长城汽车智能化技术论坛：汽车软件商业模式会走向订阅
6月28日，第8届长城科技节在中国保定正式拉开帷幕。6月30日，长城汽车智能化技术论坛 “智能驾驶技术与发展趋势”圆桌论坛举办。以下是实录：
国汽智控CEO、CTO 尚进：
关于科技节，我印象最深的有两件事情，一个是公布的电子电气架构，很明显提出中央集成控制器，单一的中央控制器和云的结合，长城在架构认识上毫无疑问是处于全行业的领先位置。第二点是智慧线控底盘，智慧线控底盘是真正实现了底盘的控制器，自动驾驶座舱的控制器是很容易的，甚至特斯拉已经实现集成软件企业商业模式，长城在难度更高的底盘方面上实现了预控，我相信这是2024年的计划之一，整体汽车数字化是真正实现将汽车功能由原来以机械为主，变成软件定义、硬件趋同、数据驱动。
我看到很多关于AIOT的讨论，我不赞成把汽车看成是AIOT，汽车本身就是一个体系，汽车本身就是一个数据中心，请大家从数据在车辆设计、自动驾驶和智能汽车中起到推动的作用，进行分享。
四海万联创始人、董事长万海涛：
数据的重要性不用赘述，本身我们处于一个数字时代，中国汽车自主造车不到40年的历史，有很多在跟随和模仿合资企业，真正自主品牌或者自我积累的数据，我觉得不是很充分，而这个过程需要很长时间，好在很多主机厂现在都认识到了数据的重要性。我记得有一个例子，2018年主机厂找我们做一款收集数据的系统，用低成本实现昂贵设备的功能能力，车厂的老总跟我讲工程师用这个系统测试，坐在技术中心里就能实现大家一起协同，看着每天传回来的数据，一个月也就花了1000块的数据费。从汽车的设计或者验证的角度，数据非常重要，结合分享数据使用的生命周期，包括汽车功能的扩充和赋能，AIOT把汽车出行的数据和设备功能使用数据构造成一个更完整立体化的数据集，我觉得非常的重要，但我们属于刚刚起步的阶段，后面的路很长，也有很多的路要做。
东软集团（大连）有限公司技术专家邰冲：
数据的重要性肯定是不言而喻的，刚才各位专家也强调了不同数据有不一样的作用，数据可以做推荐算法，收集的GPS数据可以做一些仿真工具。我想强调的是数据规范性非常重要，尤其是数据异常行为和安全核查有关系的产品，这个内容主要检测数据一致性、合理性以及连续性的内容。什么是数据的一致性？是要符合行业标准。什么是数据的合理性？是要在道路上要有合理的范围，行驶的速度、方向、是否能和地图做匹配。什么是数据的连续性？是要比对每一阶段数据速度改变量和位置的改变量是否相符，如果数据不符合规范，当这辆车行驶在路上就像定时炸弹一样，有可能进行各种各样的攻击。所以我们要通过正规方式规范数据的合理性。
国汽智控CEO、CTO 尚进：
车内的数据包是与生俱来的，本来就是成熟的产业，甚至是成熟的技术链，完全可以用到车辆平台上。邰总也说的非常重要，数据软件需要有数据的完整性，后面嘉宾也会提到数据保护，下面请杨总。
华为移动数据中心产品总监杨三九：
我分享的是自动驾驶数据这部分，自动驾驶有很多的传感器，本质上都是数据，我们在智能驾驶里无论是算法的训练，还是仿真平台或者仿真库，都离不开数据，数据在自动驾驶的位置毋庸置疑，但是数据在自动驾驶里面有几个方面需要注意，不同的传感器都会产生不同的数据，第一是对数据的梳理，以及不同传感器之间的数据融合，这是一个关键。第二点自动驾驶因为产生数据量非常大，多个摄像头每天产生的数据大概有40TB的量，这么大量的级别里如何找到有效的数据，这是我们要考虑的问题。第三点是这么多的摄像头，对矩阵如何做把控，也是我们要分析的重点。第四点是数据安全保护，毕竟视觉摄像头会涉及到相关公共场所的隐私，这个数据的保护使用还需要有相应的规范。
百度智能驾驶事业群组首席研发架构师王亮：
