終端側智慧是今年科技行業的主議題，從目前市場的動向來看，消費類裝置、汽車、機器人這幾個終端是目前最受關注的AI硬體方向。在汽車市場，隨著電動化、智慧化、網聯化汽車在全球市場的加速推進，全球主要車企在智慧座艙、智慧駕駛領域紛紛加快了佈局，年初的CES展上海內外眾多車企的最新進展以及眾多算力晶片廠商的新品都印證了這股風潮。

通用人工智慧技術的快速發展，已經驅動汽車行業進行一波產業升級，在此期間各類雲端大模型被引入應用來支援車載智慧功能的迭代。隨著AI處理的重心正逐漸從雲端向終端轉移，最佳化後的端側模型在隱私保護、低延遲響應及個性化定製等方面具有顯著優勢，汽車端側算力與模型的部署正成為發展的又一風向標。

從傳統汽車到智慧汽車，這一轉變不僅僅是技術的革新，也在重塑人們對出行方式的理解。如其中的智慧座艙，作為人機互動的主要視窗，率先開啟了AI程序。去年新舊造車勢力，中外汽車品牌就啟動了AI大模型在座艙領域的全面應用，從語音、互動、個性化場景等多個維度，來重新定義智慧座艙的應用創新與人機互動體驗。到今年，端側模型上車更多本地智慧的支援也將開始推動智慧汽車向汽車智慧體轉變。

在AI落地的新半場，端側AI推動的智慧汽車革命已經到來，進一步改變人們的出行方式引領著交通領域的全面升級。

當前，終端側AI在汽車智慧駕駛升級、智慧座艙升級（特別是端側大模型應用以及多模態互動融合）上有著明顯的推動作用。國內華為、比亞迪、蔚來、小鵬、理想等廠商，國外特斯拉、豐田、寶馬等均在在這些領域均有著深厚的佈局，不僅致力於研發先進的智駕軟硬體，還在智慧座艙、語音識別與自然語言處理等方面取得了顯著成果。

智駕一直都是汽車科技的前沿陣地，2024年中國發布首個自動駕駛國標，年底北京、武漢多地出臺相關條例似乎預示著L3級自動駕駛即將邁向商用，2025年智駕領域的動靜肯定不會小。

比亞迪已經明確表示在2025年聚焦於“智駕平權”，即透過規模化推廣智慧駕駛系統，完成智駕在主流車型上的落地。

目前智駕方案可以分為算力方案與演算法方案，蔚小理、比亞迪、吉利等主機廠走從演算法到晶片的發展路線，蔚來“神璣NX9031”已搭載於蔚來 ET9、小鵬和吉利已成功流片、而理想和比亞迪正在推進自研智駕晶片專案。

華為是非常特殊的玩家，既是供應商也有終端品牌，華為車BU從演算法到算力全棧自研，基於昇騰的算力方案只供給鴻蒙智行車型以及阿維塔、深藍這些。

晶片廠商也開始做智駕演算法上的突破，像英偉達、地平線，算力和演算法供應商都開始往軟硬一體的方向在走，增大自己在智駕產業鏈上的價值空間。

回到智駕功能本身，算力硬體和感測硬體是智駕得以實現的基礎。終端側AI對算力需求引領了算力平臺的持續革新。極具代表性的高通智駕Snapdragon Ride至尊版平臺就在SoC中添加了面向多模態AI設計的專用神經網路處理器NPU以及為汽車定製的Oryou CPU，該平臺採用的NPU配備了Transformer加速器和向量引擎，並支援混合精度，旨在實現低時延、高精度且高效的端到端Transformer，從而保持最佳能效和效能。

英偉達的Thor處理器算力更強勁，這款計算能力達上一代產品Orin 20倍的晶片也正式進軍汽車市場，不僅限於自動駕駛晶片，更是為汽車的中央計算架構量身打造。黑芝麻智慧的華山A2000內建高效能NPU核心，支援高階智駕和具身智慧等多種終端算力需求。當前汽車終端側算力的提升為智駕落地提供了充足動力。

圖源：英偉達官網

在感測硬體上，TI1近期釋出的60GHz毫米波雷達感測也體現了硬體向終端側智慧發展的風向，該毫米波雷達感測，整合了乘員檢測、兒童存在檢測和入侵檢測三項車內感測安全功能，並採用執行終端側AI演算法的單晶片，在端側直接進行資料處理與分析決策，提高準確性並且縮短處理時間，實現更安全的駕駛環境；飛凌微車載視覺應用M1系列晶片在支援高效能影像處理同時也能支援端側視覺感知預處理。

