文｜三少爺

過去的幾年里，汽車智能化賽道上最熱鬧的角兒一直是自動駕駛。激光雷達之爭吵得不可開交，VLM、VLA、世界模型、物理AI的算法競賽一輪接一輪，車圈幾乎所有的輿論高地都被自動駕駛的話題占領了。

但在進入2026年之后，風向悄悄變了，尤其在小龍蝦熱潮之后，座艙AI的熱度甚至蓋過了自動駕駛。

在剛剛過去的四月份，華為把小藝從語音助手升級成了能夠主動識別乘客狀態、跨應用規劃行程的智能體，地平線推出了一個叫“咖咖蝦”的整車智能體，將其定位為替代傳統操作系統的新一代人-車交互界面。類似的案例還有很多。雖然出乎好多人意料地突然爆火，但座艙AI的這波熱潮絕對不是炒作，而是因為有三件事剛好在今年同時發生了：

AI能力跨過了好用的門檻，大算力座艙芯片最近開始量產，用戶的心智也被這幾年的市場教育到位了。

AI迎來性能突變

站在技術的視角上，軟硬結合的座艙AI之所以能在一夜之間成熟起來，一則是因為，在以AI為代表的軟件層面，AI的能力終于跨過了好用的那道門檻，二則是因為，在以芯片為代表的硬件層面，百TOPS算力的芯片或AI Box紛紛進入了量產階段。

先說AI。過去幾年，座艙AI一直停留在語音助手階段。它能理解特定的結構化指令，你說“調高溫度”，它就調高溫度，你說“導航回家”，它就導航回家。但也就止步于此了，它感受不到你說話時的疲憊、急促或者不耐煩。但今年，情況變了——AI開始“讀懂你的需求和感受”了。

想象一下這個畫面：你剛開完三個小時的會，又趕上晚高峰走走停停，身體陷在座椅里，疲憊得不想多說一個字。你嘆了口氣，隨口嘟囔了一句“有點冷”。在過去的車上，語音助手會機械地報出當前溫度，或者等著你給出“調到26度”這樣精確的數字指令。它聽懂了字的表面意思，卻完全沒有察覺你低沉、拖沓的語氣里溢出來的疲憊。

但部署了新一代全模態模型（比如阿里巴巴在2025年9月發布的Qwen3-Omni）的車不一樣。它能從你放緩的語速和略帶沙啞的聲線里，捕捉到了一種明確的不適信號。不用等你再下指令，它就可以悄無聲息地調高空調溫度，再順手把座椅加熱也打開了。隔了幾秒，音響里傳出一句溫和的詢問：“要不要播放一些輕音樂，順便把按摩功能也打開？”是不是雞皮疙瘩起來了？這種感受的震撼在于，座艙AI不再只是更快地執行用戶的命令，而是真的知道你累了。

和自動駕駛企業今年宣傳的原生多模態模型一樣，Qwen3-Omni這類全模態模型也剛剛問世不長時間，它的殺手級能力在于能夠支持視頻、圖像、音頻、文本的原生統一理解，從而能通過語速、語調、用詞、表情、動作去判斷用戶的狀態，實現精準的情緒感知。

能感受、好溝通只是第一步。感受到了，還得能干活。這是Agent框架要解決的事。回頭看25年底，以Anthropic發布Claude Opus 4.6為標志性事件，AI圈好像突然商量好了一樣——代碼助手可以編寫并跑通完整的項目了，Agent能從會議錄音里總結開會紀要、自動提取關鍵決定并生成待辦事項了。就在這幾個月間，多個行業的Agent能力曲線同時掙脫了線性增長的引力，走出了近乎拋物線的爆發軌跡。座艙Agent，不過是這個大趨勢里的一個切面而已。

今年很多車企不愿意再談語音助手，取而代之的是“座艙Agent”、“整車智能體”、“超級智能體”這些新概念，這并不是在換馬甲，而是座艙AI的Agent能力確實飛速跨過了能用到好用的門坎。

比如吉利的“Eva超擬人智能體”，它具備連續多輪對話中的上下文記憶能力，能記住你三句話之前提到過的餐廳偏好，并在推薦晚餐地點時自動繞開你不吃的日料。又懂你，又能干，這樣的AI超級助理，消費者怎能不喜歡？

大算力芯片和AI Box開始量產

AI模型和框架的能力跨過了門檻，還只是邁過了第一道關，接下來有一個很現實的門檻——這些能力跑在哪里呢？大部分跑在云端顯然太燒錢，車企們把牙咬碎了也付不起這張賬單。將大部分任務放在車端實現，才是正辦！這就考驗芯片的算力能不能接的住了。

高通是座艙芯片賽道繞不開的王者和標桿，其驍龍系列芯片的路線圖決定了座艙AI上車的時間線。可以認為，從8295到8397再到8797，三顆芯片的算力躍遷軌跡，勾勒出了座艙AI演進的硬件編年史。

