第十九屆北京國際汽車展覽會期間，面壁智能聯(lián)合清華大學車輛與運載學院、中國汽車報共同發(fā)布《智能座艙：定義 AGI 時代的汽車新范式》白皮書，并舉辦專題研討會。

清華大學人工智能研究院常務副院長孫茂松、清華大學計算機系教授及面壁智能首席科學家劉知遠、中國汽車工程學會副秘書長及國汽戰(zhàn)略院執(zhí)行院長鄭亞莉發(fā)表主旨演講。來自中國汽車工業(yè)協(xié)會、清華大學車輛與運載學院、上汽大眾、梧桐科技、車聯(lián)天下、中金資本等機構的嘉賓參與了圓桌討論，圍繞端側(cè) AI 如何定義下一代座艙體驗、智艙產(chǎn)業(yè)協(xié)同等議題展開深入對話。

面壁智能 CEO 李大海在致辭中談到了發(fā)起這份白皮書的初衷："從研發(fā)到量產(chǎn)落地，在全鏈條的實踐中，我們越來越意識到一家公司跑得快固然重要，但一個行業(yè)跑得穩(wěn)、跑得遠，更需要所有伙伴的共同協(xié)作。智能座艙發(fā)展到現(xiàn)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(chǎn)業(yè)鏈上下游還能如何協(xié)同合作共贏？這些問題不是面壁一家公司能回答的。"

配裝率已超 76%但座艙的"智能"為什么還沒有被真正感知？

白皮書開篇即提出了一個尖銳的問題：智能座艙在中國市場的配裝率已突破 76%，但用戶真正感知到的智能體驗仍然有限。屏幕更大了、功能更多了，為什么很多車主的日常交互仍然停留在"打開某個功能"，"說出某條標準指令"的層面？

研討會上，這一判斷引發(fā)了廣泛共鳴。清華大學車輛與運載學院博士后帥斌指出，現(xiàn)在的車"每次上車還是像第一次見面，缺少連續(xù)記憶和個性化進化能力"。車聯(lián)天下經(jīng)營管理委員會主任李金龍直言，真正的殺手級應用不是某個單一功能，而是"在用戶還沒開口之前，車已經(jīng)懂了"。梧桐科技 CEO 曹斌則從更底層的視角指出，當前大多數(shù)座艙使用的都是安卓操作系統(tǒng)，而安卓是面向手持可觸屏設備開發(fā)的，"這種交互模式在車里其實是不自然也不友好的。大模型的出現(xiàn)，可能會讓座艙從一個相對過時的狀態(tài)，躍遷到更符合人類自然交互的形態(tài)。"上汽大眾智能座艙總監(jiān)朱麗敏從車企視角指出，智能座艙正處在開發(fā)范式切換的關鍵節(jié)點："大模型帶來的變化不是漸進式的，我們需要用全新的開發(fā)范式來擁抱這一輪智能化升級。"

那么，新的范式應該長什么樣？下一代智能座艙的競爭焦點，將從"還有什么功能沒上"轉(zhuǎn)向"自然語言驅(qū)動的場景智能與任務閉環(huán)"——用戶說的是意圖，系統(tǒng)負責理解、追問、拆解和執(zhí)行。鄭亞莉?qū)⑦@一轉(zhuǎn)變上升到產(chǎn)業(yè)邏輯層面：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(lián)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(xié)同。

孫茂松則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"。

密度定律破題：端側(cè)AI如何在有限算力下實現(xiàn)高質(zhì)量體驗？

純云端架構面臨四大結構性約束：算力成本隨用戶規(guī)模線性增長、網(wǎng)絡時延難以滿足自然對話的節(jié)奏、隧道和地庫等場景下網(wǎng)絡不可用、以及艙內(nèi)攝像頭和聲紋等高敏感數(shù)據(jù)上云帶來的隱私風險。孫茂松在演講中強調(diào)，座艙 AI 必須滿足三項基本要求：斷網(wǎng)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。他同時指出一個常被忽視的事實：汽車端側(cè)算力是各類智能設備中最強的，能夠支撐相當規(guī)模的大模型運行，"宜端則端、宜云則云"是務實的部署原則。

孫茂松借《中庸》中"致廣大而盡精微"來類比大模型的兩條路線："致廣大就是 scaling law，模型越大越好，這是主線，但只有少量大廠有資源去做。對廣大企業(yè)來說，應該做盡精微——到垂直領域把它做透。智能座艙正是一件盡精微的事，而現(xiàn)在做這件事正當其時。"

但將能力搬到車端并不意味著問題自動消失。端側(cè) AI 落地面臨"效果-成本-速度"的不可能三角：模型能力不能因上車就明顯降智，硬件成本不能粗暴轉(zhuǎn)嫁給用戶，響應速度必須匹配自然對話的節(jié)奏。破解這一三角，關鍵在于模型本身的效率——這正是密度定律要回答的問題。

