智能座艙的演進，本質(zhì)上是一場關于人車關系的重構。

過去幾年，伴隨著智能化的快速普及，中國智能汽車市場經(jīng)歷了從“屏幕大、芯片強”的硬件競賽，到“可見即可說、連續(xù)對話”的語音普及。然而，一個現(xiàn)實的痛點始終存在：用戶仍然需要遷就機器——記住固定喚醒詞、背誦標準指令、分步驟下達任務。

座艙更像一個聽話的工具，而非懂人的伙伴。與此同時，行業(yè)滲透率數(shù)據(jù)一路走高，但用戶粘性和滿意度并未同步提升，根本原因就在于：大多數(shù)所謂的智能座艙仍停留在被動響應層面，缺乏對復雜意圖的理解力、跨場景的規(guī)劃力，以及基于感知的主動服務能力。

更深層的挑戰(zhàn)來自兩個方向。一是技術落地鴻溝：大模型上車口號響亮，但云端依賴帶來的延遲和隱私隱患、端側(cè)算力和模型大小的平衡、多模態(tài)感知和執(zhí)行閉環(huán)的打通，都是亟需跨越的關卡。二是全球化新課題：中國汽車出口量躍居世界第一，但智能座艙的“出?！保h不止語言翻譯那么簡單，不同文化背景下的交互習慣、語義理解偏差、本地生態(tài)服務缺失等，都會讓說得對、聽得懂、融得進成為新的競爭壁壘。

圖片來源：科大訊飛（下同）

在這樣的產(chǎn)業(yè)深水區(qū)，單純的功能堆疊已無法構建差異化，行業(yè)需要的是系統(tǒng)級的智能體能力——即從感知-理解-決策-執(zhí)行到主動服務的完整閉環(huán)。而構建這一閉環(huán)，恰恰需要底層大模型的深度賦能、多模態(tài)感知的量產(chǎn)落地、軟硬一體的聲學創(chuàng)新，以及全球化交互的本地化適配。

科大訊飛在北京車展上給出的答案，正是從以上維度同時發(fā)力：星火新一代多模態(tài)智能座艙提供端側(cè)多模態(tài)大模型和智能體生態(tài)，讓座艙從聽話的工具進化為“會辦事的管家”；iFLYSOUND氮化鎵母帶級聲學系統(tǒng)及超30項全鏈自研的車載音頻算法，以軟硬一體方案重塑車載聽覺體驗，讓聲音從聽個響升級為百變聲活空間；海外星火大模型則打通了語言和文化的壁壘，為中國智能汽車出海掃清交互障礙。

科大訊飛此次發(fā)布的新品，共同構成了對行業(yè)命題的系統(tǒng)性回應——讓智能座艙真正回歸“服務人”的本質(zhì)。這背后，是星火大模型從通用能力向車端深度定制的遷移，是端側(cè)多模態(tài)技術從實驗室走向量產(chǎn)平臺的突破，也是國產(chǎn)聲學供應鏈從替代走向引領的縮影。

星火大模型雙線布局——國內(nèi)座艙“會辦事”，海外交互“融得進”

要理解星火新一代多模態(tài)智能座艙的升級，首先要厘清一個當前行業(yè)認知的誤區(qū)：語音交互的智能化程度，并不取決于對話的流暢度，而取決于系統(tǒng)對用戶真實意圖的理解深度。過去幾年，不少企業(yè)都宣稱實現(xiàn)了“可見即可說”、“連續(xù)對話”的能力，但這些能力本質(zhì)上都是建立在大量預置指令模板和有限狀態(tài)機之上的，用戶依舊需要用機器能聽懂的方式說話，只是模板數(shù)量變多了、對話輪次變長了，這種模式走到今天，邊際效益已經(jīng)遞減——無論怎么擴充指令集，總會有用戶的口語表達落在覆蓋范圍之外的情況。