我想聚焦在自动驾驶层面，这么多的数据如何把它转变成能力的认知分享，我想说一下内部研发的机密，最早数据主要解决存储问题，数据平台1.0把所有在路上的感知数据全部落盘，几年之后发现一个问题，数据有很大的量级，如果不加工就是矿石，占机器占资源同时占用大量成本，怎么把它变成金子？这个链条如何构建？现在大家迷信大算力，数据也有类似的问题，比如特斯拉的数据，每一个版本出来都有一些新的感知，从自动驾驶能力上跟别的车比还有很大的差距，大家想象如果这个通路非常顺畅，特斯拉的车应该早就实现L4自动驾驶了，为什么是现在这样？因为链路非常的复杂，我个人连续3年把打通通路做为年度目标之一，可见它的重要性。
我觉得有这样几方面，当大家追问价值的时候，就会对整个链路的细化下很多的工夫，举个数据挖掘的例子，如果想挖红绿灯识别的问题，模型做不好怎么去挖掘它？全量的落盘对于乘用车来说怎么办？不可能全面的落盘，线上的逻辑要非常的巧妙与准确，之前有很多这样的逻辑，下来之后开始追问价值，对逻辑背后做了很多深挖，但我们并没有挖掘出想要的点。我们围绕数据闭环搭建了四个大的板块数据，挖掘、分析、送标、平台打通，标注规则怎么去设计？到模型怎么样大规模训练？多少服务器如何运行？才能快速的更新几千万训练模型。最后是评测自动化，这方面最大的感受是工程师能力的变化，工程师之间的能力是参差不齐的，现在我们搭建了几个板块之后，数据的组织能力得到了提升，大家的整个认知是有改变的，原来可以选择用简单的方法，写一个规则的方法去解决现象问题，现在更愿意用数据的方式去思考，整个系统的占比决定了数据通路的顺畅程度，如果线上不吸收数据，存再多的数据用处也比较少。在座的是技术从业者，提醒大家两点，关注数据规模的时候，更多转向关注数据的质量，另外对数据细节，数据价值长期的追问，才能回答到底数据对自动驾驶能产生什么实际用户可感知的价值。
国汽智控CEO、CTO 尚进：
数据最重要的就是价值，模型越多准确度越高，其实仍然是工程的事情，怎样对数据和数据分析本身产生产业化的认知，我特别关注科研在模型上的突破，我们做到L4，特别是L4的决策，到底数据起多大的作用？是否存在理论？在这方面科研界目前也没有统一的结论，所以我们不妨暂时搁置这个问题，在这之前可以做智能汽车。为了实现单车智能的L4无人驾驶，到底应该如何看待数据量和科研突破之间的关系。
百度智能驾驶事业群组首席研发架构师王亮：
这是非常好的问题，也是内部经常探讨的问题，L4到底能不能靠数据推上去，跟产学研怎么结合，以及和工业如何进行分工。说一下我们的感受，固定的模型在固定的算力下，想在有限的时间内做到完美，对于L4来说就要做100分的系统，这是非常困难的。
大家可以看特斯拉在用数据推AI，毫米波雷达都不用了，只靠8个摄像头，计算机视觉一直推到全无人，地图也没有，这就是非常本质的AI思维，现实上非常的困难。
如果一些问题靠数据无法解决，那就通过多加传感器解决，用工程结合的思维做L4这个事情，把每一个路上遇到的问题更高效，不惜成本地解决。就像是搜索引擎，不可能100%的正确，但是也能感受到某家搜索引擎比另外一家好，为什么？因为背后大数据能把它从85分加到90分，加到92分，虽然可能永远加不到100，但这就是智能驾驶赛道上的魅力，我认为数据和工程相结合是最快实现限定区域的L4级自动驾驶的方式。
地平线副总裁、自动驾驶产品经理余轶南：
我们公司是一直被数据追着走的公司，比如很多人问大约多少算力是足够的，能达到多少自动驾驶的功能，这些问题很难回答。但是如果从另外一个角度，比如明年车上装多少摄像头和激光雷达？需要多少算力处理？这个角度很容易回答。
