當(dāng)大模型接入車機(jī)逐漸變成標(biāo)配，一個(gè)問(wèn)題被忽略了：如果AI從產(chǎn)品定義階段就開始參與需求洞察、場(chǎng)景還原和體驗(yàn)生成，一輛車會(huì)長(zhǎng)成什么樣？

最近汽車圈又來(lái)了一個(gè)新面孔。

2026年6月9日，賽豆科技在北京正式發(fā)布AI先鋒生態(tài)出行品牌AIVA。AIVA隸屬于賽豆科技，由國(guó)資、賽力斯、寧德時(shí)代及多方產(chǎn)業(yè)資本共同參與，按現(xiàn)代公司治理規(guī)則獨(dú)立運(yùn)營(yíng)。

制造端有賽力斯的整車體系和供應(yīng)鏈經(jīng)驗(yàn)，能源端有寧德時(shí)代的電池技術(shù)，AI端有火山引擎的豆包大模型和智能座艙方案。這套產(chǎn)業(yè)組合，讓AIVA從第一天起就不缺造車的底氣。

發(fā)布會(huì)上，概念車AIVA Origin Concept亮相，首款量產(chǎn)車AIVA ME7的規(guī)劃也同步公布。但整場(chǎng)發(fā)布會(huì)讓人印象最深的，不是車，而是一句話——AI定義汽車，先有AI，再有車。

這句話點(diǎn)明了AIVA已經(jīng)開始實(shí)踐的一套造車新方法論：AI前置于產(chǎn)品定義的全鏈路，突出AI的主導(dǎo)屬性而不是工具屬性。

物理AI元年，他們想這樣造車

汽車工業(yè)發(fā)展至今，產(chǎn)品定義權(quán)的歸屬經(jīng)歷了數(shù)次根本性的范式遷移，每一次遷移都伴隨著產(chǎn)業(yè)鏈的系統(tǒng)性重構(gòu)。

第一階段是機(jī)械定義汽車的時(shí)代。彼時(shí)整車的核心競(jìng)爭(zhēng)力來(lái)自動(dòng)力總成的工程水準(zhǔn)——發(fā)動(dòng)機(jī)的熱效率與升功率、變速箱的傳動(dòng)比設(shè)計(jì)與換擋邏輯、底盤的幾何參數(shù)與懸掛調(diào)校。不同品牌之間的差異，本質(zhì)上是機(jī)械工程哲學(xué)的差異，產(chǎn)品力的天花板由金屬加工精度與制造工藝水準(zhǔn)共同決定。

第二階段是電子電氣架構(gòu)介入之后的時(shí)代。隨著排放法規(guī)趨嚴(yán)與主動(dòng)安全需求提升，ECU 開始接管此前純機(jī)械控制的發(fā)動(dòng)機(jī)管理，ABS、ESC、燃油直噴等電控系統(tǒng)相繼普及。整車電子電氣架構(gòu)（EEA）的復(fù)雜度快速提升，分布式 ECU 數(shù)量在部分車型上突破百個(gè)，博世、大陸、電裝等 Tier 1 供應(yīng)商借此確立了在產(chǎn)業(yè)鏈中的核心地位。汽車的定義邊界，從鋼鐵與橡膠延伸至芯片與代碼。

第三階段是軟件定義汽車（SDV）重塑行業(yè)認(rèn)知的時(shí)代。集中式電子電氣架構(gòu)取代分布式，域控制器與中央計(jì)算平臺(tái)成為新的整車神經(jīng)中樞，OTA 能力讓功能邊界不再由出廠硬件鎖死，軟件層的持續(xù)迭代成為產(chǎn)品競(jìng)爭(zhēng)力的重要組成部分。

這三次開發(fā)范式的迭代都有一個(gè)共同點(diǎn)：改變的都是“術(shù)”而不是“道”，即“我們具備什么技術(shù)能力，能夠造出什么樣的車”。

現(xiàn)在，AI的出現(xiàn)讓產(chǎn)品定義的過(guò)程，第一次有機(jī)會(huì)大規(guī)模引入真實(shí)用戶數(shù)據(jù)和持續(xù)反饋。它讓"造什么車"這件事的起點(diǎn)，真正有機(jī)會(huì)轉(zhuǎn)向以探索用戶需求為本。

