在李强看来，“具车智能”大概率会发生在“具身智能”之前，“具车智能”也大概率会发生在中国的车企。之所以有此判断，是因为造一个人形机器人成本很高，而汽车经过这些年的发展，上面的传感器、雷达、音响等硬件几乎已经ready，剩下靠软件和大模型，能够让车和人有非常紧密的互动。此外，在端侧的推理方面，18亿和70亿大模型端侧的推理是不出车的。它的算力可以来自于车端冗余的英伟达、高通或者地平线。

“具车智能原来都是自动驾驶，但未来是大模型上车。”李强表示，决定“具车智能”能力高低的，是基础模型。未来一台车的智能化，90%的能力由基础模型决定。

同时，强大的基础模型要具备全规格和开源的特点。李强说与同行相比，阿里云最核心的区别在于开源。他透露，阿里通信模型目前在整个社会来看开源是做的最激进的，在开源的规格尺寸上从18亿到720亿的模型开源了4个大的尺寸和58个子模型。

“未来一定是云端协同、大小模型混合部署的方式。”李强介绍， 未来阿里云在车端上车的场景，从端侧来看可以有18亿、30亿、70亿的模型在端侧弱网环境下使用。同时阿里云在未来可能在更多的人机互动、更丰富的场景，也可以采用720亿、2000亿的大模型。

在采访中，李强直言，大模型是“具车时代”非常关键的胜负手，而云计算作为基础设施，则是大模型的胜负手。

业内认为，一个好的基础大模型最核心的事情就是算力，第二个就是它的人才以及数据。

在算力方面，由于制裁和投入等方面的原因，中美之间存在较大差距。比如国内某头部新势力车企2024年全年的研发费用投入预算大概是140亿—160亿人民币，其中分到智能驾驶没有单独披露，估计不超过五六十亿人民币，摊到云端算力建设上可能更少。然而特斯拉2024年全年在云端算力建设的预算是15亿美金，其中5亿美金用来买自己的Dojo芯片，5亿美金买英伟达H100，小几亿美金买AMD的芯片。

面对如此巨大的投入和算力差距，如何才能有效提升中国的云端算力呢？李强认为可以做两件事情。一是建一个异构的GPU算力集群，未来不管英伟达也好，AMD也好，或者其它芯片都能够在一起提供算力。就像提供电力，你不需要知道它是火电，还是风电、水电、光伏电。不管是跑大模型还是跑自动驾驶，或者去做推理，要的只是算力的提供。

另一件是提高利用率。李强说，大模型集群越往上的掉卡或者整个大模型的在线率快速下降，100卡、1000卡、10000卡，国外10万卡甚至还有百万卡的集群，阿里在10万卡上如果能够把在线率提高几个百分点，对于所有人来说就能够马上降本。

“当前的自动驾驶也好，包括大模型的算力也好，这些企业对算力的使用实际上效率没有一个能超过50%。把一千张卡或者一万张卡连接在一起的时候，我们真正在有效的时间去使用的话，实际上效率都是不足50%，”

太平洋汽车了解到，当前国内上云企业渗透率大概接近40%，而在国外接近60%。这20个点的差距还有很大一部分是靠中国这一代互联网企业的快速发展，百分之七十几的上云占有率来支撑我们不到40%的上云的数据。“云计算原来是IT的一部分，在未来云计算将是一个企业的战略，而不是可有可无的事情。”

除了加速汽车智能化，阿里云还在汽车出海方面赋能车企。尽管我国在去年已经成为世界最大汽车出口国，但仍然面临不少障碍，比如美国商务部长雷蒙多、交通部长布蒂吉格等美国官员多次以所谓“数据安全”为借口，宣称中国汽车或带来“国安隐忧”。

的确，车企出海最重要的场景是车联网，新能源汽车出海跟油车不一样。过去油车数据很少，新能源车是过去数据的百倍甚至千倍，而且不一样的国家地区也有当地相关的数据规定。李强说，阿里云在这方面可以帮助车企解决问题。因为阿里云2014年就在新加坡开服；2016年在欧洲第一个开服的地点是法兰克福；到2018年去了东南亚的国家，包括印尼、马来西亚；到2022年在沙特也做了的开服动作。

据李强介绍，在过去十年，阿里云在全世界开通了30多个地域、89个大型数据中心，在很多国家采取双数据中心甚至三数据中心的保障，能够陪伴车企在当地合规安全数据，特别是车联网数据符合当地的要求。“车企到当地所有的合规都不用考虑，只要用就好了，没有这方面的顾虑。”

除了数据合规，阿里巴巴的全球生态能力也可以赋能车企出海。李强举例说，蚂蚁金服在30多个国家可以进行支付；高德在去年上了世界地图，覆盖两百多个国家；菜鸟在全球有300万平方米的跨境实体的线下仓库。这些都能与阿里云一起，和中国车企在海外一起来抱团。

如今，大模型和出海已经成为中国汽车圈的热词，而要在这方面取得更大成绩，无疑需要更多像阿里云这样的“基础设施”公司赋能中国车企。