[汽车之家 行业] 10月21日～24日，第三十二届中国汽车工程学会年会暨展览会（SAECCE 2025）在中国重庆·科学会堂召开。SAECCE 2025通过汇聚行业智慧、展示前沿技术、搭建合作桥梁，并携手全球汽车科技力量，服务全球汽车科技发展，共创世界级汽车科技创新平台。
在SAECCE 2025于10月23日上午召开的“2025电动汽车智能底盘大会全体大会暨智能底盘主论坛”上，比亚迪汽车工业有限公司汽车工程研究院院长助理廖银生、吉利汽车研究综院架构中心资深总工邓翔、长城汽车线控底盘的总工程师李飞、理想汽车智能底盘高级总监赵亮、博世车辆运动控制系统中国区新型制动系统产品副总裁张连冲围绕《智能底盘从技术突破到量产落地》主题展开圆桌对话。中国汽车工程学会智能底盘分会副主任委员侯杰担任本场尖峰对话的主持人。
廖银生认为，智能驾驶域和智能底盘域融合开发时，需要思考闭环系统，实现跨域的信息交互，而不应该是两者割裂进行开发。在不同系统开发时，都应该以整车安全为最底层的核心共同目标，以此为基准最终衍生出执行路径。
邓翔认为， 智能底盘的开发应该更加主动地走出去，跟智能驾驶进行融合，实现同一套标准、同一套规则。此外，云端数据需要进行清洗，以方便不同技术域的便捷使用。同时，对于车辆在投放市场后的使用数据仍然需要做好监控，在实践经验中发现工作漏洞，最终实现技术闭环。在他看来，整个过程需要三到四年时间。此后，智能底盘才能真正和智能驾驶、AI算法融合。
李飞表示，在当下的很多智能驾驶域与智能底盘域融合的过程中，智能驾驶域过于强势，给智能底盘域提出一些无法执行的要求。未来，底盘域应该能过自己决策路径规划，因为底盘域拥有稳定边界、摩擦力数据，拥有效率高、通讯快的优势。
赵亮认为，在智驾和底盘开发中需要融入“修正”环节，实现感知、决策、修正、执行的闭环开发，类似人类大脑与小脑间的配合。在他看看来，融合智能驾驶和智能底盘的整车智能体的控制未来会朝着“类人化”的方向发展。
张连冲认为，智能底盘，目前在技术和商业化维度维度都没有瓶颈，但需要一定的时间和大量的样本来提升成熟度。智能底盘的安全打造，除了需要单个零部件子系统安全外，更多需要考虑整车系统的安全。随着线控底盘的引入，智能底盘实现了多重备份、多重冗余。
以下为对话实录（汽车之家精编）：
侯杰：感谢各位专家、各位嘉宾参与圆桌对话的环节。
当前，全球汽车产业正在经历着电动化、智能化对技术和产业链深度重构的进程。汽车的智能化能力正在从规划层向执行层延展，从传统的制动、转向、悬架到现在深度的电动化、线控化和驱制动的深度融合以及集成化控制架构。智能底盘的神经系统和肌肉系统，都在被重新定义。可以说，智能底盘已经成为智能电动汽车的第二大脑。它不仅决定了车辆的动态性能，更是决定了整车智能化体验的关键环节。
因此，本次的圆桌对话将围绕智能底盘量产落地的核心瓶颈、智能驾驶与智能底盘深度融合的路径、AI控制与云端协同、用户体验四个核心话题，共同探讨智能底盘技术的产业化路径以及未来方向。
首先，我们进入今天第一个议题。我们总说软件定义汽车，但要到实现软件定义汽车最终要落在智能底盘这个硬核件上。目前，从工程样车到批量化的量产，实际我们遇到了很多的挑战有很多瓶颈。在这里请问各位嘉宾，智能底盘量产最大的瓶颈究竟是线控技术本身的成熟度，还是产业标准与生态协同的缺位？我们作为智能底盘的参与者，我们又该如何从技术、标准以及与供应链的角度来打破这一瓶颈？
这个问题首先有请整车企业的代表，今天来了四位整车企业的代表和一位零部件的代表，首先有请比亚迪的廖银生先生分享您的思考。
