智能座艙的終局是什么？面壁智能給出了自己的答案

車東西（公眾號：chedongxi）
作者 ｜ Juice
編輯 ｜ 志豪

下一代的智能座艙究竟是什么樣子？

汽車行業(yè)目前仍然處在智能化的轉型期，對于上面這個問題并沒有足夠統(tǒng)一且權威的答案，但是在本次北京車展上，所有玩家都試圖在解答著這個問題。

“XX，我要去看日出”、“XX，我餓了，幫我找個好吃的餐廳”……仔細聽的話，會發(fā)現(xiàn)每個人坐上展車之后，都在對AI助手下達類似的指令。

這已經(jīng)成為智能座艙的常態(tài)畫面。但仔細想，問題恰恰出在這里——所有服務都來自于明確的指令。用戶必須知道自己要什么、怎么說，系統(tǒng)才能響應。這本質上仍是”被動智能”：座艙是工具，人是操作者。

真正的革新方向應該是反過來的：即所有的服務都來自于座艙自己的“觀察”，不等車內乘客下發(fā)指令就完成服務，讓服務自然發(fā)生。

只有這樣，智能座艙才能從工具屬性轉換成陪伴屬性。

幸運的是，在本次北京車展上，車東西看到這樣的未來已經(jīng)開始加速到來了。

一、告別指令式智能 座艙領域呼喚“真智能”

在今年的北京車展上，車輛座艙的智能化體驗已經(jīng)成為非常重要的一個板塊了。這也代表了汽車行業(yè)轉型的一個重點—— 隨著汽車四化進程加速，汽車開始越來越接近電子產(chǎn)品，座艙系統(tǒng)逐漸和手機等設備打通，行業(yè)迎來了第一次智能化升級：常用App上車，語音助手可以完成一定的車控功能。

但從本質上來看，座艙并沒有發(fā)生“質”的變化，仍然是以指令式智能為主。什么是指令式智能呢？即用戶提出指令，然后座艙系統(tǒng)逐個完成。無論座艙內一次性完成多少個指令，都是被動服務的結果。座艙的服務仍然是呆呆的，缺乏主動性。

那么，座艙能不能像真人一樣，學會察言觀色，主動給人提供智能化的幫助呢？

在北京車展面壁智能的展臺上，車東西就真切的感受到了這種主動的，聰明的，真正的智能——無感智能。面壁智能全新發(fā)布的升級版SuperMate端側智能座艙方案，打通感知-記憶-推理-執(zhí)行的完整閉環(huán)，通過車內外傳感器判斷環(huán)境和用戶需求，依靠車端模型主動式服務。

▲面壁智能展臺

舉個簡單的例子，日常行車中，乘客均在前排，但是東西放在后排，想要拿東西比較費勁。但是在面壁這套系統(tǒng)中，車輛可以通過車內攝像頭識別到用戶的意向，自動往后調整座椅，方便用戶取物。

再比如，用戶滿臉疲憊地坐上車，癱坐到座椅上，這時車輛就會自動調節(jié)座椅高度，打開座椅按摩，調暗車內燈光，然后自動播放解壓純音樂。

整個過程不需要用戶逐條下發(fā)指令，座艙會主動判斷需求并完成服務。用戶甚至不需要第一時間感知到車輛做了什么，只需要感受車輛無微不至的服務。

▲面壁智能智能座艙方案

這就是無感智能的核心 ——從”人找服務”變成”服務找人”，讓汽車真正變得更加懂你。

在吉利銀河M9上，面壁智能的座艙方案已經(jīng)在部分場景下實現(xiàn)了主動智能：能見度差時自動開啟霧燈，過收費站自動降窗，車內人員檢測并分別響應，給每個人提供相應服務。這些都不是用戶喊出來的，是車”看”到之后自己做的。

二、端云協(xié)同新路線上車 無感智能成為現(xiàn)實

從用戶的感受上來看，無感智能確實能讓消費者享受到科技的便捷。但為什么并沒有在行業(yè)內形成大規(guī)模落地呢？關鍵在于技術路徑選擇與較高的技術門檻。

當前智能座艙的大模型部署并沒有形成單一技術路線。公開信息顯示，大致可分為三類：云端為主、端云協(xié)同、強端側。根據(jù)由清華大學車輛與運載學院、中國汽車報、面壁智能共同發(fā)布《智能座艙：定義 AGI 時代的汽車新范式》白皮書（下文簡稱為《白皮書》）顯示，純云端架構雖然模型能力上限高、服務擴展快，但一旦進入車內高頻交互場景，會迅速遭遇四個結構性約束：

