智能座艙是汽車智能化的一個(gè)重要方向，一直以來卻很少有人講，今天咱就來談一談座艙智能化的三個(gè)發(fā)展方向。

唾沫星子能淹死人。

在過去多年的時(shí)間里，智能座艙一直被消費(fèi)者稱為智障座艙，是因?yàn)橐匀S空間形式存在的智能座艙，一直沒有展現(xiàn)出空間智能應(yīng)有的模樣。

口說無憑，舉例為證。

比如說在一個(gè)大夏天，你說本宮覺得有些熱，由于在AI的加持下，新一代的語音助手的確能夠理解更加模糊、更加生活化的語言了。

語音助手會(huì)幫你打開空調(diào)，并根據(jù)以往的習(xí)慣和當(dāng)下環(huán)境自動(dòng)調(diào)節(jié)風(fēng)向和風(fēng)量，但也就到此為止了。

你再跟它說小腿有點(diǎn)涼，它也不會(huì)調(diào)整空調(diào)的風(fēng)向，而是跟你打起了嘴仗，建議你換個(gè)地方，瞬間搞得你火冒三丈，也不覺得空調(diào)有多涼了。

站在消費(fèi)者的角度上，新一代語音助手屢屢大言不慚和理直氣壯地?cái)[出一副愛怎怎的智障模樣，對(duì)話能力接近段子手，動(dòng)手能力卻像一個(gè)只會(huì)拉不會(huì)擦屁股的幼兒園小朋友。

本質(zhì)的原因就在于現(xiàn)下的座艙沒有發(fā)展出足夠的空間智能或視覺智能，無法識(shí)別和定位艙內(nèi)的主體，理解和洞察環(huán)境組件與人的空間關(guān)系。

再進(jìn)一步深究其根源。一方面，盡管當(dāng)前的大語言模型開始加入了視覺模態(tài)，但依然需要通過視覺編碼器將視覺模態(tài)對(duì)齊到文本模態(tài)。

也就是說，現(xiàn)下的大模型以文本為核心而非以視覺為核心。

那么，文本為核心的語言智能的成熟度遠(yuǎn)高于視覺為核心的空間智能也是順理成章的了。

另一方面，要么由于超大算力芯片的量產(chǎn)問題、車規(guī)認(rèn)證問題，要么由于算法開發(fā)、模型適配的問題，現(xiàn)在還沒有任何一家車企將具備一定空間智能的視覺語言模型VLM以端側(cè)的形式部署到座艙內(nèi)。

或許我們需要等到真正有量產(chǎn)車型端側(cè)部署座艙VLM的那一天，才能真正見識(shí)到已經(jīng)被車企喊了兩三年的“智能空間”。

三體世界的發(fā)現(xiàn)催生了熱切期盼三體文明早日降臨地球、取代人類文明的降臨派，AI爆火之后，一批見識(shí)了AI威力并預(yù)期其將長(zhǎng)期超倍速發(fā)展的群體自然而然地加入了AI降臨派的陣營(yíng)。

AI降臨派認(rèn)為，碳基人類只是硅基機(jī)器人的引導(dǎo)程序，只有克服了人類諸多局限的絕對(duì)理性AI才適合管理和優(yōu)化被人類搞得亂糟糟的世界。

但我卻始終認(rèn)為，AI的核心目標(biāo)是增強(qiáng)人類的能力，而非取代人類，AI的發(fā)展要符合人類的整體利益。

從為人民服務(wù)、服務(wù)于人的人文關(guān)懷出發(fā)，AI的核心目標(biāo)應(yīng)該是理解并響應(yīng)人類的情感，并從單純的工具進(jìn)階為伙伴。

對(duì)應(yīng)到智能座艙這個(gè)第三生活空間里，座艙要在工具型的空間智能之外發(fā)展出陪伴型的情感智能。

要識(shí)別人在座艙內(nèi)的情緒，離不開對(duì)面部動(dòng)作、頭部姿態(tài)、眼球運(yùn)動(dòng)、音量、語調(diào)、身體姿態(tài)、生理信號(hào)、車內(nèi)環(huán)境的感知。

所以，首當(dāng)其沖的是要具備豐富完善的傳感器。

不同級(jí)別車型配置的傳感器的種類和數(shù)量當(dāng)然存在顯著差異，但是，要發(fā)展情感智能，必備的傳感器包括監(jiān)測(cè)司機(jī)狀態(tài)的DMS攝像頭、監(jiān)測(cè)乘客狀態(tài)的OMS攝像頭、檢測(cè)生物信號(hào)的毫米波雷達(dá)傳感器和紅外傳感器、監(jiān)測(cè)皮電信號(hào)的電容傳感器、檢測(cè)聲音信號(hào)的陣列麥克風(fēng)、檢測(cè)車內(nèi)溫濕度的溫濕度傳感器、檢測(cè)空氣質(zhì)量的氣體傳感器等等。

