2026 年 9 月18 日，智协慧同（北京）科技有限公司联合创始人兼 CTO 谢宁在 2026 第四届 AI 定义汽车论坛上表示，汽车不只是实现 AI 能力的智能载体，汽车本身将成为 AI 时代下的智能单元，依托海量车辆闲置算力搭建分布式车联网算力池，能够形成电费级别的 AI 算力供给，主机厂将面临未来二十年的关键选择，是继续扮演制造工厂的角色，还是转型成为算力平台服务商。

回望二十年前云计算刚刚问世的阶段，云计算平台早期购置成本低廉，但整体性能表现存在明显短板，历经二十年发展，云计算已经成长为行业主流的计算基础设施。类比云计算的发展历程，在 AI 产业快速演进的当下，汽车的产品定位正在发生本质转变，汽车并非单纯为了具备智能化能力而存在，汽车本身就是独立的智能单元，是智能能力的具象载体，这是汽车产品迭代演进的核心方向。

谢宁丨智协慧同（北京）科技有限公司联合创始人兼CTO

以下为演讲内容整理：

AI 产业发展面临算力资源错配与降本压力

上一轮重塑全行业的技术变革来自互联网技术普及，互联网浪潮到来之后，行业形成确定的发展趋势，互联网技术对各行各业进行能力重构，大量全新行业应用陆续落地推广。当下 AI 产业所处的发展阶段与当年互联网行业高度相似，大量行业参与者集中入局 AI 赛道，市场对于高性能硬件资源的争夺变得愈发激烈。市场之中讨论度最高的硬件包含英伟达系列芯片以及 HBM 存储硬件，HBM 硬件价格走高进一步带动存储硬件整体成本抬升，硬件成本整体处于高位，这一现象具备行业发展的必然性，与互联网发展阶段思科硬件产品的市场处境具备相通之处。

AI 产业爆发带来应用大规模落地，硬件采购成本持续走高，各行业企业又普遍存在降本诉求，矛盾由此产生。汽车产业在这一行业矛盾之中具备独特价值，汽车正在从烧钱的智能运输设备，转向一个智能的「算力工厂」。历史发展轨迹正在重复，二十年前互联网产业爆发，如今迎来 AI 产业爆发，行业发展的重心逐步转向「算力价值」与「业务成本」之间的深度博弈。

企业如果选择自主采购英伟达芯片，自建 AI 数据中心，算力资源很难实现充分利用。如同二十年前互联网发展初期，AI 各类应用尚未完成全行业普及，算力硬件很难实现百分之百负载运行，多数场景下算力利用率循环波动在百分之十至百分之三十区间。企业转向外部采购 AI 算力服务同样会持续推高成本，无论跟 DeepSeek 买、跟阿里买，还是去买国外的服务，算力服务报价叠加数据中心建设运维成本、算法工程师人力成本，整体支出规模会持续扩大。行业呈现基建先行但资源错配的现状，企业持续为 AI 业务投入资源，却难以获得匹配的业务回报。

智协慧同推出分布式车联网算力池实现电费级 AI 算力供给

智协慧同率先联合行业客户落地分布式车联网算力池相关能力，推动社会可以获取电费级别的 AI 算力资源。智协慧同联合客户完成车端资源沙盒环境搭建，落地分布式推理框架，完成异构芯片以及推理框架适配，同时搭建云端任务编排与算力调度体系，完成资源管理、API 接口与计量能力建设，实现边缘端协同能力。整套能力打通云端 AI 推理、车端、手机以及车主 APP 多个终端，多类终端均可以调用电费级别的算法服务。

整套架构创新可以在车端实现异构算力运行，不局限于单节点推理任务，依托智能辅助驾驶芯片或者 AI box 硬件搭建车端分布式推理集群。车端部署调度模块、会话管理模块等组件，云端部署工作流仲裁模块、集群管理与会话控制相关组件，整套体系支持模型、推理框架以及容器快速部署运行，业务可以灵活部署在车端环境。主机厂在未来二十年将迎来重大战略抉择，主机厂需要判断自身未来定位，是延续制造工厂定位，还是转型成为类似亚马逊的算力平台企业。

当前汽车行业市场竞争激烈，整车销售环节利润空间被持续压缩，单台车辆销售利润仅能维持一两千元已经属于较好经营水平，单纯依靠整车销售很难挖掘长期增长空间。未来产业机会不在于持续售卖整车产品，而在于挖掘车载算力的商业价值，把车载 GPU 芯片闲置算力完成平台化、池化改造，对外提供算力托管服务，走极致价格路线，去重构 AI 算力的供给格局。参考亚马逊由电商企业转型云计算服务商的发展路径，未来主机厂可以由整车制造工厂变成一个 AI 算力平台。

智协慧同相关方案 1.0 版本面向成本敏感业务场景，支持千亿参数规模以下大模型运行，已经完成稠密模型、MoE 模型、VR 模型多类模型适配，兼容多种量化模式，支持两个至八个节点的分布式推理任务，适配多种网络拓扑结构，覆盖多模态应用推理场景。除车端之外，方案同时支持手机端侧多类推理任务，这套能力可以帮助主机厂将自身业务的 AI 计算压力转移至车端硬件，也能够承接外部业务推理任务。