一是算力成本高，車內語音、多模態(tài)識別、推薦、狀態(tài)問答等交互一旦高頻發(fā)生，就會形成持續(xù)的API和推理支出。

二是時延體驗。用戶在地庫若想通過語音打開空調，純云端方案在信號不佳時會失效，最終還需要手動操作，對用戶來說，這會帶來不好的體驗感。

三是網(wǎng)絡依賴。對于汽車來說，隧道、地庫、偏遠區(qū)域并不是邊緣場景，而是高頻用車的真實場景，如果系統(tǒng)關鍵能力建立在云端往返之上，斷網(wǎng)或者弱網(wǎng)環(huán)境就存在擊穿體驗底線的風險。

第四則是隱私與能耗壓力，智能座艙會接觸車外視頻、車內語音、艙內攝像頭、人臉信息、位置軌跡等敏感信息。這些信息的上傳不但會增加隱私合規(guī)的壓力，也會帶來設備能耗和鏈路管理的開銷。

白皮書進一步指出，舊一代座艙即便擁有語音助手，很多時候仍然依賴菜單邏輯和標準命令；當自然語言開始承擔跨功能調用、連續(xù)追問和多服務編排的職責后，任何顯著的網(wǎng)絡往返、識別遲滯或上下文丟失，都會被用戶直接感知為”車不懂我”。這也是為什么AGI時代的座艙體驗，不可能單純依靠更強的云端模型來解決。

▲《白皮書》發(fā)布現(xiàn)場

那么，哪些功能應該放在端側？清華大學李克強教授提出，”車端-移動端-云端”的分層協(xié)同邏輯，要求系統(tǒng)具備明確的能力分工、可靠的跨端接力和可審計的執(zhí)行機制。具體而言：一是有時延要求的功能，即越接近瞬時交互的任務；二是涉及到隱私敏感的內容，比如涉及艙內視頻、聲紋、人臉、位置軌跡的任務應優(yōu)先在本地完成；三是涉及到車控的功能，一旦能力需要觸發(fā)空調、車窗、座椅、燈光甚至更高等級的車輛執(zhí)行，就需要可驗證，可審計的本地控制鏈。 需要調用大范圍外部知識、聯(lián)網(wǎng)服務或復雜長鏈規(guī)劃的任務，仍更適合由云端承擔。

面壁智能聯(lián)合創(chuàng)始人兼CEO李大海在接受采訪時表示，“面壁智能認為端側模型和云端模型是協(xié)同的關系，端側主內，云側主外。”端側模型可以感知車艙內外環(huán)境，把車內的所有任務都做好，實時性更強，又不需要為隱私擔心。云主外則是處理需要大范圍外部知識、聯(lián)網(wǎng)服務或復雜長鏈規(guī)劃的任務。”哪個餐廳好吃、哪里交通變復雜、哪里天氣劇烈變化，這些只能通過云側智能去了解，去做協(xié)同互補。”

▲面壁智能聯(lián)合創(chuàng)始人兼CEO李大海

那么面壁智能是如何實現(xiàn)端側無感智能的呢？面壁智能聯(lián)合創(chuàng)始人兼COO雷升濤也從技術角度做了解讀，主要拆解了三項核心能力：

▲面壁智能聯(lián)合創(chuàng)始人兼COO雷升濤（右一）

一是面壁智能通過端側模型，讓車能夠有一套可以在線獲取并且有反饋的“五官”。面壁的全雙工全模態(tài)模型 MiniCPM-o 4.5 未來將會“上車”，結合車內傳感器，像一個時刻在線的真人，可以邊看、邊聽、邊說。

▲面壁智能全雙工全模態(tài)模型MiniCPM

二是面壁智能在讓模型有了“五官”的基礎上，還有了可以自主編排，自我修正的大腦。人類司機駕駛的時候，大腦執(zhí)行的一般不是“指令”，而是最終的“目的”。?壁通過意圖識別、思維鏈、端側極致推理等能?，讓車具備了“邏輯”，不再只是執(zhí)行動作，而是在幫助用戶解決問題。

三是面壁智能建立了一個行為模式庫，類似于AI的“海馬體”，模擬了人類?腦從 L1 到 L5 的記憶分層機制，讓Agent有了“抽象”的高維度能力。隨著數(shù)據(jù)值的不斷積累，Agent會越來越像人，最終讓座艙的服務升華到類似人類“本能”的程度。

技術路線需要產(chǎn)業(yè)驗證。面壁已經(jīng)與吉利、上汽大眾、廣汽集團、長安馬自達等車企達成合作，預計今年更多車型搭載其端側AI方案。芯片層面，與高通、英特爾、聯(lián)發(fā)科、AMD、輝羲、瑞芯微、英偉達等主流廠商深度合作；Tier 1層面，與梧桐車聯(lián)、德賽西威、中科創(chuàng)達、安波福等達成生態(tài)合作。

截至目前，面壁已完成三個汽車品牌量產(chǎn)落地，預計今年量產(chǎn)規(guī)模達30萬臺。 對于一個創(chuàng)業(yè)公司來說，這個速度說明端側路線已經(jīng)跨過”概念驗證”，進入”規(guī)模復制”階段。

