大模型更新得快，车主总不能跟着频繁换车。这是汽车接入AI后，一个很实际的问题。

9月20日，盖世汽车发布中国一汽研发总院资深基础软件专家姜珊的大会演讲。她用几个周期概括这种错位：模型按季度迭代，芯片从设计到量产需要3—5年，整车生命周期则长达10—15年。软件、芯片和汽车，走的根本不是同一个节奏。

发布会上展示一个新功能，相对容易让人感知。难的是几年以后，原来的硬件还在车里，新模型还能不能适配；同一品牌有不同车型、不同芯片，更新又该怎样分别验证。车型越多，版本管理就越复杂，无法靠一次软件推送把后续问题全部解决。

姜珊谈到的办法，是把基础软件的工作往前放，让应用与底层硬件尽量解耦。通俗点说，芯片有差异，基础软件先处理好这些差异，上面的功能才不用每换一次芯片就重新做一遍适配。

汽车还有安全要求。娱乐功能和车辆控制任务如果共用计算资源，哪些任务优先执行、某个AI模块出问题会不会影响其他功能，都要提前安排。新版本上线，也需要持续监测和异常恢复，不能只看演示时跑得顺不顺。

这样一来，智能汽车的研发投入就不会随着新车上市结束。卖出去的车还在使用，软件维护和安全验证就得继续。车企能否把这些工作做成可复用的平台，也会影响后续车型的开发效率。

AI上车当然可以快，但老车不能被轻易落下。除了比谁先接入新模型，汽车企业还得回答，几年后的用户能得到怎样的持续支持。