--- title: "AI 座舱大战，火山引擎独开一桌" type: "Topics" locale: "en" url: "https://longbridge.com/en/topics/40200636.md" description: "智能座舱战场，第一次弥漫出「群雄环伺」的杀气。AI 座舱的主旋律之下，不止一家企业喊出「龙虾」、「Agent」上车，也不止一家企业自称造出「中国版 Grok」。但至少一点，智能座舱终于成了「主菜」，它与智能驾驶、动力电池层级并列，构成智能汽车新「三大件」。只不过，大多数人都不知道这道「主菜」究竟该怎么做。不是堆砌复杂的车控指令..." datetime: "2026-04-25T14:01:21.000Z" locales: - [en](https://longbridge.com/en/topics/40200636.md) - [zh-CN](https://longbridge.com/zh-CN/topics/40200636.md) - [zh-HK](https://longbridge.com/zh-HK/topics/40200636.md) author: "[汽车之心](https://longbridge.com/en/profiles/3726156.md)" --- # AI 座舱大战，火山引擎独开一桌 智能座舱战场，第一次弥漫出「群雄环伺」的杀气。 AI 座舱的主旋律之下，不止一家企业喊出「龙虾」、「Agent」上车，也不止一家企业自称造出「中国版 Grok」。 但至少一点，智能座舱终于成了「主菜」，它与智能驾驶、动力电池层级并列，构成智能汽车新「三大件」。 只不过，大多数人都不知道这道「主菜」究竟该怎么做。 不是堆砌复杂的车控指令，也不是接入大量娱乐生态就够了；更不是把 AI 应用塞进车机就叫 AI 原生。这些充其量只是浅层功夫。 好比裹着糖衣的药丸，糖衣一溶化，用户就不愿、也难以再吞下去。 如果智能座舱的目标，是让用户在「第三空间」里真正享受生活，它的核心命题应该是，用「真实人格」留住用户。 这也构成了火山引擎在 AI 座舱方向上的底层判断。 北京车展首日，**火山引擎推出一套基于 Agentic AI 架构的新一代汽车智能解决方案。** 其核心是一个「AI 大脑」，直接颠覆了上一代「意图分域 + 多 Agent 协同」的语音助手架构，并首次横向打通车控、导航、智能驾驶等关键功能域。 产品形态分为两条路径： - **AI 座舱套件。**在既有、已规模量产的「豆包大模型」座舱能力基础上，完成向 Agentic 架构的升级。车企可以按需组合能力模块，更像是在调用一套可编排的 AI 基础设施。 - **豆包座舱助手方案。**一种更接近「交付即用」的产品形态，与豆包 App 实现能力与数据的互通，使车内外体验形成连续体，并通过统一模型持续迭代。 这套架构背后，是一整套从感知、推理到执行、记忆、学习的系统级闭环。既打通了整车数据链路，也让模型具备长期学习与稳定控制能力。 火山引擎围绕行业首个全链路端到端 AI 座舱架构展开探索，并以「AI 大脑」的思路推进 AI 原生座舱的系统化落地，率先在这一方向完成了能力卡位。 **01、「糖衣」失效，智能座舱的内核是「人格」** 过去三年，智能座舱的发展，有点像在原地打转。 车企的打法倒是很统一，在一块中控大屏上，加一套语音系统，然后不断往里叠加功能，包括车控指令、娱乐 APP、在线服务等。 对外叙事也固化了。 找一辆上世纪生产的经典 BBA 作对比，过去机械按键密集、交互复杂，现在一块中控屏管所有，语音可以调温度、座椅和音乐。 最后粗暴得出结论，BBA 已经过时，这才叫智能座舱。 现在看，这套逻辑只能成立一半。 用户确实摆脱了早期车机的迟钝和封闭，但新问题在于，**这套以大屏和语音为核心的体系，用户并没有真正高频使用。** 市研机构 J.D. Power 发布的《2025 中国智能座舱评选白皮书》提供了一个 C 端视角。 在用户满意度排序中，语音助手已经落到倒数第四名。排在前面的，是智能座椅、充电体验，以及更偏「物理感受」的功能。 一个直观结论，**相比可对话，用户更在意可感知、可兑现的实际体验。** 在火山引擎副总裁杨立伟看来，如果智能驾驶大约在 80 分水平，那么智能座舱只能得 45 分。 问题出在解题思路上，过去主流厂商的思路是用加法解决问题，功能不断叠加，但交互逻辑没有本质变化： 第一，**触控板菜单变成语音版菜单。** 语音系统的能力在增强，但使用方式没有改变。用户仍然需要组织明确指令，甚至接近「标准句式」。一旦表达偏离预设路径，系统就会出现识别失败或响应迟缓。 第二，**生态无效扩充。** 视频、游戏、K 歌等内容被持续引入车机系统，以为能用互联网内容提升用户使用时长。 