12个月造一款车，供应商验证只剩3-4个月

一款新车的开发周期压缩到12个月，真正留给供应商的时间还有多少？

9月17日，在2026 AI定义汽车论坛上，盖世合伙人、研究院副总裁王显斌给出的一个数字是:可能只有3到4个月。

过去几年，中国汽车行业的新车节奏不断提速。从传统车企过去动辄三四年的开发周期，到18个月、15个月甚至12个月，一款新车从立项到上市所需要的时间正在被不断压缩。

但时间缩短，并不意味着原本需要完成的设计、开发和验证工作同步减少。

王显斌说地非常直接，“这些省完还赶不上节点，就只能动验证的刀子。”

相比“AI提升了多少研发效率”，这句话或许更值得关注。

因为它指向的是中国汽车开发速度越来越快之后，一个更现实的问题:当所有能够提效的环节都已经提速，最后还能从哪里继续挤时间？

12个月造一款车，最后压缩了什么？

在王显斌看来，中国汽车开发周期快速缩短，首先来自开发机制变化。

部分新势力企业决策链条更短，核心管理者直接参与产品定义，“老板本身就是产品经理”；与此同时，供应商介入节点不断前移，软件、硬件和整车系统从过去更多串行推进，转向并行开发。

AI又进一步参与其中。

从造型设计、材料研发，到碰撞仿真、软件测试、虚拟验证和OTA迭代，越来越多研发环节开始借助AI和数字化工具提高效率。

但即便如此，时间仍然可能不够。

王显斌提到，如果一款车按照12个月左右完成开发，真正留给供应商完成开发和验证的时间，可能只有3到4个月。

汽车研发中，有些环节天然存在时间刚性。

以冬季标定为例，中汽股份今年披露的募集说明书显示，一款车型完整的冬季标定研发验证，通常需要跨越两个冬季测试窗口；单个冬季有效测试周期通常只有3到4个月，常规窗口集中在每年11月至次年3月。

换句话说，整车开发周期可以从36个月压到18个月，再压缩到12个月，但冬天一年仍然只有一次。

这也是“3到4个月留给供应商”真正紧张的地方。

当决策提速、供应商前置、并行开发和AI仿真都已经用上，仍然赶不上上市节点时，最后被继续压缩的就可能是验证。

因此，AI提高研发效率，与验证压力上升，并不矛盾。

AI可以帮助提前发现问题、减少部分重复工作，却不能让高寒、高温、耐久、复杂路况等所有物理验证凭空消失。

问题也正在得到监管层面的回应。

今年以来，工信部已多次要求汽车企业加强生产一致性、可靠性、耐久性和新技术测试验证，并明确提出不得将未经充分测试验证的产品推向市场。8月，四部门又启动为期一年的道路机动车辆产品生产一致性和质量提升专项行动，可靠性、耐久性和新技术测试验证均被列为重点。

今年相关标准修订也释放出同样信号:新能源汽车可靠性行驶试验里程拟由此前约1.5万公里提升至不低于3万公里。

这些变化说明，开发周期缩短已经不只是效率问题，也开始成为质量管理问题。

对于供应商而言，这种变化也在重新分配价值。

需要大量物理验证和长期耐久测试的底盘、热管理、机械及安全相关供应商，承担的时间压力更大；能够提供AI研发工具、仿真平台、数字验证，以及具备早期协同开发能力的企业，价值反而被放大。

所以，12个月开发周期真正需要讨论的，不只是“还能不能更快”。

而是哪些时间可以通过技术拿回来，哪些验证无论如何都不能动。

当供应链边界开始向汽车之外扩展

如果说AI正在改变汽车“怎么被造出来”，那么另一场变化，则发生在“谁来造这辆车”。

王显斌在演讲中提到，智能座舱下一阶段的创新，可能越来越多来自传统汽车行业之外。

过去几年，屏幕、语音、座椅调节，以及被概括为“冰箱、彩电、大沙发”的配置迅速普及。

当这些功能逐渐从差异化卖点变成常见配置之后，下一轮座舱竞争开始向健康、舒适、空间和生活方式延伸。

而这些能力，并不一定掌握在传统汽车Tier 1手中。

王显斌透露，过去两年，盖世研究院在前端技术情报工作中已经接触到不少跨界供应链方向。

比如，酒店行业的床品和舒适材料能否进入汽车座舱；原本服务女性消费市场、运动健康场景的材料，能否重新设计后用于车内；按摩、健康监测等行业已经成熟的技术，又有哪些可以被重新定义后装进汽车。

这种跨界在机器人领域表现得更加明显。

9月15日，在盖世汽车具身感知融合与多模态大模型创新研讨会上，王显斌曾给出一组数据:汽车与机器人供应链的重合度已经达到60%到70%。

同一场演讲中，他还提到，机器人BOM成本中执行系统占比接近一半，主流感知方案大量复用汽车和智能驾驶已经使用的计算、传感与控制体系；随着规模扩大，不同定位产品仍存在较大的降本空间。

这说明，汽车和机器人之间的联系已经不只是“技术相似”。

供应链本身正在发生重叠。

而在9月17日的AI定义汽车论坛上，王显斌又进一步提出了一个更具想象力的构想，机器狗能不能成为汽车中的AI Box？

按照他的设想，机器狗在车内时，可以承担部分端侧计算能力；车辆到达目的地后，它又可以脱离汽车，在露营、行李搬运、儿童陪伴等场景继续执行任务。

这样一来，汽车与机器人不再是两个完全独立的硬件，而可能共享一套AI、感知和计算能力。

这个构想距离真正的大规模商业化显然还有很长距离。

但它背后的产业逻辑已经开始变得清晰。

一方面，汽车供应商积累的传感器、控制器、电机、材料、热管理、计算平台和规模制造能力，可以向机器人迁移；另一方面，酒店、健康、消费电子、机器人等行业的企业，也开始反向进入汽车。

汽车供应链的边界，正在从内部重构走向外部扩张。

王显斌将下一阶段汽车的发展概括为从SDV——软件定义汽车，向AIDV——AI定义汽车演进。

但从这场演讲透露的信息来看，AIDV真正改变的并不只是车机里多了一个大模型。

它一头深入研发体系，改变一款车被开发、验证和交付的方式；另一头又不断打开供应链的边界，让更多过去与汽车并无直接关系的技术和企业进入其中。

12个月开发周期、3到4个月供应商验证窗口，以及酒店材料、机器人、AI Box这些看似完全不同的话题，最终其实指向同一个变化:

AI正在重新定义汽车产业的时间，也在重新定义汽车产业的边界。