按汽车软件产品及解决方案布局来看，智能汽车软件的业务模式是IP、解决方案和技术服务等模式，收费方式主要包括一次性收费NRE、软件授权/许可License和按件收费的Royalty等。
目前，软件供应商业务类型主要包括定制软件开发与设计、技术服务、软件许可/授权和系统集成等业务，其不同业务类型收费模式略有差异。
来源：佐思汽研《2023年汽车软件业务模式和厂商布局研究报告》
软件定义汽车的大趋势下，整车的电子电气架构从过去的分布式向集中式转变，车企有意向全栈自研演进，但受限于软件技术团队等多重因素，只有少部分新势力车企或资金雄厚的车企实现了全栈自研布局，而大部分还是通过与供应商合作的模式布局，其中自研（自主可控）+供应商深度合作的模式成为当前车企软件布局的主要方式。
主机厂软件布局策略
来源：佐思汽研《2023年汽车软件业务模式和厂商布局研究报告》
同时，在软硬解耦的趋势下，客户不再满足于购买供应商提供的全套传感器和软硬件产品，而是更倾向于选择能与友商产品兼容的软件或硬件解决方案。
面对这一趋势，供应商也在积极布局，如2023年8月，博世推出了视觉感知纯软件模块产品，该模块可部署于多种片上系统（SoC），为汽车制造商提供了极高的灵活性，该软件可对包含博世新型摄像头在内的多个传感器捕捉到的图像数据进行处理，并将其应用于与驾驶和泊车相关的高级驾驶辅助功能。
博世的软、硬分离方案，可以为客户提供领域多元方案，不论是单独硬件、软件还是软硬集成的系统，并支持客户在这个基础上做应用层，提供了多种组合方案。
EEA趋势下，主机厂加速整车OS布局，软件供应商方案越发体系化、系统化，多方合作加速量产
在跨域融合的大背景下，智能汽车产业需要一个整车级的OS系统，可同时支持座舱、智驾、车控等系统，但现阶段汽车各个功能域尚未完全打通，全球范围内还没有一个可以直接长期应用的智能汽车操作系统。
过去几年，丰田、大众、奔驰、蔚来、红旗等众多车企纷纷加大了整车操作系统的布局，基于主机厂不同的技术研发实力、产品开发需求与供应商的关系，主机厂整车OS系统等布局主要呈现出3种路径模式：自研、自主可控与深度合作研发或直接外采三种模式。目前，整车OS系统布局从倾向自研向自主可控与深度合作研发迈进。
2019年，基于汽车智能化和汽车新商业模式的需求，大众汽车宣布自主研发汽车操作系统VW.OS，由旗下成立的软件公司 CARIAD 进行自主研发，但受多重因素影响，进展缓慢。
近两年，大众开始加大对外开放合作策略，彻底改变 “全力自研”的方向。在中国市场之外，大众积极推动软件、自动驾驶层面的合作，陆续与高通、博世、Mobileye、苹果、Google 等公司达成合作关系。
在中国市场，大众先后与地平线、中科创达等联合创立合资公司，打造中国专属软件产品。同时，2023年5月CARIAD 公司的监事会批准了公司的全面调整计划，除大规模人事调整外，还包括强化与实力雄厚的科技企业的技术合作、全新的领导及团队模式等改革。
大众软件布局模式转变
来源：佐思汽研《2023年汽车软件业务模式和厂商布局研究报告》
2023年2月，奔驰公布其将打造自有操作系统MB.OS的具体计划，奔驰计划采用自主可控+供应商合作研发的模式布局，其将MB.OS里面的软件分为三种开发模式，下图灰色汽车内部以及数据安全方面软件是奔驰内部开发；蓝色是AUTOSAR部分主要是与供应商Vector一起开发；紫色计算机底层软件以及系统是进行第三方整合应用。预计MB.OS系统将于2025年正式上市。
奔驰MB.OS系统
来源：奔驰
2023年9月，蔚来发布了全栈自研的智能电动汽车整车全域操作系统天枢SkyOS，是蔚来整车底层操作系统，为整车研发建立全方位、立体的技术体系，使各种设备能够有机地融合在一起，实现高效协同工作。天枢SkyOS构建起了“1+4+N”技术集群，涵盖车控、智驾、座舱、移动互联等多个领域，成为全面且领先的智能数字技术基座。
蔚来整车全域操作系统天枢SkyOS
