全球汽車工業的“具身覺醒”與物種進化

這是一場跨越物種的遷徙。2026年，汽車開啟具身智能時代。

序言：兩個典型案例，或管窺汽車具身智能時代的一角

“全程0接管”的魔力

2025年12月31日，一則消息引爆了汽車圈與科技圈：一個名字叫大衛·莫斯的特斯拉車主在社交平臺 X上發帖稱，在當天，他用自己的特斯拉 Model 3，通過完全自動駕駛模式，完成了一次橫跨美國東西海岸之旅。

從太平洋到大西洋， 2732.4英里（約4397公里），用時68小時，跨越全美24個州，從加利福尼亞州洛杉磯的特斯拉餐廳到南卡羅來納州的默特爾比奇，由FSD（完全自動駕駛）完成了所有的駕駛（包括高速巡航、復雜的城市街道，以及中途的泊車和超級充電站停車），全程0接管。

莫斯在評論區興奮地分享：“全程連一次‘險些擦碰’的情況都沒有發生。”電動汽車分析師索耶·梅瑞特在 X上分享了這一消息，并附上了莫斯的行駛記錄截圖。特斯拉 CEO馬斯克轉發了這個帖子，并回復“Cool”。

莫斯提及的“全程0接管”，不是在車企實驗室里被精準投喂出來的算法演示，更不是在某條特定的封閉路段反復排練過的營銷秀。根據莫斯披露的行車日志，這輛搭載了特斯拉 FSD v14.2（基于端到端神經網絡大模型）的 Model?3，不僅在州際公路上如履平地，還獨立處理了30次超級充電站的自動泊入與駛出、深夜復雜的城市環島掉頭，甚至是那段被暴雨沖刷得車道線都看不清、連老司機都要握緊方向盤的鄉村施工路段。

無獨有偶。英偉達機器人業務負責人 Jim Fan（范麟熙）在體驗到自家特斯拉一路自主護送到家后，在X上分享了自己的感受：我買特斯拉的時間雖然很晚，卻是最早嘗試 FSD v14的人之一。這也許是我第一次體驗到能夠通過“物理圖靈測試”的 AI：在結束了一整天的工作后，你按下按鈕，向后一躺，甚至分不清究竟是神經網絡還是人類在開車送你回家。盡管我非常清楚機器人學習的工作原理，但看著方向盤自行轉動，我依然覺得這充滿了魔力。

這位全球機器人領域的“技術大拿”說，特斯拉FSD v14可能已經通過了“物理圖靈測試”（這一概念源自1950年“人工智能之父”艾倫·圖靈提出的經典圖靈測試：如果觀察者無法區分某項任務是由人類還是機器完成，那么機器就通過了測試）。這一刻，或許意味著人類駕駛員作為汽車“生物驅動插件”的身份，即將進入謝幕倒計時。

汽車界的“iPhone時刻”來了？

這讓我想到了2007年1月9日，蘋果公司聯合創始人喬布斯在舊金山莫斯康展覽中心發布第一代iPhone的那個瞬間。

彼時，諾基亞依然如日中天，摩托羅拉和黑莓還在爭論全鍵盤與手寫筆的優劣。而在當時的全球手機行業巨頭們看來，iPhone不過是一個“沒有鍵盤、續航糟糕、通話質量存疑、貴得離譜”的成年人玩具。然而，市場結果給了他們一記響亮的耳光：諾基亞的加速退場，根本就不是因為它的手機功能做得不夠好，而是因為它依然在按照“通信終端（電話）”的邏輯去制造手機；而 iPhone本質上是一臺“長了屏幕、能在互聯網漫游、能拍照打卡做分享、工作生活兩不誤”的移動電腦。

