在《趙福全研究院》第78期高端對話欄目中，科大訊飛聯合創始人、總裁吳曉如與清華大學車輛學院教授趙福全展開深度探討，圍繞智能汽車時代整車企業與供應商的協作模式、數據應用瓶頸及算力布局策略等議題展開交流。這場由蓋斯特管理咨詢公司策劃的對話，通過視頻號直播后整理為四部分內容，本文聚焦于雙方對行業核心問題的觀點碰撞。
針對整車企業與供應商的協作邊界，吳曉如提出"以終為始"原則：車企需建立以用戶體驗為核心的評價標準，貫穿產品開發全流程。他以語音交互功能演進為例，指出早期車企僅關注語音識別準確率，但隨著技術發展，用戶對自然語言調用車控功能的需求成為核心指標。這種轉變促使車企將功能定義權與體驗評價權牢牢掌握，同時將技術標準制定權開放給供應商，形成"超級Tier1"與專業供應商的分工模式。趙福全補充強調，智能汽車開發需實現軟硬件的"分離-組合-融合-平衡"四步走，這要求車企具備對底層技術的理解能力，而非簡單依賴供應商。
在協作模式創新方面，雙方認為傳統甲乙方關系已不適應新汽車時代。吳曉如提出共建聯合實驗室、技術團隊深度對接等新型合作方式，通過資本、技術、標準等多維度協同降低"被綁架"風險。他特別指出，健康合作應圍繞用戶價值實現合理利潤共享，形成持續創新循環。趙福全以豐田整供模式為例，強調新汽車時代數據共享的重要性：整車企業掌握的用戶偏好數據與供應商的技術開發數據結合，才能構建AI時代的核心競爭力。他警示，試圖通過壓價或技術壟斷維持優勢的做法，終將破壞產業生態。
數據應用瓶頸的破解成為討論焦點。吳曉如提出四大關鍵問題：數據脫敏需建立精準過濾機制，確保隱私信息不泄露；數據質量提升需經歷"可用-結構化-高質量"三階段技術攻關；數據合規要貫穿采集、使用全流程；利益一致需構建車企與供應商的雙向賦能機制。他透露，科大訊飛每年將25%研發經費投入數據領域，重點建設數據采集規范、脫敏標注體系及應用模型優化三層架構。趙福全進一步指出，數據治理架構比技術本身更重要，企業需建立數據歸屬認定、共享范圍界定等規則，避免因利益分配不清導致合作受阻。
關于算力布局策略，吳曉如提出"最小需求"原則：車企應圍繞核心業務自建基礎算力設施，保障數據存儲安全與關鍵功能穩定性，但需避免盲目囤積。他分析稱，汽車行業算力需求占全社會比重較小，且車企主要聚焦應用層專業模型開發，無需自建大規模通用模型底座。對于AI技術爆發可能導致的公共算力短缺擔憂，他認為商業數據中心已能滿足車企數千至數萬張顯卡需求，組合使用自建與外購算力更具經濟性。趙福全從研發經濟學角度佐證，建議車企將70%核心能力自投自建，30%低頻業務依賴外部資源，通過精準評估投入產出比規避技術迭代風險。
