2026年3月18日，在第七屆軟件定義汽車論壇上，上汽大乘用車智能化軟件中心高級總監(jiān)&零束科技CTO孟超指出，當(dāng)前AI在汽車領(lǐng)域的應(yīng)用多停留在“AI哨兵”、“AI寵物識別”、“AI閑聊”等噱頭型功能，實際用戶使用率與購車吸引力有限，真正高頻功能如語音交互、導(dǎo)航規(guī)劃等尚未被AI深度賦能。他談到，以特斯拉Grok與FSD結(jié)合、OpenClaw開源框架為代表，AI正從信息智能向物理智能融合演進(jìn)，汽車行業(yè)應(yīng)借鑒其智能框架范式，構(gòu)建具備“意圖理解、物理執(zhí)行、主動服務(wù)、記憶反思及擬人表達(dá)能力”的下一代架構(gòu)。
孟超進(jìn)一步提出，AGI驅(qū)動下的AIOA汽車架構(gòu)需從模型范式、應(yīng)用框架、軟件系統(tǒng)、硬件底座、安全與生態(tài)五方面系統(tǒng)性重構(gòu)。他強(qiáng)調(diào)，應(yīng)用層面，傳統(tǒng)指令式APP開發(fā)將被基于agent范式取代，未來智能座艙需圍繞agent框架構(gòu)建，并結(jié)合端云協(xié)同規(guī)劃器與技能封裝機(jī)制實現(xiàn)類AGI產(chǎn)品體驗。模型層面，針對頻域特性、數(shù)據(jù)分布與 ViT 特征等維度差異，將信息理解類語言模型與物理 AI 世界模型進(jìn)行深度融合；依托大小模型協(xié)同機(jī)制與多模態(tài)權(quán)重分配策略，探索統(tǒng)一具身智能范式框架，并實現(xiàn)其在汽車、IoT 等智能終端的落地適配。軟件層面，SOA服務(wù)中間件平臺逐步發(fā)展成AIOS 框架，支撐AGI模型對于數(shù)據(jù)、存儲、推理高效協(xié)同。硬件層面，現(xiàn)有中央計算架構(gòu)面臨內(nèi)存墻等瓶頸，面向AGI時代則需向更高帶寬、靈活調(diào)度方向演進(jìn)。同時，AI安全、權(quán)限管理與智能體生態(tài)的構(gòu)建是落地關(guān)鍵。最后，汽車作為智能終端，必須從當(dāng)前SOA架構(gòu)進(jìn)化到AIOA技術(shù)架構(gòu)，實現(xiàn)助理、司機(jī)、工程師三重智能體角色的融合。作為汽車行業(yè)從業(yè)者，他也呼吁大家聚焦Native AI真正賦能汽車的產(chǎn)品及服務(wù)，進(jìn)而共同驅(qū)動整個行業(yè)實現(xiàn)良性、正向的發(fā)展。
孟超｜上汽大乘用車智能化軟件中心高級總監(jiān)&零束科技CTO
以下為演講內(nèi)容整理：
當(dāng)前，AI的應(yīng)用領(lǐng)域主要分為兩部分，一是賦能產(chǎn)品，二是驅(qū)動工業(yè)效能。今天我主要聚焦于AI賦能產(chǎn)品，以及何種架構(gòu)能夠滿足當(dāng)前AI產(chǎn)品的需求跟大家做個分享。
產(chǎn)品總會詢問研發(fā)部門，能否開發(fā)出“獨特唯一最”的產(chǎn)品？我們一直在思索，這樣的產(chǎn)品是否真的存在？有這樣一組數(shù)據(jù)表明，當(dāng)前市場上各類以AI為賣點的產(chǎn)品，如AI哨兵、AI香氛，以及AI寵物模式等，在用戶體驗率和中所占的影響因素比例其實較低。相反，我們?nèi)粘ｎl繁使用的功能，如語音交互、地圖導(dǎo)航、車控等，尚未采用AI技術(shù)進(jìn)行開發(fā)。