我们最近一直通过这样的方式去算下一代的芯片需要有怎样的算力组成部分。在数据方面，汽车产生的数据应该是所有的单一设备产生数据量最大的，这样的数据采集的终端，每天采集大量的数据，到底哪些是有用的，或者说哪些数据对于哪些需求是有用的，这是非常有挑战的问题。大量的数据搁置就变成了成本，到底在车上应该做怎样的数据处理？这个答案就需要芯片作为载体。云端方面，我们在云端存了大量的数据，后来这些数据变成冷存储，直至被消毁，我们反思到底应该把什么样的数据从车端传输到云端，越来越多从自动驾驶的功能接管率挂钩，我们通过前端数据筛选的方式，把更有价值、影响算法的迭代以及具有其他商业价值的数据上传到云端。
毫末智行科技有限公司副总经理甄龙豹：
简单的总结一下，我们认为数据是下一个时代的生产力，数据决定生产力有多强，生产力有多雄厚。生产力取决于生产规模和生产速度，包括采集速度和处理速度，我们在云端和数据中心有很多冷备份的数据，典型是后台处理速度的迭代和跟随性。我们把数据定义成下一个阶段的原始。对于长城汽车来说，每年会有数以百万的车在路上采集数据，而在后台建立一套完整的数据自动流转，自动分析，自动标注的平台，我们站在巨人的肩膀上，吸取百度和地平线对于数据过往的认知，把它更好的应用结合起来。
国汽智控CEO、CTO 尚进：
其实我们经常说数据，标榜的是特斯拉的影子模式，大家有没有思考过影子模式关键是什么？是能够识别影子超出本体的时候，关键是车内的智能怎样判断采集到的数据是否值得送到云端学习？怎么样判断异常的感知和决策，这仍然是有很大的技术工作在里面，数据既是体力活也是智能活，感谢各位嘉宾对数据的分享，总结来看这并不是全新的概念，之前的各行业中也都有应用，我之前是做网络安全的，十年前用AI做了很久的实验，所以前面嘉宾分享也说了，我们在车辆设计阶段，包括车联网也都可以理解为在设计阶段采集数据做闭环，但是我希望各位嘉宾能够思考什么叫做数据驱动，只是为了自动驾驶，只是为了自动驾驶的模型训练吗？不是，收集数据只是为了离线分析生产设计吗？不是，是不是能够像云计算一样，实时回报的不是自动驾驶功能，所有功能形成软件定义，能够把数据运作起来，它的物理模型不是应用在仿真的模型，这才是真正车的数字化和软件驱动，这也就是说所有的汽车工程师的专业没有丢，智能网联的目的是给大家提供具有AI、计算机、软件、大数据云计算平台，这是智能汽车真正变革的目的，也是数据实现的真正颠覆性作用。
第二个问题，自动驾驶本身不断的产业化，对技术产品生态所带来的冲击和变革。
毫末智行科技有限公司副总经理甄龙豹：
我从最近的例子分享些自动驾驶对于产业的变化。最早谈激光雷达、高精地图的时候没有落地场景和空间，是自动驾驶把它从很高大上的产品，实现在整车层面，其实自动驾驶是推动商业化的进程。
另外高精地图从诞生之初就说应用价值和应用区间，最适合落地场景是与自动驾驶的结合。自动驾驶在无形当中推进各周边产业链不同的迭代和进步。
地平线副总裁、自动驾驶产品经理余轶南：
自动驾驶行业在这么多的投入，社会的关注度进来之后，使得在产业链上所有的环节，经历了技术和产品本身不断革新的过程。自动驾驶作为技术的珠穆朗玛峰，拥有很高的门槛。但将来一旦到山顶，实现高等级的自动驾驶后，会给我们留下很多技术红利、供应链红利、产品红利，这些东西能使我们做下一代的事情，最近我看到有很多，包括各种各样的机器人，其实可以看到家里面也有这种东西，再到海上的军舰、轮船、卫星，这些成果在未来的20年、30年、50年影响的波及范围远远不是汽车市场，而是真的会走向千家万户，走向各行各业，比如激光雷达这件事情，受益的不一定是汽车，有可能是其他的某一些行业。
国汽智控CEO、CTO 尚进：
我认为自动驾驶技术没有多高，但是工程很难，汽车设计中很多的机械理论技术门槛还是很高的。
百度智能驾驶事业群组首席研发架构师王亮：