廖银生：智能底盘的发展到今天是到了一个阶段。目前，欧洲也好、美洲也好，都在这个领域争夺主导权。智能底盘到目前阶段，假如说真正落地的瓶颈有两个方面，第一是必要条件，首先是法规方面。线控EMB的法规这三年左右通过行业力量推进下来的，目前仅仅还是跟国外的法规相类似或者大家是相同的概念。今天，产业发展很快，也很不一样。我们的产业在新能源里也是世界第一了。这时候，法规不仅仅是局限于各系统的法规。李骏院士也提出，驱制转向的融合，法规是底盘发展非常重要的必要条件。
如果要突破瓶颈的话，第二个充分条件是我们开发底盘这个技术真正目的和需求要把握住，而不是我们现在自认为的定义。智驾定义还是比较清楚的，L1到L5的需求功能。智能底盘，真正需求把握要去挖掘、去定义。挖掘对之后，对这个需求的推进就会有很快的发展。比如制动，1995年搭载ESP，中间很长一段时间一直在1.0、2.0、3.0，一直升级到手机的那种10.0。真正有代差区别，还是新能源需求拉动的。所以我觉得，充分条件是需求的挖掘，满足真正的价值，是它落地的瓶颈。
侯杰：感谢分享。您刚才提到标准是限制智能底盘落地的关键瓶颈，我相信在座各位都有深切的体验。我们现在的线控转向、线控制动都是受制于法规。法规先行，我们才有上市的机会。这是限制。包括未来新的构型、双电制动，实际我们都需要新法规的支持，这也是我们同仁们一起未来共同努力的方向。
现在有请来自于零部件企业的代表博世的张连冲先生分享一下，您从零部件角度怎么看待这个问题。
张连冲：目前，我们接下来准备工业化和商业化的智能底盘，我个人觉得没有瓶颈，只是时间问题。打比方说，我们现在在做线控转向，包括线控制动，它的成熟度需要时间或加大样本量去做一些路试或者是各种实验提升它的成熟度。这只是时间和样本量的问题。
从安全的角度来讲，智能底盘跟之前讲的机械底盘安全考虑的方面有些不一样。以前是单点的，比如零部件的安全到位，基本上就可以了。但现在除了单个零部件子系统安全之外，我们更多考虑整车系统的安全。这也需要零部件厂特别是主机厂考虑的问题，这不是瓶颈而是有技术解决方案的。随着线控的引入，我们有多重的备份、多重的冗余，不仅仅是双重的可能是三重的。
从产业链的角度来讲，我讲一下成本的问题。随着规模化效益出来之后成本是可以解决的，随着技术迭代我们不断做VA/VE成本也是会下降的。
侯杰：按张总的想法，我们从技术上瓶颈不多。博世是智能底盘的鼻祖，我们最早知道的智能底盘系统就是ABS、ESP。这个问题上，我相信您很有发言权。技术本身不是瓶颈，但安全冗余做到什么程度、零部件做到什么程度、系统级别的安全冗余怎么做、再到整车层面甚至底盘和智能驾驶更大系统的安全冗余怎么实现……最终落到底盘的上车是否安全？这是阻碍了实际真实的上车量产，并不是零部件本身不安全，而是上了车之后存在一些系统性的安全问题，这是您主要的想法。感谢两位的分享！
我们进入下一个议题，在智能驾驶持续演进的过程当中，底盘不再只是执行层，而成为智能驾驶重要协同者，要求底盘具备高的实时响应和自适应的能力。现在，业界正在从分布式的架构向中央计算+区域控制加速转型，一段式端到端智能驾驶控制架构正在逐步量产落地，底盘域与智驾域的边界正在逐步模糊，所以融合肯定是必然趋势了。但是这也带来系统复杂度的提升，包括跨域通信、数据安全等等，都是我们要面临全新的挑战。
在这里问各位嘉宾，在当前端到端控制架构背景下，底盘域与交接域间的深度对话应该如何实现？在算法协同、控制权交接与功能安全之间，我们又该如何建立一套可落地的融合机制？这个问题先有请长城的李飞先生您分享一下。
李飞：问一下咱们在座是不是都是搞智能底盘的，如果是就好办了，开个小玩笑。我借这个机会代表智能底盘诉诉苦。智驾，它认为智能底盘就是干活的，我让你干啥你就干啥就行了，你底下挂了这么多零部件，泊车这个事，就有后轮转向和无后轮转向两套方案。怎么这么费劲？