星火新一代多模態(tài)智能座艙引入的端側(cè)多模態(tài)大模型SparkAuto-EMM，則是從底層改變這一邏輯，不是通過擴充模板來記住更多說法，而是通過大模型對語義的表征能力，去理解用戶一句話背后的真實需求。例如車控自由說：當用戶說有點悶時，系統(tǒng)會結合車內(nèi)外溫度、車窗狀態(tài)、天氣情況、甚至用戶的歷史偏好，判斷應該開窗還是開空調(diào)，這背后涉及模糊語義消歧、上下文感知、多模態(tài)信息融合等一系列的綜合能力。

更值得關注的是端側(cè)部署的產(chǎn)業(yè)意義。

大模型上車有兩種路徑：云端和端側(cè)。云端方案能力上限高，但代價是網(wǎng)絡依賴和隱私風險，而且在地下車庫、隧道、高速等信號不穩(wěn)定的場景下，云端方案隨時可能失效。端側(cè)方案則是將所有計算鎖定在車機內(nèi)，斷網(wǎng)可用，數(shù)據(jù)不出車，從架構上解決了云端部署的核心痛點。

當然，端側(cè)部署會面臨算力和模型大小的矛盾。一輛經(jīng)濟型車的座艙芯片可能只有幾TOPS的算力，旗艦車型則可能有幾十甚至上百TOPS，對此科大訊飛的解決方案是提供0.5B到7B的階梯式模型矩陣，不同算力平臺可以裁切出最合適的版本。

而且傳統(tǒng)語音系統(tǒng)只能處理單步指令，但真實的用戶需求往往是多步驟、多條件的。比如用戶給出一條指令：“先加油再去機場，路上找一家川菜館”，系統(tǒng)需要拆解出三個子任務，查詢沿途加油站和餐廳的信息，考慮路線順序，還要結合用戶偏好排序。這種復雜任務規(guī)劃，既需要大模型對自然語言的理解，也需要與地圖、興趣點搜索等外部服務的實時交互，本質(zhì)上是“理解-規(guī)劃-執(zhí)行”三個環(huán)節(jié)的閉環(huán)。星火新一代多模態(tài)智能座艙在這一層面的突破，讓智能座艙首次具備了類似智能助手的任務編排能力。

智能體生態(tài)則是星火座艙將“辦事”能力延伸到車外服務的關鍵。通過與超50家頭部生態(tài)伙伴的合作，科大訊飛構建了三層智能體架構：第一層圍繞高頻剛需場景，自研或深度定制精品智能體，一站解決全家出行中的娛樂和信息需求；第二層深度集成生態(tài)伙伴面向車端優(yōu)化好的多端通用智能體，典型代表是美團生態(tài)的三大高頻場景——美食推薦、智能排號、在線訂座，用戶從發(fā)現(xiàn)餐廳到完成預約，全程在座艙內(nèi)閉環(huán)，無需切換手機；第三層面向長尾場景，以解決方案形式集成優(yōu)質(zhì)生態(tài)智能體，保證能力邊界的可擴展性。

智能體生態(tài)的核心價值——不是簡單的應用商店或語音喚醒第三方App，而是以大模型為調(diào)度中樞，將不同智能體的能力按需組合，響應用戶的復合意圖。與消費級AI產(chǎn)品的泛化能力不同，科大訊飛的智能體生態(tài)完全圍繞車載場景設計：駕駛場景下交互時間極短，需要首輪命中率高、任務路徑短；安全要求也更高，不能因處理長尾請求而分散駕駛注意力；網(wǎng)絡環(huán)境復雜，需要有支持離線或弱網(wǎng)下的方案。這些約束條件，決定了車載智能體生態(tài)不能簡單移植互聯(lián)網(wǎng)產(chǎn)品的邏輯，而必須基于對真實駕駛行為的長期理解進行定制。

再將視線轉(zhuǎn)向海外。中國汽車出口量已經(jīng)躍居全球前列，但智能座艙的出海遠未成熟。這方面，不少企業(yè)的做法是，將國內(nèi)的語音方案翻譯成目標語言，然后直接部署，結果得到的用戶反饋往往是“系統(tǒng)說得很標準，但就是不像人話”——因為語言不只是詞匯和語法，還有文化語境、使用習慣、甚至禮貌程度。