来源：蔚来汽车
而面对整车OS市场机会，软件供应商积极变革，纷纷推出相适应的开发产品和解决方案，如诚迈科技跨域整车峰昇操作系统Fusion OS、光庭信息KCar-OS、易特驰端到端的整车OS解决方案等。同时，面对主机厂的定制化需求，供应商的软件开发团队是客户的理想合作伙伴，可以协同研发并帮助客户快速开发产品， 缩短上市时间。
而商业模式方面，短期内，整车OS除软件工具收取授权费用外，仍然以收取定制开发费用为主。而未来主机厂的盈利能力将从单纯的整车销售向应用软件和服务升级转移，整车OS供应商与主机厂之间的商业模式不仅仅是现在的一次性买卖，SaaS等模式、量产分成或开源订阅服务等收费模式或可能出现。
GPT大模型上车应用量产加速，尤其是人机交互领域
自2022年11月推出以来，Chat GPT已风靡全球。其高度的类人对话学习能力，高度智能的工具属性，给信息社会带来了巨大变革。大模型因能快速和汽车产业原有知识体系相融合，形成更多的场景化模块，在智能驾驶、智能座舱领域具有领先的技术优势。
AI大模型上车也成为今年的主要趋势之一，主机厂积极推进AI大模型的构建，目前有三种选择：
1 从基础层开始，全部自研搭建；
2 在平台级企业搭建的基础层上搭建应用层；
3 直接接入某个大模型。
理想自研模式：2023年理想家庭科技日发布会上，理想发布了自研的 Mind GPT，该模型不仅控制汽车，还能进行故事讲述、儿童百科制作、行程规划、智能诊断和复杂任务理解等功能。在大语言模型训练的过程中，面对诸多供应商的解决方案，理想最终还是选择全自研大模型这条路。
理想汽车空间算法团队搭建了一个基于大模型训练的数据平台和训练平台，使用“控制器单元模型”连接外部能力弥补模型在个别方面的不足。团队从底层出发，搭建起了MindGPT的整个架构，将技术和能力应用到实际场景，通过迭代作出差异化创新，不断提升MindGPT的产品力和竞争力。
理想自研MinGPT助力空间交互2.0
来源：理想汽车
奔驰采用ChatGPT直接供应模式：2023年6月，奔驰在美国启动为期 3个月的 ChatGPT 测试计划，车主可以通过 Mercedes me APP 选择使用 ChatGPT，奔驰的 MBUX 信息娱乐系统就会将语音助手「Hey Mercedes」自动接入 ChatGPT。奔驰主要是通过与微软合作，使用Azure OpenAI 服务将 ChatGPT 集成到车机中，借助 Azure OpenAI Service 中的 ChatGPT 预览版，开发人员能够将定制化 AI 体验直接集成至自己的应用程序当中。
2023年3月13日开始，微软所有 ChatGPT 服务开始计费。微软通过提供Azure OpenAI服务，客户可以立即开始使用 ChatGPT，定价为 0.002 美元 /1000 tokens。
通过接入微软Azure OpenAI Service实现ChatGPT等大模型应用
来源：Camlan
讯飞星火上车星途星纪元ES，采用联合开发定制模式：2023年8月，奇瑞发布了首搭讯飞星火认知大模型的星纪元ES，以奇瑞「LION AI」大模型平台为底层架构和技术基础，加入科大讯飞的讯飞星火认知大模型，提高座舱交互能力。
奇瑞与科大讯飞通过技术的跨界融合、深度链接，充分发挥大模型在 AI 语音助手方面的核心优势，从跨业务场景、深度语义理解、多轮交互、学习进化、实时更新加载和多风格 6 大技术驱动，解决当前大多数人机交互的3大用户痛点，如对话风格单一、聊天与技能未打通、缺乏跨场景业务，最终实现5大核心应用场景，成为车辆功能导师、冷暖共情伙伴、知识百科全书、旅行规划管家及身体健康顾问。双方合作深度融合大模型功能、联合开发定制，并快速落地上车。
奇瑞LION AI大模型平台
来源：奇瑞汽车
