端侧强智能推动智能汽车功能创新，汽车智能体不再是未来？

终端智能是今年科技行业的主要话题。从目前的市场趋势来看，消费设备、汽车和机器人是目前最受关注的AI硬件方向。在汽车市场，随着电气化、智能化、网络化车辆在全球市场的加速推进，全球主要汽车公司加快了智能驾驶舱和智能驾驶领域的布局。今年年初，CES展上海内外众多汽车公司的最新进展和众多计算率芯片制造商的新产品证实了这一热潮。

随着通用人工智能技术的不断发展，汽车行业进行了一波产业升级。在此期间，引入了支持车载智能功能迭代的各种大型云模型。随着AI处理的重心逐渐从云向终端转移，优化后的端侧模型在隐私保护、低延迟响应、个性化定制等方面具有明显优势。汽车端算率和模型布署正成为另一个发展方向标。

从传统汽车到智能汽车，这种转变不仅是技术的创新，也是人们对出行方式的认知。比如智能驾驶舱作为人机交互的主要窗口，率先开启了AI流程。去年，中外汽车品牌推出了AI模型在驾驶舱领域的综合应用，从语音、交互、个性化场景等维度重新定义了智能驾驶舱的应用创新和人机交互体验。今年，更多地方智能对端侧模型上车的支持也将开始推动智能汽车向智能汽车转型。

终端AI推动的智能汽车革命已经到来，进一步改变了人们的出行方式，推动了交通领域的全新升级。

端侧强智能扩展汽车智能驾驶，驾驶舱功能

目前，终端侧AI在车辆上智能化驾驶升级，智能驾驶舱升级(特别是端侧大模型应用和多模式交互结合)有明显的促进作用。特斯拉、丰田、宝马等国内华为、比亚迪、蔚来、小鹏、理想等厂商在这些领域都有着深厚的布局。他们不仅致力于开发先进的智能驾驶软硬件，还在智能驾驶舱、语音识别和自然语言理解方面取得了显著成效。

智能驾驶

智能驾驶一直是汽车技术的前沿。2024年，中国发布了第一个国家自动驾驶标准。年底，北京和武汉各地发布了相关规定，这似乎意味着L3级自动驾驶将进入商业用途。2025年，智能驾驶领域的声音肯定不会小。

比亚迪明确表示，2025年将重点放在“智能驾驶平等权利”上，即通过大规模推广智能驾驶系统，完成智能驾驶在主流车型上的落地。

目前，智能驾驶计划可以分为算率计划和算法计划。蔚小理、比亚迪、吉利等原始设备制造商已经走上了从算法到芯片的发展路线。蔚来“神玑NX9031”已经搭载在蔚来。 ET9、小鹏和吉利已经成功流片，而理想和比亚迪正在推进自研智能驾驶芯片项目。

华为是一个非常特殊的玩家，既有供应商，也有终端品牌。华为的BU从算法到算率都是自己开发的，基于盛腾的算率方案只供应鸿蒙系统的智能驾驶车型、阿维塔和深蓝。

芯片制造商也开始在智能驾驶算法方面取得突破，如英伟达、地平线、计算能力和算法供应商等，他们开始朝着软硬兼施的方向发展，以增加他们在智能驾驶产业链中的价值空间。

回到智能驾驶功能本身，计算率硬件和传感硬件是实现智能驾驶的基础。在计算能力需求方面，终端侧AI引领了计算能力平台的不断创新。Snapdragon非常具有代表性的高通智驾。 Ride至尊版平台在SoC中增加了专门为多模态AI设计的神经网络处理器NPU，同时为汽车定制了Oryou CPU，该平台采用的NPU配备了Transformer加速器和矢量发动机，并支持混合精度，旨在实现端到端Transformer的低延迟、高精度、高效率。这样才能保持最佳的能效和性能。

英伟达的Thor处理器计算率更强，这个计算能力达到了上一代Orin。 20倍的芯片也正式进入汽车市场，不仅限于自动驾驶芯片，还为车辆的中央计算架构量身定做。黑芝麻智能华山A2000内置高性能NPU核心，支持高级智能驾驶、智能身体等多种终端计算能力需求。目前，汽车终端侧计算能力的提高为智能驾驶的着陆提供了充分的动力。

在传感硬件方面，TI1最近发布的60GHz毫米波雷达传感也反映了硬件向终端智能发展的趋势。这种毫米波雷达传感结合了三种车内传感安全功能:乘客检测、儿童存在检测和入侵检测，并采用运行终端侧AI算法的单芯片，直接在终端侧进行数据处理和分析决策，提高了准确性，缩短了处理时间。实现更安全的驾驶环境；飞凌微型车载视觉应用M1系列芯片不仅可以支持高性能图像处理，还可以支持端侧视觉感知预处理。