劉知遠在演講中系統(tǒng)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(shù)規(guī)模的壓縮比。數(shù)據(jù)顯示，2023 年以來大模型能力密度平均每 3.3 個月翻一倍。他指出，密度定律改變了行業(yè)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(shù)能釋放出多高的有效智能。通過"架構-數(shù)據(jù)-學習"的協(xié)同優(yōu)化，面壁智能的端側(cè)模型制備技術可以將 PB 級數(shù)據(jù)壓縮至百萬分之一注入小模型，在有限車規(guī)算力下實現(xiàn)高質(zhì)量體驗。

密度定律第一次給"端側(cè) AI 為什么有可能"提供了系統(tǒng)性解釋：效果上，更高知識密度意味著用更小參數(shù)規(guī)模逼近更強能力；成本上，模型變小對高端芯片的依賴顯著下降；速度上，計算量減少直接帶來更快響應。行業(yè)的競爭焦點正在從"算力有多高"轉(zhuǎn)向"單位算力到底能獲得何種體驗"。

圓桌討論中，李金龍對此高度認同："用更小的模型做更多的事，是解決端側(cè)算力瓶頸的關鍵方向。"梧桐科技 CEO 曹斌則從 Tier 1 視角補充，搭載輕量化大模型的座艙系統(tǒng)在無網(wǎng)絡環(huán)境下已能實現(xiàn) 95% 以上的語音指令識別準確率，端側(cè)能力正在快速逼近實用門檻。

劉知遠在演講中還描繪了通用人工智能在座艙中匯聚的圖景：全模態(tài)感知讓座艙具備"看和聽"的能力，極致高效的模型底座讓這些能力在端側(cè)穩(wěn)定運行，全面自主的智能體系統(tǒng)則讓座艙從"對話助手"進化為"執(zhí)行伙伴"。孫茂松以一句話概括了這一技術路線的精髓："端側(cè)模型，小而強且美。"

從數(shù)據(jù)安全到產(chǎn)業(yè)協(xié)同：端側(cè) AI 規(guī)模化落地還需要什么？

端側(cè) AI 的技術路線日漸清晰，但要真正規(guī)模化落地，行業(yè)還需要跨過兩道門檻：建立用戶信任，以及完成產(chǎn)業(yè)協(xié)同。

在信任層面，"數(shù)據(jù)不出車"是端側(cè)架構最容易被認可的價值，但它并不自動等于安全。當智能體具備更高自主性——能主動感知、編排任務、調(diào)用服務——新的安全邊界隨之出現(xiàn)。中國汽車工業(yè)協(xié)會副總工程師王耀用一個生動的例子說明了這一點："端側(cè)模型不只是數(shù)據(jù)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(shù)據(jù)出境和車內(nèi)攝像頭隱私是用戶最大擔憂，協(xié)會正在推動"數(shù)據(jù)本地化存儲"標準，端側(cè) AI 方案天然符合這一方向。中金資本董事總經(jīng)理徐萌萌從用戶體驗設計角度指出，最大的挑戰(zhàn)是"信任的可視化"——用戶不知道自己的數(shù)據(jù)去了哪里。我們需要在交互設計層面讓用戶"看見"安全，比如在隱私數(shù)據(jù)被調(diào)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(shù)據(jù)我做主"，而不是被動接受。在多乘員、多音區(qū)和跨端協(xié)同場景下，權限治理不再只是后臺問題，而開始成為交互設計本身的一部分。

在產(chǎn)業(yè)協(xié)同層面，鄭亞莉在演講中明確指出，AI Car 時代企業(yè)的生存邏輯將發(fā)生根本轉(zhuǎn)變：價值創(chuàng)造從"造好車"轉(zhuǎn)向"運營智能體"，資源配置從固定硬資產(chǎn)轉(zhuǎn)向數(shù)據(jù)軟資產(chǎn)，競爭博弈從單一維度升級為生態(tài)體系間的價值網(wǎng)絡對抗。曹斌坦言，當前最大的痛點是生態(tài)碎片化——不同車企的接口標準不統(tǒng)一，同一個 AI 能力需要反復適配，"真正的智能應該是'開箱即用'的標準化能力"。王耀從行業(yè)組織角度強調(diào)跨域協(xié)同離不開產(chǎn)業(yè)上下游的深度合作，徐萌萌則從設計角度指出，協(xié)同的核心是"體驗一致性"——用戶在不同品牌、不同車型之間切換時，座艙體驗應該是可延續(xù)的。這需要行業(yè)和各個車企共同定義交互標準和設計語言。

隨著模型廠商、芯片廠商、OS 平臺方、Tier 1 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(wǎng)狀協(xié)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(shù)據(jù)邊界、誰提供安全可信的執(zhí)行基礎設施"。

未來 2-3 年內(nèi)，智能座艙的端側(cè) AI 能力大概率將從差異化亮點轉(zhuǎn)為基礎能力，這一轉(zhuǎn)折點預計出現(xiàn)在 2027-2028 年前后。驅(qū)動變化的因素包括：車規(guī)級芯片算力持續(xù)提升、電子電氣架構向中央集中式演進、端云協(xié)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"。引領下一階段競爭的關鍵，不僅是爭奪"在路上"的體驗優(yōu)勢，更是角逐誰能率先把自然語言交互轉(zhuǎn)化為穩(wěn)定、可信、低打擾、可閉環(huán)的智能服務能力。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關鍵詞：