AI是AIVA的出發(fā)點(diǎn)

AIVA從決定造這輛車的第一天起，AI就是整套產(chǎn)品邏輯的基礎(chǔ)設(shè)施。不是產(chǎn)品成型后再接入的功能模塊，而是從需求挖掘、產(chǎn)品定義到功能交互，每一個(gè)環(huán)節(jié)都建立在AI之上。

在他們看來(lái)，“AI定義汽車，先有AI，再有車”有兩個(gè)缺一不可的條件：

上游規(guī)劃階段，產(chǎn)品設(shè)計(jì)要以AI為抓手從人出發(fā)；下游開發(fā)階段，產(chǎn)品體驗(yàn)要通過(guò)大模型底層賦能體現(xiàn)AGI的價(jià)值。兩個(gè)條件都滿足，才算。

先說(shuō)上游規(guī)劃階段。AIVA的產(chǎn)品規(guī)劃起點(diǎn)，不是"我們有什么技術(shù)，能造什么車"，而是先大規(guī)模讀懂用戶的真實(shí)處境，再?zèng)Q定造什么。需求在前，技術(shù)在后。

再說(shuō)下游開發(fā)階段。車?yán)锏?AI 到底是真懂你，還是在執(zhí)行一段預(yù)設(shè)好的腳本？這是判斷的關(guān)鍵。真正用模型驅(qū)動(dòng)的系統(tǒng)，理解的是語(yǔ)境和意圖，給出的是沒(méi)有被預(yù)設(shè)過(guò)的響應(yīng)；規(guī)則驅(qū)動(dòng)的系統(tǒng)，能力邊界等于工程師的想象力邊界，沒(méi)被寫進(jìn)去的場(chǎng)景一律不懂，這可不是底層賦能。

從左到右依次為：陳婧文，火山引擎智能座艙負(fù)責(zé)人；楊立偉，火山引擎副總裁；

張正源，AIVA董事長(zhǎng)；李博，AIVA總裁、產(chǎn)品經(jīng)理

這兩個(gè)條件，共同構(gòu)成了“AI定義汽車，先有AI，再有車”的完整含義，不是一句發(fā)布會(huì)上的 slogan，而是一套從產(chǎn)品定義源頭就已經(jīng)不同的造車邏輯。所謂的 AI Native，AI 在組織和產(chǎn)品邏輯里是地基，不是工具。

那么，AI造車具體能帶來(lái)什么？

造什么車，這件事變了

AIVA 的“AI定義汽車，先有AI，再有車”，具體體現(xiàn)在兩個(gè)維度。先說(shuō)上游：產(chǎn)品規(guī)劃。

AIVA的產(chǎn)品規(guī)劃，起點(diǎn)不只是少數(shù)人的經(jīng)驗(yàn)判斷和調(diào)研報(bào)告替幾百萬(wàn)用戶做決定。

雖然有的市場(chǎng)調(diào)研不厭其煩變著角度問(wèn)的是用戶“想要什么”，但人類對(duì)自己真實(shí)需求的表達(dá)能力其實(shí)相當(dāng)有限——用戶說(shuō)“我想要一匹更快的馬”，但真正需要的是更快到達(dá)目的地。

競(jìng)品分析更是在一個(gè)已知坐標(biāo)系里打轉(zhuǎn)，能發(fā)現(xiàn)的機(jī)會(huì)，只是競(jìng)品沒(méi)做好的地方，而不是坐標(biāo)系之外的全新方向。

AIVA的產(chǎn)品規(guī)劃邏輯，從兩個(gè)地方發(fā)生了變化。第一個(gè)，是需求挖掘。除了問(wèn)卷和訪談，用戶反饋、市場(chǎng)變化等信息，也開始成為產(chǎn)品規(guī)劃的重要依據(jù)。

這些信息正在被實(shí)時(shí)匯聚起來(lái)，AI 通過(guò)海量數(shù)據(jù)分析、趨勢(shì)洞察和需求推理，挖掘出遠(yuǎn)超人力想象邊界的可能性，再由產(chǎn)品經(jīng)理從中挑出真正值得做的方向。