智能底盘说，你让我干啥我就干啥。但你有时候让我干的活，臣妾确实干不了。比如雨雪天气，让我超车、快速过弯，我一算我肯定过不了。我知道我的稳定边界和摩擦，但这个事怎么告诉你？现在就处于这种状态。我说的不一定对，但这是我的理解。
接下来怎么融合？我谈谈我的想法，大家一块讨论。在接下来一段时间内，是不是存在信息载体的东西，比如咱们有理想车辆动力学模型，智驾域给车辆动力学模型发信息。发什么？名义方向盘转角和目标横排角速度。它为什么是名义的方向盘转角呢？咱们认为，理想车辆模型就是二自由度的。我不考虑后轮转向，这样解决了这个问题。底盘域收到信息解析，你想这么走，我下面怎么做结合域控的算法，自己决策用哪些部件进行执行，是这样的一个过程。底盘域知道摩擦和稳定边界，能够反馈给模型，智驾域拿到后重新进行规划。
在冰面上，你规划路径就不应该是超车，我发过来命令以后发现干不了这个事，我反馈上去，得到以后重新进行规划，那就变成跟随的状态，一看安全距离不够又拉开了安全距离，这样就变成很好的融合的了。底盘域收到指令后可以不执行，它一算确实做不到，把信息反馈上去让智驾再重新规划重新计算。
第二，经过长一段时间以后，有没有这种可能，咱们把路径跟随也放到底盘来做。这个好处是什么？底盘域知道它的稳定边界、知道它的摩擦，智驾域告诉我你想怎么走就完了，至于到底怎么走、下面用谁来走，不用管了。在底盘域进行迭代，又高效，通讯也快。还有一个好处是容易断案，出问题是你的还是我的。智驾域发完规划以后，底盘域一算这个事能干，就没你什么事了，下面走不好就是我的问题了，我是这么理解的。
第三，现阶段能看到相互赋能的过程。怎么赋能呢？底盘域状态估计是我们的基础，我们做状态估计发现什么问题呢？坡道估计，你在上了坡一小段时间，这个估计值上来，它就是慢。我们把智驾的IMU的信号，或者是横摆P直角的信号接进来以后，这个case就非常好。这就是很好的例子，智驾赋能底盘。
底盘怎么赋能智驾呢？我刚才说，状态估计大多数情况置信度是比较高。它的摩擦信息、车辆的运行状态我们告诉智驾以后是能用的。智能轮胎的技术，如果再结合智能轮胎的技术，基本能cover各个场景。这样你把状态和摩擦信息告诉智驾以后，是非常锦上添花的过程。我就说这么多，谢谢大家！
侯杰：接着李先生的说法，您是从智能底盘工程师的角度去看智驾与我们怎么融合，你的困惑是智驾自说自话，隔墙给我们一个信号。我们说臣妾做不到，依我对车辆当前判断是不安全的或者是不优异的。我们未来的方向是希望自己把自车通过动力学模型识别当前的状态，我把信号发给智驾，等于我给你画个圈，你在圈里发任何信号我可以安全和很优异地执行，圈之外给我的信号出现问题咱俩断案就很断了，因为你出圈了，我是这样理解的，您表达的很好。
接下来有请比亚迪的廖银生先生听听您的想法。
廖银生：车是用来开的，必然成为闭环系统。以前是给人开，现在变成给智驾开。如何去思考闭环系统呢？从某种意义上来说，尤其当前智驾退出工况是很危险的，靠人去接，无论是谁都接不住，底盘接也是不对的。这个过程不应该有隔阂。智驾开发过程中，我们认为，做智能底盘还是不够主动，刚才提出智驾给你的需求是比较强势的，不管对错。它是提出来了，我们如何去做，就是我们要去思考的。
在这个工作过程中，我们应该做哪些东西？我们应该主导起来、承担起来，整个车把人撇开就剩智驾了，它就是闭环系统，不存在你我之间割裂的东西，我们要主动去做，也应该要去承担。在这个过程中一切的交互，交互的点，不应该割裂地丢。
假如智驾，后车追尾你了。这个过程中究竟是谁的问题？这是很典型的危机工况里要去做的。通过这个过程，就能把整个安全性作为主要目标去开展工作。这个过程中我觉得，跟智驾的关系，以整车安全目标为共同目标去做。这时候的开发不存在是割裂开的，它成为闭环的系统，应该把汽车做成一个闭环系统去考虑，让整车的安全作为目标，去做所有的开发工作，这里面具体化的东西就能衍生出来，这是我的一个看法，谢谢！
