当大洋彼岸传来 AI 噩耗开始号丧之时，中国乌镇的游船划破倒影，正掀起关于 AI 的智能化剧变的又一层涟漪。

2026 年 11 月 3 日，美国中期选举如期进行。

20 个小时之后，马斯克在社交媒体上发声，用自嘲的口吻说：" 看来我干预选举的激光通信，这次没起作用。" 随着共和党的落败，马斯克那 4.45 亿美元的政治献金也基本打了水漂。

11 月 5 日，美股科技七巨头合计蒸发约 1 万亿美元市值。其中，特斯拉跌幅居前，大跌 10.77%；英伟达下跌 9.26% 报 181.60 美元，市值缩水超过 4000 亿美元，年内涨幅已全部回吐并转跌，半导体股方面，AMD、博通、英特尔、台积电均跌超 10%。

美国 AI 泡沫如果有戳破的一天，那一定是从此刻开始。

有好事者 P 了个图，黄仁勋躺在病床上，满是遗憾地说道：" 民主党不懂 AI。" 一如当年第十八军军长杨伯涛在弥留之际喊出的黄维是个外行。

直到此时此刻，外界才回过味来，读懂了几年前黄仁勋那句 " 美国发展 AI 的最大优势是特朗普总统 " 的逻辑在哪。

值得注意的是，当大洋彼岸传来 AI 噩耗开始号丧之时，中国乌镇的游船划破倒影，正掀起关于 AI 智能化剧变的又一层涟漪。

11 月 2 日，2026 世界互联网大会乌镇峰会启幕，现场满眼都是大模型、智能体、具身智能机器人，AI 浓度高到令人有点恍惚。

12 年前乌镇峰会讨论的是 " 连接 "，几年前讨论的是 " 数字化 "，今年几乎每一场对话、每一个展台、每一份报告，都绕不开 AI。

有人说，AI 之所以看起来是主角，是因为它同时改变了联接的对象、联接的底座以及联接的成本结构。12 年前在首届大会上提出的 " 互联网 +" 概念，因为有了 AI 突然开始变得具象起来。

一东一西，一进一退，谁也不知道前路为何方。乌镇的夜色渐浓，连机器人抬头时，传感器里也会落进半盏河灯的光。

AI 应用看汽车

乌镇夜话，静水流深。

在一众企业家的高谈阔论中，我们发现几乎所有的关键对话都发生在 AI 的延长线上。

知乎周源认为当前的 AI 浪潮是人类历史上最大规模的一次知识迁移；B 站陈睿感慨 AI 是视频产生以来最大的技术革命；宇树科技王兴兴则表示，具身智能已经接近其 "ChatGPT 时刻 "。

而在当下，具身智能备受关注的大规模量产形态毫无疑问就是智能汽车。

蔚来李斌直言：" 目前出货量最多的具身智能体就是智能电动汽车，汽车是最大的智能应用行业。" 为此，李斌亮出了一个非常具体的产业账本，全球汽车产业总规模约 7 万亿至 9 万亿美元，而 AI 技术在汽车行业的深度应用，预计将创造超过 1.2 万亿美元商业价值。

同样，千里科技陈奇也认为，" 汽车智能化，将成为物理 AI 最早完成大规模工程验证的‘样板间’。" 这也是少见的产业链的两头拥有如此相似的观点。

在这个技术变革的时代，企业家们都在用略显夸张的词句描述 AI 对产业的颠覆，但这样的颠覆正在以更加夸张的速度发生。

国内首台 " 豆包汽车 " 荣威家越 07，10 月 23 日上市，11 月 1 日正式交付，七天时间交付超过 5000 辆，单月销量大概率破万，很有可能会一举成为增程车型的月销冠军。

高通公司中国区董事长孟樸认为，AI 上车主要体现在两个具体的趋势上。

其一是在车的座舱里，AI 要服务于人，不管是服务驾驶员，还是服务乘客。二是在行驶过程中，AI 要提供针对物理世界的解决方案，把车和周围的环境融合到一起。" 随着 AI 能力持续上车，汽车的价值将从‘把人送到目的地’，进一步走向‘理解人、辅助人、服务人’的智能伙伴。"

荣威的逆袭靠的不仅仅是一个 " 豆包 "，但以 AI 为强大背书的 " 豆包 " 正在深刻影响消费者的购车逻辑。

过去，行业谈软件定义汽车，今天，大家的共识是 AI 将定义汽车。过去两年，大模型的竞争焦点集中在语言生成、推理能力，比拼的是榜单得分、测试题通过率。企业忙着向市场证明 "AI 很聪明 "，用户的体验大多停留在屏幕之内，AI 更像一个好用的线上问答助手。