此外，随着AI大模型上车加速，还出现了供应商大模型预集成供应模式。如2023 德国IAA MOBILITY的新闻发布会上大陆宣布与谷歌云建立合作伙伴关系。两家公司共同为汽车提供生成式人工智能 (AI)，且可以快速上市，从收到订单到生产交付只需18个月。
大陆集团与谷歌云合作预集成生成式AI大模型
来源：佐思汽研《2023年汽车软件业务模式和厂商布局研究报告》
01 汽车软件业务模式分析及趋势
1.1 智能汽车软件产业链概述
1.1.1 智能汽车软件架构
1.1.2 顺应EEA演变，汽车软件架构由“面向信号”迈向“面向服务”
1.1.3 主机厂汽车软件开发方式转变
1.1.4 智能汽车软件类型
1.1.5 汽车软件供应商类别
1.1.6 软件赋能车企实现价值
1.2 智能汽车软件相关供应商业务模式汇总
1.2.1 软件供应商主要业务类型
1.2.2 软件供应商主要收费模式
1.2.3 智能汽车部分软件模块单车软件授权费用
1.2.4 汽车软件销售模式
1.2.5 主要汽车软件供应商各产品业务模式汇总（1）
1.2.6 主要汽车软件供应商各产品业务模式汇总（2）
1.2.7 主要汽车软件供应商各产品业务模式汇总（3）
1.2.8 主要汽车软件供应商各产品业务模式汇总（4）
1.2.9 主要汽车软件供应商各产品业务模式汇总（5）
1.2.10 主要汽车软件产品业务模式情况
1.2.11 主要汽车软件供应商业务模式
1.2.12 SDV趋势下，软件供应商角色演变趋势
1.2.13 主机厂软件开发策略
1.2.14 供应商软件价值变现方案
1.2.15 智能汽车软件价值变现模式演进趋势
1.2.16 智能汽车软件价值实现模式比重
1.3 智能汽车软件业务模式发展趋势
1.3.1 SDV趋势下，软件供应商角色转变
1.3.2 汽车软件市场规模
1.3.3 汽车供应扁平化、联合开发生态趋势
1.3.4 软件供应商生态合作，深度绑定上游伙伴模式
1.3.5 软件供应商合作模式探索
1.3.6 软件供应商收费策略
1.3.7 软件供应商收费模式探索（1）
1.3.8 软件供应商收费模式探索（2）
1.3.9 未来汽车软件产品发展趋势及业务模式探索（1）
1.3.10 未来汽车软件产品发展趋势及业务模式探索（2）
02 主机厂应对软件创新策略分析
2.1 主机厂应对软件创新策略
2.1.1 主机厂应对软件创新布局策略（1）
2.1.2 主机厂应对软件创新布局策略（2）
2.1.3 主机厂应对软件创新布局策略（3）
2.1.4 主机厂应对软件创新布局策略（4）
2.1.5 主机厂应对软件创新布局策略（5）
2.1.6 主机厂应对软件创新布局策略（6）
2.1.7 主机厂应对软件创新布局策略（7）
2.1.8 主机厂应对软件创新布局策略（8）
2.1.9 主机厂应对软件创新布局策略（9）
2.1.10 主机厂应对软件创新布局策略（10）
2.1.11 主机厂应对软件创新布局策略（11）
2.1.12 主机厂应对软件创新布局策略（12）
2.2 奔驰
2.2.1 奔驰软件业务布局
2.2.2 奔驰软件业务部门构建
2.2.3 奔驰在中国本土化软件业务布局
2.2.4 奔驰软件布局策略
2.2.5 奔驰软件层面合作伙伴
2.3 宝马
2.3.1 宝马软件业务布局（1）
2.3.2 宝马软件业务布局（2）
2.3.3 宝马中国本土化软件业务布局（1）
2.3.4 宝马中国本土化软件业务布局（2）
2.4 大众
2.4.1 大众软件平台规划
2.4.2 大众软件业务团队构建
2.4.3 大众软件部门组织架构调整及软件人才策略
2.4.4 大众汽车中国软件团队布局
2.4.5 大众汽车中国团队软件平台系统规划
2.4.6 大众汽车全球合作伙伴
2.5 福特
2.5.1 福特软件业务布局
2.5.2 福特软件业务团队（1）
2.5.3 福特软件业务团队（2）
2.5.4 福特软件业务布局策略
2.6 上汽集团
2.6.1 上汽集团软件业务布局
2.6.2 上汽集团软件业务布局策略（1）