三、清華系模型公司 專注高密度大模型開發(fā)

端側智能座艙不是”把模型變小塞上車”。行業(yè)玩家眾多，為什么面壁能率先跑通量產(chǎn)？核心在于三層壁壘，每一層都需要長期積累，短期投入難以補齊。

第一層是理論底座。端側落地的核心難題在于”效果-成本-速度”的不可能三角。效果要足夠好，不能讓自然語言理解和多模態(tài)感知一上車就明顯”降智”；成本要足夠低，不能把高端芯片和額外NPU成本粗暴轉嫁給用戶；速度要足夠快，因為一旦系統(tǒng)承接的是自然對話、連續(xù)追問和實時聯(lián)動，用戶對延遲的容忍度會顯著下降。

面壁智能與清華團隊聯(lián)合提出了密度定律（Densing Law），李大海介紹，面壁智能2024年發(fā)現(xiàn)大模型的知識密度提升速度比摩爾定律快了5倍，能力密度每3.5個月翻一倍。李升波教授用棉花與黃金的密度比喻指出，密度定律指引行業(yè)從追求“棉花體積”轉向追求“黃金密度”，通過模型結構、訓練方法和算法的創(chuàng)新，在同等算力下激發(fā)更高智能是系統(tǒng)性破解“算力-功耗-成本”三角關系的關鍵技術路徑。

第二層是端側模型的技術積累。雷升濤表示，面壁智能的端側模型每次發(fā)布的時候，都會在HuggingFace、Github上引發(fā)討論，這說明在端側模型技術方面，面壁智能已經(jīng)具備了全球領先的影響力。憑借以小博大、高效低成本的鮮明特性，面壁智能 MiniCPM 大模型，深受全球開發(fā)者歡迎。截至目前，MiniCPM 系列模型已囊括語言模型、全模態(tài)模型、多模態(tài)模型、語音模型，是國內除阿里以外唯一開源的「端側模型全家桶」 AI 廠商，在 GitHub、Hugging Face 等平臺下載量已突破 2800 萬。

第三層是量產(chǎn)規(guī)模。李大海介紹，在2023年的時候，面壁智能就認為大模型會把所有的行業(yè)都重新做一遍，因此，他們認為大模型跟汽車、智能座艙結合是一個必然會發(fā)生的事情。

面壁智能在2024年7月正式組建了汽車團隊，開始堅定布局汽車業(yè)務。

“其實面壁智能一直走在汽車與AI結合的最前沿，我們和很多先鋒主機廠一起，不斷定義新的智能座艙產(chǎn)品，不斷豐富和完善新的場景，讓智能座艙在端側模型的賦能之下，變得更快、更主動、更聰明，這是我們一直在做的工作。”李大海說到。

今年量產(chǎn)30萬臺的意義不只是數(shù)字——端側模型上車需要針對不同芯片做推理優(yōu)化、針對不同車型做場景適配、針對不同車企做功能定制。

▲面壁智能的智能座艙產(chǎn)品

下一階段，面壁智能會通過提供高知識能量密度的端側大模型，跟行業(yè)里所有的Tier 1、芯片廠商一起開放合作，把智能座艙做好。

李大海在采訪中也表述了自己的夢想：“我們的愿景是未來每輛汽車上都有一個賈維斯，而這個賈維斯的能力由面壁智能提供。”

結語：無感智能才是座艙行業(yè)的未來

在過去幾年內，汽車智能化轉型進行的如火如荼，智能駕駛，智能座艙都進入到全新的階段。而在今年的北京車展上，這種趨勢明顯有了進一步的加強。

不少行業(yè)專家都喊出了“智能體上車元年”的口號，這也意味著智能座艙領域從大語言模型上車轉向了更具實際價值的階段。

在這個過程中，還有一個底層的能力需要發(fā)生轉變，智能座艙需要從被動智能變成主動智能。讓智能座艙從“美麗廢物”轉變成“實干家”。

不夸張的說，AI終將會顛覆智能座艙領域。

不過目前智能座艙領域也遠未出現(xiàn)技術終局，各種技術也都正在碰撞中往前發(fā)展，既有云廠商為代表的云上智能方案，也有純端側方案，同時以面壁智能為代表的端云協(xié)同方案也正在快速落地生根。

這代表了中國科技行業(yè)的繁榮，百花齊放，各種路徑并行，一起探索智能座艙甚至是智能汽車的未來。對于汽車行業(yè)來說，將會帶動徹底的產(chǎn)業(yè)升級，對于用戶來說，將會享受到真正好用的智能座艙產(chǎn)品。

而面壁智能已經(jīng)給出了自己的答案——無感智能，讓服務自然發(fā)生。