侯杰：您又提出来智能底盘第二个困惑，智驾觉得自己不强了，很强势直接退出不玩了，交给底盘了。底盘怎么接力棒怎么去做？这是我们面临的挑战。您给的建议就是，底盘和智驾要深度融合，不要存在直接宕了看你，你能兜就兜，你兜不住咱俩一起玩儿完。做到这个目标，需要两个团队的深度融合。
下面听听理想汽车的赵亮先生。
赵亮：我先说一下自己的认知，现在市场上大家都说端到端，如果以目标为导向，第一性原理来看，只要整个系统功能上、性能上、体验上都是没有问题的，那就变成另外一个维度了，就是怎么更高效，怎么更合理。那是前期必须要保障的，效率和成本那是终级竞争。
我有自己的答案。我认为，未来智驾和底盘域就会成为人的大脑和小脑，我提一个概念，没有行业这么讲。在智驾和底盘之前的说法里是感知、决策、执行。我认为，大脑和小脑中多了一环，感知、决策、修正、执行。这里的“修正”是小脑干的活。这个活，现在没人做，其实就是刚才大家说争议的地方。修正在人的小脑上就是这么干的，我们在底盘上是不是能这么干。
我个人角度认为，可以这么干。过去ADAS整个系统就做了决策，根据于视觉、雷达和语言多模态的感知、指定的规划路径，这时候规划路径和它认识的世界是不完整的，底盘是执行系统。人是有五感，视觉、听觉，最重要的觉是触觉。其实，底盘就是车的触觉。车在路上行驶能够得到很多关键的信息，比如路面的附着、路面的颠簸信息，把这些信息上传给ADAS，反馈给它，经过大模型的多模态感知，它会做出更好的轨迹规划。
另一方面，大脑就是大脑，它有感知决策，但它不知道身体状态是什么样。车辆自己的模型，实际车辆能力只有底盘域最清楚，在最清楚的时候我们要实时地给上层进行底盘能力、行驶能力的反馈，这样会让ADAS知道身体什么能力、现在周围环境是什么能力，给予更好决策的规划路径。
这里还有另外一个，有了好的决策规划路径，我们也有好的能力了，一定能行吗？现在我们也走得很好。实际上你也会再出来问题，这里变成谁兜底的问题。过去讲的功能安全的概念，我们将来会做到Feelsatety，其实我们将来会做到Feeloptional。ADAS在制动失效的前提下怎么办？制动失效或者转向失效，举个例子，转向失效了，车需要转向，只要把意图告诉车，它想往哪转好了。至于制动系统执行，还是转向系统执行了，其实转向系统坏了，应急时制动就可以执行偏航角。只有底盘才能做这个事，ADAS要做非常复杂。
我说一个我的观点。我为什么说大脑、小脑最好，这里有迭代效率的问题。如果我们要做超级复杂的模型，那我的模型参数会更大。我个人感觉，大家经常用大脑。大脑不停地学习，一天天学习、天天迭代、天天更新，身体不健身不用更新还能维持，它是更加需要不断迭代的。迭代频率和速度都不一样，如果把两个迭代速率要求不一样的东西硬绑在一起，导致浪费迭代，而且会导致某一个大脑的学习会更累，大脑运行时要重启那个电脑。现在一半在学习另外一半身体不用动，大家不是跳着舞要学习。这里有分工协作合理，所以效率层面，人是好的智能体。
我个人的感觉，我更相信将来智能体整车的控制会朝类人化，人进化到现在就是效率问题，最终级第一性原理是把这些东西搞定是效率问题，终级是这个。至于我们如何到达终点，需要在座各位同仁共同的探索，这是我的观点。
侯杰：感谢！我的理解底盘的两个使命：第一是你正常发了一个轨迹，执行时可以做一些修正；第二是当你宕的时候，我可以兜底。底盘做到这两点，底盘要有足够的多模态感知我才能判断。你这样对于算力、计算的效能和智驾系统怎么区分，你在正常的时候，等于带了两个成本大脑，从成本上也不太核算。我们最终走向类人化，这是终级方向，怎么实现您的两个需求，对于底盘而言确实是一个挑战。感谢。这个议题就说到这儿。
