第十九屆北京國際汽車展覽會期間，面壁智能聯合清華大學車輛與運載學院、中國汽車報共同發布《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略院執行院長鄭亞莉發表主旨演講。來自中國汽車工業協會、清華大學車輛與運載學院、上汽大眾、梧桐科技、車聯天下、中金資本等機構的嘉賓參與了圓桌討論，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展開深入對話。

面壁智能 CEO 李大海在致辭中談到了發起這份白皮書的初衷："從研發到量產落地，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，但一個行業跑得穩、跑得遠，更需要所有伙伴的共同協作。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，這一判斷引發了廣泛共鳴。清華大學車輛與運載學院博士后帥斌指出，現在的車"每次上車還是像第一次見面，缺少連續記憶和個性化進化能力"。車聯天下經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，車已經懂了"。梧桐科技 CEO 曹斌則從更底層的視角指出，當前大多數座艙使用的都是安卓操作系統，而安卓是面向手持可觸屏設備開發的，"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，可能會讓座艙從一個相對過時的狀態，躍遷到更符合人類自然交互的形態。"上汽大眾智能座艙總監朱麗敏從車企視角指出，智能座艙正處在開發范式切換的關鍵節點："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。鄭亞莉將這一轉變上升到產業邏輯層面：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。

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AI如何在有限算力下實現高質量體驗？

純云端架構面臨四大結構性約束：算力成本隨用戶規模線性增長、網絡時延難以滿足自然對話的節奏、隧道和地庫等場景下網絡不可用、以及艙內攝像頭和聲紋等高敏感數據上云帶來的隱私風險。孫茂松在演講中強調，座艙 AI 必須滿足三項基本要求：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。他同時指出一個常被忽視的事實：汽車端側算力是各類智能設備中最強的，能夠支撐相當規模的大模型運行，"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 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嫁給用戶，響應速度必須匹配自然對話的節奏。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。他指出，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。

密度定律第一次給"端側 AI 為什么有可能"提供了系統性解釋：效果上，更高知識密度意味著用更小參數規模逼近更強能力；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。行業的競爭焦點正在從"算力有多高"轉向"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在無網絡環境下已能實現 95% 以上的語音指令識別準確率，端側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穩定運行，全面自主的智能體系統則讓座艙從"對話助手"進化為"執行伙伴"。孫茂松以一句話概括了這一技術路線的精髓："端側模型，小而強且美。"

從數據安全到產業協同：端側 AI 規模化落地還需要什么？

端側 AI 的技術路線日漸清晰，但要真正規模化落地，行業還需要跨過兩道門檻：建立用戶信任，以及完成產業協同。

在信任層面，"數據不出車"是端側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、調用服務——新的安全邊界隨之出現。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。我們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，而開始成為交互設計本身的一部分。

在產業協同層面，鄭亞莉在演講中明確指出，AI Car 時代企業的生存邏輯將發生根本轉變：價值創造從"造好車"轉向"運營智能體"，資源配置從固定硬資產轉向數據軟資產，競爭博弈從單一維度升級為生態體系間的價值網絡對抗。曹斌坦言，當前最大的痛點是生態碎片化——不同車企的接口標準不統一，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"。王耀從行業組織角度強調跨域協同離不開產業上下游的深度合作，徐萌萌則從設計角度指出，協同的核心是"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的。這需要行業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"。

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 2027-2028 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"。引領下一階段競爭的關鍵，不僅是爭奪"在路上"的體驗優勢，更是角逐誰能率先把自然語言交互轉化為穩定、可信、低打擾、可閉環的智能服務能力。

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。

關鍵詞：