吉利“賽馬”：千里智駕如何化解內部掣肘汽車
吉利（00175）成立重慶千里智駕科技有限公司（以下簡稱“千里智駕”），推“千里浩瀚”系統，欲追趕特斯拉（TSLA）、華為。然而多線并行、權責不明的隱憂，正讓這艘巨輪面臨迷航暗礁，吉利內部治理智慧備受考驗。
智能駕駛已成車企未來存亡關鍵。
吉利（00175）成立重慶千里智駕科技有限公司（以下簡稱“千里智駕”），推“千里浩瀚”系統，欲追趕特斯拉（TSLA）、華為。然而多線并行、權責不明的隱憂，正讓這艘巨輪面臨迷航暗礁，吉利內部治理智慧備受考驗。
合資新生，協同隱憂初現
2025年3月，千里智駕正式成立，注冊資本1050萬元，由吉利控股旗下浙江吉潤、螞蟻集團旗下邁馳智行、寧波路特斯機器人及智江眾旺共同出資。吉利注入十四項智駕研發技術所有權或共享權，邁馳智行貢獻車BU業務及資產，路特斯提供三項技術使用權。合資模式旨在整合多方資源，加速智能駕駛研發與商業化落地，并分擔高昂的研發成本，拓展市場應用場景。
（來源：企查查）
然而，這種多元且復雜的股權結構，在帶來資源協同可能性的同時，也天然地埋下了決策流程復雜、權責邊界模糊的重大隱憂。在關鍵的技術路線選擇上，是優先發展低成本純視覺方案（可能魯棒性不足），還是高成本多傳感器融合方案（需適配高算力芯片）？吉利、螞蟻和路特斯三方能否迅速達成共識將是巨大挑戰。一旦技術主導權歸屬不清，就可能導致研發方向搖擺。
更深層次的矛盾則體現在商業化節奏與利益分配上。螞蟻集團可能優先考慮數據生態構建與場景落地速度，路特斯側重高端品牌的極致智駕體驗與安全冗余，吉利則需平衡多品牌矩陣的普適性與成本效益。這些差異恐導致算法標準不統一、硬件適配沖突，甚至底層架構重復開發，形成“拼湊感”而非無縫集成。這不僅將推高資金、人力、時間等協同成本，還可能拖慢研發進程，削弱吉利在智能駕駛領域的市場競爭力。
“千里浩瀚”雄心，法規掣肘
吉利以“千里浩瀚”系統為核心，覆蓋H1至H9五個層級，展現出清晰的技術雄心。H1已搭載于銀河E8，支持高速NOA，算力達100TOPS；H9采用雙Thor芯片（2000TOPS算力）與13V5RXL傳感器，計劃2025年下半年量產，支持城市無圖NOA與泊車代駕。吉利還依托30顆在軌衛星，提供厘米級高精度定位與災害預警，宣稱打造“防作死模式”，旨在最大限度提升駕駛安全性。
然而，盡管吉利的技術布局看似全面且極具前瞻性，但其L3級自動駕駛的量產目標卻面臨嚴峻的法規掣肘。L3級意味著車輛在特定條件下承擔主要駕駛責任，這使得事故發生時的責任認定變得異常復雜——是車輛系統的問題、基礎設施的缺陷，還是駕駛員接管不及時？目前，全球主要國家和地區對L3級自動駕駛的法律法規尚未形成統一且成熟的標準，多數仍處于探索或有限試點階段：例如德國允許高速公路L3測試，但要求明確的責任劃分標準。國內目前仍以L2+為主，L3法規尚未完善，吉利需要投入數億元應對多市場準入標準，無疑增加了合規成本與開發難度。
這種法規不確定性疊加漫長且不確定的安全驗證周期——需要在各種極端天氣、復雜交通場景下積累海量數據并進行嚴苛的實車測試，無疑為吉利H9的量產目標蒙上了一層陰影。同時，市場和消費者對高階智駕的期待往往超前于實際落地，一旦L3級功能因法規限制或驗證周期而延遲或受限，可能會與品牌宣傳形成落差，影響其市場接受度與口碑。
算法補強，落地步伐加速
吉利深刻認識到軟件算法在智能駕駛中的核心地位，正積極通過多重舉措補齊自身在此領域的短板。其核心策略是自研AI-Drive大模型，通過每小時生成萬公里級虛擬駕駛場景，將模型訓練效率提升高達30倍，顯著加速算法迭代優化。
同時，吉利與國內領先AI公司DeepSeek進行深度合作，針對無保護左轉、高密度車流穿插、雨雪霧等極端天氣場景，優化復雜決策能力，從而顯著增強模型魯棒性與安全性。例如，DeepSeek算法優化后，無保護左轉成功率從85%提升至95%，顯著降低事故風險。