諾基亞給我們的啟示是：一個新物種對老物種的降維打擊，從來不是在對方擅長的領域拼刺刀，而是直接掀掉了桌子，重構了生存法則。

今天的全球汽車市場，或許正處于這樣的 “iPhone時刻”。

如果我們透過那些“亂花漸欲迷人眼“的公關話術與營銷策略，看看2025年全球車企的真實表現，會發現一種詭異且殘酷的背離現象：

一邊，傳統汽車巨頭正在經歷集體性的“戰略陣痛”。比如，傳統豪華汽車品牌保時捷在2025年第三季度財報中披露，其營業利潤同比暴跌99%；梅賽德斯—奔馳集團同期的財務數據顯示，銷售收入同比下滑6.9%，營業利潤同比下滑70.2%；歐洲“扛把子”大眾集團第三季度凈利潤為負10.72億歐元（約合人民幣87.09億元），前三季度凈利潤同比下滑61.5%。曾經的德系機械帝國，在電動化與智能化的浪潮下，正經歷“百年未有之大變局”。而通用、福特，則在電動車領域表現出某種程度的“戰略性撤退”（福特在2025年底對其電動化戰略進行了高達195億美元的資產減記；通用正重新審視電動車戰略，盤活燃油車作為利潤壓艙石的作用）。另一邊，蟬聯全球新能源汽車銷量冠軍的比亞迪保持增長勢頭，2025年銷量為460.2萬輛（預計將會躋身全球前五或前六）；堅定地采用純視覺自動駕駛方案（依賴攝像頭而非激光雷達）的特斯拉 FSD目前已經更新到 v14.2版，首次實現 Coast-to-Coast（從美國西海岸到東海岸）自動駕駛；年銷量近60萬輛（2025年數據為589107輛）的鴻蒙智行（華為聯合賽力斯、奇瑞、北汽、江淮、上汽等車企組建的智能汽車技術生態聯盟，包括問界、智界、享界、尊界等品牌）已在重慶、合肥等地開展 L3級自動駕駛系統研發道路測試；零跑、理想、小米、小鵬、蔚來等一眾造車新勢力車企，也在各自細分市場上全力以赴，它們一開始的目標就不是“造一輛更好的機械汽車”，而是基于電動化與智能化的“新物種”。

“新物種”到底是什么？汽車行業的“iPhone時刻”何時到來？如今，以特斯拉為代表的科技車企正在以算法、軟件、數據、大模型、AI與自動駕駛來重新定義汽車，真正具備“感知—推理—行動”閉環，擁有物理常識與算法進化的具身智能體正依稀可見。

這是一場跨越物種的遷徙。2026年，汽車開啟具身智能時代。

上篇：從“軀體構建”到“神經覺醒”，解構全球汽車進化的邏輯范式

回望過去10年，全球汽車工業的進化脈絡非常清晰。如果說電動化完成了汽車的“軀體構建”和能量系統的重組，智能化實現了汽車的“神經覺醒”與基因變異，那么具身智能則將引領這場進化的下一個里程碑——汽車正在從交通工具，向一個具備物理常識并能實現自主進化的新物種轉變。

這不只是動力形式的更迭，更是一場類似于碳基生命向硅基生命的遷徙。在這場演化的接力賽中，每一棒的邏輯都環環相扣。前一步的“肉身”鋪墊，都是為了后一步的“靈魂”降臨；前一步的續航升級，都是為了后一步的智能開掛；前一步的“軟件定義汽車”，都是為了后一步的具體智能合體。

第一階段：軀體重構（電動化）——一場關于“物理底座”的底層翻修

曾經很長一段時間，汽車圈里的“老把式”們都堅定地認為“新能源就是電動化”，認為動力（電力取代燃油）本身就是新能源汽車的目的。然而，最近10年全球新能源汽車（特別是中國新能源汽車）行業的發展脈絡表明：電動化只是為接下來的汽車智能化，鋪設了一套全新的“物理載體”。

回望1886年德國工程師卡爾·本茨發明的第一輛由內燃機驅動的汽車，本質上是一臺“通過精密的機械咬合、復雜的液壓傳遞來實現物理位移”的“機械怪獸”。在這種架構下，汽車（整車）天然受制于數以萬計的離散零部件和上百個分布式電子架構 （ECU）。即便設計師想讓車變得“更聰明”一點，也會受阻于內燃機極慢的動力響應時延（以百毫秒計）和 ECU之間如孤島般的通信壁壘。

如果從這個角度看汽車領域的電動化浪潮，它的價值在于完成了一次物理層面的“軀體重構”——通過用電機取代引擎，用高壓電池取代油箱，汽車第一次擁有了毫秒級的動力響應精度。更重要的是，電動化帶來的電子電氣架構（EEA）由傳統的分布式轉向高度集中式，這為“軟件定義汽車”提供了一套“神經通路”。正如我在《保時捷的百年輪回》一文中所提到的：如果不能在算法里奔跑，而只是在機械中懷舊，那么即便你的底盤調校再出色，在這場電動化浪潮面前也將失去感官溢價。