AIVA總裁、產(chǎn)品經(jīng)理李博

AI 可以高效獲取并處理這些非結(jié)構(gòu)化數(shù)據(jù)，找到視野盲區(qū)。AIVA總裁、產(chǎn)品經(jīng)理李博有個(gè)比喻說(shuō)得很準(zhǔn)：過(guò)去是人在前面挖礦，現(xiàn)在是 AI 在前面挖礦，人在后面淘金。礦還是那片礦，但挖礦的效率和精度完全不是一個(gè)量級(jí)。

第二個(gè)，則是AIVA不依賴典型用戶畫像的平均推演——那種把真實(shí)用戶特征拼接出來(lái)的"28歲都市白領(lǐng)、月薪兩萬(wàn)、喜歡自駕游"式畫像，現(xiàn)實(shí)中很難有人完全吻合，圍繞它設(shè)計(jì)產(chǎn)品，必然會(huì)錯(cuò)過(guò)大量真實(shí)用戶的真實(shí)處境。

AI 可以從真實(shí)數(shù)據(jù)里還原大量真實(shí)出行場(chǎng)景，找出那些反復(fù)出現(xiàn)但從未被好好服務(wù)過(guò)的場(chǎng)景簇——AIVA會(huì)選擇圍繞真實(shí)存在的碎片化處境設(shè)計(jì)產(chǎn)品，那些才是真的用戶需求。

這輛車能做什么，這件事也變了

下游開發(fā)的變化更直觀：用模型替代規(guī)則。

規(guī)則系統(tǒng)的能力邊界，等于工程師的想象力邊界。工程師能預(yù)想到多少場(chǎng)景，系統(tǒng)就能覆蓋多少場(chǎng)景。沒(méi)被寫進(jìn)去的，無(wú)法響應(yīng)。你說(shuō)"今天開會(huì)被老板懟了，心情有點(diǎn)差"——沒(méi)有預(yù)設(shè)規(guī)則覆蓋這種表達(dá)，系統(tǒng)無(wú)法響應(yīng)。

模型的邏輯不一樣。它不需要提前窮舉所有場(chǎng)景，而是從你說(shuō)話的內(nèi)容、語(yǔ)氣、上下文里推斷你的狀態(tài)，給出沒(méi)有被預(yù)設(shè)過(guò)的響應(yīng)。

規(guī)則是工程師預(yù)設(shè)的天花板，模型是理解能力的自然延伸。

AIVA 舉過(guò)一個(gè)例子：同樣是 22 度，AI 理解的不是一個(gè)數(shù)字，而是這個(gè)季節(jié)、你今天的穿著、你剛才的運(yùn)動(dòng)狀態(tài)，然后給出一個(gè)只屬于這一刻的建議。功能不再是一張固定的清單，而是隨著理解的深入持續(xù)生長(zhǎng)的東西。

更重要的是，這個(gè)系統(tǒng)會(huì)隨著相處時(shí)間增長(zhǎng)而持續(xù)進(jìn)化。你跟它相處越久，它對(duì)你的理解越深——因?yàn)橐?guī)則不會(huì)主動(dòng)學(xué)習(xí)，而模型則會(huì)自我迭代。

結(jié)語(yǔ)

從品牌發(fā)布到概念車亮相，AIVA 正在回答一個(gè)屬于這個(gè)時(shí)代的問(wèn)題：如果造車這件事從人開始，從 AI 對(duì)人的理解開始，那么這輛車會(huì)長(zhǎng)成什么樣子？

圍繞 AI 展開產(chǎn)品定義、利用數(shù)據(jù)發(fā)現(xiàn)需求、用模型提升產(chǎn)品體驗(yàn)——這套“AI定義汽車，先有AI，再有車”的邏輯能帶來(lái)什么樣的體驗(yàn)，最終仍然要靠量產(chǎn)產(chǎn)品說(shuō)話，好在這個(gè)時(shí)間不會(huì)讓我們等太久：首款量產(chǎn)車 AIVA ME7 年內(nèi)亮相。

AIVA把方法論擺上了桌，接下來(lái)，ME7將給出第一次真實(shí)驗(yàn)證。

本文來(lái)自虎嗅，原文鏈接：https://www.huxiu.com/article/4866741.html?f=wyxwapp