我們自身也有深刻體會，曾開發(fā)了兩個場景功能，其中之一便是AI哨兵。當(dāng)有人破壞或刮劃車輛，或有寵物靠近車輛時，AI會主動進(jìn)行防御，這一功能也被一些人包裝為AI防御系統(tǒng)。后續(xù)測試發(fā)現(xiàn)，收集到的多為誤觸發(fā)的行人照片及周邊經(jīng)過的寵物影像。我們曾安排一名演員實際刮劃車輛進(jìn)行測試，結(jié)果當(dāng)AI發(fā)出警報時，該演員已跑出10米開外。這是當(dāng)前“+AI產(chǎn)品”所面臨的困境之一。
去年討論時，有人提出讓AI識別寵物表情并感知其變化，產(chǎn)品經(jīng)理據(jù)此開發(fā)了AI寵物情緒識別功能。然而，在與團(tuán)隊成員探討時，大家提出疑問：寵物種類繁多，形態(tài)各異，甚至聽說美國還有人飼養(yǎng)鱷魚作為寵物，在此情況下，我們該如何準(zhǔn)確判斷寵物情緒狀態(tài)？AI是否真正能滿足這些需求還是一個問題。
后來，我們團(tuán)隊內(nèi)部經(jīng)過激烈探討發(fā)現(xiàn)，當(dāng)前我們臆想、虛構(gòu)出來的諸多場景，更多只是自我感動，進(jìn)而感動老板，最終試圖感動客戶。然而，這些并非AI真正能帶來的獨具特色、獨一無二的產(chǎn)品。我們雖每日談?wù)揂I，但AI原生產(chǎn)品究竟是什么，目前仍不明確。
在此，分享一個特斯拉Grok與FSD結(jié)合的應(yīng)用場景。車輛駛至drive through點餐窗口，乘客點了一份麥當(dāng)勞，隨后車輛自動降下車窗、完成點餐后又自動升起車窗，并自動駛離。我們將這一過程進(jìn)行切片分析，發(fā)現(xiàn)其背后蘊含兩個邏輯：一是Grok所基于的信息交互大語言模型，二是特斯拉FSD本身的世界模型，二者在此場景中協(xié)同工作。
圖源：演講嘉賓素材
在該場景中，AI在整體模型范式上相較于過往軟件開發(fā)實現(xiàn)了代際迭代與轉(zhuǎn)變。整個架構(gòu)由Grok的認(rèn)知腦與世界模型，以及模型最終生成的FSD模型共同構(gòu)建而成。在此架構(gòu)中，Grok負(fù)責(zé)生成導(dǎo)航任務(wù)，涵蓋長鏈路規(guī)劃、基礎(chǔ)支付、點餐等操作，并搭建起整體base語言框架；而FSD則完成路徑規(guī)劃、自動駕駛漫游以及最終駛離等任務(wù)。這或許是當(dāng)前能直觀感受到的、較具代表性的應(yīng)用場景，即AI真正將Information AI與Physical AI進(jìn)行了初步融合。
另一個較為引人注目的現(xiàn)象是“OpenClaw養(yǎng)龍蝦”項目，這已成為眾多普通人，包括軟件從業(yè)者廣泛采用的范式。其整體架構(gòu)涵蓋主結(jié)構(gòu)體、感知結(jié)構(gòu)體，以及搜索與處理結(jié)構(gòu)體。OpenClaw目前所扮演的角色并非模型，亦非基礎(chǔ)操作系統(tǒng)，而更傾向于是一個本地部署引擎與網(wǎng)關(guān)相結(jié)合所構(gòu)建的智能體框架范式。
那么，這一框架能否應(yīng)用于當(dāng)前的汽車行業(yè)呢？我用Gemini和DeepSeek對OpenClaw技術(shù)框架進(jìn)行了分解，發(fā)現(xiàn)其主要包括以下幾個部分：一是本地部署模式，確保數(shù)據(jù)不出端；二是用戶交互功能，目前我們已看到如QQ、飛書等應(yīng)用已實現(xiàn)此類交互；三是記憶系統(tǒng)與模型推理能力；四是模型調(diào)用方面。半年前大家可能還依賴MCP進(jìn)行整體調(diào)用，而目前已經(jīng)能夠?qū)崿F(xiàn)skills技能的封裝；當(dāng)然，還有安全保障機(jī)制。關(guān)于汽車行業(yè)是否需要“養(yǎng)龍蝦”尚且存疑，但我認(rèn)為，這種范式框架值得汽車行業(yè)參考借鑒。