比如，比亞迪通過極致的產業鏈垂直整合，將電池、電驅、電控甚至半導體全部掌握在自己手中，以確保整車硬件能以最快的速度響應算法發出的指令。可以想見，當算法要求車輛在0.01秒內完成避讓時，只有這種深度整合的電子架構才能跟得上大腦的轉速。你的供應鏈響應以“天”計時，而對手以“小時”計時，這場電動化基建戰的勝負已分。

當然，電動化只是給了汽車一副強壯的軀殼和一套通電的神經通路，它只是上半場的“入場券”。

第二階段：神經覺醒（智能化）——從“電子裝修”到“換腦手術”

當物理軀體構建完畢，汽車的進化便迅速升級到“神經傳導”與“大腦中心”層面。這一階段，整個汽車行業經歷了一場從“機械定義汽車”轉向“軟件定義汽車”的深刻變革。

然而，業界長期存在一個誤區：在很多人看來，“智能化”就是在座艙里塞進幾塊高清大屏，或者裝一個會講冷笑話的語音助手，最好屏幕還能連接手機，可以實現實時娛樂在線，等等。然而，這種“智能化”充其量是“電子裝修”——CarPlay（車機互聯）的水平。而真正的智能化，是汽車邏輯結構的“換腦手術”，其核心在于具備一套支撐持續進化的操作系統。

不過，我們在2025年看到的現象是：有的車企還覺得智能化就是“彩電、冰箱、大沙發”；有的車企仍用“打補丁”的方式給車加功能；有的車企用“外采”的智能座艙作為產品智能化賣點；有的車企以安全的名義拒絕智能化，認為“還是人握著方向盤放心”；等等。

對比來看，特斯拉在做什么？它自稱是一家能源與科技公司，依托自家的 Dojo超級計算機，通過無監督學習算法持續優化 FSD系統和 Optimus（擎天柱人形機器人）的神經網絡訓練，這才有了特斯拉持續的 OTA（空中下載技術）與性能優化，讓車主總會有“又不一樣了”的感覺，才有了文章開頭所提到的那場跨越美國東西海岸、連續68小時、全程0接管、全自動駕駛的真實案例。

所以，智能化不是噱頭，不是車企的新賣點，更不是“多個功能”的“電子裝修”。對汽車而言，智能化是一次神經覺醒，需要來一場徹底的“換腦手術”。

以華為為例。華為（鴻蒙智行）乾崑智駕 ADS 3.0/4.0系統的核心競爭力，就在于它把通信領域的連接能力和云端算力遷移到了汽車領域，這讓“問界”們初步具備了擁有強大自學能力的“駕駛大腦”；同時，華為的鴻蒙座艙智能化解決方案又將車內的智能化從L1的指令助手、 L2的任務助手提升到 L3的專業助理、L4的專屬管家、L5的數字超人；另外，華為的乾崑車控解決方案（XMotion Control 數字底盤引擎）則融合了車身、電機、懸掛、轉向、制動、熱處理等多個模塊，讓全車智能成為可能。從這個角度看，華為問界 M9在單車均價突破50萬元的背景下2025年累計交付突破26萬輛，能與 BBA（寶馬、奔馳和奧迪）同場競技且不落下風，背后是用戶在用真金白銀為華為的智能化買單。

不過，即便到了這一步，大多數汽車也仍像一個高級的“電子木偶”——它雖然聽話，但依然在依靠人類寫好的、既定的代碼邏輯在運行。更準確地講，智能化給汽車的“換腦手術”，還只是讓汽車有個“計算器”的大腦，而非成為一個“思考者”，它能執行復雜的計算，但不理解真實世界的物理規則。怎么辦？這就要說到具身智能體了。

第三階段：具身智能體（新物種）——物種進化的里程碑與“常識”的涌現

像文章開頭提到的莫斯那場橫跨美國東西海岸的自動駕駛之旅，2732.4英里，汽車全程自主泊車、自主充電。這已經不是簡單的電動化與智能化了，而是已具雛形的具身智能體了。

這個定義很重要。對一款產品而言，你把它定義在哪個位置，給它一個什么樣的名字，基本就宣告了這個產品是什么物種。比如，當年的諾基亞與 iPhone都推出了智能手機，但一個是“能上網的移動電話”，一個是“能打電話的移動電腦”，這是兩個截然不同的物種，各自走向不同的命運。

