智能座艙是汽車智能化的一個重要方向，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發(fā)展方向。

唾沫星子能淹死人。

在過去多年的時間里，智能座艙一直被消費者稱為智障座艙，是因為以三維空間形式存在的智能座艙，一直沒有展現(xiàn)出空間智能應有的模樣。

口說無憑，舉例為證。

比如說在一個大夏天，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。

語音助手會幫你打開空調，并根據(jù)以往的習慣和當下環(huán)境自動調節(jié)風向和風量，但也就到此為止了。

你再跟它說小腿有點涼，它也不會調整空調的風向，而是跟你打起了嘴仗，建議你換個地方，瞬間搞得你火冒三丈，也不覺得空調有多涼了。

站在消費者的角度上，新一代語音助手屢屢大言不慚和理直氣壯地擺出一副愛怎怎的智障模樣，對話能力接近段子手，動手能力卻像一個只會拉不會擦屁股的幼兒園小朋友。

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

再進一步深究其根源。一方面，盡管當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以端側的形式部署到座艙內。

或許我們需要等到真正有量產(chǎn)車型端側部署座艙VLM的那一天，才能真正見識到已經(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，一批見識了AI威力并預期其將長期超倍速發(fā)展的群體自然而然地加入了AI降臨派的陣營。

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

但我卻始終認為，AI的核心目標是增強人類的能力，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、服務于人的人文關懷出發(fā)，AI的核心目標應該是理解并響應人類的情感，并從單純的工具進階為伙伴。

對應到智能座艙這個第三生活空間里，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。

要識別人在座艙內的情緒，離不開對面部動作、頭部姿態(tài)、眼球運動、音量、語調、身體姿態(tài)、生理信號、車內環(huán)境的感知。

所以，首當其沖的是要具備豐富完善的傳感器。

不同級別車型配置的傳感器的種類和數(shù)量當然存在顯著差異，但是，要發(fā)展情感智能，必備的傳感器包括監(jiān)測司機狀態(tài)的DMS攝像頭、監(jiān)測乘客狀態(tài)的OMS攝像頭、檢測生物信號的毫米波雷達傳感器和紅外傳感器、監(jiān)測皮電信號的電容傳感器、檢測聲音信號的陣列麥克風、檢測車內溫濕度的溫濕度傳感器、檢測空氣質量的氣體傳感器等等。

當然，更重要的是情感計算算法。情感智能的任務是對多個傳感器數(shù)據(jù)進行長時序、多模態(tài)的融合，綜合表情、語調、實時的生理數(shù)據(jù)、車內溫濕度和空氣質量形成全面的情緒畫像，并根據(jù)情緒觸發(fā)相應的服務。

不過，對于能用于智能座艙的情感計算，大家不能過于樂觀。

如果說語言智能進入了快速發(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化的核心方向之一。

智能體就像是一個貼心的車內助理，自動替代執(zhí)行對各類APP的復雜手動信息輸入，讓你從觸控操作中解脫出來，專注于駕駛任務，同時無縫地滿足你的各種需求。

相較于手機智能體和電腦桌面智能體，座艙智能體更加緊密地契合當下人機共駕時代的消費者訴求。

盡管自動駕駛行業(yè)的玩家們已經(jīng)給出了可以在三年內實現(xiàn)L4高等級自動駕駛的樂觀預判。

但是，受限于芯片、算法、成本等各種原因，在未來很長一段時間內，大部分車型搭載的仍將是需要用戶隨時接管的L2級輔助駕駛系統(tǒng)，在這種人機共駕的范式下，能夠極大地減少主動操作、避免分心的座艙智能體可以帶來真正實用的用戶價值。

就像把大象放進冰箱需要三步一樣，一個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、眼神發(fā)出的各種指令；

第二步，做意圖拆解和任務規(guī)劃；

第三步，調用各類APP執(zhí)行，其核心目的是避免傳統(tǒng)APP因層級深、需要繁瑣的觸控操作而導致駕駛不安全的問題。

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

最后，智能體直接調用APP功能標準化服務接口，實現(xiàn)“No App,No Touch”的交互愿景。

在當下這個時間節(jié)點，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。

在這三個賽道里，空間智能可以率先實現(xiàn)，情感智能和Agent很難預測發(fā)展時間線。

不要聽信車企們的宣傳，OpenAI創(chuàng)始成員、特斯拉自動駕駛部門前負責人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和挑戰(zhàn)，距離成熟需要至少十年的時間！