文｜三少爷
过去的几年里，汽车智能化赛道上最热闹的角儿一直是自动驾驶。激光雷达之争吵得不可开交，VLM、VLA、世界模型、物理AI的算法竞赛一轮接一轮，车圈几乎所有的舆论高地都被自动驾驶的话题占领了。
但在进入2026年之后，风向悄悄变了，尤其在小龙虾热潮之后，座舱AI的热度甚至盖过了自动驾驶。
在刚刚过去的四月份，华为把小艺从语音助手升级成了能够主动识别乘客状态、跨应用规划行程的智能体，地平线推出了一个叫“咖咖虾”的整车智能体，将其定位为替代传统操作系统的新一代人-车交互界面。类似的案例还有很多。虽然出乎好多人意料地突然爆火，但座舱AI的这波热潮绝对不是炒作，而是因为有三件事刚好在今年同时发生了：
AI能力跨过了好用的门槛，大算力座舱芯片最近开始量产，用户的心智也被这几年的市场教育到位了。
AI迎来性能突变
站在技术的视角上，软硬结合的座舱AI之所以能在一夜之间成熟起来，一则是因为，在以AI为代表的软件层面，AI的能力终于跨过了好用的那道门槛，二则是因为，在以芯片为代表的硬件层面，百TOPS算力的芯片或AI Box纷纷进入了量产阶段。
先说AI。过去几年，座舱AI一直停留在语音助手阶段。它能理解特定的结构化指令，你说“调高温度”，它就调高温度，你说“导航回家”，它就导航回家。但也就止步于此了，它感受不到你说话时的疲惫、急促或者不耐烦。但今年，情况变了——AI开始“读懂你的需求和感受”了。
想象一下这个画面：你刚开完三个小时的会，又赶上晚高峰走走停停，身体陷在座椅里，疲惫得不想多说一个字。你叹了口气，随口嘟囔了一句“有点冷”。在过去的车上，语音助手会机械地报出当前温度，或者等着你给出“调到26度”这样精确的数字指令。它听懂了字的表面意思，却完全没有察觉你低沉、拖沓的语气里溢出来的疲惫。
但部署了新一代全模态模型（比如阿里巴巴在2025年9月发布的Qwen3-Omni）的车不一样。它能从你放缓的语速和略带沙哑的声线里，捕捉到了一种明确的不适信号。不用等你再下指令，它就可以悄无声息地调高空调温度，再顺手把座椅加热也打开了。隔了几秒，音响里传出一句温和的询问：“要不要播放一些轻音乐，顺便把按摩功能也打开？”是不是鸡皮疙瘩起来了？这种感受的震撼在于，座舱AI不再只是更快地执行用户的命令，而是真的知道你累了。
和自动驾驶企业今年宣传的原生多模态模型一样，Qwen3-Omni这类全模态模型也刚刚问世不长时间，它的杀手级能力在于能够支持视频、图像、音频、文本的原生统一理解，从而能通过语速、语调、用词、表情、动作去判断用户的状态，实现精准的情绪感知。
能感受、好沟通只是第一步。感受到了，还得能干活。这是Agent框架要解决的事。回头看25年底，以Anthropic发布Claude Opus 4.6为标志性事件，AI圈好像突然商量好了一样——代码助手可以编写并跑通完整的项目了，Agent能从会议录音里总结开会纪要、自动提取关键决定并生成待办事项了。就在这几个月间，多个行业的Agent能力曲线同时挣脱了线性增长的引力，走出了近乎抛物线的爆发轨迹。座舱Agent，不过是这个大趋势里的一个切面而已。
今年很多车企不愿意再谈语音助手，取而代之的是“座舱Agent”、“整车智能体”、“超级智能体”这些新概念，这并不是在换马甲，而是座舱AI的Agent能力确实飞速跨过了能用到好用的门坎。
比如吉利的“Eva超拟人智能体”，它具备连续多轮对话中的上下文记忆能力，能记住你三句话之前提到过的餐厅偏好，并在推荐晚餐地点时自动绕开你不吃的日料。又懂你，又能干，这样的AI超级助理，消费者怎能不喜欢？
大算力芯片和AI Box开始量产
AI模型和框架的能力跨过了门槛，还只是迈过了第一道关，接下来有一个很现实的门槛——这些能力跑在哪里呢？大部分跑在云端显然太烧钱，车企们把牙咬碎了也付不起这张账单。将大部分任务放在车端实现，才是正办！这就考验芯片的算力能不能接的住了。
高通是座舱芯片赛道绕不开的王者和标杆，其骁龙系列芯片的路线图决定了座舱AI上车的时间线。可以认为，从8295到8397再到8797，三颗芯片的算力跃迁轨迹，勾勒出了座舱AI演进的硬件编年史。
目前仍是大部分车企主力座舱芯片的8295，其算力在30-60TOPS之间。放在两三年前，这个数字绝对可以晃瞎你的双眼，但放到今天的需求面前，它已经是“够用”的底线，而不是“好用”的标准了。这么点算力跑不动端侧多模态推理，更不用提Agent级别的多步规划了。