我们现在进入第三个议题。当下的智能汽车正在从传统的控制逻辑向AI驱动逻辑转变，通过车端感知与云端协同，底盘也可以实现动态的学习与自我优化，从而在不同的路况、气候和驾驶风格下进行实时调节。AI算法在我们控制策略中落地的时候，它有安全性、实时性和可解释性的问题。问在座的嘉宾，AI驱动智能底盘发展中，我们该如何平衡智能优化与安全可控，AI是否有可能真的重构整个底盘的控制系统，让车辆真正地具备学习能力？在此基础之上，我们又该如何建立一套适配AI底盘的测试和验证体系？这个问题有请吉利的邓翔先生您回答一下。
邓翔：从吉利的实践经验来说，这个话题通过四个环节来回答，第一是基础设施，第二是数据链路，第三是迭代测试，第四是闭环验证的环节。
像刚刚廖工所提到的，底盘应该更加主动地走出去，跟智能驾驶的融合里，首先大家要讲同一套语言，他们采的数据，对于我的底盘来说是不是能用？对于时延、丢包率、荣誉度等方面，是不是双方都能接受的同一套标准、同一套规则？这是第一步。因此我们在架构上做好基础设施，确保大家的信号、信息、定义是一致的。
其次，在云端的数据里面，智驾的数据和底盘所需要的数据会有一些差别，这里我们需要做清洗和确认。比如说预瞄的魔毯对于颠簸度和置信度可以低一点，如果我们做自适应的全力型，前面冰面和水面识别要比较高，智驾数据要经过确认才能应用。
第三，在前两个渠道打通了之后，对于底盘仍然要经过“两高一低”的实验，确定前面的数据用得好并且用到位了，光有这些我们认为还不够，我们对于车辆在后市场上的数据仍然需要监控，去监控是不是真的按照我们想要的情况来做实施的。
在实践经验中发现，这些清晰的工作还是会占据很多的经历，这样我们可以形成一个闭环。
所以，整个过程需要三四年的时间，底盘功能往车上迭代需要大量的前置性工作。完成这些，才能真正跟智能驾驶、AI算法融合在一起。这是我们的经验和观点。谢谢！
侯杰：您这里提到数据清洗，我们现在都在讲AI数据，这个数据并非是纯粹大模型的数据，我们还要基于底盘特有的规则性的尺子去筛选数据、清洗数据，才能应用于底盘的开发工作。我们觉得底盘的AI和智驾、其他系统的AI不太一样，我们很多时候还是基于机理和数据联合驱动的AI，才有可能真正在车上落地实施。
邓翔：我补充一句，智驾行驶到前面是泥地，真正用到底盘系统上我要知道辅助系数是多少，在泥地我们要去做清洗。
侯杰：明白，谢谢。下面有请理想的赵亮先生，我们听听您的想法。
赵亮：首先我是一个非常看好未来底盘AI化趋势的人，所以我得到的结论都是偏乐观的，我有一些思考的东西。
AI一定会帮助底盘实现自进化。为什么是这样？现在具备了几个条件：硬件的智能化在快速的发展，包括线控化也快速地发展。中国的OEM也好，还是全球的OEM，自研能力在不断地提升。同时，包含博世在内的合作伙伴，大家的开放度也越来越好。这样导致我们可以得到大量的数据，而且现在云的发展也飞快，还有自学习、强化学习的大模型也发展的很快，这就具备了AI底盘的前提条件。
咱们在行业里已经能初步的看见，多模态感知融合、车路云之后带来底盘方面智能化的体验。随着未来一段时间的发展，真正做到AI底盘全智能化的控制有一定的机会也是有可能的。
怎么来说呢？一边担心安全，一边因为有全自研MPC逻辑算法的模型我们就可以兜底。另一方面，基于数据对底盘的大模型，通过强化学习进行训练。训练的同时，大家一定会觉得这个东西没有可解释性。那怎么办？有这方面的论文讲了一下，可以通过数据、车辆物理模型的数据去训练大模型。这样会让我们的大模型不违背物理规律。因为物理模型的数据是物理规律，这样会让大模型具备一定的物理模型的能力，不停的训练通过大量的验证之后，我们认为它的成熟度会逐渐地提升，有一天集成到一定程度了，MPC兜底就可以拿掉了。
