界面新聞記者 | 周姝祺
試圖從硬件參數(shù)競賽與價格戰(zhàn)泥潭中抽身的汽車制造商們，正在把籌碼押向全新的AI賭注。它們希望打造出一種媲美科幻電影，具備主動感知與服務(wù)能力的“汽車機(jī)器人”。這場轉(zhuǎn)向不僅關(guān)乎技術(shù)升級，也被視為向資本市場講述新一輪增長故事的關(guān)鍵。
理想汽車CEO李想日前發(fā)文稱，人工智能正經(jīng)歷從Chatbot（聊天機(jī)器人）向Agent（智能體）進(jìn)化。過去AI工具更多提供建議，但真正進(jìn)入生活和用于生產(chǎn)和生活，它必須能夠行動。他認(rèn)為，汽車本質(zhì)上是一個在物理世界移動的機(jī)器人，應(yīng)當(dāng)像司機(jī)一樣理解用戶需求、主動提供服務(wù)。
要實(shí)現(xiàn)這一愿景，車輛必須同時具備意圖理解與物理執(zhí)行能力，這也意味著目前獨(dú)立運(yùn)作的兩套系統(tǒng)需要打通，即負(fù)責(zé)交互與服務(wù)的智能座艙，以及負(fù)責(zé)感知與控制的智能駕駛。只有形成從決策到控制的完整鏈路，“汽車機(jī)器人”才具備落地現(xiàn)實(shí)基礎(chǔ)。
小鵬汽車CEO何小鵬在內(nèi)部講話中也給出了相似判斷。據(jù)36氪報道，何小鵬稱，汽車產(chǎn)業(yè)正在進(jìn)入與AI深度融合的新階段，智能座艙與智能駕駛將實(shí)現(xiàn)技術(shù)合流，最終形成“超級智能體”。
這兩家公司為此同時開始著手內(nèi)部組織架構(gòu)的調(diào)整，為艙駕融合策略邁出實(shí)質(zhì)性一步。
理想汽車拆散了自動駕駛研發(fā)部門，并按照AI公司的組織結(jié)構(gòu)將團(tuán)隊梳理為幾大版塊：Infra（基礎(chǔ)設(shè)施）團(tuán)隊負(fù)責(zé)算力和數(shù)據(jù)；基座模型團(tuán)隊聚焦多模態(tài)認(rèn)知模型的預(yù)訓(xùn)練和后訓(xùn)練；軟件本體團(tuán)隊構(gòu)建完整工具鏈工具鏈與通用智能體工程；硬件本體團(tuán)隊讓硅基智能在物理世界有載體。
小鵬汽車則將自動駕駛中心和智能座艙中心兩個智能化一級部門，合并為“通用智能中心”，并圍繞基座模型、Infra底座設(shè)立二級組織。合并后，統(tǒng)一的AI中臺將同時支撐智駕、座艙及機(jī)器人等業(yè)務(wù)，減少重復(fù)研發(fā)與資源分散。
多位接受界面新聞采訪的業(yè)內(nèi)專家認(rèn)為，這種艙駕打通和統(tǒng)一AI底座將是未來汽車智能化發(fā)展的主流方案。從技術(shù)?？矗撆c智駕目前分別采用的視覺-語言大模型（VLM）和視覺-語言-動作大模型（VLA），在底層能力具備復(fù)用空間，這為統(tǒng)一架構(gòu)提供了可能性。
硬件基礎(chǔ)設(shè)施的成熟加速了這一進(jìn)程，新一代高算力芯片已具備同時運(yùn)行VLA與VLM能力的算力儲備。對于受困于成本壓力的汽車公司而言，實(shí)現(xiàn)艙駕融合還可以降低硬件冗余與系統(tǒng)成本。
特斯拉是艙駕融合的率先實(shí)踐者。一個已經(jīng)開始北美地區(qū)實(shí)踐的案例是，用戶說出模糊的語音指令后，由智能助手Grok負(fù)責(zé)解析語義并生成導(dǎo)航目的地，隨即交由全自動駕駛系統(tǒng)FSD執(zhí)行具體的路徑規(guī)劃與車輛控制。
一位從事艙駕融合相關(guān)領(lǐng)域的業(yè)內(nèi)人士接受界面新聞采訪表示，特斯拉這種艙駕交互聯(lián)動還處于相對初級階段。本質(zhì)上系統(tǒng)仍然依賴駕駛員的顯性指令來觸發(fā)動作，尚未實(shí)現(xiàn)從被動響應(yīng)向主動服務(wù)的跨越。