今天的全球汽車市場正處于同樣的奇點，只不過，大多數傳統車企依然在按照“交通工具”的邏輯卷續航、卷配置、卷真皮包覆。而以特斯拉為代表，從一開始就沒有把新能源汽車當成“另一款汽車”的新勢力車企們，正在將汽車往“長了輪子的機器人”方向進化。這種汽車界的物種迭代不亞于當年智能手機領域的“iPhone時刻”。

為什么具身智能體才是車企進化真正的主戰場？原因有三個：

第一，從“邏輯代碼”進化到“物理直覺”

比如，以前的汽車智駕系統只要遇到之前從未見過的特殊路況就會受挫，原因很簡單，因為程序員沒寫過對應的 “If-Then”規則。而像特斯拉 FSD v14.2這種自動駕駛系統，則是通過觀察和學習全球數百萬車主產生的、百億公里的真實駕駛視頻，在神經網絡中建立了一個屬于自己的“世界模型”（不是大語言模型）。它開始理解物理常識了：它知道皮球后面大概率會突然沖出一個小孩，它知道落葉堆不會像石頭一樣阻擋行駛，它知道暴雨天路面積水的反光意味著摩擦力的喪失。這種“物理直覺”，才是跨越輔助駕駛與全場景駕駛那道天塹的橋梁。

第二，“感知—推理—行動”的無縫閉環

根據斯坦福大學 HAI（以人為本的人工智能）研究院的定義，具身智能體要求 AI擁有一個能夠感知并改變物理世界的“身體”。而汽車作為感應器分布密集、算力強、執行反饋靈敏的物理終端，天生就是通用人工智能理想的具身形態。想象一下，當一輛車在沒有車道線標識的施工區，通過輪胎反饋的微小震動和視覺殘留信息，像經驗豐富的老司機一樣自主規劃出一條通行路徑時，它展現的不是預設的算法，而是生命的本能。這種本能，恰恰是那些造車新勢力與傳統車企在汽車物種歸屬上的根本分野。

第三，算法底座的高度同源

在 Tesla 2025 AI Day（特斯拉2025人工智能日）的演講中，讓業界頗為震撼的消息是：特斯拉的Optimus與 FSD v14實現了算法底座的高度同源化。這種同源性主要體現在共享的神經網絡架構、感知系統和數據驅動的開發模式上。比如，在神經網絡層面，Optimus和 FSD v14均采用端到端神經網絡作為核心決策框架，直接從原始傳感器數據映射到控制指令，使系統通過海量真實世界數據學習行為模式。在感知技術層面，二者均依賴純視覺方案，使用多攝像頭陣列和3D占用網絡模型進行環境理解，Optimus的環境感知模塊復用了 FSD的占用網絡，用于實時識別物體、動態場景建模和語義分割。在開發模式層面，二者共享同一套數據閉環，全球數百萬輛特斯拉車輛在日常駕駛中收集的多樣化場景數據（包括復雜交通、夜間駕駛等）被用于訓練和優化 FSD v14的神經網絡，而Optimus的訓練則依賴于仿真環境和物理實驗數據，但其底層模型架構與 FSD保持一致。

這就意味著，一旦你掌握了汽車這種具身智能體，你就掌握了未來所有移動智能實體的鑰匙。汽車不再是一個孤立的產業，它是 AI進入物理世界、接管現實生產力的先遣隊。麥肯錫最新的全球移動出行研報顯示，到2026年，具備深度具身智能屬性的 Robotaxi（無人駕駛出租車）單車運營成本將比傳統網約車降低70%。這已經不是技術高低的博弈，而是跨物種的商業效率碾壓。

軀體構建（電動化）是基建，它重塑了軀干；神經覺醒（智能化）是序曲，它打通了神經網絡；具身智能是關鍵戰場，它賦予了汽車“靈魂”與“物理常識”。所以，未來汽車行業的競爭，已不再是一個車企與另一個車企在性能層面的較量，而是一個舊時代的“工具制造者”與新時代的“生命培育者”之間的較量。

