这期《谷歌车谈》一开场，话题就像从发动机盖下蹦出来的细节：软件定义汽车到底能把车变成什么样的系统。主持人新宇请来两位嘉宾，尚和张盟，他们一个来自机械/动力领域的工程路人，一个在仿真与算法、软件架构这边打磨过的程序员，两人的对话像两条并行线，慢慢交汇。
尚从小就爱折腾机械，大学学的是机械与发动机相关专业，毕业后进到车企，最初做发动机控制的软件开发，后来转向混合动力整车的测试与标定，之后又跳进自动驾驶领域，加入国内一家自动驾驶科技公司。通过对比传统动力域和现阶段自动驾驶的工作，他感受到了两类公司在文化和做事方法上的巨大差异。
新宇指出，这种经历很有代表性。十年前汽车行业的核心还在动力系统，如今核心已经转移到传感器、算法，甚至是程序员等原本被视为汽车行业外的专业领域。
张盟本科学习的是控制，长期在仿真环境里做控制类工作，读博期间转向计算机相关方向，先做算法再到软件架构，走在机械和计算机的交界处。他说，两类从业者在思维方式上的差异很明显：计算机领域强调抽象，将问题拆解成一连串通用的抽象，而机械领域更偏向实际，靠具体方案、实验与仿真去解决。
尚随后把工作中的矛盾讲得更清楚。他感受最深的是开发模式正在从以系统工程为驱动，转变为以算法为驱动。传统模式下，团队知道要做什么，需求写得清清楚楚，各类工程师按职责分工，按上层下发的任务推进，完成后再验证测试，属于确定性很强的工作方式。
可在自动驾驶领域，系统的功能边界往往难以事先界定，工作变成了发现问题、解决问题、再发现问题、再解决问题的快节奏迭代。算法在这个过程中占据主导地位，基本决定了整个系统的能力边界。十多年的传统经验在这种模式里会出现“用不上力”的感受。
谈到传统汽车软件架构，尚介绍了一个层次分明的结构：应用层负责利用车上信号完成顶层工作，如驾驶员踏板信号、发动机转速等，控制发动机喷油、点火与进气；硬件驱动与通信部分构成底层驱动；中间形成了运行时环境，负责协调调度。在机械或内燃机背景出身的工程师看来，应用层是最容易对号入座的部分。
但在现阶段，尚指出中间层与上层、底层之间的互动变得更多，原因是自动驾驶所使用的传感器要复杂得多——摄像头、激光雷达、毫米波雷达的数据量极大，底层和中间层需要处理的信号也变得繁多。单就信号处理的运算量，就可能超过原先整个软件的能量需求。这也解释了为何如今的车载控制单元的算力已经达到万亿次级别的运算。
张盟进一步分析了两类群体的差异。他认为，机械系统总要与物理世界打交道，对物理世界的理解至关重要；基于对物理世界的理解，很多需求可以清晰地写出。而现在的复杂智能辅助驾驶系统，很多时候无法通过明确的物理规则来描述需求，只能通过不同阶段的迭代不断填充和修正。于是，整个开发过程越来越接近消费电子的风格——“敏捷开发”成了应对多变需求的常态。
张盟还提到，原有的瀑布式开发更适合底层相对封闭、设计一旦确定就不太变的系统；而在需要快速变化、无法事先写清的系统里，敏捷显然更合拍。人工智能相关的问题，大多把需求藏在数据里，科研界也在试着通过数据来提炼系统需求，从而做到“有的放矢”。当需求真正明晰，理论上就不再需要大量人工智能辅助；这也延伸出可解释人工智能等方向。
尚也补充说道，业界里常拿第一类算法开发者开玩笑，说他们像是在“炼丹”——没有明确的需求，也没有明确的物理规律来支撑，只有通过大数据训练、不断测试来优化。于是话题转向系统架构与中间件的角色。
