什么是智能座艙的終極標準？清華教授：用之不覺，失之難存

新京報訊（記者張建林）“每次上車，它還是像第一次見到我。”這不是戀愛關系的抱怨，而是一位車主對自家智能汽車的真實吐槽。當一輛售價數十萬元的智能汽車，其語音交互仍停留在“打開車窗”“導航到公司”這種機械指令層面時，駕駛員不禁要問：智能座艙在中國市場的配裝率已突破76%，那它的“智能”究竟藏在了哪里？

在第十九屆北京國際汽車展覽會期間，《智能座艙：定義AGI時代的汽車新范式》白皮書發布。圍繞端側AI如何定義下一代座艙體驗、智艙產業協同等議題，專家們還在會上展開了一次深入對話。

面壁智能CEO李大海談到了發起這份白皮書的初衷：智能座艙發展到現在，功能越來越多，算力越來越強，用戶真正感知到的智能提升有多少？安全焦慮解決了嗎？產業鏈上下游還能如何協同合作共贏？這些問題似乎也正是白皮書試圖破解的核心命題。

清華大學人工智能研究院常務副院長孫茂松用一句話概括了智能座艙的終極標準：“用之不覺，失之難存。”他認為，座艙AI要做到的是精準意圖識別、善解人意，成為“一個伴你走天涯的靈動之家”。

不過，現實距離這個愿景還有距離。清華大學車輛與運載學院博士后帥斌指出，當前座艙普遍缺乏“連續記憶和個性化進化能力”。

白皮書里提到，下一代智能座艙的競爭焦點，將從“還有什么功能沒上”轉向“自然語言驅動的場景智能與任務閉環”——用戶說的是意圖，系統負責理解、追問、拆解和執行。

中國汽車工程學會副秘書長鄭亞莉將這一轉變上升到產業邏輯層面。在她看來，AI對汽車的影響不是加法而是乘法，座艙智能體將成為串聯各域智能的“唯一交互中樞”，推動汽車從功能集成走向智能協同。

但這條路徑上橫亙著一個現實難題：純云端架構面臨算力成本、網絡時延、斷網不可用、隱私風險四大結構性約束。孫茂松明確給出了座艙AI的三項硬指標：斷網可用、隱私不出車、瞬間時延。這意味著核心能力必須跑在車端。

清華大學計算機系教授、面壁智能首席科學家劉知遠在會上系統闡述了由清華團隊提出的“密度定律”——模型的有效知識容量與物理參數規模的壓縮比。

數據顯示，2023年以來大模型能力密度平均每3.3個月翻一倍。劉知遠指出，密度定律改變了行業對“更強AI”的默認想象：更強不一定意味著更大，關鍵在于單位參數能釋放出多高的有效智能。通過“架構-數據-學習”的協同優化，面壁智能的端側模型制備技術可以將PB級數據壓縮至百萬分之一注入小模型，在有限車規算力下實現高質量體驗。

技術路線日漸清晰，但規模化落地還需跨越信任與協同兩道門檻。中國汽車工業協會副總工程師王耀用一個生動的例子說明了這一點：“端側模型不只是數據不出車，更重要的是它能不能識別不同的隱私場景——比如朋友上車了，AI特別主動，可能就暴露了你的隱私。”他指出，數據出境和車內攝像頭隱私是用戶最大擔憂，協會正在推動“數據本地化存儲”標準，端側AI方案天然符合這一方向。

中金資本董事總經理徐萌萌從用戶體驗設計角度指出，最大的挑戰是“信任的可視化”——用戶不知道自己的數據去了哪里。需要在交互設計層面讓用戶“看見”安全，比如在隱私數據被調用時給出清晰的提示和授權。好的設計應該讓用戶感覺到“我的數據我做主”，而不是被動接受。在多乘員、多音區和跨端協同場景下，權限治理不再只是后臺問題，而是開始成為交互設計本身的一部分。

隨著模型廠商、芯片廠商、OS平臺方、Tier1和車企同時涌入智能座艙賽道，原有的線性供應鏈正在重構為“芯片-模型-OS-應用”的網狀協同。下一階段的競爭不再只是“誰供貨給誰”，而是“誰定義接口、誰掌握數據邊界、誰提供安全可信的執行基礎設施”。

白皮書中指出，未來2-3年內，智能座艙的端側AI能力大概率將從差異化亮點轉為基礎能力，這一轉折點預計出現在2027年-2028年前后。驅動變化的因素包括：車規級芯片算力持續提升、電子電氣架構向中央集中式演進、端云協同工程能力日趨成熟，以及消費者預期的根本變化——他們不再滿足于“車里有功能”，而開始要求“車能聽懂并把事辦完”。

編輯 張磊

校對 賈寧