在第18届轩辕汽车蓝皮书论坛的尖峰对话环节，自动驾驶领域的三位技术领袖围绕行业核心议题展开深度探讨。这场持续数小时的讨论覆盖技术路线选择、算力竞争、车企自研困境以及跨行业竞争等多个维度，勾勒出智能驾驶产业发展的关键脉络。
关于技术范式的演进，三位专家形成共识：模块化小模型时代已成历史，物理世界基座模型成为主流方向。某企业负责人以具体数据佐证，指出传统架构的极限是百公里接管一次，而特斯拉FSD V14通过硬件升级至500TOPS以上并切换大模型后，实现千公里级接管。这种跨越式进步验证了技术路线的正确性，但关于新范式的命名争议持续存在。有观点直言，VLA、世界模型等概念更多是商业包装，真正决定竞争力的在于模型规模、数据纯度和工程精度三大要素。
算力竞赛成为绕不开的焦点话题。行业预测显示，2027年下半年将出现单芯片5000TOPS的量产产品，这种算力水平可支撑规模化L4自动驾驶，实现万公里级接管。某企业代表透露，其团队正在研发的芯片算力已突破传统框架，但强调单纯追求算力提升并非终极目标，如何构建与之匹配的基座模型和运营体系才是关键。另有专家提醒，即便达到千公里级可靠性，仍需电子围栏等辅助系统应对模型幻觉问题。
车企自研模式的可持续性引发激烈争论。某芯片企业负责人以自身财务数据为例，指出年研发投入55亿、亏损20亿仍可维持十年运营，但质疑主机厂能否承受持续百亿级投入。他直言，造车利润难以支撑智能驾驶这个"无底洞"，建议车企聚焦产品定义等核心能力，将技术研发交给专业供应商。这种观点得到部分印证，某自动驾驶公司通过将基座模型应用于商用车、重卡等领域，成功分摊研发成本形成商业闭环。
跨行业竞争成为新变量。某企业创始人坦言，数字AI大厂的Scaling Law能力构成潜在威胁，特别是多模态视频生成技术的突破，使这些企业具备降维打击的可能性。他观察到，今年已有大模型公司开始布局自动驾驶领域，其商业价值远超现有业务。不过也有不同声音认为，物理世界的工程复杂性形成天然屏障，包括数十万公里路测、底盘控制等环节，需要长期积累的"苦功夫"。
关于行业终极形态，三位技术领袖不约而同指向基础设施定位。有人设想公司未来成为物理AI世界的底层支撑，如同通信领域的运营商般不可或缺；有人坚持机器人计算平台的初心，其拆分成立的机器人芯片公司已占据市场首位。这场讨论揭示，智能驾驶竞赛已进入下半场，技术路线逐渐收敛，商业模式的分化与资本耐力将成为决定胜负的关键因素。
