4月23日，第二十一屆上海國際汽車工業展覽會開幕，AI成為今年本屆上海車展的關鍵詞之一。車展前夕，騰訊推出座艙端側大模型，基于混元2B（B為十億）小參數模型；英特爾首次參加車展并與面壁智能共同研發端側原生智能座艙；寶馬則在車展期間宣布DeepSeek年內將搭載于多款在售新車。

今年年初，面壁智能CEO李大海就告訴第一財經記者，比較主要的終端設備中，汽車和手機是今年AI落地最好的場景。記者了解到，近期大模型廠商對于智能座艙AI落地的考慮更具象化了。

騰訊智慧出行副總裁鐘學丹告訴記者，騰訊的端側模型和Agent（智能體）已在跟多家車企合作，車的量產還需要一段時間。端側模型在本地推理，可分析用戶當下需求，提供駕駛行為建議、車輛操作指導等，并在遇到復雜問題時尋求云端模型支持。

具體而言，騰訊在智能座艙場景將Agent等大模型能力與社交、娛樂生態結合。“駕駛中語音指令‘點一杯大杯拿鐵’，Agent就知道用戶喜歡的咖啡店和咖啡種類，并調用咖啡品牌的車載微信小程序，選擇最近的咖啡店，用戶順路取餐。” 騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生舉例稱。

值得注意的是，汽車座艙端側模型也有能力邊界。鐘學丹表示，2B模型很難具備很強的推理能力，推理能力是通過云端其他模型引入。問答對話在車上本就不是一個很好的應用場景，端側模型會更多聚焦用戶行為、意圖的識別和判斷，而不是聚焦于問答。

大模型廠商還需要應對AI幻覺問題。鐘學丹告訴記者，大模型運行的本質是預測下一個token（詞元），無法做到100%精準，要減少端側模型的幻覺問題，一方面要將行業相關數據加入模型訓練，此外則是增強知識理解能力，以提升端側模型的精準度。

此外，端側模型落地汽車座艙，算力也需要具備足夠的條件。鐘學丹告訴記者，落地車端的節奏取決于兩個因素，一是車端算力，二是端側模型與應用結合的進展。即便是小參數模型，也對車端算力提出要求。2B小參數模型未經極限測試，搭載于車上不僅需要考慮算力支撐情況，也要考慮車內應用和系統資源消耗的情況，預計運行在類似高通8295這樣的芯片上體驗較好，在算力較低的車上還很難有較好體驗。

高通8295芯片的NPU算力為30TOPS。記者了解到，考慮到本地運行需求，智能座艙、手機搭載的大模型參數量較小，多為幾十億參數。這既與芯片的算力限制有關，也與功耗相關，如果模型過大會加快電量消耗。

不僅智能座艙引入端側模型對車端算力提出要求，一些業內人士近期也注意到，端到端模型在智能駕駛領域的推廣也帶來了算力消耗增加。

“業界普遍預測，模塊化的端到端（模型）將在年內量產上車，而one-model（一個統一模型）端到端模型也預計在2026或2027年量產。智能駕駛從原有的規則驅動走向了數據驅動范式。”鐘學丹稱。湯道生稱，端到端模型處理的數據量將是過去的10倍以上。

元戎啟行CEO周光則將智能駕駛技術與大語言模型做類比。他表示，ChatGPT面世前的語言模型是弱專家系統，ChatGPT面世后大模型明顯提升了通才能力，近期大模型則走向垂直領域，變成強專家系統，例如在數學、物理等領域達到博士水平。

“今天的智能駕駛技術還在弱專家系統階段，下一步將進入通才階段，通用化是走向強專家系統的必經之路。自動駕駛廠商希望達到的L5級自動駕駛，對應的是強專家系統。”周光表示，機器人和自動駕駛落后大語言模型一到兩年時間，現在即將進入通才階段，這個階段的智能駕駛神經網絡是典型的VLA（視覺語言動作模型）架構，具備思維鏈能力，未來對算力的要求將會增長。

AD：

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。