大家都有孩子。孩子在刚走路的时候，家长一直想看着。家长也在问，你怎么站起来、怎么走的。好像长大以后，再也没有人问孩子怎么走的。这里孩子需要成熟度。
这里又引入了另外一个话题，如何验证。我想到两点。安全仍然是第一，怎么解决安全的问题，测试也是安全，既然有MPC兜底的情况下还有测试的安全，我想用虚拟仿真，因为虚拟仿真可以产生海量的场景，至少在仿真里是可以的，不能靠人试最危险的场景，这个太夸张了。
另外一个是效率问题，全靠人试比标定还难。
第一还是生成式虚拟仿真的验证对底盘发展还是有帮助的，我们要去发展要把路线跑通，跑出一定成熟度之后，我认为AI底盘是没有捷径也不会一蹴而就，大家要有敬畏之心想办法多验证，没有捷径。
传统的底盘技术，至少我敢上路要跑100万公里。但我对于AI底盘，个人的判断，我认为里程交到客户手里至少是百倍、千倍里程的验证。如果是100万，至少是10亿级路试的验证。验证充分了，通过时间，行业不断探索会再发现新的手段，这样就能把智能底盘真正做成，就变成真正的小脑。大脑去做大脑的事，小脑做小脑的事我认为是合理的。以上是我的观点。
侯杰：感谢您对AI驱动的智能底盘充满信心，您提了主要两条。第一是基于物理模型的大模型去训练AI，让它更智能；第二是加强虚拟仿真验证，这对稚嫩底盘的发展是非常关键的。
我们进入今天最后一个议题，任何技术的价值都要回到用户体验，目前很多企业开发的智能底盘在极端路况自适应调节、危机工况安全行驶等功能，实际上用户并不能从日常驾驶体验中去感受到，这些场景是否应该被定义为智能底盘研发的优先项？我们又是在未来底盘技术当中如何能够更好地理解用户、服务用户甚至先期预判用户的需求，这个问题首先请长城的李飞先生。
李飞：随着智能底盘的发展，多了这么多硬件以后，多了这么多自由控制度，就衍生出了很多问题，咱们一个个说。先说特别酷炫的。比如现在大家都在流行研究漂移，不管是自动漂移还是辅助漂移，能让一个业余选手很快享受到漂移的乐趣。这种功能，不经常用，用一次一定得爽，这个情绪价值必须得到位。
还有是用户能感知到的，高山5米多长的车，我们利用制动和驱动开发灵动转向的功能，能够使它的转弯半径从5.7米到了5.3米，差不到半米的距离你感知不一样，开出了一种小车的感觉。ITVC技术在实时监控滑移状态，通过发现一侧一轮一轴打滑向另一轴的转移，在保持动力的时候能够保持它的稳定性，还有是入弯、出弯的时候基于扭矩前后分配，很好能够帮我们冲冲弯，这是一点。
原地掉头，很多人觉得炫的效果多一点，但确实有它的应用场景。咱们把这个车开到巷子里挺深，但是断头路要倒，如果空间可以再调回来，给人的感觉特别好。还有横向移动的技术，这是针对侧方停车，对一些女同志是特别好的，这是一点。
再是相对复杂一点的场景。比方说对开路行驶，这种情况北方经常遇到，长城开发了对开路稳定控制结合后轮转向的功能，驾驶员不用怎么打方向的时候，后视转向给你调节，他知道你的驾驶意图后能保证车辆直线稳定的行驶，这是一点。
感知不是那么明显的，比如EMB技术，驾驶员能感觉到现在不像以前液压那么打脚，因为EMB采用小幅高频的控制策略，它和液压不一样，在很小范围内能够调节就没有打脚的感觉了。响应时间快、控制精度高，实实在在在缩短制动距离，用户感觉的就差一些，这是第一方面。
最后我想说一点，咱们在研究智能底盘功能的时候，不能说我们因为有了这么多硬件再挖门凿洞造哪些场景，我们要结合用户的需求和我们的技术水平硬件缺什么，基于这个角度出发，不要整反了。
