最前線｜智能座艙開始AI變革，長城新車要標配車端智能體

智能輔助駕駛能力突飛猛進背后，是AI能力的不斷涌現，它在智能座艙上同樣受到熱捧，甚至因為座艙對延時和算力的要求更低，應用門檻也相應降低。

特斯拉用“Grok+FSD”組合已經給出了驚人表現。用戶除了可以體驗特斯拉FSD的流暢領航輔助駕駛，還能和Grok進行了擬人、善解人意的對話，甚至用Grok實現模糊指令下的導航。

因此，AI智能體上車，成為熱潮。

長城汽車等國內車企率先捕捉到了這一點。今年的消費電子盛宴CES上，長城汽車除了展出標志性的V8發動機、HI4混動技術，還發布了空間與語言智能體ASL。

“它是以3D視角感知世界的智能體，覆蓋車內外場景，如人類般直觀，是懂傾聽、會學習、能溝通的出行伙伴。”長城汽車CTO吳會肖說。

去年12月，長城汽車推出了智能輔助駕駛系統VLA。今天ASL推出后，與VLA智駕系統，顯然構成了長城汽車的智能化雙擎。

長城汽車技術專家佘士東表示，傳統座艙更關注“功能實現”——比如加熱、開空調、調座椅等操作。而長城的ASL 關注的是“交互升級”，“它本質上是把人與車的關系，從人機接口”（HMI），進化為人機共處。ASL 帶來的核心體驗變化，是你不再是在控制一個機器，而是在與一個智能體對話。”

以“打開第二排右側座椅加熱”為例，佘士東，在傳統系統中，用戶得清楚說出指令，這其實是用戶在思考如何操作設備，而在智能體時代，只需說“幫我女兒打開座椅加熱”，甚至只說“讓她舒服點”，系統就能自動理解她是誰、坐在哪、當前開關狀態是什么，并完成操作。

ASL1.0 是圍繞自然語言下的“意圖識別”和“主動理解”來構建。雖然去年長城汽車已頻繁提及，但受限于工程周期，長城直到今年才正式推出這套系統。在長城汽車內部，其被稱之為 Coffee OS 3.5，首批搭載車型將在2026年上半年（3~4月）上市，最終交付用戶大概在5~6月。

雖然增強了座艙交互體驗，但ASL不只是“座艙AI”，而是整車級、OS級的全棧式智能架構。

“要實現剛才那個’給我女兒打開座椅加熱’的體驗，不只是語音識別那么簡單。你必須打通電子電氣架構、融合多模態感知、調動整車控制鏈路，還要建立用戶畫像、記憶系統、意圖識別、推理能力等多維支撐，才能真正落地。”佘士東說。

理想汽車基于自己的基座模型MindGPT，已經推出了車端的AI產品理想同學，也在推動更多agent產品上車。而據36氪了解，大量沒有基座模型能力的車企，都在尋找外部大模型公司進行合作，熱門標的則是字節跳動旗下的豆包汽車版。

業內人士告訴36氪，在市面上，這類優秀的AI產品很多，有Deepseek，阿里的千問，但考慮到汽車工程支持能力和C端交互能力，還是豆包更為適合，“Deepseek幾乎沒有汽車業務，豆包基于抖音的數據訓練，對消費者體驗更友好。”

但在座艙里部署大模型，除了找到合適的AI產品，還要加強算力資源投入。不少車企在已有座艙SOC基礎上，采用外加AI Box的策略，也就是額外增加一顆AI處理器。例如，小鵬汽車的第三顆圖靈芯片，就主要負責座艙AI模型的計算。

而從2026年開始，大量車企開始采用高通的最新座艙產品驍龍8797，可直接獲取300Tops算力。但成本也相應提升，“8797的域控加上音響等整套系統，成本要到萬元以上。”

從特斯拉2013年引領座艙大屏化到今天，行業花了十多年；但AI智能體化的變革，行業判斷只需2～3年，就能看到市場雛形。

發力整車AI，又是一場資源角力賽。

以下是36氪等與長城汽車CTO吳會肖、技術專家佘士東等對話，略經編輯：

問：長城汽車去年提出的 ASL1.0，外界討論相對較少。如今大家看到的座艙大模型 + VLA 的組合，是不是就是 ASL1.0？它與現階段做座艙大模型的業務架構，核心區別在哪里？