進入2026年，如果一家車企還沉迷于續航提升、執著于瞬間加速的性能提升、偏愛堆砌“冰箱、彩電、大沙發”，那它很可能會加速步入“諾基亞時刻”。而那些擁抱科技與智能，已經在智能化與 AI領域加速投資和研發的車企，已經開始在云端訓練大腦、在路網中構建全息感知、在算法模型中追求“涌現”的玩家，正在加速登陸新大陸。

不過，具身智能體這條路并非坦途，汽車也不會一步到位變身汽車機器人。原因很簡單：如果只有汽車進化為具身智能體，和汽車有關的道路、交通、路網等基礎設施依然停留在上個世紀，那么汽車進化得再高級，也屬于“賽博獨寂寞，科技很孤獨”。這就要說到智能交通了。

下篇：走出單體智能的進化孤島，全場景智能交通（ITS）協同與博弈

在達爾文的生物進化論中，沒有任何一個強大的物種能脫離棲息地而孤立存在。比如，恐龍的滅絕并非因為個體不夠強壯，而是因為環境的劇變讓其龐大的軀體失去了生存支撐。對于作為具身智能體的汽車而言，智能交通生態系統就是其“棲息地”。而真正的具身智能，絕不是獨行俠的孤芳自賞，而是個體與環境深度耦合、實時博弈后的協同共生。

接下來的重點是：汽車如何走出單體智能的進化孤島，構建全場景智能交通。

第一，單體智能的“孤島困境”與“木桶效應”

在管理學與系統工程中，都提到了“木桶效應”：一只水桶能裝多少水，取決于它最短的那塊木板。如果全場景智能交通系統也是一只木桶，那么，這只木桶目前主要由四塊關鍵木板拼成：單車硬件（感知與執行）、軟件算法（認知與推理）、算力資產（訓練與進化）和極易被忽視的基礎設施（路網與通信）。

其現狀是：前三塊“木板”正在以“黃氏定律”［英偉達公司創始人黃仁勛在演講中曾提到，在 AI時代，摩爾定律已死，而“黃氏定律”描述的是 GPU（圓形處理器）在 AI推理性能上的幾何級數增長］加速瘋長，特斯拉、華為、小米等頭部玩家已經在單車智駕上卷出了新高度。然而，那塊被稱為“全場景棲息地”的交通基礎設施木板，卻長期處于滯后狀態，成為汽車作為具身智能體進化的最大掣肘。

為什么單靠汽車智能行不通？原因很簡單：無論攝像頭分辨率多高、激光雷達探測多遠，單車感知的“盲區”都永遠存在。想象一下：在一個大城市的十字路口，你的車擁有500TOPS的算力，但一輛巨型雙掛貨車擋住了你的左側視線。此時，如果有行人違規穿行，單車傳感器由于物理遮擋，只有在危險發生前的0.5秒才能捕捉到信號，這幾乎就是生死一線。這時候，如果道路端有一個 RSU（路側感知單元），它能提前3秒通過信號告訴你的車“左前方盲區有行人，請保持制動準備”，是不是能解決很大問題？

結論很明確：不能只有單車智能，還要有協同智能；不能只有汽車成為具身智能體，還要有全場景智能交通系統。

第二，全場景智能交通系統的現實與差距

若要進一步看清這層進化關系的本質，就需要拆解整個智能交通產業鏈。很多人誤以為智能交通就是多裝幾個高清攝像頭，實際上這是一個橫跨多個行業，涉及能源、通信、制造與城市管理的超大型系統工程。

從產業鏈上看，這個全場景智能交通系統主要分為四個邏輯層級，每一層都存在著“理想與現實”的巨大落差：

第一層：感知層——物理世界的“觸角”

這是智能交通系統的“眼睛”和“耳朵”。其不僅是雷達與攝像頭，還要讓這些雷達與攝像頭變成實時決策與行動的智能系統。現狀怎么樣？根據美國交通部2024年基建評估報告，建設一個具備全息感知能力的智能路口，平均成本在6000至1萬美元。在全球范圍內，除了中、美等國一線城市的智能交通先行示范區，絕大多數城市路口依然處于“全盲”狀態，更不要提廣大的鄉村道路了。這就意味著，即便是汽車作為具身智能體已進化到 L4級別，到了這些地方也只能“摸著石頭過河”。

第二層：通信層——生命的“神經纖維”