侯杰：很多场景工程师想象的功能和用户需要的首先要识别。您刚才又分了几类，一类是纯粹功能性的，原地掉头，但这种功能性又炫酷，对年轻人有吸引力，这是功能性的，还有一类是增强驾驶乐趣的，漂移包括高速，原来是50公里未来上100公里，提供的情绪价值和驾驶乐趣这也很重要。另外底盘在危急工况下报命，这也是很重要的，只要我们识别是出真需求那确实有价值。
我们再听听吉利的邓翔先生您怎么看这个问题。
邓翔：以吉利的经验来说，最重要的是大家讲同一种语言，其次聚焦在客户的痛点上。AI技术或者说智能驾驶技术的引用帮底盘多加了一双眼睛，或者说走的更宽的一条路，底盘控制之前大部分是反馈技术，融合智能驾驶的信号之后，我就可以做更多的前馈控制，前馈控制需要时间和数据来验证它的成熟度，就像上一个问题所聊到的那样。一旦这个信号确信度、准确度达到可以使用的量级，它会大大拓展我们的应用范围。
这边我想举三个例子，第一我们在碰到减速带或者有坑或者井盖的时候，传统的大马力驱动的车子容易打滑。如果我能提前看到，我就可以控制扭矩上升的斜率，这样就可以减少打滑和失稳的概率，这对于吉利大马力后驱车有应用。
第二，一些湿滑路面，自动驾驶碰到湿滑路面触发了底盘稳定性控制它就退出了。如果咱们讲同一种语言，我告诉你这个地方会有短暂底盘的控制你不要退出，这个也能提升用户的体验。
如果我们把这个范围再放大一点，长期来说智驾一定会往全天候、全区域的方式发展，只是今天在前端的应用上还没有来得及考虑底盘控制所擅长的方面。所以，我们也想在这个基础上，我们主动一点往前一步，先把这些地形数据、路面信息、前馈的控制基础准备起来。随着2年、3年的应用迭代之后，觉得这个确信度、置信度可以达到我们的需求了，我们慢慢把功能迭代上去，从我们的角度来看这是非常广阔而且令人兴奋的一片天地。
侯杰：感谢。总结起来，您等于接着李飞的想法。李飞提了真需求，您接着这个棒提真需求怎么入手，就是从用户痛点入手。又提到不管是真需求还是假需求，这个活先干着，不定哪天有需求随时能上。我们再听听来自博世的张连冲先生，您来自于零部件汽车，对于整车的功能您怎么看待这个问题？
张连冲：电动化、智能化在中国飞速发展，用户体验不仅仅是主机厂做的事情，零部件企业也深入做这个事情。我针对这个话题，大概从两方面讲一下，从技术角度和场景技术。技术角度来讲，现在智能底盘能看到工业化和商业化线控转向、线控制动+主动悬架，如果这个结合再加上软件定义汽车，让车的性能大幅提升变成了可能，而且用户直接能感受得到。
打个比方说，纵向线控转向、线控制动让驾驶模式的无极调节变成可能了，它不仅仅是局限于像过去一样仅限于舒适模式或者是运动模式，实际我有很多种模式，我拉根线可以无限地拉。横向来讲，多执行器的融合可以让车在横向稳定性包括操控性变得比原来的性能有大幅的提升，可以说极其卓越。从纵向上来讲，主动悬架可以进一步体动车的舒适性、通过性包括脱困性，从技术上都变成可能了，我可以在同一辆车上调出不同的模式。
场景上来讲，我举几个比较典型的场景，你现在车上坐着家人、孩子、老人，这时候你车上应该开启舒适模式或者是柔和模式，包括加速、制动应该比较柔和，可以让乘客坐得更舒适、防晕眩。如果你现在在城市的通勤，路比较狭窄，这时候你应该开启窄路掉头，通过驱动、制动来加持转弯半径进一步减小的模式应该开启，包括丝滑侧方位的停车应该开启这种模式。假如你这辆车开到了户外，你应该开启越野模式，这时候全地型的功能可以打开。
我们有句口号，你买了一辆车，何必只是一辆车，实际上在一辆车上有多种的体验。
侯杰：您从零部件企业角度讲，您提供同样一个产品给主机厂，但主机厂可以基于这个零部件赋予这个车不同的灵魂。感谢！
刚才几位嘉宾分享了各自专业角度、各自主机厂不同视角的角度，分享上面四个议题看法。感谢各位！今天我们的圆桌对话到此结束，再次感谢各位专家的精彩分享，感谢在座各位的聆听。