2.6.3 上汽集团软件业务布局策略（2）
2.6.4 上汽集团软件业务布局策略（3）
2.6.5 上汽集团软件业务布局策略（4）
2.7 长城汽车
2.7.1 长城汽车智能化业务布局
2.7.2 长城汽车森林生态体系图
2.7.3 长城软件团队构建
2.7.4 长城软件布局策略（1）
2.7.5 长城软件布局策略（2）
2.7.6 长城软件合作生态圈
2.8 吉利汽车
2.8.1 吉利软件业务布局
2.8.2 吉利软件业务布局策略
2.8.3 吉利软件业务布局规划
2.9 长安汽车
2.9.1 长安软件业务布局
2.9.2 长安软件业务规划
2.9.3 长安软件业务团队构建（1）
2.9.4 长安软件业务团队构建（2）
2.10 小鹏汽车
2.10.1 小鹏汽车软件业务布局
2.10.2 小鹏汽车软件业务策略
2.10.3 小鹏汽车研发中心分布
2.10.4 小鹏汽车组织架构
2.10.5 小鹏汽车面向AI变革
2.10.6 小鹏汽车组织架构调整
03 汽车操作系统创新需求及布局模式分析
3.1 汽车操作系统业务模式发展现状及趋势
3.1.1 汽车操作系统类型
3.1.2 狭义操作系统与广义操作系统协同共生
3.1.3 汽车操作系统业务模式类型
3.1.4 汽车广义操作系统各模块业务模式
3.1.5 主要汽车操作系统企业业务模式
3.1.6 智能座舱OS商业模式
3.1.7 自动驾驶OS供应商业务模式
3.1.8 汽车操作系统发展趋势及业务模式探索
3.2 主机厂操作系统创新需求及布局模式探索：整车OS
3.2.1 EEA演进趋势下，OS需求变化
3.2.2 汽车操作系统系统需求向整车OS迈进
3.2.3 整车OS
3.2.4 整车OS架构
3.2.5 整车OS目的
3.2.6 整车OS核心软件层
3.2.7 整车OS开发模式的演变
3.2.8 主机厂整车OS主要布局方式
3.2.9 主机厂自研整车OS主要限制因素
3.2.10 主机厂OS布局典型案例（1）：
3.2.11 主机厂OS布局典型案例（2）：
3.2.12 主机厂OS布局典型案例（3）：
3.2.13 主机厂OS布局典型案例（4）：
3.2.14 主机厂OS布局典型案例（5）：
3.2.15 主机厂OS布局典型案例（6）：
3.2.16 主机厂OS布局典型案例（7）：
3.2.17 主机厂OS布局典型案例（8）：
3.2.18 构建整车OS时，底层操作系统等基础软件模块选择策略
3.2.19 供应商整车OS市场机会
3.2.20 汽车OS软件供应商角色演变
3.2.21 整车OS趋势下，商业模式的演变
3.2.22 2023年汽车OS市场发展动态（1）：
3.2.23 2023年汽车OS市场发展动态（2）：
3.2.24 供应商整车OS布局案例（1）：
3.2.25 供应商整车OS布局案例（2）：
3.2.26 供应商整车OS布局案例（3） ：
3.2.27 供应商整车OS布局案例（4） ：
3.2.28 供应商整车OS布局案例（5）：
3.2.29 供应商整车OS布局案例（6） ：
3.2.30 供应商整车OS布局案例（7） ：
3.2.31 供应商整车OS布局案例（8） ：
3.2.32 供应商整车OS布局案例（9） ：
3.2.33 供应商整车OS布局案例（10）：
3.2.34 供应商整车OS布局案例（11）:
3.2.35 供应商整车OS布局案例（12）：
3.2.36 供应商整车OS布局案例（13）：
3.2.37 供应商整车OS布局案例（14）：
3.3 主要汽车操作系统供应商产品及业务模式
3.3.1 基础型汽车操作系统及业务模式
3.3.2 汽车RTOS操作系统及业务模式（1）
3.3.3 汽车RTOS操作系统及业务模式（2）
3.3.4 汽车操作系统及业务模式（1）
3.3.5 汽车操作系统及业务模式（2）
3.3.6 汽车操作系统及业务模式（3）
3.3.7 汽车操作系统及业务模式（4）