说到生态我想从百度的经验上跟大家分享几个认知，大家知道百度在2017年提出了阿波罗平台，当时想打造全球最大最活跃的自动驾驶平台，我们有全球90多个国家6万多名的开发者贡献代码，开放的代码有百万级。从开发者来看分几部分，这个平台到底给百度带来什么实际的贡献是很难量化的。但是我们背后了解一些技术的创业公司，他们也会用阿波罗的代码，应用了很多有意思的场景，比如农业场景，扫地场景，智能轮椅配送等场景，确实影响了很多的开发者，在他们没有技术只有商业想法的时候，能快速的用我们的代码把想法落地。
另外非常有成就感的方向就是教育，阿波罗平台有200多个学校和我们建立紧密的合作，一起开设自动驾驶的课程，使用自动驾驶的教育套件，给大家提供实践的路径，累计下来对自动驾驶行业提供了5万多名从业者，至少他们具备自动驾驶的知识，未来对整个自动驾驶发展都起到很大的作用。大家提到自动驾驶更多提到单车智能，为什么我们讲对车路协同的理念这么认同？这么愿意去推动？现在很多人问有没有用，很多初创公司说没有用，单车智能一定能搞定。最后的问题一定有一大部分问题是单车智能看不见，看不清，看不稳，如果不是车路协同怎么样降低事故率？很多的车企也跑不到这个阶段，百度刚刚积累了1.2万公里的自动驾驶里程，我们遇到各种形形色色的案例，特别是有很多问题车路协同很容易解决，单车智能装多少传感器可能都没有用，这个是连接了智慧的路和智慧的车，包括传感器，最早投资的公司都是激光雷达行业巨头，确实要从连接的角度去看自动驾驶的事情，我不觉得仅通过单车智能就能把自动驾驶推向L4的高度。
华为移动数据中心产品总监杨三九：
我们本身就是做平台的，生态是我们最核心的内容，在这里谈一点自动驾驶生态的几点体会，
第一我们认为产业还是要分工化。我们跟国内所有的自动驾驶公司都有合作，发现有部分公司从平台到感知，到场景应用，实际上我们看到自动驾驶公司只有100-200人左右，导致在技术方面未必会做到很好，其次也很难实现量产。所以产业更需要分工，大家通力合作，聚焦自己的技术所长做芯片，能做平台的做平台，做算法的做算法，做场景应用的做场景应用，这样整个产业链可以把各个公司的所长聚集在一起，加速自动驾驶的产业化分工合作。
第二，软件要生态化多样化，自动驾驶公司有面向乘用车，有面向矿卡、园区、无人小巴等，所以软件一定是生态化的，对自动驾驶产业发展有好处，可以渗透到各行业数字化与智能化转型过程当中去。
第三，硬件接口标准化，这一块因为自动驾驶涉及到计算平台、激光雷达、摄像头传感器、执行器。这些接口要标准化，特别目前有一些执行器都没有标准化，我们也看到国家很多行业组织都在积极推动这个事情，我觉得是挺好的，更加加速智能驾驶产业商业化的进程。
第四，算法要框架化，以前我在华为做过视频监控产业，那个产业可以看到公安部把各家优秀的算法都在框架里使用，这样能激发各公司所长，预测未来自动驾驶算法一定框架化，有几家公司算法做得非常好，比如目标物识别就是这几家公司在这一点上做的非常极致，通过架构的框架化能够让各厂家的算法用起来。
国汽智控CEO、CTO 尚进：
自动驾驶本身的产业化与产品也是中国工业界又一个做到世界领先的新产品，在实践的过程当中跟其他领域一样，会形成优秀产品和中国标本，有很多中国本地属性，包括通信、地图。其次在5G、车路协同的带动下，中国有可能不仅走当下的路线，也可以探讨全新的技术路线。形成中国标准的目的，最主要是为了推向全球。
东软集团（大连）有限公司技术专家邰冲：
我从两个方面说生态问题，自动驾驶路端生态，有一些专家经常说单车智能问题需要用单车智能方法解决，百度的王总分享了信号灯标识在中国不一致，实际上V2X是解决这个问题最直接的方法，它可能并不是唯一的，但可能是最简单最直接的方法。
还有一句话是聪明的车走智慧的路，实际上我非常开心百度的王总在前面一直介绍V2X在自动驾驶中的重要性，我也非常希望其他自动驾驶团队能更好的拥抱V2X，更好的参与示范区建设。像百度和长城一样，支持示范区建设，测试和路端有关系场景，去解决实际的问题。
