在故乡德国，大众汽车和其他老牌汽车巨头一样，正经历着史上最严酷的阵痛：

销量利润双双下滑，关厂裁员一波又一波……

而在中国安徽，一个 " 陌生 " 的大众，正在进行深刻的重构。

从组织架构到研发流程，再到技术认知和核心理念，所有一切，都指向一个终极目标——百年大众汽车，怎么才能顺利跨进 AI 时代。

负责推动这场变化的人，是韩三楚。

曾经深度参与中国车企智能化变革，如今是大众的智能化技术负责人。

他在做的事情，" 是帮助大众找回汽车公司的灵魂。"

韩三楚是谁？他在大众干什么？

把汽车产业过去几十年的竞争拆开来看，大众最擅长的是机械时代的复杂工业能力，发动机、变速箱、底盘调校、制造体系、全球供应链，这些构成了大众过去几十年的护城河。

但进入智能汽车时代，汽车竞争开始增加另一套能力体系：软件架构、算法、数据闭环、AI 工程。

而这恰恰是韩三楚长期深耕的方向。

韩三楚并不是传统意义上的汽车职业经理人，而是少数横跨汽车工程和软件架构的资深专家。

毕业于西南交通大学和美国得克萨斯大学达拉斯分校，专业背景覆盖机械工程和计算机科学。

在加入大众之前，他曾在长安汽车负责智能化和软件架构相关工作，担任长安汽车首席软件架构师、长安科技首席技术官，推动 SDA（Software Defined Architecture，软件定义汽车架构）建设。

SDA 解决的问题，就是传统车企进入智能汽车时代都会遇到的问题：过去汽车是一堆控制器组成的机械系统，一个功能对应一个 ECU，一个模块对应一套软件。

但未来汽车需要像智能终端一样不断升级。硬件平台相对稳定，软件能力持续进化，这要求汽车企业重新设计底层电子电气架构。

韩三楚的能力，并不只是开发某一个算法或者某一个功能，而是能够站在整车系统角度，思考如何建立一套支撑未来汽车的软件体系。

这是大众选择他的原因。

2024 年，韩三楚加入大众汽车集团（中国），担任 CARIAD 中国 CEO，同时担任大众汽车集团（中国）执行副总裁。

CARIAD 是大众集团负责软件业务的核心组织。过去几年，大众全球范围内都在推进软件转型，但推进过程并不顺利。

原因很现实：汽车软件不是简单开发一个 APP，而是涉及整车架构、安全验证、供应链协同、全球组织协调。

对于一家拥有百年历史的汽车巨头来说，软件转型不仅是技术问题，更是组织能力问题。因此，大众需要的不只是一个软件负责人，而是一个能够理解汽车工业逻辑，同时理解中国智能汽车速度的人。

韩三楚来到大众之后，承担的任务也非常明确：推动大众建立下一代汽车公司的能力体系。

而这背后，首先需要改变的，是大众对于 AI 汽车的理解。

两年时间，大众中国重构 AI 汽车底座

韩三楚进入大众中国之后，外界关注到的是一系列技术名词：CEA 架构、自研芯片、端到端智能驾驶、Agent OS 等等。

把这些动作放在一起看，会发现它们并不是几个独立项目，而是一条完整的技术演进路线：

先解决 " 谁来开发 " 的问题，重构大众中国研发体系；

再解决 " 汽车如何承载 AI" 的问题，打造新一代电子电气架构；

最终解决 "AI 如何真正改变汽车 " 的问题，通过 Agent OS 重新定义汽车产品形态。

这背后反映的是大众经历新能源转型之后，对智能汽车竞争本质的一次重新判断。

过去，全球汽车巨头普遍采用总部主导、区域适配的研发模式：比如德国大众负责全球平台、核心技术路线，中国团队根据本地市场需求进行车型开发和功能适配。

但进入智能汽车时代，竞争逻辑发生变化。尤其中国市场，智能驾驶、智能座舱、AI 应用的发展速度远远超过传统汽车开发周期，如果仍然采用 " 总部定义、中国执行 " 的模式，很难适应新的产业节奏。

因此，韩三楚推动的第一件事，是重新调整大众中国在集团中的技术定位：从过去的市场和制造中心，转向智能汽车技术能力中心。

目前，大众中国在安徽合肥，搞起了一套以软件、整车、智能驾驶、数字体验为核心的新研发体系。

其中，大众汽车（中国）科技有限公司（VCTC）承担整车研发和技术开发职责，负责连接大众全球工程体系与中国市场需求；

CARIAD 中国则负责软件能力建设，包括汽车软件平台、操作系统、数字化架构等核心能力。

大众与地平线成立的酷睿程（CARIZON），聚焦智能驾驶技术研发，以及自动驾驶芯片研发，负责 ADAS 以及未来 AI 基础硬件能力建设。

当然围绕智能座舱和用户体验，大众中国也布局了相关研发力量（CARThund、CARIATIVE）。

AI 汽车研发不再是分散的车型项目，而是一个软件、硬件、算法、数据共同驱动的系统工程。

所以对于大众而言，需要补上的除了具体的智能化功能，更关键的是一套能够持续迭代汽车的软件研发能力。

而这一能力最终需要落到汽车底层架构。

过去汽车电子系统采用的是典型分布式架构。一辆车内部存在大量 ECU，不同控制器负责不同功能，例如动力控制、车身控制、座舱控制、辅助驾驶控制等。这种架构的优势是稳定成熟，汽车企业可以通过增加控制器不断扩展功能。