圖源：演講嘉賓素材
不過，以上兩個現(xiàn)象級應(yīng)用尚不能被視為所謂的殺手級產(chǎn)品。那么，基于當(dāng)前AGI所能提供的能力基礎(chǔ)，是否會催生出一款現(xiàn)象級應(yīng)用呢？我們將過去傳統(tǒng)基于SOA架構(gòu)及小模型的開發(fā)方式，與當(dāng)下情況進(jìn)行對比，總結(jié)出以下四個方面的差異。
其一，AGI與過往的不同之處在于意圖識別與多模態(tài)感知交互能力的提升；其二，基于場景認(rèn)知，AGI能夠提供主動服務(wù)；其三，AGI具備決策規(guī)劃、記憶與反思的能力；其四，在輸出方面，AGI可實現(xiàn)擬人化的傾聽與表達(dá)。這也是當(dāng)前智能座艙圍繞這四個核心要點進(jìn)行開發(fā)的方向。
迄今為止，仍未出現(xiàn)一款A(yù)I原生的現(xiàn)象級產(chǎn)品應(yīng)用。但我們?nèi)孕璩掷m(xù)推進(jìn)相關(guān)工作。在這樣的范式下，何種架構(gòu)能夠滿足AGI在車端的部署需求？整體架構(gòu)框架原則上應(yīng)涵蓋應(yīng)用框架、模型范式、軟件、硬件及生態(tài)。之所以將模型范式置于首位，是因為在應(yīng)用尚不成熟、產(chǎn)品尚未成型之際，我們可觀察模型驅(qū)動所帶來的變革。
首先探討的范式變革是，同樣的具身范式能否在多終端實現(xiàn)共享，以及這樣的模型框架能否直接垂直應(yīng)用于汽車端？我將整體架構(gòu)的左半部分理解為基于數(shù)字信息的AI，它更側(cè)重于交互與信息收集，相較于物理系統(tǒng)而言，其響應(yīng)速度較慢。而右半部分則更多涉及物理層面，無論是我們提及的快速小比例VLA，還是目前路線尚未明確的世界模型。
圖源：演講嘉賓素材
本質(zhì)上，左側(cè)模型聚焦于語言類交互，其主要任務(wù)是下一個單詞、下一個標(biāo)記，更側(cè)重于對文本序列的預(yù)測處理；而右側(cè)模型則致力于預(yù)測下一幀畫面、下一個場景，以及背后的物理邏輯，例如球落在地上會彈起、鋼球落在地上會靜止，在智能輔助駕駛場景中會規(guī)劃繞過障礙物等，本質(zhì)上是對物理世界下一幀狀態(tài)的預(yù)測。
目前，這兩種模型范式在汽車行業(yè)的應(yīng)用已逐漸顯現(xiàn)雛形，并且可將其遷移至具身智能領(lǐng)域。不過，具體的應(yīng)用對象以及最終的AI工程實現(xiàn)存在差異，我們也在探索這兩種范式能否保持一致。
在此范式下，向上延伸至應(yīng)用層面會發(fā)生哪些變化？向下涉及我們常說的framework、操作系統(tǒng)，乃至最底層的硬件，又會產(chǎn)生怎樣的變革？
以智能座艙為例，當(dāng)前市面上常見的智能座艙底層操作系統(tǒng)多采用QNX+安卓或Linux+安卓的組合，在此基礎(chǔ)上搭建一層框架，如Android framework，再向上進(jìn)行功能模塊化開發(fā)，涵蓋語音交互、音效、地圖、艙駕融合等，形成現(xiàn)有的系統(tǒng)框架。
然而，從指令式APP開發(fā)模式來看，下一代智能座艙必將被一種新的范式所改變，即基于agent的范式。這兩種范式存在顯著差異：左側(cè)代表指令式應(yīng)用視角，右側(cè)則代表agent視角。