佘士東：要回答這個問題，還是要回到人和車之間最基本的“交互”需求上來。傳統座艙更關注“功能實現”——比如加熱、開空調、調座椅等操作。但 ASL 關注的是“交互升級”，它本質上是把人與車的關系，從“人機接口”（HMI），進化為“人機共處”。

ASL 帶來的核心體驗變化，是你不再是在控制一個機器，而是在與一個“智能體”對話。就像《霹靂游俠》那樣，車不再是冷冰冰的設備，而是一個能理解你意圖的“助理”或“管家”。

比如你想幫后排右側的孩子打開座椅加熱。在傳統系統中，你得清楚說出“打開第二排右側座椅加熱”。這其實是你在思考如何操作設備。

而在智能體時代，你只需說“幫我女兒打開座椅加熱”，甚至只說“讓她舒服點”，系統就能自動理解她是誰、坐在哪、當前開關狀態是什么，并完成操作。

ASL1.0 就是圍繞這種自然語言下的“意圖識別”和“主動理解”來構建的。雖然去年我們已頻繁提及，但受限于工程周期，長城直到今年才正式推出這套系統。我們內部稱之為 Coffee OS 3.5，首批搭載車型將在2026年上半年（3~4月）上市，最終交付用戶大概在5~6月。

問：所以 ASL1.0 的核心，其實是座艙側 AI 應用的全面開發？

佘士東：可以這么說，但它不只是“座艙AI”，而是整車級、OS級的全棧式智能架構。要實現剛才那個“給我女兒打開座椅加熱”的體驗，不只是語音識別那么簡單。你必須打通電子電氣架構、融合多模態感知、調動整車控制鏈路，還要建立用戶畫像、記憶系統、意圖識別、推理能力等多維支撐，才能真正落地。

ASL1.0 本質上是一個從 0 到 1 的系統性構建工程。大模型只是“冰山一角”，其下隱藏著大量底層工程投入。這也是我們為什么花了一整年，才將其準備上線。

問：這套系統的芯片算力如何分布？

佘士東：在 Coffee OS 3.5 所面向的上半年車型中，我們采用的是超頻版 8295 芯片，擁有 60T 的端側算力，但也需要液冷散熱系統支撐整體穩定性。而到了 ASL2.0 階段，隨著 8797、8397 等新平臺的普及，車端算力將提升到 300T+ 的級別。這樣的平臺能力，才能支撐多智能體在多場景下的實時推理與響應。

問：目前在智能化方向，車企的基礎路線和戰略方向似乎都趨于一致，長城汽車如何做出差異化？

佘士東：確實，路線“相似”在某種程度上是一個階段性“必然”。這背后是行業認知的同步和技術周期的共振。比如，去年成都車展、廣州車展，走進很多展車你會發現，車內形態幾乎一致：多屏分布、左邊信息右邊地圖、中央大屏承載APP入口這說明，整個行業正在圍繞“人車交互”建立一種共識。

但也正是在這個“趨同”過程中，我們發現了真正的差異化機會：很多所謂的“更好交互”，其實還是用戶主動發起—車端被動響應的傳統模式，而我們進一步觀察用戶使用行為時發現了一個重要現象：用戶其實“傾向于不交互”。

為什么這么說？舉個例子。四年前，我們的語音交互系統，用戶平均每小時喚醒不到0.4次。而到了今年，已經是每小時喚醒4～5次，且每次喚醒后會產生二十多次連續交互。表面上看，用戶好像越來越愛“說話”了，但我們深入分析后發現，這種行為更多是源于**“便利性提升帶來的使用頻率增加”，而非“真實意圖數量的增長”。**換句話說，用戶真正的需求可能只有三四個，只是因為好用，所以多說了幾句。

由此我們判斷：當交互本身足夠流暢，下一階段的核心就不再是“交互”本身，而是“主動服務”。為什么用戶一上車還要調座椅、調空調、點語音、開導航……這些都可以通過智能體自動識別、自動達成，甚至靜默完成。這正是我們探索“智能體化”路徑的核心邏輯。