硬件層面，吉利與RoboSense合作，為銀河E8等旗艦車型配備高性能激光雷達，增強城市NOA的感知精度與可靠性。在商業化落地方面，吉利通過曹操出行（02643）Robotaxi在蘇州、杭州試運營，計劃2025年將每公里成本降至1元。這不僅能積累真實路況數據，為算法驗證與商業模式創新奠定基礎，也探索了共享出行市場的潛力。
然而，這種看似全面的算法補強與落地加速，其背后也隱藏著復雜的整合挑戰。 DeepSeek作為外部技術輸入方，其底層技術架構、數據處理規范與吉利自研體系能否無縫對接是關鍵。若數據格式不統一，可能導致算法迭代延誤6-12個月，增加數千萬研發成本；數據壁壘若未打通，更可能降低訓練效率10%-20%，直接影響系統穩定性與用戶體驗。吉利必須在快速落地與技術成熟度、安全性之間進行審慎權衡，避免倉促推進引發安全隱患或用戶投訴。
內部多團隊并行，博弈加劇
吉利智駕研發主要由三支核心團隊主導：印奇領銜的千里科技（601777）專注于前沿AI算法探索與創新；王軍負責“千里浩瀚”系統的整體集成，強調系統性與安全性；而吉利研究院則承擔將技術方案轉化為可量產、符合車規級標準的重任。這種看似分工明確的架構，實則內部暗流涌動，在數據歸屬、模型標準以及產品發布節奏等關鍵環節可能存在顯著分歧，進而加劇了內部團隊間的博弈。
具體而言，印奇團隊傾向于追求極致的端到端大模型，需海量數據與快速迭代；王軍作為系統集成方，更注重系統冗余安全與可靠性，傾向保守路線和更長驗證周期；研究院則將車規級穩定性放在首位，對新技術導入持謹慎態度。這種各自為政的技術偏好，導致在數據權限歸屬上頻繁出現拉鋸戰——例如行車數據優先用于模型訓練還是OTA調優？模塊標準不一也可能導致兼容困難，形成“數據孤島”，影響協同效率。
多團隊并行的模糊權責邊界和潛在的利益沖突，極易引發內部摩擦，造成重復研發和資源浪費，不必要地增加成本，并嚴重拖慢決策效率與產品發布節奏。正如社交平臺上網友評論：“吉利技術猛，但團隊能不能擰成一股繩，這才是大問題。” 業內觀察人士警告，若吉利無法建立一個擁有強大權威和協調能力的中臺部門，對各方進行統一規劃和資源調配，吉利極有可能重蹈華為車BU曾經因內部協調失敗導致效率低下的覆轍，嚴重阻礙L3級自動駕駛的規模化落地進程。
多車型多路線，研發成本激增
吉利旗下品牌繁多，涵蓋極氪、領克、銀河等，每個品牌下又車型眾多，且在智駕系統與芯片選擇上呈現多樣化，甚至探索不同的技術路線。例如，銀河E8當前采用H1方案，算力為100TOPS；而面向高端市場的車型則計劃搭載H9方案，配備雙Thor芯片，算力高達2000TOPS。這種差異化布局，雖然能在不同細分市場滿足用戶需求，但也導致技術棧與硬件配置的排列組合極為復雜。
部分車型可能偏向激光雷達與視覺融合感知方案，以實現高精度定位和環境理解；另一些車型則可能探索成本更低的純視覺方案。這不僅意味著需要適配不同芯片與傳感器組合，更深層的問題在于如此分散的技術路徑顯著推高了整體研發成本，可能導致數億元的額外支出。包括算法適配、硬件驗證、軟件測試以及測試資源分攤等各項開支都會大幅增加。
同時，研發力量的分散也可能干擾核心技術方向的確立和資源的集中投入。例如，極氪作為高端智能電動品牌，追求極致智駕體驗，自然傾向于高算力、高配置方案；而銀河品牌為實現“智駕平權”或簡化功能以控制成本，研發優先級難以統一。
正如社交平臺上的網友吐槽：“吉利車型太多，智駕方案五花八門，感覺像在試錯。”若吉利不能有效整合多車型、多路線的研發體系，研發成本激增與方向混亂將嚴重拖慢其智駕技術整體的成熟與落地進程。
多品牌協同，成本矛盾凸顯
極氪、領克、銀河等品牌在市場定位、目標用戶群體和產品策略上存在顯著差異。這種品牌定位的多元化，使得各品牌在智能駕駛方案的采納上，對“千里浩瀚”系統的配合度與接受度存在變數。各品牌此前積累的技術路線慣性是其一，它們在“千里浩瀚”推出之前可能已經進行了自身的智駕研發投入，形成了特定的技術棧和供應商體系，貿然全面切換至統一平臺，將面臨巨大的時間和經濟成本。
更深層次的矛盾在于成本控制與技術普惠之間的沖突。