但 AI 赋能汽车，绝非简单将大模型搬上车。在本届大会的 20 项领先科技奖成果里，有一项叫 " 面向物理 AI 的整车智能体技术平台 "。

汽车作为物理 AI 最先规模化落地的场景，正从出行工具演进为整车智能体。这也意味着，AI 正在从 " 技术秀 " 进入工程化、产业化的全新阶段。

智能化的下半场

" 靠小模型修修补补的窗口，正在关闭。" 千里科技陈奇表示，" 大模型决定智能上限，工程体系决定交付能力和效率。" 能否把通用智能引入驾驶场景，并通过工程闭环持续转化为用户体验，将成为汽车行业下一阶段的关键。

在他看来，智能化汽车早已不是单纯的出行交通工具，本质是适配道路场景、可自主感知决策的 " 轮式机器人 "。过往行业智能化，始终停留在 " 人指令、车执行 " 的被动模式，而真正的物理 AI 落地，是实现车辆 " 小脑与大脑的协同发育 "。

在过去，智驾真正的核心竞争力，其实就是含模量。这也是从去年到今年，各家无论是车企自研还是方案供应商的智驾水平都有一个质的飞跃。

然而，模型的智能上限、复杂场景下的推理与泛化能力却还有较大的提升空间。

举个例子，路边滚出一个球，识别到球只是第一步；预判球后可能追出一个孩子，才能更早采取合理行动。面对以上这些复杂路况，仅靠增加规则、修补场景，难以持续突破能力边界。基础模型的价值，在于将通用领域积累的世界常识、推理与泛化能力迁移到驾驶场景。

此时，大模型的价值就显得无比重要。

在这个基础上，陈奇提出了一个比较新颖的观点。没有大模型能力的公司，智驾能力的天花板会很低。但工程效率低的公司，无法保证量产迭代的效率，也一定会被市场淘汰。

" 智驾的本质就是规模换数据、数据换算法、算法换体验。" 陈奇表示，支撑这一飞轮持续运转，需要强大的工程体系。谁能更高效地完成数据回流、模型训练与闭环验证，谁就能更快、更稳地把先锋体验交付给用户。

比如，蔚来的 NWM 世界模型、华为的 ADS 基本都保持着一年一代的更新频率，还大有加速 OTA 的迹象。

辅助驾驶的下半场，看大模型也看工程落地的能力。

在存量竞争的智能化新阶段，行业告别了 " 硬件堆砌、参数内卷 " 的低级竞争，真正的壁垒是软硬一体的场景落地能力。

陈奇认为，汽车智能化的落地将分为清晰的三阶段演进：当下正处于 L2+ 到 L3 座舱与智驾协同的智能化普及阶段，中期将迎来 L4 级技术支撑的汽车共享化阶段，最终实现完全适配人居出行的高阶具身智能时代。

的确，华为的 L3 正在路上，目前很多华系车型已经把 L3 架构写进了 PPT，但是也因为责任的转移，行业里有人不想走 L3。

何小鹏就主张跳过 L3，"L3 模式下安全责任转移给系统，但它只是转移了责任，用户体验没有优化，重点是安全性没有变好 "。他认为 L4 落地在 2028 年下半年，比亚迪、Momenta 则把 2027 到 2028 年看作 L3、L4 的关键窗口。

无论怎样，智驾的下半场基本上与物理 AI 划上了等号，但有人此时也想开一开座舱智能化的倒车。

博世智驾事业部中国区总裁吴永桥给出了一个与行业主流叙事相反的判断，" 汽车不会成为‘第三空间’，车机也不该重复手机已经做得很好的事。" 如果有一个时间判定期的话，吴永桥的答案是，" 永远不会。"

截至目前，博世为全球客户做了 100 多个智能座舱项目，其中包括在车上订咖啡、订餐馆、订火锅店、订机票、订酒店，" 但这些功能几乎没有人用 "。如果说有用的话，只存在于发布会上的 PPT 和销售口中的话术，仅此而已。

在他看来，即使自动驾驶演进到 L3、L4，人不需要自己开车、坐在车里没事干，也不会用车机去订火车票、订酒店，原因是手机的迭代速度、算法、模型和 App 服务，" 远远超过汽车 "。

吴永桥建议把手机和车机划清边界，车机把导航、车控和补能等跟车直接相关的功能体验做到极致就够了。

这一判断也成为汽车物理 AI 赛道里最 " 反骨 " 的旗帜。

站在智能化剧变的前夜，我们终于来到了从虚拟信息世界走向真实物理世界的宏大转折关口。

尽管我们很难精准预判三年之后智能化会抵达哪一步，很多路线之争也不会很快尘埃落定，大模型、终端智能体、硬件形态的取舍，依旧会持续试错。

乌镇的河水缓缓流淌，所幸你我此刻都已听见产业向前的脚步声。

注：图片部分来源网络，如有侵权，联系删除。