智能汽车正在向AI汽车发展。

AI汽车综合利用生成式AI大模型、基于规则的小模型等AI技术，具备泛在的理解能力，可通过多模态感知深度理解用户显性及隐式意图，从后端海量原子化服务中匹配合适的服务，并对服务进行高效编排、调度推送，为用户提供个性化服务，在单纯交通工具属性基础上，凸显出更“好玩、好用”的属性。

根据车百智库调研报告《AI汽车进展及趋势》，AI汽车的发展历程被划分为三个阶段，从1.0到3.0。那么，在1.0阶段，AI汽车有哪些特征？

智能座舱已经成为一个高度自动化和信息化的环境，存在大量可挖掘、利用的数据信息和服务场景，是AI技术天然的应用载体。1.0阶段，AI汽车具备较强的特定任务理解能力，能够实现多指令识别、被动执行座舱简单功能等。此阶段，人与汽车仍然是用户和工具的关系。

AI技术能够使车机智能助手对驾驶员的交互意图理解更加准确，带来更精准、个性的交互体验，以应对车内越来越复杂的交互需求，甚至能够实现电影《钢铁侠》中贾维斯的效果，其用户感知最明显。信源打通、企业协同等方面难度相对较低，将最先落地。

一方面，大语言模型在车载助手上应用，改变了传统的指令式交互，还能够理解用户的模糊意图，提供更加智能和人性化的服务，有效提升用户语言的识别能力、应答准确性和个性化体验。结合降噪消音技术，还可让驾驶员不必受后排乘客谈话的干扰，大幅提升了车内隐私保护水平。

例如，问界M9配备了隐私声盾，可以避免司机听到后排乘客对话，也能自适应跟随主驾头部进行声音屏蔽。也能通过自然语言实现控制车门、车窗和车灯的开关等简单逻辑功能，提高行车安全性，简化交互流程。还能衍生出文生图，文生视频、AI用车说明书、闲聊等生活服务。

另一方面，在大算力平台加持下，多模态大模型能够融合文字、语音、视觉、动作等多种感官信息，充分发挥车载传感器多样化、数据丰富性的能力，形成“AI座舱大脑”，让车载智慧助手能够更准确、全面地理解复杂场景和任务。包括眼球追踪、语音识别、口语识别联动和驾驶员疲劳状态检测等，也允许用户通过手势识别、面部表情、肢体动作等方式控制车舱各功能。

大模型上车的主要方式，是通过API接口调用云端模型能力，可完全发挥出大模型的复杂计算和大规模数据分析能力，但存在有延迟、隐私保护和成本高等问题。

大模型在端侧部署，能够更好保护用户隐私，降低通信成本，MTK、高通等芯片，能够支持百亿级参数大模型的端侧部署。纯端侧部署对算力需求非常大，当前车端芯片无法很好支撑。端云协同部署方案，可以兼顾大模型的意图理解、用户隐私安全、降低使用成本，将成为大模型上车的最重要方式。其中，端侧模型主要负责低时延车控指令执行、隐私数据管理等基础重要功能，云端负责更优使用体验、增值及附加功能。

欲了解更多AI汽车未来发展，请关注车百智库调研报告《AI汽车进展及趋势》。下期文章将深入探讨2.0阶段的发展特征及其带来的更多可能性，敬请关注。