真正能兑现座舱AI实力的是320 TOPS的8397。它的出现意味着，大几十亿甚至百亿参数级别的全模态模型终于可以在车上跑了，端侧全模态推理从PPT变成了可以量产上车的真能力。
这颗芯片首发搭载于奔驰全新纯电GLC SUV上，奇瑞与捷豹路虎联合打造的豪华科技品牌FREELANDER神行者也成了全球首批采用这颗芯片的车型之一。8797的算力堆叠更加激进，高达640 TOPS，比8397整整翻了一番，本土新势力零跑、理想汽车是首批搭载车企。从30 TOPS到320TOPS再到640 TOPS，算力提升幅度高达二十倍，为的就是接住大踏步飞跃式进击的AI能力。
不过，高端车型可以用旗舰芯片堆算力，存量车、中端车型怎么办呢？解决这个问题的利器是AI Box，它给出的解决方案是——算力可以不依赖整车换代，通过外接模块来弹性升级。
今年北京车展上，瑞芯微正式展出了基于RK3576M+RK1828分布式架构的车载AI Box。它部署了Qwen2.5-VL-7B模型，首包时延504ms，输出速度62 tokens/s；部署Qwen3-Omni-4B全模态模型时，连贯输出超过80 tokens/s。展会现场还首发了“龙虾智能体座舱助手”，语音指令联动多车控功能，记录用户偏好，做千人千面的定制化体验。值得提醒的是，该方案已经具备量产落地能力，不是PPT哦。
华阳通用推出了独立Box形态的AI BOX，支持7B级大模型端侧部署，通过千兆以太网与座舱域控制器协同，将高AI算力与原有座舱平台解耦。所有生物特征数据和用户行为数据在车端处理存储，兼顾隐私与性能。2026年1月，它已经获得国内头部自主品牌车企的核心智能化项目定点，目前处于紧锣密鼓的工程开发与量产准备阶段。
模型、Agent框架、芯片、AI Box解决了供给端的问题。但座舱AI要真正火起来，不能只靠供给侧发力——另一股力量来自需求端，用户的心智也已经准备好了。
用户的心智变化
用户对座舱AI的需求不是无中生有的，而是被渗透率不断攀升的智能座舱慢慢塑造出来的。高工智能汽车研究院数据显示，25年中国乘用车前装标配智能座舱的搭载率高达76.62%，用户对交互多屏娱乐、智能语音交互的响应速度、流畅体验的要求在持续升级。在不断攀升的渗透率和搭载率中，用户的参照点已经被悄悄拉高了。
另一种更隐蔽的变化，叫做“交互债”或“用户体验债”。长城汽车的研究团队曾观察到一个现象：在人车交互之间，用户其实是倾向于不交互的。这话听起来有点绕，但颇有些直指人心的意味。它不是说用户不喜欢用语音，而是说，在他们认为理应主动服务、理应自动化智能的场景里，每一次不得不进行的手动操作（动嘴当然也是手动），都变成了一次心理上的“还债”。你需要在狭小的菜单里翻找功能，这是系统欠你的一次直觉；你需要用精确的指令触发一个本该它主动做的事，这是系统欠你的一份贴心。债欠得多了，用户就会沉默，并用脚投票。
还有另一个更潜移默化的力量来自手机，用户可能自己也没意识到，他们正在拿电脑、手机上的AI体验来要求车机。豆包、千问、DeepSeek已经把用户对AI交互的期望训练到了一个新的高度。这种期望的迁移是潜意识完成的，用户嘴上不会说“我希望车机像豆包一样懂事”，但当达不到标准时，他们心底涌起的那种莫名的、巨大的失望感，是真实且尖锐的。很多车企果断弃用传统语音方案商，把豆包接入了车机，本质上不是在做技术选型，而是在承接用户已经被手机训练好的期望——他们知道，用户的心理标尺已经变了。
参照点上移，还债感加重，期望被外部产品拉高——用户对座舱AI的期待，已经在潜移默化之中被慢慢拉高了。
大模型的全模态感知推理和Agent能力跨过了好用的门槛，座舱芯片和AI Box纷纷量产，接住了算力需求，用户也恰好被这几年的市场教育喂到了那个“回不去”的点，模型、Agent框架、芯片、算力盒子、用户期待，这几件事在同一个时间窗口里形成了一次完美的共振，造就了座舱AI的排山倒海之势。
任何一件事早了或者晚了，座舱AI都不会是今天这个局面。当技术的底座不再构成障碍，决定胜负的就变成了对用户的理解深度——而这恰恰是芯片、模型供应商们帮不上忙的地方，是需要车企花心思和精力深耕的地方。