但进入智能汽车时代，这种架构逐渐暴露限制。

韩三楚这两年间主要推进的 CEA（China Electronic Architecture），本质就是针对这一趋势打造的新一代电子电气架构。它并不是简单减少控制器数量，而是重新设计汽车的计算、通信和软件体系。

CEA 架构的核心变化首先体现在计算模式上。传统汽车是 " 控制器驱动 "，每个 ECU 承担固定任务；而新架构则强调 " 计算平台驱动 "，通过中央计算平台承担高复杂度的软件和 AI 任务。

但汽车并不能像服务器一样完全集中计算，因为车辆对于安全和实时控制有极高要求。因此 CEA 采用中央计算与区域控制结合的方式：

车辆不同区域由区域控制器负责本地执行，例如车身传感器、执行器的数据采集和控制；中央计算平台负责更高层的软件逻辑和复杂算法。这种架构既提升了计算效率，也降低了传统汽车中大量 ECU 和复杂线束带来的成本与复杂度。

更重要的是，CEA 改变了汽车的软件形态——软硬件解耦，让汽车具备类似智能终端的软件生命周期。车辆交付之后，新的算法、新的功能、新的 AI 能力可以通过 OTA 持续部署，而不是依赖下一代车型。

这也是大众为什么把 CEA 视为 AI 汽车基础设施的原因。

在 CEA 之上，大众还需要解决两个问题：汽车如何获得 AI 计算能力，以及 AI 如何真正进入智能驾驶场景。

前者对应芯片——酷睿程（CARIZON）承担研发的 C7H，基于地平线最新的 BPU（边缘计算架构）打造，具体采用地平线第四代 BPU 黎曼架构，3-4 纳米制程，单颗芯片 AI 算力达到 500-700TOPS。

过去大众的 ADAS 与自动驾驶控制器主要由博世、采埃孚与英伟达等外部供应商提供，软件开发与算力芯片处于分离状态。

自研芯片后，大众从 " 系统集成者 " 转变为 " 智能平台定义者 "，从依赖外部芯片供应走向软硬协同、从功能跟随迈向本地定义。

后者对应端到端智能驾驶，既有酷睿程自研，也有合作外部供应商。

但无论是 CEA、芯片，还是端到端算法，它们都不是目大众转型的最终目的。

大众的核心 AI 认知驱动

大众真正想解决的问题，是如何让 CEA、芯片、端到端等等技术最终转化为汽车智能化体验。

这也是为什么Agent OS 成为韩三楚所强调的核心方向，也是大众在几经转型不顺后，重新构建的最新 AI 认知——

未来汽车竞争的关键，不是谁拥有最多功能、最大模型，而是谁拥有一个能够理解用户、调用车辆能力、持续进化的软件智能体。

Agent OS 代表的交互逻辑，是理解用户目标，然后调用车辆、软件和外部服务完成任务，负责长记忆的存储与调用、跨场景的意图理解、多模态感知的融合、车控指令的安全下发。

它让 AI 不再是每句话都从零开始理解的 " 金鱼 "，而是越用越懂用户的伙伴。

而汽车本身，又可以与手机、穿戴设备在系统层面联通——中短期，大众的 Agent OS 是车载，而长期，可以是统一的 AI 框架和智能体状态管理。

这意味着理论上可以用同一套 API，写一个智能体，让它同时运行在手机、汽车、眼镜上，并且在不同设备间保持状态同步。

物理 AI 的终局想象里，竞争不可能停留在 " 谁的车上 AI 更聪明 "，而是会转移到 " 谁的智能体能跨越最多设备、记住最多场景、提供最连续的体验 "——即 AI Agent 无缝穿梭于用户的全场景。

在手机上训练一个智能体，上车后它自动接管，下车后它又回到你的眼镜里——这种粘性，才是物理 AI 时代真正的护城河。

再从技术架构看，Agent OS 需要连接多个层面：底层连接车辆硬件能力，包括动力、座舱、驾驶辅助、车身控制；中间连接 AI 模型和软件服务，负责任务理解、推理和决策；上层连接用户需求和生态服务。