海外星火助理的差異化在于，它從底層構建了一套母語級交互體系。32種語言，60個國家和地區(qū)，100多款明星車型的量產(chǎn)交付，中國出海前?的?企中，8家已經(jīng)科大訊飛合作，這些數(shù)字說明的不僅僅是覆蓋范圍，更是經(jīng)過大批量驗證的可靠性。52個高質(zhì)量TTS發(fā)音人、全部由母語者構建的語料庫、多輪專家交叉校驗，這些細節(jié)保證了地道性，而非簡單的正確性。更深一層，海外星火助理還整合了全球主流車機生態(tài)，從導航到音樂，從體育到新聞，讓用戶獲得的是熟悉的本土數(shù)字生活體驗，而非一個“外國車”的生硬界面。

星火大模型在國內(nèi)的任務是讓座艙“能辦事”，在海外的任務則是讓中國汽車“被接納”，兩條戰(zhàn)線共享同一套底座，卻針對完全不同的場景做了深度定制。這種能力不是靠一個通用大模型就能實現(xiàn)的，它要求團隊既懂AI，又懂汽車，還懂全球各地的用戶差異，這也是科大訊飛區(qū)別于僅僅將通用大模型套殼上車的消費級AI產(chǎn)品的核心能力所在。

AI音效新物種，讓普通車也能擁有百萬級聽享體驗

如果說座艙交互的智能化是軟件定義的體現(xiàn)，那么車載音響的變革則更需要軟硬一體的思維。

車載音響行業(yè)長期存在一個潛規(guī)則：好聲音與高價格強綁定，過去行業(yè)內(nèi)普遍的認知是，只有豪華品牌的高配車型，或者選裝了知名品牌音響的車型，才能獲得“好聽”的體驗。這種認知背后，既有品牌溢價的商業(yè)邏輯，也有硬件成本和技術門檻的現(xiàn)實約束?？拼笥嶏w此次發(fā)布iFLYSOUND的核心價值就在于，不是開發(fā)了又一款所謂的高端音響，而是帶來了一套打破了價格和體驗正相關關系的技術方案。

傳統(tǒng)車載功放多采用硅基MOSFET器件，受限于材料特性，功率密度較低，要實現(xiàn)高保真大功率輸出，往往需要增大體積和散熱結構，導致重量和成本同步攀升。氮化鎵（GaN）作為新一代半導體材料，具有更高的工作頻率和轉(zhuǎn)換效率，在消費電子領域已經(jīng)得到驗證，但在車載領域的大規(guī)模應用，面臨車規(guī)級可靠性、成本控制和系統(tǒng)集成的多重挑戰(zhàn)。

科大訊飛的做法沒有停留在器件替換的思路上，而是從系統(tǒng)架構層面重新設計——將氮化鎵的優(yōu)勢和車載場景的特殊需求進行了深度適配，通過芯片協(xié)同、算法優(yōu)化和散熱創(chuàng)新等，逐一打通了從器件到系統(tǒng)的落地瓶頸。

科大訊飛采用ARM+ADSP協(xié)同的SOC架構，配合首創(chuàng)的氮化鎵音頻功放架構，實現(xiàn)了單通道300W的峰值輸出，足以驅(qū)動8歐姆影院級重低音單元。紅寶石薄膜電容/電感技術再加上低密度翅片專利散熱設計的應用，相比傳統(tǒng)方案，在實現(xiàn)音質(zhì)提升20%、重量降低30%的前提下，還能有效縮減硬件成本?；诖?，高保真音響不再是成本無上限的旗艦車型才能擁有的配置，主流車型也可以在有限的BOM成本內(nèi)，獲得母帶級的還原能力。行業(yè)首個QQ音樂臻品音質(zhì)認證，更是從第三方角度驗證了iFLYSOUND的硬件素質(zhì)，已經(jīng)達到高解析度音頻的播放標準。

硬件提供了性能底座，算法則負責將這些硬件能力轉(zhuǎn)化為用戶可感知的體驗價值。

iFLYSOUND全鏈自研了超過30項車載音頻算法，覆蓋從麥克風收音、主動降噪、聲場重建到揚聲器驅(qū)動的全鏈路。而“好聽、好用、好玩”的三層框架，進一步擴展了車載音響的智能邊界。

