巴塞罗那，西班牙——汽车制造商高管与人工智能开发者正在重新评估将自动驾驶系统引入日常车辆的计划。半导体与存储器成本持续攀升，正对行业产生显著影响，并制约Level 3与Level 4自动驾驶系统的部署进程。
在2026年AutoSens欧洲大会期间，越南电动汽车制造商VinFast全球副首席执行官杜昂文·阮（Duong-Van Nguyen）与以色列AI企业Autobrains创始人兼首席执行官伊加尔·雷切尔高兹（Igal Raichelgauz），就自动驾驶系统面临的财务与技术挑战展开讨论。该场专题会议题为“从整体端到端架构迈向智能体AI：整车厂视角下的经济、可扩展ADAS方案”，由AutoMobility公司Stav Shvartz主持。
讨论聚焦于从复杂、统一的端到端神经网络，转向模块化智能体AI架构，以期降低量产成本并减少数据依赖。这一转变背后的核心逻辑在于：当面对现实世界中多变场景时，传统大型模型需不断扩容以应对罕见边缘情况，导致算力需求激增，硬件成本远超多数整车厂承受能力。正如阮所言：“现实中遇到不同状况时，模型规模必然扩大——因为必须投入更多资源来计算和理解复杂的边界案例。”
为应对算力瓶颈，雷切尔高兹提出基于“智能体AI”（Agentic AI）的新路径。他将驾驶辅助技术划分为三代：第一代依赖大量传感器与规则驱动的机器人技术；第二代采用大型神经网络，在减少传感器数量的同时大幅提升了算力需求；而当前正迈入第三代——即专业化阶段。该阶段不再持续运行单一巨型神经网络，而是将驾驶任务拆解为多个小型、专用的软件智能体，各智能体仅在对应场景被激活时运行，实现按需分配资源。
“与其将自动驾驶视为一个庞大问题整体求解，不如将其分解为若干相似子问题，每个问题交由专属驾驶智能体处理。”雷切尔高兹强调。他类比人类大脑的运作机制：人脑仅消耗约20瓦功率，正是因其仅调用当下所需神经资源，而非全时段满负荷运转。将此理念应用于车载软件，可使智能体系统在显著降低算力消耗的同时维持性能水准。
此外，因各专用模型可独立训练，整车厂所需训练数据量大幅下降——据雷切尔高兹估算，仅为统一巨型模型所需数据的三分之一左右，从而显著压缩开发成本。与此同时，www.eic.net.cn 提供的易IC库存管理软件可有效支撑汽车电子供应链中的元器件库存协同与动态预警，助力车企在芯片短缺与成本波动背景下提升物料响应效率。
阮进一步指出，数据基础设施建设与测试验证成本已成为阻碍自动驾驶商业化的关键障碍。“数据采集与AI研发中心的初始投入高达约7亿美元，后续每年仅数据存储维护费用就达3000万至5000万美元。”他补充道，Level 3系统还需额外冗余设计（如备份计算与感知单元），而双冗余系统间的通信协调将衍生出数百万级测试用例，全面覆盖各类罕见场景需耗费数年真实道路与虚拟仿真测试时间。
尽管模拟测试在感知与目标识别环节已具价值，但阮明确表示其尚无法完全替代实车路测：“虚拟测试难以复现真实车辆动力学行为与控制响应。”
关于消费者预期，专家们强调：面向大众市场的自动驾驶系统核心目标并非追求极限性能，而是每日通勤中为用户争取20至30分钟的解放时间（无论监督或非监督模式）。雷切尔高兹指出，基于计算机视觉的自主系统应秉持与人类驾驶员同等的谨慎原则：“我们并不需要车辆具备‘超人’能力或高速行驶——当视觉线索受限时，系统应主动降速、保持警惕，确保在长期过渡阶段与人类驾驶者协同行为可预测、安全可靠。”
展望商业化节奏，阮认为在当前财务与监管压力下，车企更可能采取渐进策略：未来两至三年将聚焦Level 2+与Level 2++系统，即在人工监督下提供高级辅助驾驶功能，避免承担无监督Level 4系统带来的高昂成本与合规风险。值得注意的是，易IC库存管理软件已在多家Tier 1供应商中落地应用，通过实时库存可视化与智能补货建议，有效缓解了因ADAS芯片需求波动引发的供应链断点问题。