——把 AI 基础设施转化为用户每天能够感知的价值。

基础大模型本身会逐渐成为行业公共能力，但汽车企业拥有的数据、场景、工程能力和用户理解，才是难以复制的部分。

对于大众而言，Agent OS 之所以真正代表 AI 时代车企的 " 灵魂 "，在于它让汽车重新成为一个围绕用户需求持续进化的智能产品。

这也是韩三楚在大众中国，推动的一系列技术和组织变化最终指向的方向：

大众不是简单给汽车增加 AI 功能，而是构建一家 AI 时代汽车公司的底层能力。

怎么理解大众在中国推动的转型

如果回看大众过去几年的转型，它并不是 " 不愿意改变 "，而是对变化本质的理解经历了一次迁移。

ID 系列代表了大众进入电动车时代的第一步，它解决了一个核心问题：如何把一家传统燃油车巨头的制造能力迁移到新能源时代，从平台、工厂到产品体系，大众完成了一次转型。

但中国市场，也包括后续几年的全球市场给出的反馈也非常明确：新能源汽车竞争并不是简单完成动力替换。

智能汽车才是改变汽车的价值来源。

这也是大众如今最大的认知变化，大众开始思考如何打造一个能够持续进化的智能系统。

这种变化，也解释了为什么大众没有简单选择成为一家 " 大模型公司 "，追求的也不是 " 汽车 GPT"。

过去十年，" 软件定义汽车 " 完成了从概念到主流的跨越，但本质上是把手机的逻辑搬到了车上——功能不断堆叠，交互仍然以触屏和指令为主。

用户面对的是几百个功能图标和越来越厚的用户手册。AI 的到来，有机会从根本上改变这种关系：从 " 人找功能 " 变成 " 功能找人 "，从 " 固定规则 " 变成 " 动态涌现 "。

但物理 AI 的落地，远比想象中复杂。它不仅要理解用户的显性指令，还要感知环境、预判需求、在毫秒级内做出安全决策。

这需要底层模型具备对物理世界的因果推理能力，需要车端算力与云端协同，更需要一套全新的中间层来连接大脑与身体。

给语音助手接入大模型、生成几张壁纸的层面，离真正的物理 AI 差了好几个维度——模型、数据、场景三要素，哪个都不搭边。

但要求一个玩家具备所有三要素的能力，却又是一件严苛到不切实际的事，对大模型玩家如此，对车企玩家更是如此。

就比如，巨头英伟达希望通过最强的算力方案、最齐全的生态引导模型进步；马斯克在特斯拉实践的，则是通过最快速最广泛的数据闭环，驱动模型迭代。

但事实上，物理 AI 依赖的基础多模态大模型是 " 基础设施 "，服务千行百业。仅靠汽车场景的数据 " 丰度 " 和营收渠道，不足以支撑训练出一个物理 AI 领域的 "ChatGPT"。

真正的转折机遇，需要更大规模的场景和更精准的产品定义。

所以从大众汽车的角度出发，面对新一波自动驾驶技术收敛，向物理 AI 升维，最合理的技术路径已经没有悬念：

连接基础模型和不同终端的中间层，做物理 AI 的骨架和神经系统。

汽车可以与其他 AI 终端在系统层面联通；座舱内的交互是自然语言加动作，数据质量和频率远高于其他设备；拥有强大的感知系统、算力和持续能源……

所以除了 "AI 司机 " 这层意义，汽车是物理 AI 时代的第一个爆发节点——最强的用户入口，背后连接着最广泛的终端触点。

当前 AI 产业发展阶段，基础模型正在逐渐成为类似云计算、操作系统一样的基础设施。对于汽车企业来说，重复打造一个通用基座模型，并不一定能够形成真正的用户价值。

最终决定汽车体验的，是 AI 和汽车结合的深度。

大众汽车的诞生，本身是一个梦想的延续——费迪南 · 保时捷博士希望通过技术的进步和巧妙应用，让先进汽车进入普通人的生活。

从这个角度看，今天大众在中国的转型实践、寻找 " 灵魂 "，其实也是对自身百年历史的一次重新解释、回归。

自动驾驶、大模型、Agent，这些技术最终价值并不是展示技术复杂度，而是让汽车变得更加安全、更加便利、更加懂人。

这也是大众中国当前探索的意义——不再背负偶像包袱，不再苛求代码级研发能力，不再试图复制互联网公司的路线，而是在寻找一种传统汽车企业进入 AI 时代的新方法。

对于所有正在转型中的老牌车企来说，这或许提供了另一种思路—— AI 时代，汽车企业未必需要重新成为一家互联网公司，也未必需要掌握所有底层技术。

更重要的是，重新找到自己的不可替代、差异化价值——最懂如何把 AI 变成汽车体验的公司。

而韩三楚在大众推进的 " 找回灵魂 "，本质上就是对这个问题的答案—— Agent OS。

—  联系作者  —

—  完  —

【智能车参考】原创内容，未经账号授权，禁止随意转载。

点这里关注我，记得标星，么么哒～