中间件的出现，是因为系统越来越复杂，单一输入对应一个固定输出的时代已经过去。现在需要把分布式系统的多种技术整合起来，确保与直接驾驶相关的组件之间的高效交互，时间要求极高，必须精准调度、确保每个组件在规定时间内完成计算。汽车逐步变成一个平台，平台上汇聚了不同软硬件系统，它们对实时性和性能的需求各不相同，这就靠中间件来协调，就像一个大管家。
围绕“汽车最终会变成一台电脑”这个观点，尚给出几个理解方向：一是算力在持续增强，从分布式架构到域控制器再到中央计算机；二是应用越来越丰富，算力的提升让服务变得更多。未来的开发趋势是把所有能开放的底层接口都打通给上层的中央计算机，从而实现快速迭代和远程升级，让汽车的生命力被不断放大。
张盟则补充，汽车会成为比电脑更难的存在，因为电脑不需要与物理世界直接互动，而汽车必须和人、以及物理世界不断交互。这意味着底层仍会以更传统的方式开发，直接驾驶相关部分；而上层的新增部分，会把汽车变成一个更复杂的消费电子平台，中间件的作用也越来越关键。
节目描绘的这幅技术图景，正从工程师的经验谈，缓慢升温为国家产业竞争的核心议题。当汽车的差异越来越多地写进代码，谁掌握计算平台、操作系统与软件工具链，谁就掌握了下一代汽车的产业控制力。
在这场背景下，中国最近也加快了部署。九部门发布的“十五五”规划，把2030年列为进入世界汽车强国行列的目标，同时把操作系统、工业软件、汽车芯片明确列为攻关短板。规划的深意，是要把新能源赛道累积的规模优势，向计算与软件的深层延伸。
到现在，2025年中国汽车销量已经达到3440万辆，其中新能源汽车为1649万辆；进入2026年，前8个月新能源新车销量占比达到52.4%，组合驾驶辅助功能的搭载率也在持续攀升。庞大的装车基数，为国产车规芯片与基础软件提供了全球少有的验证场景。规划文本强调的正是应用规模、首版次软件、测试评价与整车验证，因为车规芯片与底层软件的可靠性无法在实验室里一次成型，必须靠百万级的车辆长周期运行来打磨。
国产芯片要靠装车量来换取收入与下一代研发的支撑，国产操作系统跨车型运行，才能带动工具链、人才与供应商生态共同成熟。规模本身会转化为更快的迭代速度，迭代又回过头来提升成本与性能，形成正向循环。所谓的“超车”，就是建立在这套逻辑之上：传统燃油车的技术秩序已固化，后来者很难在同一路径追赶；智能电动车的底层架构仍在改写，中央计算、舱驾融合、车路云协同还未定型。
旧优势的生命周期被拉长的时间越短，新规则的书写权也还没落定。这正是重塑产业位置的窗口。需要强调的是，自主可控并不等于关门自造，芯片、设计工具、知识产权与传感器环节仍然有全球分工，软件生态也离不开开源与国际标准。规划一方面要攻克短板，另一方面也要深化国际研发合作，治理低效产能，目标是“在关键处拥有替代能力与主导权”，而不是闭门造车。
未来五年的成败标准，会落在这些具体的指标上：国产车规芯片要从“能用”走向长周期稳定使用，基础软件要从单一品牌自研走向跨芯片、跨车型的生态兼容，国内标准也要与国际法规体系对接。仅完成国产替代，无法真正让海外车企主动采用中国的芯片、软件、接口与技术标准；要让产业位置真正上移，必须通过海外市场的广泛应用来证明自身实力。
而在2026年前8个月的出口势头下，整车出口达到715.3万辆。中国汽车要不要带着自己的技术体系走向全球，成为衡量这轮布局成败的最终标尺。你我所在的行业，究竟要在下一个十年里跟着这条路走，还是被它带着走出国门，别样地被世界看见。