這是實現車路協同（V2X）的關鍵，涉及各種通信網絡協議的碎片化處理問題，解決難度更高。2025年之前，全球車聯網在 DSRC（專用短距離通信，基于 Wi-Fi）和 C-V2X（基于蜂窩網）之間糾纏了近10年。這種“方言不通”的問題，造成了極大的資源浪費。雖然目前全球標準正朝著趨于統一的方向前進，但5.5G基站的全球部署成本極高，如何實現低成本、高覆蓋的無線“神經”連接，依然是擺在各國電信運營商面前的難題。

第三層：計算層——分布式的“邊緣大腦”

這可以理解為數據的臨時“避風港”，即移動邊緣計算（MEC）。它要求數據在路口基站就能完成預處理并瞬時下發，而不是傳回千里之外的云端。它面臨的最大現實考驗在于：算力的調度與同步。當數百萬輛作為具身智能體的汽車在同一座城市行駛時，如何保證路側算力與車端算力的毫秒級同步？如何防止出現“大腦反應慢于四肢動作”的情況？這些依然是困擾全球頂尖架構師的難題。

第四層：運營層——城市交通的“操作系統”

這可以理解為日常運營和管理，涉及政府作為行政、調度與監管平臺的分工與協同問題。誰該為“更聰明的路”買單？升級道路交通基礎設施的錢誰出？有人會說政府買單。那么，誰來建、誰來管、誰負責日常運營？靠什么讓這套智能交通系統可持續？如何確保數據安全與合規？如何不讓城市交通系統被黑客利用（涉及數字主權問題）？這就涉及更具體的“建、管、運營”等多方的利益博弈，解決起來不僅需要時間，還需要相關法律的修訂，難度很高。

還有一個問題：從進化論的角度看，單體智能的演進是緩慢的，但聯網后的具身智能體就可以擁有“蜂群效應”。比如，任何一個路口出現的罕見的故障場景，都會在被感知到的瞬間上傳云端，5分鐘后，全球所有同品牌、同協議的車輛都學會了如何處理這種故障場景。問題是，大家都知道“共享”的好，可成本誰來付？產權怎么歸屬？責任和利益如何來劃分？單體進化容易，群體進化不易。

事實上，中國在全場景智能交通系統層面已經走在世界前列。在解決方案層面，中國選擇了“車路云一體化”的協同式發展之路：通過生產要素（算力、基建、數據、通信等）的創新性配置，實現全要素生產率（城市通行效率）的大幅提升。2025世界智能網聯汽車大會公報的數據顯示：截至2025年底，中國已累計開放測試道路超3.5萬公里，RSU部署超過1.1萬套。在北京、無錫等智能交通先導區實測中，通過云端毫秒級的流量預測與調度，試點區域的通行效率提升了 22.1%，紅燈等待時間縮短了 30.1%。

智能交通中國模式的深遠意義在于：它利用“路”的確定性，去對沖“車”的不確定性。當每一盞路燈都具備感知能力時，具身智能體就不需要像盲人摸象一樣去試探每個路口的風險。這不僅降低了對單車算力的極端依賴，也為中低端車型的智能化普及開辟了道路。芯片、算力、數據是基本功，但全場景智能交通生態才是汽車作為具身智能體的進化“棲息地”。從這個角度看，車、路、云、城、數，一個都不能少。

寫到這里，我腦海中浮現出電影《變形金剛》里的經典橋段：當“火種源”降臨地球時，那些冰冷的機械造物瞬間擁有了靈魂。在電影中，以擎天柱為首的博派追求共生，而以威震天為代表的狂派則迷信力量。這仿佛是在影射當下的汽車產業：一派認為汽車產業發展就是冷冰冰的技術競賽，拼算力、拼參數、拼模型，人的價值早已不在其中；另一派則依然堅信“以人為本”，依然將“追求美好生活”作為汽車智能化的使命所在。

對你我而言——至少在當下，我們更期待作為具身智能體的汽車，能理解我們下班后的疲憊，能感知孩子在后座的歡笑，能讓全家出行中充滿歡聲笑語。

在汽車這場物種進化中，我們追求的是機器對人的超越，還是技術對人性的致敬？車企要成為擎天柱，還是威震天？這需要每一家車企作出自己的選擇。（作者：楊繼剛，企業轉型專家，“汽車新四化”產業研究者，知行韜略合伙人）

責任編輯：楊曉 | 責任校對：趙艷麗 | 審核：白哲 | 美編：丁然