中国新能源汽车进入下半场竞争阶段，上半场的油电同价已经取得初步进展。下半场智能化、网联化领域的商业模式，供应商和车企关系，以及智能化发展路径，又成为行业企业集中探索的新领域。
2023年7月5日-7日，2023中国汽车论坛在上海召开，在主题论坛五《智能网联汽车产业新趋势与未来发展》，同济大学教授朱西产与东风技术中心首席总工程师边宁、舍弗勒大中华区首席技术官刘泳、畅行智驾首席执行官屠科、小马智行副总裁黄俊、上海测迅汽车科技有限公司创始人 CEO李晓英就。新能源在智能化方向关键问题进行了探讨。
整体来看，靠功能赚钱或许短期仍然是车企在智能化领域的盈利方式；随着智能化网联化的发展，整车的垂直供应链关系被打破，整车企业和供应商可能形成互为供应商的新关系；智驾公司在技术路线选择上也更加灵活；构建复杂工况也成为高阶智能驾驶测试的新思路。
车企通过数据、软件、功能赚钱；车企、智驾公司互为供应商
众所周知，新能源汽车领域，除了特斯拉和比亚迪，基本没有赚钱的整车企业。如何能赚钱，靠什么赚钱，是摆在整车企业面前的重要问题。
朱西产将智能汽车类比智能手机，他认为，头部品牌由于走量，还能在硬件领域挣一些钱，但是头部以外的企业基本靠硬件无法挣钱，靠数据来挣钱。
同济大学教授朱西产
朱西产提出了灵魂之问，智能网联汽车汽车未来是靠卖功能挣钱，还是靠卖数据挣钱呢？或者像特斯拉用数据做汽车保险挣钱？
东风技术中心边宁认为，智能手机和汽车还是存在巨大差异的：手机属于消费品，汽车是除了房子以外居民最大的支出，更加注重强调安全。将汽车作为智能终端靠数据赚取利润的情况，可能会比较漫长。
东风技术中心首席总工程师边宁
边宁看来，中低端车型可能在比较长的时间内，还是依靠卖车卖功能赚钱为主。中高端可能会希望以后通过售后软件升级服务赚钱。其实特斯拉的model3和model Y，作为单车销量最高的产品，在硬件制造领域还是能够赚到钱的。
舍弗勒大中华区首席技术官刘泳与边宁类似，车企赚钱的商业模式，短期来看最终还是取决于最终用户得到了怎样的功能，消费者对这个功能付费。
舍弗勒大中华区首席技术官刘泳
畅行智驾首席执行官屠科认为，硬件是否能挣钱，需要一分为二地看：当你的硬件产品变成了纯粹的所谓的modify的时候，就很难挣钱；但是如果你的产品有创新，类似于特斯拉采用的一体化压铸这种新技术，短期内还是能够有利润空间的。
从长期来讲，靠硬件必须要有持续不断创新的方式和创新的动力，某种程度上来讲大公司会有一定的优势，因为毕竟多年的积累。
畅行智驾首席执行官屠科
在屠科看来，未来的企业只分两种，一种有大模型，一种没有大模型，“我们希望抓住技术革命的浪潮，这里面寻找到我们盈利的空间。”
具体做法上，屠科希望他们企业的身段更柔软些，这样车企需要哪部分，他们就能在哪部分补位，共同寻找盈利空间。“大模型的加持之下，在私有化部署的这个端口上面，如果我们的大模型或者说其他的软件以及操作系统的能力够强，我相信车厂会用我们。”屠科举例说道。
对于屠科提到的商业模式，朱西产将其总结为互为供应商的关系：“从数据角度来说主机厂是你的供应商；大模型的角度来说，你是他的供应商，不再是过去的一种单纯的垂直向下，而是变成一种互为供应商，互为用户。你需要他的数据，他需要你的模型。”
智驾公司：单车智能还是车路协同？
这在小马智行这里并不是选择题。
小马智行副总裁黄俊介绍说，小马智行走单车智能模式，是为了做到产品快速迭代，不能强依赖于强依赖于道路端的建设，路端建设牵一发动全身，时间比较久。
小马智行副总裁黄俊
黄俊说，他们内部有一个比喻，网联相当于一个将军，每一台车相当于一个士兵，在互联网协同管理之下，他们试图将每一个士兵都打造成超级战士，来提升整体作战能力。
黄俊介绍说，他们在架构设计阶段就做好了网联化的接口。他们也在和广州南沙进行合作，将车上的感知数据，也分享给了交通端、云端。也在不断帮助交通网进行资源优化，是他们在网联方面迈出的重要一步。
车企：全栈自研还是全栈可控？
在智能汽车领域，主机厂绕不开的一个话题，就是智能驾驶全栈自研还是全栈可控。
东风技术中心首席总工程师边宁坦言，主机厂本身来讲，商业模式来讲，全栈自研的目的就是全栈可控？只要能做到全栈可控其实就可以。
当下电动化、智能化和网联化的发展下，到哪在哪里会迎来爆发式增长，现阶段是看不清楚的。
但是东风汽车作为央企，要考虑供应链安全问题，在卡脖子环节要有担当，要引领技术发展。
“智能化、软件定义汽车、SOA架构，高阶智能驾驶等等领域，还存在各种不稳定性，一致性不足的情况，逼得主机厂自己必须要去做很多东西。”
在对供应商方面，主机厂的强势地位，方便其从供应商处获得很多资源，例如要求供应商源代码交付。
边宁坦言，主机厂是一定有办法让供应商会进行全部交付的，因为现在的竞争相当激烈，如果可能主机厂可以找20家供应商，就算有10家拒绝，还可以在剩下的5-10家里面再找。
屠科笑道：“20家供应商中，只要有1家答应交付，剩下19家就也会交付的。”
拿到源代码，对于车企来说，某种程度上就算是达成全栈自研的目的了。
L3以上测试新思路：构建危险工况
主机厂都在热衷做L3、L4级智能驾驶，但是不敢承认车能够承担事故责任。在朱西产看来，这是由于高阶智能驾驶的测试还不完备。ADAS测试是典型工况，也就百十来个实验就可以搞定，但是自动驾驶，需要测试几万个、几十万个工况，如何提高效率？
上海测迅汽车科技有限公司创始人 CEO李晓英认为，构建工况或许是个好办法。
上海测迅汽车科技有限公司创始人 CEO李晓英
因为大部分车企智能采集路上的典型工况，随着采集量的不断提升，危险工况的出现概率就会越来越低，因为这里时间和空间都有一个随机性，“例如事故在那边发生，但是我的采集车不在那边。”
从另一个维度来说，即使采集了几百万个工况，也不能完全覆盖，也就是采集效率越来越低，但是成本随之增长。
可以换个思路，构建建复杂的工况。构建整个危险工况它可能就是几秒，但是这几秒的数据就已经是生产要素了。
他们可以在室内构建出自然环境可控，雨雾光都可调的物理环境，“不是注入、不是仿真，是通过物理的情形构建出来，它还解决了一个重复性的问题。”
同时在同一个复杂工况下，主机厂可以对不同感知系统进行测试，可以得到更好的对比数据。以此来提升测试效率。
可以看到，汽车智能化道路上还有一系列问题尚待解决，在商业化、整零关系、法律法规，以及技术路线等各个方面还在探索，下半场的智能化道阻且长，但未来可期。
