在故鄉德國，大眾汽車和其他老牌汽車巨頭一樣，正經歷著史上最嚴酷的陣痛：
銷量利潤雙雙下滑，關廠裁員一波又一波……
而在中國安徽，一個“陌生”的大眾，正在進行深刻的重構。
從組織架構到研發流程，再到技術認知和核心理念，所有一切，都指向一個終極目標——百年大眾汽車，怎么才能順利跨進AI時代。
負責推動這場變化的人，是韓三楚。
曾經深度參與中國車企智能化變革，如今是大眾的智能化技術負責人。
他在做的事情，“是幫助大眾找回汽車公司的靈魂。”
把汽車產業過去幾十年的競爭拆開來看，大眾最擅長的是機械時代的復雜工業能力，發動機、變速箱、底盤調校、制造體系、全球供應鏈，這些構成了大眾過去幾十年的護城河。
但進入智能汽車時代，汽車競爭開始增加另一套能力體系：軟件架構、算法、數據閉環、AI工程。
而這恰恰是韓三楚長期深耕的方向。
韓三楚并不是傳統意義上的汽車職業經理人，而是少數橫跨汽車工程和軟件架構的資深專家。
畢業于西南交通大學和美國得克薩斯大學達拉斯分校，專業背景覆蓋機械工程和計算機科學。
在加入大眾之前，他曾在長安汽車負責智能化和軟件架構相關工作，擔任長安汽車首席軟件架構師、長安科技首席技術官，推動SDA（Software Defined Architecture，軟件定義汽車架構）建設。
SDA解決的問題，就是傳統車企進入智能汽車時代都會遇到的問題：過去汽車是一堆控制器組成的機械系統，一個功能對應一個ECU，一個模塊對應一套軟件。
但未來汽車需要像智能終端一樣不斷升級。硬件平臺相對穩定，軟件能力持續進化，這要求汽車企業重新設計底層電子電氣架構。
韓三楚的能力，并不只是開發某一個算法或者某一個功能，而是能夠站在整車系統角度，思考如何建立一套支撐未來汽車的軟件體系。
這是大眾選擇他的原因。
2024年，韓三楚加入大眾汽車集團（中國），擔任CARIAD中國CEO，同時擔任大眾汽車集團（中國）執行副總裁。
CARIAD是大眾集團負責軟件業務的核心組織。過去幾年，大眾全球范圍內都在推進軟件轉型，但推進過程并不順利。
原因很現實：汽車軟件不是簡單開發一個APP，而是涉及整車架構、安全驗證、供應鏈協同、全球組織協調。
對于一家擁有百年歷史的汽車巨頭來說，軟件轉型不僅是技術問題，更是組織能力問題。因此，大眾需要的不只是一個軟件負責人，而是一個能夠理解汽車工業邏輯，同時理解中國智能汽車速度的人。
韓三楚來到大眾之后，承擔的任務也非常明確：推動大眾建立下一代汽車公司的能力體系。
而這背后，首先需要改變的，是大眾對于AI汽車的理解。
韓三楚進入大眾中國之后，外界關注到的是一系列技術名詞：CEA架構、自研芯片、端到端智能駕駛、Agent OS等等。
把這些動作放在一起看，會發現它們并不是幾個獨立項目，而是一條完整的技術演進路線：
先解決“誰來開發”的問題，重構大眾中國研發體系；
再解決“汽車如何承載AI”的問題，打造新一代電子電氣架構；
最終解決“AI如何真正改變汽車”的問題，通過Agent OS重新定義汽車產品形態。
這背后反映的是大眾經歷新能源轉型之后，對智能汽車競爭本質的一次重新判斷。
過去，全球汽車巨頭普遍采用總部主導、區域適配的研發模式：比如德國大眾負責全球平臺、核心技術路線，中國團隊根據本地市場需求進行車型開發和功能適配。
但進入智能汽車時代，競爭邏輯發生變化。尤其中國市場，智能駕駛、智能座艙、AI應用的發展速度遠遠超過傳統汽車開發周期，如果仍然采用“總部定義、中國執行”的模式，很難適應新的產業節奏。
因此，韓三楚推動的第一件事，是重新調整大眾中國在集團中的技術定位：從過去的市場和制造中心，轉向智能汽車技術能力中心。
目前，大眾中國在安徽合肥，搞起了一套以軟件、整車、智能駕駛、數字體驗為核心的新研發體系。
其中，大眾汽車（中國）科技有限公司（VCTC）承擔整車研發和技術開發職責，負責連接大眾全球工程體系與中國市場需求；
CARIAD中國則負責軟件能力建設，包括汽車軟件平臺、操作系統、數字化架構等核心能力。
大眾與地平線成立的酷睿程（CARIZON），聚焦智能駕駛技術研發，以及自動駕駛芯片研發，負責ADAS以及未來AI基礎硬件能力建設。