04 汽车智能座舱相关创新需求及布局模式分析
4.1 智能座舱软件系统业务模式及趋势分析
4.1.1 智能座舱系统开发演进趋势
4.1.2 智能座系统的四种供应模式
4.1.3 智能座舱软件平台供应商及业务模式（1）
4.1.4 智能座舱软件平台供应商及业务模式（2）
4.1.5 智能座舱软件平台供应商及业务模式（3）
4.1.6 汽车座舱应用软件层产业链
4.1.7 主要座舱应用软件模块业务模式
4.1.8 主要座舱应用软件模块业务模式趋势
4.2 主机厂座舱软件创新需求及布局模式（一）
4.2.1 主机厂积极推动Chat GPT等AI大模型平台上车智能座舱
4.2.2 AI大模型上车主要应用领域
4.2.3 主要供应商GPT大模型的布局及业务模式（1）：生成式AI大模型类
4.2.4 主要供应商GPT大模型的布局及业务模式（2）：生成式AI大模型类
4.2.5 主要供应商GPT大模型的布局及业务模式（3）：生成式AI大模型类
4.2.6 AI大模型主要的商业模式探索
4.2.7 主机厂AI大模型主要布局方式
4.2.8 AI大模型上车布局模式典型案例（1）：
4.2.9 AI大模型上车布局模式典型案例（2）：
4.2.10 AI大模型上车布局模式典型案例（3）：
4.2.11 AI大模型上车布局模式典型案例（4）：
4.2.12 AI大模型上车布局模式典型案例（5）：
4.2.13 AI大模型上车布局模式典型案例（6）：
4.2.14 AI大模型上车布局模式典型案例（7）：
4.2.15 AI大模型上车布局模式典型案例（8）：
4.3 主机厂座舱软件创新需求及布局模式（二）
4.3.1 越来越多车企将3D引擎被应用智能座舱
4.3.2 汽车3D引擎应用智能座舱布局方式及商业模式
4.3.3 3D引擎上车布局模式典型案例（1）：
4.3.4 3D引擎上车布局模式典型案例（2）：
4.3.5 3D引擎上车布局模式典型案例（3）：
4.3.6 3D引擎上车布局模式典型案例（4）：
4.3.7 3D引擎上车布局模式典型案例（5）：
4.3.8 3D引擎上车布局模式典型案例（6）：
4.3.9 3D引擎上车布局模式典型案例（7）：
4.3.10 3D引擎上车布局模式典型案例（8）：
4.3.11 3D引擎上车布局模式典型案例（9）：
4.3.12 3D引擎上车布局模式典型案例（10）：
4.3.13 3D引擎上车布局模式典型案例（11）：
4.3.14 游戏引擎的商业模式
4.3.15 汽车HMI软件商业模式
4.3.16 主要HMI设计软件供应商最新产品及业务模式（1）
4.3.17 主要HMI设计软件供应商最新产品及业务模式（2）
4.3.18 主要HMI设计软件供应商最新产品及业务模式（3）
4.3.19 主要HMI设计软件供应商最新产品及业务模式（4）
4.3.20 主要HMI设计软件供应商最新产品及业务模式（5）
4.4 主机厂座舱软件创新需求及布局模式（三）
4.4.1 车机与手机深度融合趋势
4.4.2 车机与手机融合壁垒
4.4.3 车机与手机深度融合方向（1）：
4.4.4 车机与手机深度融合方向（2）：
4.4.5 车机与手机深度融合方向（3）：
4.4.6 车机与手机深度融合方向（4）：
4.4.7 车机与手机深度融合方向（5）：
4.4.8 车机与手机深度融合方向（6）：
4.4.9 主机厂在车机与手机深度融合布局方式（1）：
4.4.10 主机厂在车机与手机深度融合布局方式（2）：
4.4.11 主机厂在车机与手机深度融合布局方式（3）：
4.4.12 主机厂在车机与手机深度融合布局方式（4）：
4.4.13 主机厂在车机与手机深度融合布局方式（5）：
4.4.14 主机厂在车机与手机深度融合布局方式（6）：
4.4.15 车机与手机深度融合的商业模式探索
4.4.16 车机与手机深度融合典型案例（1）：
4.4.17 车机与手机深度融合典型案例（2）：