第二个，自动驾驶的测试生态，自动驾驶团队产生了这么多给大家展示的示例，最后自动驾驶如何量产上路？需要经过什么样的认证？或者这个场景是否需要认证机构的标准化？实际上，自动驾驶行业，也会影响到测试生态的发展，包括现有的中信、信通院都会提出相应的标准规范V2X上路的要求，自动驾驶行业一定离不开测试标准的制定。
四海万联创始人、董事长万海涛：
作为一个创业公司和选创新角度，我相信自动驾驶能够很快实现，但是实现自动驾驶后，我们坐在车上干什么？包括我们提电动化、智能化、共享化、网联化，其实都是对车来讲的，不是对坐车的人来讲，前装导致不可能所有的主机厂都造同样的自动驾驶车，总得自己的特色和定位，但是也没有办法适应千人千面，不能把车仅仅当做A到B的运载工具。所以我们搭建了这样的生态软件企业商业模式，利用自动驾驶满足车主的需求，让主机厂在自动驾驶上还有持续的利润。
国汽智控CEO、CTO 尚进：
在这个方向我想反驳你一下，我不需要未来的车是无人的，而是需要它能够更加便捷。比如我最多走100米之内这个车能在我面前，我开车的时候要发微信接电话应该很安全，这是我的需要。其实我们所追求的第一是共享出行，第二所追求的是自己价值自由和方面性，这些都不等于无人，其实从产业化来讲是不同的。实际上对于大多数人都可以驾驶，但是需要更加安全更加方便的驾驶，车本身的功能把人从A送到B是永恒的，在此基础上车内可以有更多的东西，也许我在高速上可以玩一些游戏，这是我需要的。但是这个应该不是L5级，甚至不是L4级，这是很开放和思考的问题。
大家的分享，还是自动驾驶产品本身就是很大的产业链和很完整大的产品，我想问一下6位嘉宾有没有本科硕士博士是在机械类的？应该没有吧。我是很特别的一个人，我在清华待了10年，在硅谷做IT20年，我的感觉是自动驾驶做了什么？最重要的是实现了行业融合，实现ICT和车辆融合，自动驾驶不仅有传感器还有执行器，真正实现行业融合的东西，目的是什么？自动驾驶带来的L2、L3是好事，更主要的实现数字化的梦想和基石，什么样车可以数字化，车辆功能可以在这样大的平台下实现，自动驾驶需要计算力和平台复杂性远超过动力、底盘力方面。如果自动驾驶能够产品化，其他的域也没有什么大的问题，这个是关键，这也是特斯拉给大家带来的思考，自动驾驶不仅仅是L0到L3，更主要的是产品产业化，其他的域也要产业化、集中化。
最后一个问题，我们没有一个人来自于主机厂，统统是主机厂的供应商，大家说说从我们的角度，对汽车行业的生态怎么来看？怎么样纳入这个生态？大家可以分享一下。
四海万联创始人、董事长万海涛：
纳入生态来讲，我们一直在琢磨怎么样用我们创新的视角让主机厂留住客户、掌握客户、了解客户、懂得客户、服务客户，包括还有数据，我们关注的是怎么样用数据懂用车和坐车的人，推导出他的需求，从而提供产品服务，快速用计算能力满足消费者，当时想到这个东西就可以下单，我们的决策还是赋能主机厂，特别是长城有创新思维和提前布局的主机厂。
东软集团（大连）有限公司技术专家邰冲：
东软实际上在V2X领域有两个策略，一是想当裁判员和运动员，裁判员的意思是我们去制定数据一致性标准和应用场景一致性标准。当标准推广化或者制定化以后，自然可以以运动员的身份和主机厂合作，打造满足行业内标准的产品。只有通过这样的方式，才能推动整个行业内标准化和规范化的进展，这也是我们与主机厂合作的方法。
华为移动数据中心产品总监杨三九：
我分享的是商业模式层面，自动驾驶商业模式分成两个层面，第一个层面是面向消费者，以前在传统的功能车时代，更多的价值在一次性交易买车的环节，但是自动驾驶之后因为软件价值的凸显，我们认为汽车销售之后才是真正收费的开始，消费者实名越多，存量车越多，主机厂获取的利益越大。第二个是软件商业模式更多走向订阅，订阅最早来自于互联网，互联网买的是服务，服务本质是体验，所以想要提升订阅率，就需要把体验做好，产生黏性。面向TOB商业模式和主机厂之间的关系，以及供应商之间的关系来说，未来将从复杂化变成扁平化，软件和硬件会进一步解耦，大家都成为平等的供应商，扁平化的供应商，可以有效的支撑软硬件迭代发展，这是商业模式大的变化。
