赵福全对话吴晓如：整车企业如何突破数据壁垒，实现高效协同创新

在《赵福全研究院》第78期高端对话栏目中，科大讯飞联合创始人、总裁吴晓如与清华大学车辆学院教授赵福全展开深度探讨，围绕智能汽车时代整车企业与供应商的合作模式、数据应用瓶颈及算力布局策略等议题展开交流。这场由盖斯特管理咨询公司策划的对话，通过视频号直播后整理为四部分内容，本文聚焦于双方对行业核心问题的观点碰撞。

针对整车企业与供应商的合作边界，吴晓如提出“以终为始”原则：车企需建立以用户体验为核心的评价标准，贯穿产品开发全流程。他以语音交互功能演进为例，指出早期车企仅关注语音识别准确率，但随着技术发展，用户对自然语言调用车控功能的需求成为核心指标。这种转变促使车企将功能定义权与体验评价权牢牢掌握，同时将技术标准制定权开放给供应商，形成“超级Tier1”与专业供应商的分工模式。赵福全补充强调，智能汽车开发需实现软硬件的“分离-组合-融合-平衡”四步走，这要求车企具备对底层技术的理解能力，而非简单依赖供应商。

在合作模式创新方面，双方认为传统甲乙方法关系已不适应新汽车时代。吴晓如提出共建联合实验室、技术团队深度对接等新型合作方式，通过资本、技术、标准等多维度协同降低“被绑架”风险。他特别指出，健康合作应围绕用户价值实现合理利润共享，形成持续创新循环。赵福全以丰田整供模式为例，强调新汽车时代数据共享的重要性：整车企业掌握的用户偏好数据与供应商的技术开发数据结合，才能构建AI时代的核心竞争力。他警示，试图通过压价或技术垄断维持优势的做法，终将破坏产业生态。

数据应用瓶颈的破解成为讨论焦点。吴晓如提出四大关键问题：数据脱敏需建立精准过滤机制，确保隐私信息不泄露；数据质量提升需经历“可用-结构化-高质量”三阶段技术攻关；数据合规要贯穿采集、使用全过程；利益一致需构建车企与供应商的双向赋能机制。他透露，科大讯飞每年将25%研发经费投入数据领域，重点建设数据采集规范、脱敏标注体系及应用模型优化三层架构。赵福全进一步指出，数据治理架构比技术本身更重要，企业需建立数据归属认定、共享范围界定等规则，避免因利益分配不清导致合作受阻。

关于算力布局策略，吴晓如提出“最小需求”原则：车企应围绕核心业务自建基础算力设施，保障数据存储安全与关键功能稳定性，但需避免盲目囤积。他分析称，汽车行业算力需求占全社会比重较小，且车企主要聚焦应用层专业模型开发，无需自建大规模通用模型底座。对于AI技术爆发可能导致的公共算力短缺担忧，他认为商业数据中心已能满足车企数千至数万张显卡需求，组合使用自建与外购算力更具经济性。赵福全从研发经济学角度佐证，建议车企将70%核心能力自投自建，30%低频业务依赖外部资源，通过精准评估投入产出比规避技术迭代风险。