對這兩種范式進(jìn)行具象化闡述。該框架主要包含兩部分內(nèi)容，右側(cè)是SOA服務(wù)，即五年前提出的將車輛所有信息封裝為服務(wù)的理念；左側(cè)是整個系統(tǒng)的多端輸入部分，針對當(dāng)前多樣化的模態(tài)輸入，可能涉及文本、視頻、圖片或語音。這些輸入通過模型智能體進(jìn)行驅(qū)動，最終構(gòu)建出這樣一套框架體系。
半年前我們還在通過調(diào)用function call并運用底層MCP來進(jìn)行驅(qū)動，時至今日，我們已能夠?qū)⑵浞庋b為一些skill，使框架具備基于技能的框架能力，這極大地提升了系統(tǒng)效率。雖然“龍蝦汽車”不一定采用此框架，但我們可以參考這樣的設(shè)計思路。
圖源：演講嘉賓素材
其中較為復(fù)雜的部分在于planner。就目前這一代產(chǎn)品而言，planner仍主要在云端完成。預(yù)計未來1-2年內(nèi)，將實現(xiàn)端云協(xié)同，即端側(cè)規(guī)劃器與云側(cè)prompt規(guī)劃器共同協(xié)作開發(fā)。AGI帶來的架構(gòu)變革，是應(yīng)用架構(gòu)全新范式的轉(zhuǎn)變。我們不能再沿用過去開發(fā)應(yīng)用和APP的方式，而需采用全新范式，使大模型具備執(zhí)行能力與規(guī)劃能力。
還有一個典型變化體現(xiàn)在軟件方面。過去我們采用服務(wù)組件式開發(fā)，基于AUTOSAR AP進(jìn)行開發(fā)，在其上封裝SOA服務(wù)，供所有應(yīng)用調(diào)用。時至今日，原有的開發(fā)范式是否仍適用？我們是應(yīng)在原有基礎(chǔ)上進(jìn)行小幅調(diào)整，還是開展顛覆式設(shè)計？我們認(rèn)為，現(xiàn)階段兩者可并存，但最終，隨著AGI的發(fā)展，右側(cè)的新范式將推動左側(cè)舊范式的變革。
當(dāng)前，各企業(yè)紛紛宣稱要打造AIOS?，F(xiàn)階段而言，AIOS更像是架構(gòu)在基礎(chǔ)Linux、Android以及AUTOSAR等系統(tǒng)之上的一套中間件框架。其核心作用主要體現(xiàn)在兩個方面：一是向上提供基礎(chǔ)的agent框架；二是向下提供系統(tǒng)層面的框架。本質(zhì)上，系統(tǒng)層面的框架更側(cè)重于挖掘底層資源、提升底層性能。解決模型對于數(shù)據(jù)搬運、框架推理外圍提效。同時，在底層必須確保安全性，如此一套框架方能滿足當(dāng)今汽車行業(yè)的需求。
另外是硬件架構(gòu)，目前業(yè)內(nèi)已達(dá)成高度共識，電子架構(gòu)已完全趨同，即采用HPC加區(qū)域控制的架構(gòu)模式。這種架構(gòu)主要通過集成控制器和硬件集成實現(xiàn)成本降低，同時通過打破傳統(tǒng)軟件的封閉性，采用平臺式的分層分塊解耦方式，提高了系統(tǒng)迭代效率。然而，它并未完全滿足AGI對電子架構(gòu)的需求。在部署模型時，我們面臨諸多痛點，除算力不足外，內(nèi)存墻和內(nèi)存瓶頸問題尤為突出，內(nèi)存帶寬的影響也不容忽視。這一代電子架構(gòu)的核心——中央域控制器，首先要解決的是內(nèi)存問題，包括突破內(nèi)存墻限制、降低延遲，以支持大模型的數(shù)據(jù)通信需求。
圖源：演講嘉賓素材
如果目前無法實現(xiàn)one chip，那么在多個芯片間的數(shù)據(jù)搬運與通信方面，PCIe可作為一種可行選擇，借此達(dá)成資源的靈活調(diào)度以及原始數(shù)據(jù)的相互傳遞。此外，采用獨立SoC、UFS和DDR的模式也可納入考量，即部分采用SSD這種共享存儲方式來替代原有方案。最終實現(xiàn)“一個芯片打天下”無疑是最佳方案，但就現(xiàn)階段而言，硬件架構(gòu)將以這樣的范式轉(zhuǎn)變。