车端算力的绝对性能与云端算力依旧存在差距，车端算力更加适配实时性要求不高的业务场景。降本导向的技术方案本身存在能力边界，二十年前 AWS 处于试点阶段，采用半虚拟化 IO 方案，数据传输单元设置为 37KB，整体性能表现较差，但对比购置三十万级别物理服务器，每小时四点五元的虚拟服务器服务模式，大部分客户会自动做出正确的选择，因为那个正确的选择，指向的是计算的规模效应。

按照行业预测，到 2030 年国内具备智能辅助驾驶芯片算力的车辆规模可以达到六千万台，如果以 1 亿辆车为远景基数，按照单台车辆平均五百 TOPS 算力测算，全部车辆闲置算力聚合之后，能够组成一个兆级的算力池，支撑大量多样化业务应用，产业发展将完成从车辆功能智能化走向平台化运营的转变。

智协慧同的企业属性属于 AI 数据企业，业务覆盖算法架构相关工作，智协慧同早期与客户开展合作，主要工作是完成车端数据采集，采集范围从最初的信号素材拓展至多模态素材，在实现多模态素材采集能力之后，进一步帮助车辆完成边缘 AI 计算，在边缘侧运行算法完成推理工作。在和客户业务沟通过程中，业务思路得到进一步拓展，既然车端硬件可以运行 AI 推理算法，就可以对外输出 AI 算法服务。这套业务逻辑和二十年前亚马逊电商业务延伸云计算业务的逻辑保持一致，把车端闲置算力做平台化释放，支撑多模态推理等通用业务能力。

车辆本地大模型可以完成车内用户对话交互，使用同一套技术框架，同样可以承接外部对话类推理业务。即便网络条件带来少量时延，相较于高昂的算力采购成本，时延上的妥协具备现实意义。在行业竞争高度内卷的市场环境下，把车端闲置算力做平台化释放，会成为未来二十年重要的商业机遇。

车端分布式推理的关键技术攻坚内容

分布式车联网算力池落地推进过程中遇到多重技术挑战，智协慧同将数据中心内部成熟推理框架迁移至车端环境，暴露出大量适配难题。数据中心内部有 InfiniBand 级的高速网络，而车端遇到的是 Mbps 级的超低带宽网络，需要针对网络层面开展改造，重写通信机制，把原有框架内部同步机制修改为异步机制，消除 GPU 和 CPU 之间数据拷贝过程、网络传输过程中的性能阻塞点，把单线程消息发送改造为多线程发送，同时将 ACK 确认机制调整为异步模式，完成以上改造之后，分布式通信性能得到提升，硬件内存可以支撑的最大吞吐能力得到充分释放。

数据通信流水线层面需要处理长序列合并相关工作，隐藏值（Hidden States）与残差原本分开传输，经过业务改造之后可以完成数据合并之后再开展计算。KV 缓存容量管理机制需要重新设计，单个节点下线之后，完成业务迁移，将 KV 缓存数据在多个节点之间做切片传输，而不是简单完成 KV 缓存整体迁移。用户请求进入队列之后开展队列优化，调整批处理参数，在有限网络条件之下承载更大规模业务负载，上述全部工作，均由智协慧同联合客户技术专家共同迭代完成。

当前硬件生态之中，可以运行相关推理任务的硬件类型丰富，包含高通、地平线等多家厂商硬件产品，伴随硬件产品代际迭代，当前主流可以支撑 7B 参数规模模型运行，经过单节点、多节点分布式改造之后可以支撑 70B 参数模型运行。下一代以及后续迭代硬件产品落地之后，硬件基础能力会进一步提升，硬件性能将更好匹配车端分布式算力池业务场景，闲置车辆算力资源可以得到更加充分的利用。

未来展望与挑战

面向未来二十年发展周期，汽车的定位不再局限于 AI 硬件产品，汽车以及车载算力会成为 AI 的计算单元，同时承担 AI 服务供给方的角色。主机厂需要完成从制造工厂向算力工厂的转型，产业的进一步发展，需要行业内各方主体共同参与创新，协同推动行业整体 AI 服务能力升级。

但也需要客观看待业务落地的现实约束，车端分布式算力池并非可以承接全部 AI 业务，该方案更加适配对时延容忍度较高的批处理、离线类推理业务，并不适合大模型集中训练、强实时在线推理、紧耦合多卡计算等业务场景。车端硬件持续迭代会持续拓宽业务能力边界，但网络波动、节点动态上下线、带宽受限等客观条件会长期存在，相关技术优化工作需要持续推进。海量车辆节点动态在线，异构芯片、异构硬件广泛存在，节点随时可能离线，动态环境下完成任务调度、故障迁移、上下文保存，依旧是长期需要面对的技术挑战。车联网分布式 AI 算力池的产业价值已经显现，随着持续技术迭代，分散的千万级别车载芯片算力，将完成聚合释放，为整个行业提供高性价比的 AI 算力供给。

（以上内容来自智协慧同（北京）科技有限公司联合创始人兼CTO谢宁于2026年9月17-18日在第四届AI定义汽车论坛发表的《基于智能汽车打造AI时代的分布式算力网络》主题演讲。）