但低估一点，车机并不是一个内容优先的设备，手机完成生态积累与用户习惯培养后，车机很难在同一维度竞争，就像用户绝对不会因为在车里能刷短视频就放下手机。 大多时候，车机更像是手机的一个替代选项，而非首选入口。 第三，**无意义的 AI 外挂。** 去年初一波「DeepSeek 上车」热潮，后续水花减弱。本质原因就是除了能落地对话功能，也难以做出新花样。 AI 存在于界面中，却没有进入系统深层，更像是 AI 套壳座舱。 三条路径虽扩展能力边界，却没有改变交互核心，还是需要用户主动发起操作。 功能新鲜感的「糖衣」褪去后，用户很难对一个「没有感情」的工具产生粘性，更何况，工具还不好用。 事实上，今天 AI 浪潮的走向，已经明示了产生用户粘性的最佳答案。 一波是「豆包」热，QuestMobile 数据显示，截止到 2026 年 3 月，AI 原生 APP 月活用户规模已达到 4.4 亿，单豆包月活用户规模就占到 3.45 亿，断档第一。 而豆包脱颖而出的核心原因，在于其交互门槛足够低，可玩性足够强，用户只需表达模糊意图，都能开启对话，并支持图文、语音、视频多模态输入。 另一波是「龙虾」潮，这类智能体可以直接接管电脑完成任务，捅破了从建议到执行的最后一层窗户纸，进而席卷整个 AI 科技圈。 如果把两条路径拆开来看，会更清楚一些。前者解决的是「怎么交流」，强调自然语义和推理能力。而龙虾解决的是「怎么完成」，强调目标驱动和执行能力。 两者都具备更强的「人格特征」，也就是理解、记忆和行动。**用户的信任和依赖，往往建立在这三点之上。** 把这个逻辑放到座舱里，其实就是 AI 座舱的正确解法。 顺应着这条思路，火山引擎发布了新一代豆包座舱助手，需要强调两点： 一是基于底层的大模型基座，只有火山引擎可以造出豆包 APP 同级智力的座舱系统。 二是相比「龙虾」，豆包座舱助手不仅交互更为「拟人」，还没有失控隐患，在安全和隐私上保持更高约束。 准确而言，火山引擎不是把这些能力简单拼接起来，而是用一个「AI 大脑」整合全部能力，统一处理信息，再去驱动整车各个模块，这样逻辑更顺，也更接近 AI 原生座舱该有的形态。 **02、从「拼凑智能」到「整车大脑」，豆包座舱助手改变了什么？** 目前测试语音助手是否好用，一个常见方法是连续输入多条指令，观察系统能否稳定响应。 这是个有效方法，但还不够。很多测试场景，本质还是单一领域，比如连续车控，底层依然是同一套模块在执行。 如果需求变成「先导航到机场，再把空调调到 23 度，播放收藏的博客」，多数系统要么漏执行，要么明显卡顿。 原因在于系统架构的限制。 主流车载语音方案，大多延续了移动互联网时期的设计思路。语音先进入 NLU 模块，被拆解为结构化意图，再按领域分发：导航、车控、媒体、闲聊，各自对应独立模块处理。 跨域任务需要调度系统串联完成，但模块之间缺乏统一语境，只能靠规则拼接，一旦链路变长，就容易出错。 这就使得，多轮对话难以跨域延续，所谓「长期记忆」也多停留在用户画像层。 **要改变这点，底层架构得彻底颠覆。** 这也是为什么，火山引擎的方法论是「AI 大脑」，相当于用更原生的 Agentic AI 方式，构建汽车 AI。 在这种新的系统组织方式上，原有的分域调度被收敛进一个统一中枢，语音、视觉、位置和车辆状态等信息，被集中到同一模型中完成融合推理，由目标驱动引擎、对话推理引擎、学习成长引擎三大引擎推动。 效果如何？ 在面向媒体开放的工程车体验中，能清楚看到，豆包座舱助手跳出了点单、导航、对话的传统座舱评价体系，构建出新的能力标尺——**控制整车。** 整车不单指车控，还包括导航、智驾、车载娱乐等原生车内场景，所以，座舱真的可以「办事」了。 **第一层能力是长程任务与推理。** 类似「下班先接孩子，顺路加电，再去超市，回家路上放轻音乐，下车前提醒我带走车上的东西。」这类多步骤、跨场景的任务可以完整执行。 这种能力恰恰反映出 AI 的思考逻辑更加深刻。其它座舱思路是响应动作，但豆包座舱助手会理解意图，即思考用户为什么提出这一问题，当下车内环境是什么，再去决定如何处理。 所以同样是哄娃，传统座舱往往只是播放儿歌。豆包座舱助手会根据情绪状态，组合不同方式，比如音乐、动画和故事，形成一套更完整的安抚方案。 **第二层能力是舱驾融合。** 豆包座舱助手可以用「嘴」开车，比如一句「把车开到前面那个穿蓝衣服的外卖小哥旁边。」，系统可以自主泊车。具体而言，它完成了三件事：识别目标、理解语义、转化为驾驶动作。 类似的能力，在特斯拉 Grok 中也有体现，通过自然语言参与导航决策，更像一个「副驾」。 只不过，豆包大模型这一「副驾」不仅知道用户想怎么开，还知道该如何正确开。它会结合导航信息、路况信息影响具体路径决策，比如凌晨夜间市区行驶时，为规避高架封路开错，会主动提醒用户开启导航，同步前方路况信息。 