這也是吳總（吳會肖）在CES發布的ASL 2.0智能體系統的由來——之所以叫“2.0”，是因為“1.0”已經完成并即將量產，而行業內多數品牌的“1.0”可能要到2026年才能看到落地產品。

在2.0階段，ASL系統已經覆蓋了五大智能場景：智駕出行體驗、車內多人的空間娛樂與舒適交互、長途自駕游場景、健康管理與車內監測、買用養車全生命周期服務。

而“智能體化”的核心是三個關鍵詞：一是AIGC生成能力，界面不再是代碼“寫死”的控件，而是可以根據用戶、場景、習慣動態生成，實現柔性界面與可變動的服務內容。

二是真正的自然對話，就像和人交流一樣，持續、順暢、有上下文。很多用戶體驗過特斯拉的對話能力，起初覺得驚艷，但長時間駕駛中你會發現，它的實際表現還有很大進步空間。這說明自然語言理解與上下文管理依舊是一個關鍵挑戰，也是我們的核心突破點。

三是主動服務的三步分級實現，相識：不只是賬號識別，而是能通過攝像頭系統，實現對車內每一個人的身份識別，無論是誰、坐在哪個位置，都能“認識你”。相知：不僅知道你是誰，還知道你喜歡什么、習慣什么、預計接下來要干什么。相助：基于對你的了解，提前一步完成你想做的事情，甚至無需你發出指令。

所以我們說，真正的智能體，不是“功能的堆砌”，而是對“你”的理解和對“你想要什么”的預判。如黃仁勛所說，AI元年不是說說而已——“今年才是物理AI的真正起點”，因為我們終于開始動手干了。

從特斯拉2013年引領座艙大屏化到今天，行業花了十多年；但AI智能體化的變革，我們判斷只需2～3年，就能看到市場雛形。計劃今年6月，我們的首款搭載ASL 1.0智能體系統的量產車型就將正式上市，同時我們也在努力通過OTA為老車型提供部分體驗升級。

當然，老車型受限于芯片的端側算力，可能會存在體驗上的差異。但從今年開始的新一代車型起，“車端智能體”將成為新標配，主動服務將成為新的行業門檻。

問：長城汽車對于VLA和世界模型是怎么理解的？

吳會肖：這個話題我們內部也討論了很多次。現在行業里對“VLA”和“世界模型”的定義還沒有完全統一，但在我們看來，它們的核心區別是部署位置和能力側重點不同。

VLA是部署在端側的模型，重點在于提升端側的本地能力。它既能用于防御性駕駛，也能與語音控車打通，還可以通過更清晰的思維鏈展示其判斷過程，讓用戶更信任車輛的決策。而“世界模型”在我們公司是指基于云端訓練的大模型或大場景系統。它并不和VLA對立，而是互補的。開發智駕功能時，云端的訓練能力和端側的算法能力都缺一不可。

有些觀點認為只要用世界模型，把它蒸餾壓縮后放在端側，也可以覆蓋端側的功能。但我們在內部的定義是，云側的叫世界模型，端側的叫VLA，各有其位、各司其職。

問：有一個說法認為，VLA的核心問題在于它依然沿用了語言鏈的思維模式。但在多模態趨勢下，理解時空、識別手勢這些場景，未必都需要轉化為語言鏈條。也有觀點認為VLA未來也會逐步回歸多模態路徑。那現在你們的VLA是什么形態？

吳會肖：我們現在的端側模型并不是完全基于語言鏈。因為語言鏈的信息處理路徑較長，所以我們在考慮人機交互時確實會引入語言模型，但并不是所有控車動作都經過語言模型處理，本質上也是一個多模態模型。

語言模型的路徑是視覺到語言、再到執行動作，這本身是個一體化的結構。但在每個技術方案落地的過程中，都處于持續進化狀態。我們未來的方向，肯定是希望能構建真正端到端的模型，減少中間兜底機制，比如安全策略或者語言鏈路。但要實現這一點，依然需要大量數據積累。

過去大家注重的是“量”，但當基礎場景已覆蓋充分后，真正需要的是極端場景的數據，這決定了數據依然是核心壁壘。

問：您認為激光雷達還是必需的嗎？

吳會肖：我們目前的數據采集依然較多依賴激光雷達，但從長遠看，它是可以被替代的。