當(dāng)然，更重要的是情感計(jì)算算法。情感智能的任務(wù)是對(duì)多個(gè)傳感器數(shù)據(jù)進(jìn)行長(zhǎng)時(shí)序、多模態(tài)的融合，綜合表情、語調(diào)、實(shí)時(shí)的生理數(shù)據(jù)、車內(nèi)溫濕度和空氣質(zhì)量形成全面的情緒畫像，并根據(jù)情緒觸發(fā)相應(yīng)的服務(wù)。

不過，對(duì)于能用于智能座艙的情感計(jì)算，大家不能過于樂觀。

如果說語言智能進(jìn)入了快速發(fā)展階段，空間智能剛剛邁入發(fā)展初期，那么，情感智能還處于嬰兒期，離成熟還早著呢。

除了面向物理世界的空間智能、面向人類主體的情感智能，面向數(shù)字世界的智能體也是智能座艙進(jìn)化的核心方向之一。

智能體就像是一個(gè)貼心的車內(nèi)助理，自動(dòng)替代執(zhí)行對(duì)各類APP的復(fù)雜手動(dòng)信息輸入，讓你從觸控操作中解脫出來，專注于駕駛?cè)蝿?wù)，同時(shí)無縫地滿足你的各種需求。

相較于手機(jī)智能體和電腦桌面智能體，座艙智能體更加緊密地契合當(dāng)下人機(jī)共駕時(shí)代的消費(fèi)者訴求。

盡管自動(dòng)駕駛行業(yè)的玩家們已經(jīng)給出了可以在三年內(nèi)實(shí)現(xiàn)L4高等級(jí)自動(dòng)駕駛的樂觀預(yù)判。

但是，受限于芯片、算法、成本等各種原因，在未來很長(zhǎng)一段時(shí)間內(nèi)，大部分車型搭載的仍將是需要用戶隨時(shí)接管的L2級(jí)輔助駕駛系統(tǒng)，在這種人機(jī)共駕的范式下，能夠極大地減少主動(dòng)操作、避免分心的座艙智能體可以帶來真正實(shí)用的用戶價(jià)值。

就像把大象放進(jìn)冰箱需要三步一樣，一個(gè)座艙智能體的完整工作流也分成三步。

第一步，以多模態(tài)融合理解用戶通過自然語言、手勢(shì)、眼神發(fā)出的各種指令；

第二步，做意圖拆解和任務(wù)規(guī)劃；

第三步，調(diào)用各類APP執(zhí)行，其核心目的是避免傳統(tǒng)APP因?qū)蛹?jí)深、需要繁瑣的觸控操作而導(dǎo)致駕駛不安全的問題。

也就是說，先憑借端側(cè)多模態(tài)語音視覺大模型理解用戶非結(jié)構(gòu)化的自然語言，再依靠大模型的復(fù)雜思維鏈推理能力，結(jié)合對(duì)話的上下文和用戶長(zhǎng)期偏好，將指令分解為邏輯清晰、規(guī)劃合理、個(gè)性化的步驟序列。

最后，智能體直接調(diào)用APP功能標(biāo)準(zhǔn)化服務(wù)接口，實(shí)現(xiàn)“No App,No Touch”的交互愿景。

在當(dāng)下這個(gè)時(shí)間節(jié)點(diǎn)，AI智能體或Agent正處于如火如荼的發(fā)展階段，具體到智能座艙領(lǐng)域，座艙智能體有望于26年開啟商用元年。

智能座艙的真正門檻絕不是沙發(fā)、冰箱、大彩電，而是空間智能、情感智能和座艙Agent。

在這三個(gè)賽道里，空間智能可以率先實(shí)現(xiàn)，情感智能和Agent很難預(yù)測(cè)發(fā)展時(shí)間線。

不要聽信車企們的宣傳，OpenAI創(chuàng)始成員、特斯拉自動(dòng)駕駛部門前負(fù)責(zé)人Andrej Karpathy剛剛才打了不少人的臉：

Agent智能體還存在各種各樣的痛點(diǎn)和挑戰(zhàn)，距離成熟需要至少十年的時(shí)間！