當然圍繞智能座艙和用戶體驗，大眾中國也布局了相關研發力量（CARThund、CARIATIVE）。
AI汽車研發不再是分散的車型項目，而是一個軟件、硬件、算法、數據共同驅動的系統工程。
所以對于大眾而言，需要補上的除了具體的智能化功能，更關鍵的是一套能夠持續迭代汽車的軟件研發能力。
而這一能力最終需要落到汽車底層架構。
過去汽車電子系統采用的是典型分布式架構。一輛車內部存在大量ECU，不同控制器負責不同功能，例如動力控制、車身控制、座艙控制、輔助駕駛控制等。這種架構的優勢是穩定成熟，汽車企業可以通過增加控制器不斷擴展功能。
但進入智能汽車時代，這種架構逐漸暴露限制。
韓三楚這兩年間主要推進的CEA（China Electronic Architecture），本質就是針對這一趨勢打造的新一代電子電氣架構。它并不是簡單減少控制器數量，而是重新設計汽車的計算、通信和軟件體系。
CEA架構的核心變化首先體現在計算模式上。傳統汽車是“控制器驅動”，每個ECU承擔固定任務；而新架構則強調“計算平臺驅動”，通過中央計算平臺承擔高復雜度的軟件和AI任務。
但汽車并不能像服務器一樣完全集中計算，因為車輛對于安全和實時控制有極高要求。因此CEA采用中央計算與區域控制結合的方式：
車輛不同區域由區域控制器負責本地執行，例如車身傳感器、執行器的數據采集和控制；中央計算平臺負責更高層的軟件邏輯和復雜算法。這種架構既提升了計算效率，也降低了傳統汽車中大量ECU和復雜線束帶來的成本與復雜度。
更重要的是，CEA改變了汽車的軟件形態——軟硬件解耦，讓汽車具備類似智能終端的軟件生命周期。車輛交付之后，新的算法、新的功能、新的AI能力可以通過OTA持續部署，而不是依賴下一代車型。
這也是大眾為什么把CEA視為AI汽車基礎設施的原因。
在CEA之上，大眾還需要解決兩個問題：汽車如何獲得AI計算能力，以及AI如何真正進入智能駕駛場景。
前者對應芯片——酷睿程（CARIZON）承擔研發的C7H，基于地平線最新的BPU（邊緣計算架構）打造，具體采用地平線第四代BPU黎曼架構，3-4納米制程，單顆芯片AI算力達到500-700TOPS。
過去大眾的ADAS與自動駕駛控制器主要由博世、采埃孚與英偉達等外部供應商提供，軟件開發與算力芯片處于分離狀態。
自研芯片后，大眾從“系統集成者”轉變為“智能平臺定義者”，從依賴外部芯片供應走向軟硬協同、從功能跟隨邁向本地定義。
后者對應端到端智能駕駛，既有酷睿程自研，也有合作外部供應商。
但無論是CEA、芯片，還是端到端算法，它們都不是目大眾轉型的最終目的。
大眾真正想解決的問題，是如何讓CEA、芯片、端到端等等技術最終轉化為汽車智能化體驗。
這也是為什么Agent OS成為韓三楚所強調的核心方向，也是大眾在幾經轉型不順后，重新構建的最新AI認知——
未來汽車競爭的關鍵，不是誰擁有最多功能、最大模型，而是誰擁有一個能夠理解用戶、調用車輛能力、持續進化的軟件智能體。
Agent OS代表的交互邏輯，是理解用戶目標，然后調用車輛、軟件和外部服務完成任務，負責長記憶的存儲與調用、跨場景的意圖理解、多模態感知的融合、車控指令的安全下發。
它讓AI不再是每句話都從零開始理解的“金魚”，而是越用越懂用戶的伙伴。
而汽車本身，又可以與手機、穿戴設備在系統層面聯通——中短期，大眾的Agent OS是車載，而長期，可以是統一的AI框架和智能體狀態管理。
這意味著理論上可以用同一套API，寫一個智能體，讓它同時運行在手機、汽車、眼鏡上，并且在不同設備間保持狀態同步。
物理AI的終局想象里，競爭不可能停留在“誰的車上AI更聰明”，而是會轉移到“誰的智能體能跨越最多設備、記住最多場景、提供最連續的體驗”——即AI Agent無縫穿梭于用戶的全場景。
在手機上訓練一個智能體，上車后它自動接管，下車后它又回到你的眼鏡里——這種粘性，才是物理AI時代真正的護城河。
再從技術架構看，Agent OS需要連接多個層面：底層連接車輛硬件能力，包括動力、座艙、駕駛輔助、車身控制；中間連接AI模型和軟件服務，負責任務理解、推理和決策；上層連接用戶需求和生態服務。
——把AI基礎設施轉化為用戶每天能夠感知的價值。
