讯固有的应用、工具和云的强项能力给企业带来最强也是最适合的AI助力。在这个助力模型之上，最能提升企业生产力的环节被放到距离企业最近的环节，进而从点到面，从面到体，帮助不同车企构建专属的汽车大模型。

三、腾讯在AI时代：从C2B到全域赋能

实际上，透过汽车行业大模型的路径，不难看出腾讯在AI时代的TO B思考和方案打法，即以真实生产力为核心锚点，依然围绕腾讯自身的强产品力和产业理解，定位为企业在AI时代的助手角色。

“如果从车企的AI需求来看，现在营销、服务是第一，智能座舱是第二，IT投入包括这些是第三。”姚振告诉我们，“包括我们其实也在用大模型帮助企业去做销售端的赋能，比如我们会专门做一些卖车场景的微调，再比如我们也会用大模型帮助门店做一些线索评级的事情等等。”

这些都在成为腾讯在汽车行业大模型的真实实践。

可以说，与整个车企AI需求层次分明，由浅入深的当前时间节点，腾讯想要为车企提供的恰是一套最具备工程化落地能力的大模型解决方案。

不论是其前端的SaaS产品，还是基于腾讯混元的一系列大模型精调和知识引擎方案，以及腾讯一直以来的强云图能力，都在力争为不同需求的客户提供最具性价比、最具真实效益的赋能助力。

“我们在汽车大模型这个领域是很用心的，也是投入非常多的，包括跟客户一起去做一些从大模型架构的设计到场景的一些轻咨询，然后再到落地的一些培训、交付等等各个方面，我们都投入了大量人力去帮车企去一起去做。”姚振表示。

而这种“躬身入局”的模式也对应着腾讯在车企大模型方向的一些不错进展，比如除了轻量级SaaS产品的使用之外，钟学丹告诉我们，腾讯汽车行业大模型如今已经与长安、广汽、一汽丰田、东风岚图、易车等超过十多 家汽车行业伙伴开展应用实践。

从C2B到全域智能，从模型精调训练到存储分布式，从车云一体到AI模型新智能，腾讯在和一个个车企的共创中也更进行着自己的产业突破创新。

“如果今天只是讲一个大模型概念，大家可以玩一玩或者体验一下，但我们看到的是因为行业有很多需求需要通过一些技术能够解决它，但我们并不是觉得一定是一下子把它做到很完美。”钟学丹表示。

在他看来，腾讯要做的恰是要长期持续帮助行业或领域做效率提升，“所以我们的目标一直是如何让技术实真正际应用起来，不是一下子追求一个大的变化，助力行业持续提升自己能力，慢慢从量变到质变。”

实际上，这也恰是腾讯“实用”标签背后的AI产业路径，即将自身的C2B产品和产业理解充分AI化，在自身内部场景率先验证跑通后，进而释放给产业伙伴，对应到具体的需求痛点，一起打磨对应的行业AI模型。

而站在更大的产业视角来看，或许可以这样理解腾讯AI to B路径，即在汽车行业大模型背后，看到的是一个务实求真的腾讯，即其以最能提高AI生产力的工具和应用为锚点，同时基于腾讯的强AI产品能力，汽车行业的全链路深耕以及固有的云图积累，帮助车企构建出一套最适配当下，且具备实际生产力价值、准确可用的大模型体系。

在这个新的AI工程链路中，腾讯的价值仍然是一直以来的助手和工具箱的角色，其通过自身AI产业服务能力的释放，更好地帮助车企准确、高效且有质量释放自身业务在AI时代的价值。

这些价值是数据、是流程工艺，也更是车企自身的方法论，而腾讯所做的恰是基于自身对于AI能力和汽车产业的理解，帮助其将自身的数据和信息转化为真实可见的AI生产力。

**产品驱动，助手赋能，全域连接，**AI新智能。这是腾讯的汽车产业大模型模型理念，也更是腾讯在AI时代的TO B路径缩影。