在汽车智能化转型的浪潮中，人工智能正成为重塑座舱体验的核心引擎。2026年6月25日，在第八届AI智能座舱大会暨2026第四届车载显示与感知技术革新峰会上，安波福产品总监兼软件专家段东璞表示，当前行业对座舱AI的探索，不应执着于寻找单一的”爆点“应用，而应通过持续的迭代与跨场景融合，推动人机交互方式的长期演进。他指出，座舱AI的发展将是一场”微积分式“的变革，其最终目标是让智能座舱成为用户出行中不可或缺的伙伴，而实现这一目标的关键路径，在于构建一个以端侧智能为主、云端协同为辅，并融合多模型、多设备的高效、安全、可持续进化的技术生态体系。
安波福产品总监amp;软件专家
以下为演讲内容整理:
AI价值凸显需持续迭代与场景融合
回顾信息时代的发展历程，个人计算机与Office等基础软件的诞生初期，并未立刻引发轰动，但经过长期迭代，它们已成为现代生活不可分割的一部分。当前座舱AI的发展路径亦是如此，我们不应期待单一功能的爆发式成功，而应着眼于长期主义，通过微小的、持续的创新累积，最终实现交互方式的重塑。
在此过程中，跨功能域的应用融合与场景融合至关重要。无论是多媒体音视频体验的联动，还是语音、视觉等多模态交互的无缝结合，均需通过紧密协作来创造连贯、智能的用户体验。同时，对于用户高频使用的细分场景，需要进行深度打磨与持续优化。例如，将导航、音乐播放、空调调节等常用功能进行场景化整合，使AI能够根据用户习惯与当前环境主动提供服务。这种渐进式的演进，最终将使座舱进化成为用户日常出行的智能伙伴，而非仅仅是提供某项新奇功能的工具。
构建端云互补、端侧主导的智能架构
在探讨座舱AI的技术路径时，云端与端侧的协同模式是业界关注的焦点。客观来看，云端与端侧优势互补，云端能够部署大规模模型，具备强大的泛化能力与全量数据处理能力；而端侧则拥有低延迟、离线可用、保障隐私安全及不消耗运营Token等核心优势。
基于此，安波福认为可行的策略是以端侧为主导，构建一个半封闭、安全受控的系统。在这一架构下，智能体与预设工作流主要部署于端侧，当端侧算力或模型能力不足以处理复杂任务时，再通过安全、受控的机制调用云端能力进行补充。所有数据传输与工具调用均需执行严格的权限控制，并对云端返回的结果进行安全性审查，以确保整个系统的安全与稳定。这种设计既能充分利用端侧的高效与隐私保护特性，又能借助云端的强大能力拓展智能边界。
AI Box作为长期算力拓展单元的价值
随着座舱功能日益复杂，其对异构算力的需求也在发生变化。当前，CPU的算力已基本满足逻辑控制需求，GPU在图形渲染方面虽仍有提升空间，但其体验增益与算力堆砌并非线性关系。相比之下，NPU所承担的AI推理任务，其算力需求正呈现指数级增长。
端侧模型参数从当前的4B、7B级别向13B乃至更高演进，与云端仍保持两个数量级以上的差距，这为AI Box这样的专用算力拓展单元提供了长期存在的价值基础。AI Box在短期可作为灵活的算力补充，帮助中低阶车型实现高阶AI功能的有效部署。从长期看，其接口简单、与座舱域控高度解耦的特性，使其完全有能力演进为独立的算力中心，并支持硬件的独立迭代升级，成为满足未来指数级NPU算力需求的重要硬件方案。
跨界借鉴与多模型协同的现实路径
从OpenClaw等开放架构中，可以总结出对座舱AI发展有价值的启示。例如，其会话机制有助于实现座舱内及座舱与外部智能设备的连续对话；网关设计可实现数据路由与推理控制的解耦；分层的记忆架构能有效管理上下文，提升推理效率；而Skill的分组、分层加载与闭环管理，则为功能的灵活部署与管控提供了参考。这些架构理念，共同指向了一个核心启发:系统级的架构优化，其意义往往超越单纯的算力堆砌。
在多模型协同策略上，安波福倾向于采用多模型协同的架构。通用大模型在泛化能力上优势显著，适合处理通用交互，但在细分、垂直领域的场景中，专用小模型在响应速度、计算效率和成熟度上表现更优，且算力消耗更低。因此，理想的方案是整合端侧的大语言模型、垂域的视觉模型以及云端大模型，通过协同工作来实现系统整体的高效与稳定运行。
智能体构建与未来人机交互形态
在智能体的构建上，安波福主张在车内构建唯一的主体智能体，负责与用户进行串行对话，并可关联至其他智能设备。其他后台或被动触发的任务，则交由共享记忆的子智能体处理。Skill则被定义为标准化的执行流程，是智能体工作流中具体任务的执行方式，需进行全局至私有的分层、分组加载管理。此外，还需建立多模型调度机制，并对数据输入进行权限管理，对输出内容进行长度限制、结构化规范与内容验证，最终形成一套完整、可控的智能体框架。
对于GUI Agent技术，它代表了基于应用与触控交互模式的智能化补充，但由于其响应速度、对界面布局变化的敏感性以及可靠性等方面的局限，在座舱场景中的实际效果有限。它更应被视为通往未来多模态主动交互时代的一个过渡与补充。未来人机交互的核心方向，应是通过语音、视觉等主动感知手段，结合全方位信息分析，实现主动式、服务型的交互。
从对其他智能设备AI部署的观察来看，尽管智能手机、AI PC及可穿戴设备的应用场景与车载座舱存在显著差异，但在技术路径上存在共通之处。例如，高频、低延迟任务在端侧执行，复杂任务交由云端；可穿戴设备中极致的低比特量化模型、模型规模压缩方法，以及被动或轻度唤醒的场景设计思路，均对车载座舱的AI开发具有借鉴价值。
安波福下一代座舱AI生态体系
基于上述思考，安波福正构建以极致交互为核心的下一代座舱AI框架。该框架以用户为中心，形成“感知-思考-服务“的闭环。在感知层，整合语音、视觉、车内信息及外部智能设备输入；在思考层，通过端侧处理具体场景推理，云端支持高智能全量推理作为补充，并基于规则进行任务组织；在服务层，提供生成、泛化等AI能力，并通过MCP、A2A等协议实现车端与生态互联的能力调用。整个体系将信息安全、隐私保护与AI行为规范置于核心考量之中。
基于此框架的安波福AIOS方案，其核心设计在于底层的“模型适配框架“。该框架通过统一接口，适配多种主流SoC的推理框架，实现底层硬件与上层软件的彻底解耦。其上的智能体框架则涵盖了提示词构建、记忆管理、输入输出管理等组件，并通过网关机制实现与不同智能设备的通信。最上层则区分为负责交互的主智能体与执行后台任务的子智能体，共同形成一套融合车、云、边全域能力的开放AI生态体系。