目前仍是大部分車企主力座艙芯片的8295，其算力在30-60TOPS之間。放在兩三年前，這個數字絕對可以晃瞎你的雙眼，但放到今天的需求面前，它已經是“夠用”的底線，而不是“好用”的標準了。這么點算力跑不動端側多模態推理，更不用提Agent級別的多步規劃了。

真正能兌現座艙AI實力的是320 TOPS的8397。它的出現意味著，大幾十億甚至百億參數級別的全模態模型終于可以在車上跑了，端側全模態推理從PPT變成了可以量產上車的真能力。

這顆芯片首發搭載于奔馳全新純電GLC SUV上，奇瑞與捷豹路虎聯合打造的豪華科技品牌FREELANDER神行者也成了全球首批采用這顆芯片的車型之一。8797的算力堆疊更加激進，高達640 TOPS，比8397整整翻了一番，本土新勢力零跑、理想汽車是首批搭載車企。從30 TOPS到320TOPS再到640 TOPS，算力提升幅度高達二十倍，為的就是接住大踏步飛躍式進擊的AI能力。

不過，高端車型可以用旗艦芯片堆算力，存量車、中端車型怎么辦呢？解決這個問題的利器是AI Box，它給出的解決方案是——算力可以不依賴整車換代，通過外接模塊來彈性升級。

今年北京車展上，瑞芯微正式展出了基于RK3576M+RK1828分布式架構的車載AI Box。它部署了Qwen2.5-VL-7B模型，首包時延504ms，輸出速度62 tokens/s；部署Qwen3-Omni-4B全模態模型時，連貫輸出超過80 tokens/s。展會現場還首發了“龍蝦智能體座艙助手”，語音指令聯動多車控功能，記錄用戶偏好，做千人千面的定制化體驗。值得提醒的是，該方案已經具備量產落地能力，不是PPT哦。

華陽通用推出了獨立Box形態的AI BOX，支持7B級大模型端側部署，通過千兆以太網與座艙域控制器協同，將高AI算力與原有座艙平臺解耦。所有生物特征數據和用戶行為數據在車端處理存儲，兼顧隱私與性能。2026年1月，它已經獲得國內頭部自主品牌車企的核心智能化項目定點，目前處于緊鑼密鼓的工程開發與量產準備階段。

模型、Agent框架、芯片、AI Box解決了供給端的問題。但座艙AI要真正火起來，不能只靠供給側發力——另一股力量來自需求端，用戶的心智也已經準備好了。

用戶的心智變化

用戶對座艙AI的需求不是無中生有的，而是被滲透率不斷攀升的智能座艙慢慢塑造出來的。高工智能汽車研究院數據顯示，25年中國乘用車前裝標配智能座艙的搭載率高達76.62%，用戶對交互多屏娛樂、智能語音交互的響應速度、流暢體驗的要求在持續升級。在不斷攀升的滲透率和搭載率中，用戶的參照點已經被悄悄拉高了。

另一種更隱蔽的變化，叫做“交互債”或“用戶體驗債”。長城汽車的研究團隊曾觀察到一個現象：在人車交互之間，用戶其實是傾向于不交互的。這話聽起來有點繞，但頗有些直指人心的意味。它不是說用戶不喜歡用語音，而是說，在他們認為理應主動服務、理應自動化智能的場景里，每一次不得不進行的手動操作（動嘴當然也是手動），都變成了一次心理上的“還債”。你需要在狹小的菜單里翻找功能，這是系統欠你的一次直覺；你需要用精確的指令觸發一個本該它主動做的事，這是系統欠你的一份貼心。債欠得多了，用戶就會沉默，并用腳投票。

還有另一個更潛移默化的力量來自手機，用戶可能自己也沒意識到，他們正在拿電腦、手機上的AI體驗來要求車機。豆包、千問、DeepSeek已經把用戶對AI交互的期望訓練到了一個新的高度。這種期望的遷移是潛意識完成的，用戶嘴上不會說“我希望車機像豆包一樣懂事”，但當達不到標準時，他們心底涌起的那種莫名的、巨大的失望感，是真實且尖銳的。很多車企果斷棄用傳統語音方案商，把豆包接入了車機，本質上不是在做技術選型，而是在承接用戶已經被手機訓練好的期望——他們知道，用戶的心理標尺已經變了。

參照點上移，還債感加重，期望被外部產品拉高——用戶對座艙AI的期待，已經在潛移默化之中被慢慢拉高了。

大模型的全模態感知推理和Agent能力跨過了好用的門檻，座艙芯片和AI Box紛紛量產，接住了算力需求，用戶也恰好被這幾年的市場教育喂到了那個“回不去”的點，模型、Agent框架、芯片、算力盒子、用戶期待，這幾件事在同一個時間窗口里形成了一次完美的共振，造就了座艙AI的排山倒海之勢。

任何一件事早了或者晚了，座艙AI都不會是今天這個局面。當技術的底座不再構成障礙，決定勝負的就變成了對用戶的理解深度——而這恰恰是芯片、模型供應商們幫不上忙的地方，是需要車企花心思和精力深耕的地方。