4.4.18 车机与手机深度融合典型案例（3）：
4.4.19 智慧车联开放联盟
4.4.20 车机与手机深度融合典型案例（4）：
4.4.21 车机与手机深度融合典型案例（5）：
4.5 主机厂座舱软件创新需求及布局模式（四）
4.5.1 汽车声学新需求
4.5.2 声学软件业务模式现状
4.5.3 声学软件供应商业务模式汇总
4.5.4 车企声学软件采购模式演变：
4.5.5 声学软件业务模式探索
4.5.6 声学软件供应商业务模式（1）
4.5.7 声学软件供应商业务模式（2）
4.5.8 声学软件供应商业务模式（3）
4.5.9 主要供应商车载声学技术布局及业务模式
4.5.10 典型案例（1）：
4.5.11 典型案例（2）：
4.5.12 典型案例（3）：
4.5.13 典型案例（4）：
4.5.14 典型案例（5）：
4.6 主机厂座舱软件创新需求及布局模式（五）
4.6.1 AR-HUD成为市场热点
4.6.2 AR-HUD产业核心技术：
4.6.3 AR-HUD软件升级主要方向
4.6.4 AR Creator 成为 AR-HUD 的核心元素，软件能力尤为重要
4.6.5 AR Creator 集成车机系统内
4.6.6 AR HUD软件供应模式（1）
4.6.7 AR HUD软件供应模式（2）
4.6.8 AR HUD软件供应商业务模式（1）
4.6.9 AR HUD软件供应商业务模式（2）
4.6.10 AR-HUD软件供应商业务模式（3）
4.6.11 典型案例（1）：
4.6.12 典型案例（2）：
4.6.13 典型案例（3）：
4.7 主机厂座舱软件创新需求与布局模式（六）
4.7.1 AI大模型等新技术带动下，人机交互进阶演变
4.7.2 多模态交互软件供应趋势：由单模块向集成式供应转变
4.7.3 人机交互供应商产品布局策略（1）：
4.7.4 人机交互供应商产品布局策略（2）：
4.7.5 人机交互供应商产品布局策略（3）：
4.7.6 多模态融合交互布局方式（1）：
4.7.7 多模态融合交互布局方式（2）：
4.7.8 多模态融合交互软件供应商及业务模式（1）
4.7.9 多模态融合交互软件供应商及业务模式（2）
4.7.10 多模态融合交互软件供应商及业务模式（3）
4.7.11 语音软件供应商及业务模式（1）
4.7.12 语音软件供应商及业务模式（2）
4.7.13 语音软件供应商及业务模式（3）
4.7.14 语音软件供应商及业务模式（4）
4.7.15 DMS视觉感知算法供应商及业务模式（1）
4.7.16 DMS视觉感知算法供应商及业务模式（2）
4.7.17 DMS视觉感知算法供应商及业务模式（3）
05 汽车自动驾驶相关创新需求及布局模式分析
5.1 自动驾驶系统软件业务模式现状及趋势分析
5.1.1 自动驾驶供应链模式
5.1.2 主机厂自动驾驶布局以合作+成立子公司+自研的方式为主(1)
5.1.3 主机厂自动驾驶布局以合作+成立子公司+自研的方式为主(2)
5.1.4 主机厂自动驾驶商业模式
5.1.5 主机厂自动驾驶软件生态布局
5.1.6 自动驾驶商业化落地场景及自动驾驶企业商业模式
5.1.7 自动驾驶Robotaxi商业模式探索
5.1.8 汽车自动驾驶软件层产业链
5.1.9 自动驾驶相应软件模块业务模式
5.1.10 自动驾驶系统供应商及业务模式（1）
5.1.11 自动驾驶系统供应商及业务模式（2）
5.1.12 自动驾驶系统供应商及业务模式（3）
5.1.13 自动驾驶系统供应商及业务模式（4）
5.1.14 自动驾驶系统供应商及业务模式（5）
5.1.15 ADAS系统后装市场供应商业务模式
5.2 主机厂自动驾驶软件创新需求与布局方式（一）
5.2.1 领航辅助驾驶功能加速上车
5.2.2 主机厂NOA布局方式（1）：
5.2.3 主机厂NOA布局方式（2）：