基礎大模型本身會逐漸成為行業公共能力，但汽車企業擁有的數據、場景、工程能力和用戶理解，才是難以復制的部分。
對于大眾而言，Agent OS之所以真正代表AI時代車企的“靈魂”，在于它讓汽車重新成為一個圍繞用戶需求持續進化的智能產品。
這也是韓三楚在大眾中國，推動的一系列技術和組織變化最終指向的方向：
大眾不是簡單給汽車增加AI功能，而是構建一家AI時代汽車公司的底層能力。
如果回看大眾過去幾年的轉型，它并不是“不愿意改變”，而是對變化本質的理解經歷了一次遷移。
ID系列代表了大眾進入電動車時代的第一步，它解決了一個核心問題：如何把一家傳統燃油車巨頭的制造能力遷移到新能源時代，從平臺、工廠到產品體系，大眾完成了一次轉型。
但中國市場，也包括后續幾年的全球市場給出的反饋也非常明確：新能源汽車競爭并不是簡單完成動力替換。
智能汽車才是改變汽車的價值來源。
這也是大眾如今最大的認知變化，大眾開始思考如何打造一個能夠持續進化的智能系統。
這種變化，也解釋了為什么大眾沒有簡單選擇成為一家“大模型公司”，追求的也不是“汽車GPT”。
過去十年，“軟件定義汽車”完成了從概念到主流的跨越，但本質上是把手機的邏輯搬到了車上——功能不斷堆疊，交互仍然以觸屏和指令為主。
用戶面對的是幾百個功能圖標和越來越厚的用戶手冊。AI的到來，有機會從根本上改變這種關系：從“人找功能”變成“功能找人”，從“固定規則”變成“動態涌現”。
但物理AI的落地，遠比想象中復雜。它不僅要理解用戶的顯性指令，還要感知環境、預判需求、在毫秒級內做出安全決策。
這需要底層模型具備對物理世界的因果推理能力，需要車端算力與云端協同，更需要一套全新的中間層來連接大腦與身體。
給語音助手接入大模型、生成幾張壁紙的層面，離真正的物理AI差了好幾個維度——模型、數據、場景三要素，哪個都不搭邊。
但要求一個玩家具備所有三要素的能力，卻又是一件嚴苛到不切實際的事，對大模型玩家如此，對車企玩家更是如此。
就比如，巨頭英偉達希望通過最強的算力方案、最齊全的生態引導模型進步；馬斯克在特斯拉實踐的，則是通過最快速最廣泛的數據閉環，驅動模型迭代。
但事實上，物理AI依賴的基礎多模態大模型是“基礎設施”，服務千行百業。僅靠汽車場景的數據“豐度”和營收渠道，不足以支撐訓練出一個物理AI領域的“ChatGPT”。
真正的轉折機遇，需要更大規模的場景和更精準的產品定義。
所以從大眾汽車的角度出發，面對新一波自動駕駛技術收斂，向物理AI升維，最合理的技術路徑已經沒有懸念：
連接基礎模型和不同終端的中間層，做物理AI的骨架和神經系統。
汽車可以與其他AI終端在系統層面聯通；座艙內的交互是自然語言加動作，數據質量和頻率遠高于其他設備；擁有強大的感知系統、算力和持續能源……
所以除了“AI司機”這層意義，汽車是物理AI時代的第一個爆發節點——最強的用戶入口，背后連接著最廣泛的終端觸點。
當前AI產業發展階段，基礎模型正在逐漸成為類似云計算、操作系統一樣的基礎設施。對于汽車企業來說，重復打造一個通用基座模型，并不一定能夠形成真正的用戶價值。
最終決定汽車體驗的，是AI和汽車結合的深度。
大眾汽車的誕生，本身是一個夢想的延續——費迪南·保時捷博士希望通過技術的進步和巧妙應用，讓先進汽車進入普通人的生活。
從這個角度看，今天大眾在中國的轉型實踐、尋找“靈魂”，其實也是對自身百年歷史的一次重新解釋、回歸。
自動駕駛、大模型、Agent，這些技術最終價值并不是展示技術復雜度，而是讓汽車變得更加安全、更加便利、更加懂人。
這也是大眾中國當前探索的意義——不再背負偶像包袱，不再苛求代碼級研發能力，不再試圖復制互聯網公司的路線，而是在尋找一種傳統汽車企業進入AI時代的新方法。
對于所有正在轉型中的老牌車企來說，這或許提供了另一種思路——AI時代，汽車企業未必需要重新成為一家互聯網公司，也未必需要掌握所有底層技術。
更重要的是，重新找到自己的不可替代、差異化價值——最懂如何把AI變成汽車體驗的公司。
而韓三楚在大眾推進的“找回靈魂”，本質上就是對這個問題的答案——Agent OS。
— 聯系作者 —
— 完 —
【智能車參考】原創內容，未經賬號授權，禁止隨意轉載。
點這里??關注我，記得標星，么么噠～