在智駕領域，感測會吃掉汽車終端側很多算力，導致規劃定位環節算力緊缺。現在整個汽車終端算力的提升以及感測端側智慧的最佳化，算力更加充裕，感測側響應時間大幅縮短，在這種端側強智慧的背景下全場景智駕實現的腳步會越來越快。

智慧座艙絕對是國內車廠卷得最厲害的方向，從前單一的駕駛空間現在已轉變為集資訊、娛樂、互動、控制於一體的智慧空間。智慧汽車研究院監測資料顯示，2024年1-11月，中國市場（不含進出口）乘用車前裝標配智慧座艙搭載率從上年同期的61.06%，進一步提升至72.36%。

根據畢馬威分析資料，2026年中國智慧座艙市場規模將達到2127億元，2022年至2026年的年複合增長率約17%，滲透率有望從59%提升至82%。

全場景AI智慧語音互動，感測器接入實現艙駕監測已經不再是新鮮的功能。端側大模型應用以及多模態互動融合才是未來智慧空間的必需。

傳統智慧座艙的AI也是由端側和雲端構成，但重心在雲端，端側普遍只支援10億引數以下小規模的模型。這樣的智慧座艙體驗已經有些落後。往後智慧座艙中，將支援幾十億引數以上端側大模型，做到端側強智慧，並實現以端側本地智慧為側重的端雲混合。

在CES上亮相的DESAYSV座艙產品NPU效能最高算力效能提升12倍，已經能夠執行幾十億引數的座艙端側模型。端側強智慧是智慧座艙內卷的確定方向。

除了華為、理想、蔚來、北汽等汽車廠商在持續推進汽車端＋雲模型的升級，像科大訊飛去年也針對汽車端側釋出了星火大模型，該模型在車載應用中的效果損失小於等於1%，並且在端側的首次響應時間僅需40毫秒，端雲融合互動時間更是低至1.3秒，這種及時性是端側優勢也是智慧座艙急需的。英特爾也正在推動和合作夥伴把端側大模型、AI智慧體部署到汽車本地。

端側的多模態應用同樣重要，人車互動體驗的關鍵恰恰取決於理解和生成能力，依靠多模態的理解和生成，可以處理和生成多種型別資料的大模型，通再過量化、剪枝和蒸餾的方式將其部署到端側，可以提供即時的更真實的互動，這些更主動更懂使用者意圖的多模態互動引領的是一個全新汽車智慧空間生態。

在此前的《機器人與模型深度融合開啟智慧升級下半場，智慧終端的未來終局是物理AI》中提到過，終端側智慧正在將AI從數字世界帶入物理世界。

和被寄予厚望的人形機器人一樣，目前目標是端側強智慧的智慧汽車，未來同樣有望藉助多模態原生世界模型，打通物理世界和數字世界，成為整合人的需求並能與交通系統協同最佳化的具身智慧實體，成為真正的AI Car。但在整個實現路徑上，仍舊面臨著不少挑戰。

首先，端側算力雖然在不斷提高，但端側大模型在算力資源利用上仍要與終端晶片架構、算力效能協同適配，端側模型架構和模型壓縮等技術仍需進一步研究。

其次，與AI PC、AI Phone等消費類終端裝置相比，智慧汽車感知來源多，既有對車外環境的感知也有車內空間的感知，且這些感知資料大部分是動態的。內外多感測器的輸入，使得多模態資訊融合異常困難。需要同時處理視覺、音訊、空間等動態資訊，構建能在不確定的環境下具備理解空間與物理過程並提供泛化決策能力的多模態模型。

第三，強感知理解高即時性響應之外，車內感知會收集到大量使用者隱私資料。端側智慧將資料處理集中在本地，一定程度上避免了資料頻繁上傳雲端能更好地保護使用者隱私。但在有限的端側裝置算力和儲存資源下實現隱私保護需要更多技術手段介入。以及當端側AI智慧體基於第三方應用完成任務時，資料的控制權和保護責任也需要進一步明確劃分。

雖然端側AI推動的智慧汽車革命已經到來，但在實現真正的AI Car的道路上，仍需要克服諸多挑戰。汽車軟硬體全棧技術與AI的深度融合的同時完善相關法律法規，提升使用者接受度，才能推動智慧汽車向AI Car的持續發展。

在新能源程序的下半場與AI開始擁抱終端硬體重合的時間節點，汽車行業正在加速向數智化新階段邁進。在這場變革中，誰能率先利用端側智慧完成賦能，誰就將在未來的市場競爭中搶佔先機。