在智能驾驶领域，传感器会吃掉汽车终端侧的很多算率，导致计划定位阶段的算率短缺。如今，随着汽车终端计算能力的提高和传感侧智能的优化，计算率更加充足，传感侧响应时间大大缩短。在这种端侧智能化的背景下，全场景智能驾驶的步伐会越来越快。

值得一提的是，这些其实和人形机器人非常相似，软硬件技术栈也比较重叠，所以很多车厂开始进入人形机器人，把握未来智能时代最大的两端硬件方向。

智能座舱

智能驾驶舱无疑是国内汽车制造商最强大的方向。过去，单一的驾驶空间现在已经转变为集信息、娱乐、互动和控制于一体的智能空间。根据智能汽车研究所的监测数据，2024年1-11月，中国市场(不含进出口)标准智能驾驶舱搭载率从去年同期的61.06%上升到72.36%。

据毕马威处理数据显示，2026年中国智能驾驶舱市场规模将达到2127亿元，2022-2026年复合增长率约为17%，渗透率有望从59%提高到82%。

AI智能语音交互全场景，传感器接入实现舱驾监控已经不是什么新鲜事了。未来智能空间必须结合端侧大模型应用和多模态交互。

传统智能驾驶舱的AI也是由端侧和云组成的，但重心云和端侧一般只支持少于10亿参数的小型模型。这种智能驾驶舱的感觉有点落后。在未来的智能驾驶舱中，支持数十亿参数以上的端侧大模型，实现端侧强智能，实现端侧本地智能的端云混合。

DESAYSV座舱商品NPU在CES上的最高计算能力性能提高了12倍，已能运行数十亿参数座舱端侧模型。端侧强智能是智能座舱内卷的确定方向。

除华为、理想、蔚来、北汽等汽车制造商外，汽车端也在不断推进。＋云模型的升级，比如去年科大讯飞也为汽车端侧发布了星火模型。该模型在车载应用中的效果损失小于或等于1%，端侧的第一反应时间只有40毫秒，端云的交互时间低至1.3秒。这种及时性是端侧优势，智能驾驶舱迫切需要。同时，英特尔也在推动与合作伙伴将端侧大模型、AI智能体部署到汽车本地。

端侧的多模式应用同样重要。人车交互感受的关键在于理解和生成能力。通过对多模式的理解和生成，可以处理和生成各种类型数据的大模型，并以过度量化、修剪和蒸馏的形式部署到端侧，可以提供实时更真实的交互。这些更积极、更了解客户意图的多模式交互，引领了一个全新的汽车智能空间生态。

出于即时响应和用户隐私数据保护的要求，用于多模态感知的大模型必须部署在端侧。换句话说，端侧部署的多模态感知模型将成为智能驾驶舱的另一个激烈战场，已经卷入严重内部。

实现AI Car仍然存在许多困难

在之前的《机器人与模型深度融合开启智能升级后半部分》中，智能终端的未来终端是物理AI》中提到，终端端的智能正在将AI从数字世界带入物理世界。

就像被寄予厚望的人形机器人一样，目前，我们的目标是拥有强大智能的智能汽车。未来，我们也有望利用多模式的原生世界模型，打通物理世界和数字世界，成为一个可以与交通系统合作优化的智能实体，真正成为AI。 Car。但是，在整个实现路径上，仍然面临着许多挑战。

第一，虽然端侧算率在不断提高，但是端侧大模型在算率资源的开发上仍然需要与之相同。应进一步研究终端芯片架构、计算率性能协同适应、端侧模型架构和模型压缩等技术。

第二，与AI PC、AI 与Phone等消费智能终端相比，智能汽车的感知来源更多，包括对车外环境和车内空间的感知，这些感知数据大多是动态的。内外多传感器的输入使得多模态信息的融合极其困难。视觉、音频、空间等动态信息需要同时处理，构建能够理解空间和物理过程，提供不确定环境中泛化管理能力的多模态模型。

第三，除了强烈的感知理解和高实时响应外，车内感知还会获得大量的用户隐私数据。端智能将数据处理集中在当地，在一定程度上避免了数据频繁上传云可以更好地保护用户隐私。然而，在有限的端设备计算能力和存储资源下，需要大量的技术手段来干预隐私保护。而当端侧AI智能体基于第三方应用达到目标时，数据的控制和保护责任也需要进一步明确划分。

虽然终端AI推动的智能汽车革命已经到来，但它正在实现真正的AI。 在Car的道路上，我们仍然需要克服许多挑战。在完善相关法律法规、提高用户接受度的同时，汽车软硬件全栈技术与AI深度融合，推动智能汽车向AI发展 稳步发展Car。

写在最后

在新能源进程的后半段，AI开始拥抱终端硬件重叠的时间节点，汽车行业正在加速向数字智能化的新阶段迈进。在这种变化中，谁能率先使用终端智能来完成赋能，谁就会在未来的市场竞争中抓住机遇。

本文来自微信公众号“物联网智库”（ID：作者：李宁远，36氪经授权发布，iot101)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com