百度智能驾驶事业群组首席研发架构师王亮：
角色的转变带来意识和动作的改变。举个例子，最近我们在做智驾代码，代码需不需要重构？肯定需要，因为我们需要了SOA架构，一个感知的模块就是一个模块，360米之内多少障碍物，下面的决策就用了。对于车企怎么样设计感知？我们提供的是一个感知的服务，定位的服务，把它API化。举个例子，特别复杂的自动驾驶功能，百度可以为车企提供解决方案，但是有很多用户感知到车企完全有能力很快的去开发出来，但是可能需要一个感知的模块，感知的API，这些都给你们提供不同的需求，你想10厘米定位速度慢一点，过拥挤道路给你提供API，高速给你提供另一个API，这样更好的赋能车企，让车企具备很强的开发能力，能够快速基于我们提供的技术进行开发，更能够给用户带来价值，这是我们理念的转变。我们整个架构也正在做变化，整个决策规划也在场景化，总体来说，作为技术供应商，我们做我们擅长的事情，帮助车企造好车。
地平线副总裁、自动驾驶产品经理余轶南：
过去几年的行业生态比较混乱，大家基本上是垂直整合去做，软件供应商下沉去做车也是非常多的，大家在整个产业链里资源很有限，获取不到其他的资源，从而实现自己的目标。这里所说的资源一方面是指整个产业链所有环节上的成熟度、标准度以及大家相互配合的接口，另外是底层资源的支撑，过去做很多的东西很难开放，因为资源本身有限，我开放出去之后其他合作伙伴也干不了什么东西，但是现在资源特别充足，产业链合作伙伴做的越来越有特点，越来越成熟，给了我们很好的机会和趋势，我相信在未来的若干年产业链的分工会越来越清晰，大家会更加聚焦在自己的核心价值上，通过相互的协作，某种意义上数据共享，相互支持彼此的合作伙伴共赢，快速的推进整个产业的发展。
毫末智行科技有限公司副总经理甄龙豹：
从几个维度来说，首先是传统车企在智能驾驶回归到原来的生态稳定度上，传统车企做的是家用车，而到了智能驾驶生态之后，包括主机厂生产关系重构之后，我们希望为主机厂做到开放赋能、共创共生，每一个车企要有差异化和针对性，比如你面对长城这么大的主机厂，欧拉的定义是全球更爱女人的品牌，更爱女人的品牌跟坦克或者大狗的需求肯定是不同的，我们希望更好的开放赋能给主机厂，和主机厂实现互通有无的状态。共创共生，因为主机厂是接触客户声音最完备，体量最大的站点，所以我们希望从这个纬度能够互相吸取收纳客户的声音，以及客户对于未来需求的定义到底是什么，实现我们共同成长，共同打造未来的智能汽车，以及未来的智能驾驶。
国汽智控CEO、CTO 尚进：
最关键是整个重塑新的产业链，从主机厂来讲要和原来有翻天覆地的变化，不再接受交钥匙的形式，更希望通过下沉，真正主动的掌握差异化定义，实现差异化功能。特别是在自动驾驶融合的情况下，我相信随着时间的发展能够形成新的产业链分工，共创共赢一定是这种状态。而且应用开发方面，客户到底需要什么？怎么高效OTA生命周期，实现盈利，这方面只有主机厂才能发力。实现不同功能，搭建实现不同功能所需要的平台，需要新的产业链和新的开发模式，。
基于此，可能会有更开放的应用开发平台，推动整个产业链吸收更多的产业链。因为时间的关系，总结来看自动驾驶本身技术的融合是百年来没有遇到过的，具备强烈ICT色彩汽车核心产品，所取得的作用不仅仅是自动驾驶，不仅仅是部分替代人，更是翻天覆地把汽车设计提供新的大平台。对于自动驾驶的从业者，无论是从产业链的提供，还是对数据服务的提供来讲，都是与主机厂共创共赢。
汽车全产业链报道欢迎联系汽车俱乐部Plus，主编微信：