吉利雄心勃勃地提出2025年銀河品牌銷量目標100萬輛，并計劃通過搭載H7方案的旗艦車型來突圍市場，但同時又設定了10萬元級車型“智駕平權”的宏偉目標。然而，要實現高階智能駕駛，通常需要配備高算力芯片、多顆高清攝像頭、毫米波雷達甚至激光雷達等昂貴硬件，這些成本可能高達數萬元。這些高成本的配置，在10萬元級別的車型上普及，無疑是一項巨大的財務挑戰，極可能導致“智駕平權”淪為一句空談。
這種深層次的成本矛盾直接關系到吉利的市場定位與整體品牌形象。正如社交平臺上有網友吐槽：“吉利智駕宣傳得再高大上，但10萬的車到底能用上多少高階功能？”如果吉利無法有效平衡高端旗艦的技術領先性與大眾車型的智駕普惠性，并解決消費者對于“智駕縮水”的疑慮，那么其在不同細分市場的競爭力恐將受到嚴重影響，甚至可能損害消費者對吉利整體智駕能力的信任。
行業競速，追趕壓力倍增
當前智能駕駛行業正處于前所未有的激烈競速之中，先行者們已經確立了各自的優勢，給后來者帶來了巨大的追趕壓力。
特斯拉FSD憑借其獨特的純視覺方案和端到端大模型，在全球擁有數百萬車主的數據積累，形成了強大的“數據飛輪效應”——即用戶數據越多，算法迭代越快，用戶體驗越好，進而吸引更多用戶，使其在算法成熟度上遙遙領先。華為ADS則依靠從自研芯片到操作系統，再到算法，實現了高效的快速迭代和場景落地，尤其在精確導航的前提下于城市復雜路況表現堪用。而小鵬（XPEV/09868）XNGP則憑借其在城市NOA（導航輔助駕駛）領域的大規模普及和用戶口碑，在特定場景下形成了先發優勢。
相形之下，吉利雖然擁有星睿智算中心2.0（提供23.5 EFLOPS的強大算力支撐），以及高達750萬輛L2級車輛的龐大數據積累，但如何將這些看似可觀的“堆料”高效轉化為算法的真正成熟度與用戶生態的黏性，仍是其面臨的關鍵挑戰。這不僅涉及數據清洗、標注和訓練的巨大工程，更在于如何通過實際路測和用戶反饋，不斷打磨算法，使其在平順性、可靠性和安全性等維度達到用戶預期。正如網友評論所指：“吉利技術堆料猛，但感覺步子邁太大，落地能不能跟上是個問題”？
行業人士也一針見血地指出，吉利亟需將其技術優勢轉化為真正可感知的用戶體驗和差異化的市場競爭力，否則，在面對特斯拉、華為、小鵬這些已經占據先發優勢并形成用戶心智的競爭對手時，將難以有效撼動其市場地位，在智能駕駛這場淘汰賽中面臨被邊緣化的風險。
智駕未來：遠見與實行的落差
千里智駕的成立與“千里浩瀚”系統的發布，無疑彰顯了吉利從過去相對分散的智能駕駛研發模式，轉向集中資源、全力突圍的堅定決心。然而，在這一雄心勃勃的戰略布局之下，吉利智駕之路卻充滿了不確定性和重重迷霧。
這些“迷霧”不僅源于內部：包括多團隊并行帶來的權責沖突與技術路線分歧；多品牌協同中，不同定位帶來的技術路線慣性與成本控制的矛盾；以及多車型多路線造成的研發資源分散與成本激增。也來自外部：如L3級自動駕駛法規尚未成熟帶來的量產不確定性，以及行業競速中，特斯拉、華為、小鵬等先行者已形成的強大技術壁壘和用戶生態黏性。吉利智駕要實現突破，核心挑戰在于如何將龐大的技術“堆料”轉化為穩定、可靠、且能被用戶感知并接受的實際體驗。
在智能駕駛這場關乎企業未來的“淘汰賽”中，吉利亟需整合內部力量，化解深層次的權責沖突、成本矛盾及研發亂象。
2018年5月30日，吉利控股集團董事長李書福在《十年二十人》節目中曾發表深刻見解：“特斯拉本質是要構建線上技術，不像中國企業花幾億找個工程公司就搞幾輛電動汽車，這沒用。”他明確指出，特斯拉的核心目標并非傳統汽車制造，而是致力于打造一個基于軟件和數據的生態系統，汽車在其戰略中只是技術落地的載體。李書福后續也在不同場合多次重申類似觀點，強調汽車產業的未來在于智能化和軟件定義。
平心而論，李書福的這一判斷，無論是從時間維度還是深度理解上，都可謂看得早、看得準、看得遠。然而，時隔七年，審視吉利在智能化、電動化領域的實際進展時，卻不難發現，其距離李書福當年勾勒的宏偉藍圖，以及與行業先行者特斯拉相比，仍存在不小的差距，內部治理亂象可能是核心掣肘。
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