傳統(tǒng)音響只負責播放聲音，iFLYSOUND則是將聲音作為座艙體驗的調(diào)節(jié)變量，音樂廳模式追求真實聲場還原，電影院模式則強化低頻和人聲，營造沉浸感，不同模式服務于不同的內(nèi)容類型。

好用層面，聲場分區(qū)解決了車內(nèi)多用戶的需求沖突——駕駛者需要導航語音，乘客想聽音樂，通過獨立音區(qū)互不干擾。聲場智導則是一個與駕駛安全強相關的創(chuàng)新：給導航和警示音賦予方位感，用戶通過聽覺就能判斷轉(zhuǎn)向方向或風險來源，減少對視覺的依賴。

在好玩層面，無麥K歌、露營空間、隨行DJ等功能豐富了座艙的社交和娛樂屬性。以隨行DJ為例，AI可以根據(jù)駕駛節(jié)奏、車速、油門深度等實時數(shù)據(jù)自動混音，讓音樂和駕駛行為產(chǎn)生動態(tài)呼應，實現(xiàn)的是從播放器到創(chuàng)作者的身份轉(zhuǎn)變。

市場數(shù)據(jù)提供了驗證：iFLYSOUND已落地超過120萬輛車，北京車展上發(fā)布的魏牌V9X、東風日產(chǎn)NX8、2026款極氪007GT、奇瑞星途EX7、奇瑞風云T9L、昊鉑S600等新車也都搭載了相關技術。

將座艙交互和車載聲學放在一起看，會發(fā)現(xiàn)一條清晰的線索：科大訊飛構建的是一個從聽懂到辦好再到體驗好的完整閉環(huán)。星火大模型負責理解用戶意圖并調(diào)動能力執(zhí)行任務，iFLYSOUND負責提供高品質(zhì)且可變化的感官體驗，兩者共同支撐起主動式AI座艙的價值主張——不是等用戶下達指令，而是在用戶表達感受、甚至尚未表達時，就能提供恰當?shù)姆蘸头諊?/p>

小結：

如果展開過去二十余年的時間軸，會發(fā)現(xiàn)一個更本質(zhì)的事實：科大訊飛在汽車行業(yè)的角色演變，始終與智能座艙的技術迭代同頻。從最早的語音合成上車，到成為國內(nèi)車載語音市場的份額領先者，再到今天端側(cè)大模型和全棧聲學系統(tǒng)的量產(chǎn)落地，這條路徑不是跨界者的突襲，而是長期主義者的持續(xù)深耕。

與許多互聯(lián)網(wǎng)公司或AI創(chuàng)業(yè)公司不同，科大訊飛對汽車行業(yè)的理解，建立在數(shù)百萬輛量產(chǎn)車的交付、數(shù)億條真實交互數(shù)據(jù)的反饋、以及無數(shù)個與車企聯(lián)合攻關的工程難題之上，而這些認知，都是時間和場景共同沉淀的壁壘。

科大訊飛積累的不是某一項技術的先發(fā)優(yōu)勢，而是對汽車行業(yè)規(guī)則、車規(guī)級工程要求、用戶真實駕駛場景的系統(tǒng)性理解。與那些將通用大模型簡單封裝后推向車市的消費級AI產(chǎn)品相比，科大訊飛更知道方向盤后的用戶在高速行駛時需要多短的交互路徑，知道夜間駕駛時語音反饋的音量和亮度應該如何變化，知道海外不同地區(qū)的用戶對“禮貌程度”和“語速”有著截然不同的期待?？拼笥嶏w的核心價值就在于，把大模型這一通用能力，重新打磨成了一款真正懂車、懂駕駛者、懂全球用戶的車規(guī)級智能體。

科大訊飛此次北京車展上發(fā)布的產(chǎn)品，共同傳遞出一個清晰的信號：智能座艙的競爭已經(jīng)進入系統(tǒng)級智能體能力的比拼時代。單點功能的堆砌無法構建核心競爭力，只有將理解、規(guī)劃、執(zhí)行、感知、情感等能力深度融合，才能讓座艙從冰冷的硬件，進化為有溫度的數(shù)字伴侶。

返回第一電動網(wǎng)首頁 >