“未來更值得期待的是，系統(tǒng)將不再依賴顯性指令，而是通過捕捉駕駛員的生理信號、行為習(xí)慣等多模態(tài)輸入，精準(zhǔn)預(yù)判其潛意識意圖，并與物理世界的實(shí)時狀態(tài)對齊，實(shí)現(xiàn)人-車-環(huán)境的協(xié)同感知。更進(jìn)一步，座艙可動態(tài)調(diào)整對駕駛員的干預(yù)程度，不再是由人單向指揮車，而是讓車輛主動融入人類的感知-決策閉環(huán)。”
但要注意的是，現(xiàn)階段想要實(shí)現(xiàn)座艙和智駕的統(tǒng)一人工智能底座還相當(dāng)困難。一位人工智能領(lǐng)域?qū)＜蚁蚪缑嫘侣劚硎?，座艙主要承載服務(wù)體驗(yàn)，允許一定的不確定性，偶爾出錯最多影響用戶體驗(yàn)；自動駕駛屬于安全關(guān)鍵系統(tǒng)，需要毫秒級穩(wěn)定性、可驗(yàn)證與可回放性，任何一次失誤都可能帶來安全風(fēng)險。
“統(tǒng)一底座的難點(diǎn)不在于模型能力本身，而在于如何確保自動駕駛鏈路的絕對可靠性不受影響。”
最常見的難點(diǎn)是算力和系統(tǒng)的調(diào)度上。座艙大模型在運(yùn)行時會瞬時占用大量算力和顯存，而自動駕駛則要求每一幀計算都穩(wěn)定、延遲不能波動。如果兩者共享算力資源卻缺乏嚴(yán)格隔離，座艙一旦“吃緊”，智駕就可能出現(xiàn)抖動。這類風(fēng)險在量產(chǎn)車上幾乎不可接受。
而在實(shí)際產(chǎn)品開發(fā)節(jié)奏上，智能座艙會頻繁接入外部應(yīng)用和生態(tài)，會保持相對頻繁的更新速度；而智駕的每一次升級都需要經(jīng)歷漫長驗(yàn)證，兩套系統(tǒng)很難保持同樣的開發(fā)節(jié)奏。
另一方面，艙駕融合還考驗(yàn)內(nèi)部組織的協(xié)同能力。一位自動駕駛研發(fā)人員向界面新聞指出，座艙和智駕本身存在技術(shù)域差異，前者聚焦人機(jī)交互和服務(wù)生態(tài)，后者關(guān)注環(huán)境感知、規(guī)劃與功能安全。“兩類人才在知識圖譜和工程方法上存在一定壁壘，需要做到彼此充分的經(jīng)驗(yàn)共享?！?/p>
上述艙駕融合領(lǐng)域業(yè)內(nèi)人士向界面新聞表示，短期內(nèi)智能座艙和智能駕駛?cè)匀粫S持相對獨(dú)立的運(yùn)作。合流更多先從底層開始，比如統(tǒng)一算力平臺、數(shù)據(jù)與工具鏈，共享部分視覺和多模態(tài)能力。并且，智能駕駛要一直保持嚴(yán)格的安全隔離。
“汽車公司可以對計算資源硬性切分，為智駕分配確定性的算力保障，確保其關(guān)鍵任務(wù)的實(shí)時性與可靠性；同時也為智能座艙等非安全關(guān)鍵任務(wù)預(yù)留獨(dú)立資源，避免相互干擾?！?/p>
該人士指出，數(shù)據(jù)傳輸也需要引入優(yōu)先級調(diào)度機(jī)制。例如，在共享感知或融合推理場景中，優(yōu)先將高時效性數(shù)據(jù)調(diào)度至智能駕駛模塊，從數(shù)據(jù)通路層面強(qiáng)化系統(tǒng)安全。
汽車公司想要推動的艙駕融合AI轉(zhuǎn)型故事很難一步到位。隨著系統(tǒng)開始主動參與決策，誤判風(fēng)險、功能安全、隱私邊界以及用戶接受度等問題都會隨之放大。
更現(xiàn)實(shí)的路徑是，優(yōu)先在低風(fēng)險、可撤銷的場景中驗(yàn)證能力，而涉及關(guān)鍵或高風(fēng)險動作時，則保留用戶確認(rèn)或干預(yù)機(jī)制。這種漸進(jìn)式放權(quán)既有助于控制安全風(fēng)險，也更容易建立用戶信任。