長三角MOMO

很多大模型在發(fā)布會上是“大聰明”，但一進(jìn)車?yán)锞吐娥W。噪聲、多人對話、弱網(wǎng)和安全邊界，讓智能座艙成了AI最不講情面的考場。那些順利過關(guān)的，具體是怎么“考過”的？

看到一個讓人哭笑不得的新聞。

一位車主在沒有路燈的高速公路上開車，覺得閱讀燈晃眼，語音下令“關(guān)閉所有閱讀燈”，沒想到車機(jī)理解錯了，瞬間大燈全滅，結(jié)果車子在黑暗中直接撞上了護(hù)欄。萬幸的是沒出人命。

這件事聽起來有點(diǎn)荒誕，但代入去想，是不是會讓所有車主后背一涼？

車內(nèi)環(huán)境不像實(shí)驗(yàn)室那樣干凈安靜，有風(fēng)噪、有音樂，副駕女朋友打電話、后排孩子在吵鬧，尤其是在高速這種容錯極低的場景下，一個小小的誤識別，都可能帶來嚴(yán)重后果。

這種復(fù)雜環(huán)境下對大模型的考驗(yàn)，遠(yuǎn)比在發(fā)布會上順暢對話要嚴(yán)苛得多。所以，真正的大模型考場，應(yīng)該是在每一次真實(shí)駕駛場景中對穩(wěn)定性、判斷力和安全邊界的反復(fù)檢驗(yàn)。

1

車內(nèi)場景，就是一場高強(qiáng)度考試

車?yán)锏氖澜?，比想象中?fù)雜得多。

比如你邊開車邊和閨蜜聊天，說了一句“這首歌有點(diǎn)吵”，結(jié)果車機(jī)以為是在下指令，直接把音樂關(guān)掉。

而且，車?yán)锏谋磉_(dá)方式也很隨意。不少人還是不習(xí)慣說一句標(biāo)準(zhǔn)命令，比如“把空調(diào)溫度調(diào)到22度”，更常見的是一句“有點(diǎn)冷”。

更麻煩的是，車?yán)锼惺虑槎际沁B續(xù)發(fā)生的。你剛說完“幫我導(dǎo)航去公司”，過一會兒又補(bǔ)一句“別走高架”，系統(tǒng)得知道這是同一件事的補(bǔ)充，而不是新的任務(wù)。再加上車?yán)锿恢挂粋€人，系統(tǒng)要分清誰在發(fā)指令，誰只是背景聲音。否則每個聲源都當(dāng)成一個新指令，體驗(yàn)馬上就崩了。

此外，還有一些更現(xiàn)實(shí)的限制：車規(guī)級系統(tǒng)要保證安全邊界，不能隨便觸發(fā)危險操作；網(wǎng)絡(luò)有時候會很差，甚至直接斷網(wǎng)；用戶隱私也不能亂飛。

這些條件疊在一起，其實(shí)讓智能座艙變成了一個非?？量痰膱鼍?。

所以很多模型在發(fā)布會上看起來很聰明，但一進(jìn)車?yán)锞腿菀茁冻龆贪?。發(fā)布會環(huán)境是干凈的，問題是預(yù)設(shè)好的，網(wǎng)絡(luò)是穩(wěn)定的。而真實(shí)駕駛環(huán)境里，幾乎所有條件都是不確定的。

如果一個模型能在這樣的場景里長期跑穩(wěn)，它的能力就不只是“看起來很聰明”，而是真的經(jīng)得住現(xiàn)實(shí)。

2

這場考試，考的是工程確定性

很多人談大模型的時候，習(xí)慣討論參數(shù)規(guī)模、排行榜或者發(fā)布會演示效果。

但在車?yán)铮@些指標(biāo)其實(shí)都不夠。

因?yàn)檎嬲龥Q定體驗(yàn)的，是另一件事：穩(wěn)定。

這件事，說起來簡單，做起來很難。很多模型在訓(xùn)練階段表現(xiàn)很好，但真正落到設(shè)備端，就會遇到各種工程問題，推理延遲太高、算力資源不夠、版本升級之后性能反而下降、弱網(wǎng)環(huán)境直接卡住。

所以，能訓(xùn)練出來只是第一步。真正的分水嶺，是能不能在復(fù)雜環(huán)境里長期運(yùn)行。

還要再加一個現(xiàn)實(shí)條件：不少模型是基于國產(chǎn)算力環(huán)境訓(xùn)練出來的。那工程難度其實(shí)更高一點(diǎn)。

國產(chǎn)算力解決的是自主可控的問題，但架構(gòu)、調(diào)度方式、工具鏈都和國外體系不同。從訓(xùn)練到推理，再到產(chǎn)品部署，要重新做很多優(yōu)化。

這也是為什么業(yè)內(nèi)越來越強(qiáng)調(diào)一個詞：工程確定性。

在這一點(diǎn)上，很多人會提到科大訊飛做的星火大模型。比如星火X2這一代，外界討論的不只是參數(shù)規(guī)模，而是它在國產(chǎn)算力底座上的持續(xù)迭代能力。