另一個較為重要的方面是安全，此安全有別于五年前所提及的信息安全以及數(shù)據(jù)安全等，更確切的范式是AI安全。它涵蓋權(quán)限管理、數(shù)據(jù)泄露以及提示詞惡意注入等問題。需要解決的關(guān)鍵問題有兩個：一是AI生成內(nèi)容看似合理實則錯誤的情況；二是AI不受限制地調(diào)用和控制執(zhí)行體。
針對這兩個問題，可通過采用最小權(quán)限原則機(jī)制、意圖網(wǎng)關(guān)的人類二次驗證以及基礎(chǔ)沙盒機(jī)制等手段，對AI進(jìn)行初步管控。這些措施能否真正解決問題，仍有待行業(yè)進(jìn)一步探索。目前，盡管法規(guī)在語料安全、模型安全措施及評估等方面給出了一些基本建議，但相關(guān)建設(shè)仍處于推進(jìn)過程中。
圖源：演講嘉賓素材
另一個關(guān)鍵要素是生態(tài)。目前，從業(yè)者每日所關(guān)注的生態(tài)，本質(zhì)上仍是基于現(xiàn)有APP應(yīng)用的生態(tài)。若要構(gòu)建基于agent的全新生態(tài)，首先需解決平臺接入問題，其次是基于上層架構(gòu)的支持設(shè)計問題，再者是安全管控問題。只有筑牢這三方面的護(hù)城河，才有可能實現(xiàn)整個系統(tǒng)的變革與融合。因此，構(gòu)建智能體生態(tài)是一個全新的開發(fā)過程。
總體而言，模型廠商與開發(fā)公司應(yīng)聚焦于模型本身，智能體框架應(yīng)專注于智能體相關(guān)技術(shù)，而每一個真正的終端制造者，不僅限于汽車行業(yè)，還包括具身智能設(shè)備、低空飛行器、移動樁端等領(lǐng)域的制造者，都必然需要構(gòu)建這樣一套框架，以滿足當(dāng)前產(chǎn)品落地應(yīng)用的需求。
下圖的框架圖最底層為安全底座，涵蓋硬件層相關(guān)內(nèi)容，如我們提及的AI Box，以及智能座艙，還包括未來可能實現(xiàn)艙駕一體的大型HPC平臺。在典型操作系統(tǒng)、模型與推理框架方面，agent框架可參考OpenClaw以及Agent Skill等框架。
至于框架最上層的應(yīng)用，智能體最終可扮演三個角色：一是助理，如同用戶的私人秘書，提供各類協(xié)助；二是司機(jī)，負(fù)責(zé)解決用戶從A點到B點的運輸問題；三是工程師，能夠處理用戶在整個產(chǎn)品使用過程中遇到的所有問題，包括故障診斷、解答疑問等。
過去談及面向服務(wù)的SOA，往往僅聚焦于服務(wù)層面。而當(dāng)進(jìn)入AI或AGI時代，我們需從整體視角審視問題，既要關(guān)注縱向?qū)用娴陌踩Ｕ?，思考何種硬件能夠滿足AGI的需求，探究軟件架構(gòu)會發(fā)生怎樣的變革，明確模型范式如何決定agent框架的設(shè)計以及底層操作系統(tǒng)的支撐方式，還要關(guān)注應(yīng)用與生態(tài)的垂直整合。同時，我們也不能忽視橫向?qū)用娴纳鷳B(tài)協(xié)同共建，這對于推動整個行業(yè)的持續(xù)發(fā)展至關(guān)重要。在目前尚無完整標(biāo)準(zhǔn)、仍以單點應(yīng)用為主的階段，我們?nèi)孕璺e極開展探索。
圖源：演講嘉賓素材
作為智能終端的制造者與設(shè)計者，我們的首要任務(wù)是設(shè)計一套能夠滿足AGI需求的架構(gòu)，以支撐模型的演進(jìn)迭代和智能體的發(fā)展，進(jìn)而共同驅(qū)動整個行業(yè)實現(xiàn)良性、正向的發(fā)展。