5.2.4 主机厂NOA布局案例（1）：
5.2.5 主机厂NOA布局案例（2）：
5.2.6 主机厂NOA布局案例（3）：
5.2.7 主机厂城市NOA收费模式：
5.2.8 关乎存亡，NOA供应商竞争白热化
5.2.9 主要NOA供应商供应策略（1）:
5.2.10 主要NOA供应商供应策略（2）：
5.2.11 领航辅助驾驶 “脱图”趋势
5.2.12 “无图”领航辅助驾驶布局
5.2.13 主要NOA供应商供应策略（3）：
5.3 主机厂自动驾驶软件创新需求与布局方式（二）
5.3.1 AI大模型全面赋能自动驾驶（1）
5.3.2 AI大模型全面赋能自动驾驶（2）
5.3.3 搭载AI大模型的智能驾驶汽车
5.3.4 AI大模型推动主机厂软件盈利发展
5.3.5 主要供应商GPT大模型及业务模式（1）
5.3.6 主要供应商GPT大模型及业务模式（2）
5.3.7 主要供应商GPT大模型及业务模式（3）
5.3.8 主要主机厂GPT大模型的布局
5.3.9 典型案例（1）：
5.3.10 典型案例（2）：
5.3.11 典型案例（3）：
5.3.12 典型案例（4）：
5.4 主机厂自动驾驶软件创新需求与布局方式（三）
5.4.1 当前主流自动驾驶算法为模块化架构
5.4.2 自动驾驶算法供应商类型
5.4.3 自动驾驶算法供应模式
5.4.4 软件2.0驱动自动驾驶算法不断向端到端发展
5.4.5 端到端自动驾驶算法成为市场远期共识
5.4.6 端到端自动驾驶模型发展路线图
5.4.7 端到端自动驾驶模型布局（1）：
5.4.8 端到端自动驾驶模型布局（2）：
5.4.9 供应商向端到端自动驾驶算法布局（1）：
5.4.10 供应商向端到端自动驾驶算法布局（2）：
5.4.11 BEV+Transformer 为端到端提供了高质量感知数据
5.4.12 主机厂BEV+Transformer 应用
5.4.13 特斯拉自研的端到端的自动驾驶模型
06 汽车云平台相关创新需求及布局模式分析
6.1 云平台层相关软件业务模式现状及趋势
6.1.1 云平台层相应模块业务模式
6.1.2 车联网商业模式
6.1.3 V2X付费模式探索
6.1.4 云平台服务商与主机厂合作模式
6.1.5 云平台服务形式及收费模式
6.1.6 主要云平台供应商服务形态
6.1.7 汽车云服务发展趋势
6.1.8 汽车云服务需求三大发展方向
6.1.9 汽车云服务需求五大特征
6.1.10 主机厂布采购云服务关键决策
6.1.11 主机厂云应用
6.1.12 汽车云业务模式
6.1.13 主机厂云布局策略
6.1.14 车云一体化发展趋势
6.1.15 未来车云服务业务模式探索
6.2 主机厂车云相关软件创新需求与布局方式（一）
6.2.1 云原生发展历程
6.2.2 云原生架构应用逐步实现云赋能于车，车服务于人理念
6.2.3 云原生技术发展
6.2.4 数据湖与云原生结合成为云平台企业探索热点
6.2.5 云原生技术商业模式
6.2.6 主机厂云原生布局方式
6.2.7 主机厂云原生布局案例（1）：
6.2.8 主机厂云原生布局案例（2）：
6.2.9 主机厂云原生布局案例（3）：
6.2.10 主机厂云原生布局案例（4）：
6.2.11 供应商云原生供应策略
6.2.12 供应商云原生产品案例（1）：
6.2.13 供应商云原生产品案例（2）：
6.2.14 供应商云原生产品案例（3）：
6.3 主机厂车云相关软件创新需求与布局方式（二）
6.3.1 OTA产业链
6.3.2 OTA业务模式
6.3.3 OTA运营商业模式
6.3.4 顺应智能汽车发展，OTA技术演进趋势
6.3.5 OTA供应商供应策略（1）：
6.3.6 OTA供应商供应策略（2）：
6.3.7 OTA相关供应商及业务模式（1）
6.3.8 OTA相关供应商及业务模式（2）
6.3.9 OTA相关供应商及业务模式（3）