簡單說，就是在一整套國產(chǎn)算力環(huán)境里，把訓(xùn)練、推理、部署和產(chǎn)品落地這條鏈路跑通，而且能穩(wěn)定更新。

3

樣板：科大訊飛是怎么“考過”的

那么，具體怎么樣才能從智能座艙這個嚴(yán)苛考場考出好成績？可以把科大訊飛作為一個樣板來拆解。

很多人第一次聽說車載語音，是因?yàn)椤澳愫?，小X”“你好，小Y”這種喚醒詞。但在行業(yè)內(nèi)部，語音交互最早大規(guī)模落地的地方，本來就是車。

從最早的語音識別，到后來車機(jī)語義理解，再到今天的大模型對話能力，訊飛其實(shí)一直在這條線上迭代。也正因?yàn)榻?jīng)歷過幾輪技術(shù)代際的更替，它在做大模型座艙的時候，并不是從零開始，而是把原來積累的一整套語音、聲學(xué)、車控能力重新拼起來。

真正的難點(diǎn)，其實(shí)不在“能不能聽懂一句話”，而在復(fù)雜場景下能不能一直聽懂。對此，具體我能想到至少四個重要“考題”。

首先，是連續(xù)對話。很多發(fā)布會上演示的語音助手，基本都是“一問一答”。你問一句，它答一句，對話結(jié)束。

但在車?yán)?，很多時候不是這樣。司機(jī)往往是說一句話、停一下、再補(bǔ)一句：“導(dǎo)航到機(jī)場……走高速那條快一點(diǎn)的……順便幫我看下航班延誤沒有。”

如果系統(tǒng)每一句都重新開始理解，很容易斷掉上下文。真正好用的座艙，是能把這些零散的話拼成一件事。

其次，是模糊表達(dá)。比如上文提到的“有點(diǎn)冷”那個例子，表面上不是命令，但背后其實(shí)都有明確的操作：調(diào)空調(diào)。系統(tǒng)需要理解這句話背后的意圖，并且聯(lián)動車控系統(tǒng)完成操作。

第三，多人聲場。車?yán)锼腥丝赡芡瑫r發(fā)出聲音，系統(tǒng)要識別誰在發(fā)指令、誰只是聊天。這背后其實(shí)是語音識別、聲源定位和語義理解的一整套協(xié)同。

第四，弱網(wǎng)環(huán)境。在隧道或者山區(qū)，網(wǎng)絡(luò)并不穩(wěn)定。如果完全依賴云端，大模型就很容易失靈。所以系統(tǒng)需要一部分能力在本地運(yùn)行，一部分能力在線協(xié)同。

這些能力單看都很日常，但組合在一起，就決定了系統(tǒng)到底是“偶爾能用”，還是“穩(wěn)定好用”。

這其實(shí)正是訊飛這幾年在做的一件事，就是把大模型能力嵌進(jìn)原本已經(jīng)非常復(fù)雜的車載系統(tǒng)里，同時保證整個系統(tǒng)不會因?yàn)樯壎兊酶环€(wěn)定。

換句話說，大模型只是新的一層能力，但底下那套工程體系必須是可靠的。

也正是在這種工程約束下，像星火X2這樣的底座能力才真正有意義。意義就在于不去卷模型規(guī)模，而是要在國產(chǎn)算力環(huán)境里訓(xùn)練、迭代，并且能夠穩(wěn)定地跑在車端設(shè)備上。

4

車?yán)锬芘芊€(wěn)，很多場景就都能跑

從技術(shù)角度看，智能座艙其實(shí)是一種壓力測試。

因?yàn)檫@里的環(huán)境足夠復(fù)雜，約束也足夠嚴(yán)格。如果一套模型能在這里穩(wěn)定運(yùn)行，它的通用能力基本就到位了。

這也是為什么科大訊飛一直在做一件事：讓同一套底座能力在不同硬件上復(fù)用。

比如學(xué)習(xí)機(jī)。孩子做題的時候，不只是給出答案，而是要一步一步講解思路，還要根據(jù)之前的錯誤調(diào)整講解方式。這其實(shí)也是長鏈路理解。

再比如辦公本和錄音筆。很多人開會錄音，之后要自動整理紀(jì)要、提取重點(diǎn)、生成總結(jié)。從記錄到整理再到沉淀，本質(zhì)上也是連續(xù)任務(wù)處理。

還有翻譯機(jī)和AI眼鏡。很多會議場景里，幾個人同時說話，不同語言交錯，還伴隨著背景噪聲。如果能在車?yán)锇褟?fù)雜聲場處理好，這類場景反而會輕松一些。

換句話說，如果能在智能座艙這場高強(qiáng)度考試?yán)锓€(wěn)定運(yùn)行，說明底座能力是成立的；如果同一套能力還能在不同設(shè)備上復(fù)用，那說明它不是一次性的產(chǎn)品，而是真正的技術(shù)底座。

說到底，車端可能是最不講情面的場景之一。

環(huán)境復(fù)雜、容錯低，還要長期運(yùn)行。很多模型在展示環(huán)節(jié)都很亮眼，但真正進(jìn)入這種環(huán)境之后，才會發(fā)現(xiàn)問題。

智能座艙之所以重要，不只是因?yàn)槠囀莻€大市場，更因?yàn)樗褚粋€考場。

在這里，大模型從“展示能力”走向“工程能力”。

進(jìn)過考場，還能長期跑穩(wěn)，才算真正落地。