而再往下挖一层，豆包座舱助手「办事」聪明的能力，是被足够自然的交互支撑起来的。 用两个词概括，一是鲜活，二是普适。 **鲜活，指的是交互接近真实对话。**支持多人发言、随时打断、临时补充。语音和反馈是同步进行的，而不是一问一答的等待机制。 **而普适则是降低使用门槛。**没有固定指令规则，说方言也能识别，上手成本接近于「直接开口」。 另外，由于豆包座舱助手可以多模态感知，具备更敏锐、更稳定、更安全的视觉理解能力，但又严格保障用户隐私数据本地处理，隐私不出车。 值得注意的是，这一套体系，并没有把重点放在「生态数量」上。 一方面，简单堆叠应用，很难解决核心问题。 另一方面，生态本身并不是壁垒。无论是字节系内容，还是第三方服务，火山引擎都可以接入。 豆包座舱助手的重点其实是回到一件更基础的事情上：**车能不能帮你把事高效办好。** 从这个角度着眼，AI 大脑的意义其实更清晰了，一个可以统一理解、决策的系统，才是座舱做到「活人感」的核心基础。 而当语音交互不再围绕指令设计，而是围绕目标展开，智能座舱才具备进一步演进的基础。 **03、火山引擎，后发者占领 AI 座舱高地** 相比还停留在 Demo 展示阶段的方案，火山引擎更早把重心放在落地。 目前，搭载豆包大模型的智能汽车已经超过 700 万台，覆盖 50 多个品牌、145 个车型，日均座舱交互次数超过 3000 万，位居行业一位。 座舱能力是否成立，关键是用户是否愿意持续使用，显然，火山引擎这点立住了。 合作名单也提供了一个侧面。从特斯拉、奔驰这样的头部品牌，到国内主流车企，豆包大模型已经进入不同层级的产品体系，部分合作甚至深化到汽车云层面。 这种趋势在车展上更加直观。**「豆包含量」将成为高频词汇。** 这届车展上，梅赛德斯 - 奔驰纯电 GLC、上汽奥迪 E7X、上汽大众 ID. ERA 9X、奇瑞星途 EX7、一汽红旗 HS6 PHEV、别克至境 E7、荣威新序列 “家越” 等新车型，都搭载了豆包大模型。 背后对应的是两条能力线在同时推进。 **一条是座舱本身的智能化能力；另一条，则是围绕座舱展开的服务接入能力。** 火山引擎这次给出的方案，也对应这两条路径。 一层是「豆包座舱助手」，作为应用级产品直接输出。车企可以获得一套完整的交互能力和体验体系，缩短从集成到落地的周期。 另一层是「AI 座舱套件」，输出的是大模型底层能力。 包括模型推理、工具调用、多模态感知等模块，车企可以根据自身需求进行定制开发。 两套方案对应的是行业内不同的技术策略。 一部分厂商希望快速获得成熟体验，降低开发成本；另一部分则更关注长期能力积累，希望保留更多自研空间。**火山引擎相当于扮演了一个能力平台角色。** 回看火山引擎在 AI 座舱的布局路径，可以看到一个相对清晰的节奏。虽然是后来者，但每一步都具备前瞻性。 从 2023 年入局开始，没有跟风优先做界面或交互包装，而是先处理底层能力。 **第一步，是让模型具备工具调用能力。** 车内上千个功能接口，需要被理解并正确调度。 **第二步，是引入对环境和车辆状态的感知。** 车速、位置、电量、驾驶模式等信息，被纳入决策体系。 **第三步，再是将这些能力整合为统一模型，形成「AI 大脑」。** 重构底层架构，是豆包座舱助手实现能力「涌现」的关键。 从行业视角看，智能座舱正在从「配置项」转向「决策项」。系统是否理解用户、能否在关键时刻做出判断，开始直接影响体验。 这也意味着，座舱的终局很难是一个「应用商店」。应用分发依赖用户主动选择，而车内场景更需要减少操作。 更合理的形态，是一个**具备长期记忆、持续学习能力，并能主动提供服务的系统。它更聪明，也更接近「人」。** 当座舱走到这一步，对车企的意义也会改变。从附加卖点，成为建立差异化的关键区域，甚至直接影响用户的购车决策。 因此，一个像「豆包座舱助手」一样，能够理解用户、持续提供帮助的系统，其价值不止于体验提升，大概率会成为用户购车的关键理由。 $Thundersoft(300496.SZ) $SeeWay.ai(002405.SZ) $SAIC Motor(600104.SH) ### Related Stocks - [DPSK.NA](https://longbridge.com/en/quote/DPSK.NA.md) - [002405.CN](https://longbridge.com/en/quote/002405.CN.md) - [600104.CN](https://longbridge.com/en/quote/600104.CN.md) - [300496.CN](https://longbridge.com/en/quote/300496.CN.md)