智能辅助驾驶能力突飞猛进背后，是 AI 能力的不断涌现，它在智能座舱上同样受到热捧，甚至因为座舱对延时和算力的要求更低，应用门槛也相应降低。
特斯拉用 "Grok+FSD" 组合已经给出了惊人表现。用户除了可以体验特斯拉 FSD 的流畅领航辅助驾驶，还能和 Grok 进行了拟人、善解人意的对话，甚至用 Grok 实现模糊指令下的导航。
因此，AI 智能体上车，成为热潮。
长城汽车等国内车企率先捕捉到了这一点。今年的消费电子盛宴 CES 上，长城汽车除了展出标志性的 V8 发动机、HI4 混动技术，还发布了空间与语言智能体 ASL。
" 它是以 3D 视角感知世界的智能体，覆盖车内外场景，如人类般直观，是懂倾听、会学习、能沟通的出行伙伴。" 长城汽车 CTO 吴会肖说。
去年 12 月，长城汽车推出了智能辅助驾驶系统 VLA。今天 ASL 推出后，与 VLA 智驾系统，显然构成了长城汽车的智能化双擎。
长城汽车技术专家佘士东表示，传统座舱更关注 " 功能实现 " ——比如加热、开空调、调座椅等操作。而长城的 ASL 关注的是 " 交互升级 "，" 它本质上是把人与车的关系，从人机接口 "（HMI），进化为人机共处。ASL 带来的核心体验变化，是你不再是在控制一个机器，而是在与一个智能体对话。"
以 " 打开第二排右侧座椅加热 " 为例，佘士东，在传统系统中，用户得清楚说出指令，这其实是用户在思考如何操作设备，而在智能体时代，只需说 " 帮我女儿打开座椅加热 "，甚至只说 " 让她舒服点 "，系统就能自动理解她是谁、坐在哪、当前开关状态是什么，并完成操作。
ASL1.0 是围绕自然语言下的 " 意图识别 " 和 " 主动理解 " 来构建。虽然去年长城汽车已频繁提及，但受限于工程周期，长城直到今年才正式推出这套系统。在长城汽车内部，其被称之为 Coffee OS 3.5，首批搭载车型将在 2026 年上半年（3~4 月）上市，最终交付用户大概在 5~6 月。
虽然增强了座舱交互体验，但 ASL 不只是 " 座舱 AI"，而是整车级、OS 级的全栈式智能架构。
" 要实现刚才那个’给我女儿打开座椅加热’的体验，不只是语音识别那么简单。你必须打通电子电气架构、融合多模态感知、调动整车控制链路，还要建立用户画像、记忆系统、意图识别、推理能力等多维支撑，才能真正落地。" 佘士东说。
理想汽车基于自己的基座模型 MindGPT，已经推出了车端的 AI 产品理想同学，也在推动更多 agent 产品上车。而据 36 氪了解，大量没有基座模型能力的车企，都在寻找外部大模型公司进行合作，热门标的则是字节跳动旗下的豆包汽车版。
业内人士告诉 36 氪，在市面上，这类优秀的 AI 产品很多，有 Deepseek，阿里的千问，但考虑到汽车工程支持能力和 C 端交互能力，还是豆包更为适合，"Deepseek 几乎没有汽车业务，豆包基于抖音的数据训练，对消费者体验更友好。"
但在座舱里部署大模型，除了找到合适的 AI 产品，还要加强算力资源投入。不少车企在已有座舱 SOC 基础上，采用外加 AI Box 的策略，也就是额外增加一颗 AI 处理器。例如，小鹏汽车的第三颗图灵芯片，就主要负责座舱 AI 模型的计算。
而从 2026 年开始，大量车企开始采用高通的最新座舱产品骁龙 8797，可直接获取 300Tops 算力。但成本也相应提升，"8797 的域控加上音响等整套系统，成本要到万元以上。"
从特斯拉 2013 年引领座舱大屏化到今天，行业花了十多年；但 AI 智能体化的变革，行业判断只需 2～3 年，就能看到市场雏形。
发力整车 AI，又是一场资源角力赛。
以下是 36 氪等与长城汽车 CTO 吴会肖、技术专家佘士东等对话，略经编辑：
问：长城汽车去年提出的 ASL1.0，外界讨论相对较少。如今大家看到的座舱大模型 + VLA 的组合，是不是就是 ASL1.0？它与现阶段做座舱大模型的业务架构，核心区别在哪里？
佘士东：要回答这个问题，还是要回到人和车之间最基本的 " 交互 " 需求上来。传统座舱更关注 " 功能实现 " ——比如加热、开空调、调座椅等操作。但 ASL 关注的是 " 交互升级 "，它本质上是把人与车的关系，从 " 人机接口 "（HMI），进化为 " 人机共处 "。
ASL 带来的核心体验变化，是你不再是在控制一个机器，而是在与一个 " 智能体 " 对话。就像《霹雳游侠》那样，车不再是冷冰冰的设备，而是一个能理解你意图的 " 助理 " 或 " 管家 "。
比如你想帮后排右侧的孩子打开座椅加热。在传统系统中，你得清楚说出 " 打开第二排右侧座椅加热 "。这其实是你在思考如何操作设备。
而在智能体时代，你只需说 " 帮我女儿打开座椅加热 "，甚至只说 " 让她舒服点 "，系统就能自动理解她是谁、坐在哪、当前开关状态是什么，并完成操作。
ASL1.0 就是围绕这种自然语言下的 " 意图识别 " 和 " 主动理解 " 来构建的。虽然去年我们已频繁提及，但受限于工程周期，长城直到今年才正式推出这套系统。我们内部称之为 Coffee OS 3.5，首批搭载车型将在 2026 年上半年（3~4 月）上市，最终交付用户大概在 5~6 月。
问：所以 ASL1.0 的核心，其实是座舱侧 AI 应用的全面开发？
佘士东：可以这么说，但它不只是 " 座舱 AI"，而是整车级、OS 级的全栈式智能架构。要实现刚才那个 " 给我女儿打开座椅加热 " 的体验，不只是语音识别那么简单。你必须打通电子电气架构、融合多模态感知、调动整车控制链路，还要建立用户画像、记忆系统、意图识别、推理能力等多维支撑，才能真正落地。
ASL1.0 本质上是一个从 0 到 1 的系统性构建工程。大模型只是 " 冰山一角 "，其下隐藏着大量底层工程投入。这也是我们为什么花了一整年，才将其准备上线。
问：这套系统的芯片算力如何分布？
佘士东：在 Coffee OS 3.5 所面向的上半年车型中，我们采用的是超频版 8295 芯片，拥有 60T 的端侧算力，但也需要液冷散热系统支撑整体稳定性。而到了 ASL2.0 阶段，随着 8797、8397 等新平台的普及，车端算力将提升到 300T+ 的级别。这样的平台能力，才能支撑多智能体在多场景下的实时推理与响应。
问：目前在智能化方向，车企的基础路线和战略方向似乎都趋于一致，长城汽车如何做出差异化？
佘士东：确实，路线 " 相似 " 在某种程度上是一个阶段性 " 必然 "。这背后是行业认知的同步和技术周期的共振。比如，去年成都车展、广州车展，走进很多展车你会发现，车内形态几乎一致：多屏分布、左边信息右边地图、中央大屏承载 APP 入口这说明，整个行业正在围绕 " 人车交互 " 建立一种共识。
但也正是在这个 " 趋同 " 过程中，我们发现了真正的差异化机会：很多所谓的 " 更好交互 "，其实还是用户主动发起—车端被动响应的传统模式，而我们进一步观察用户使用行为时发现了一个重要现象：用户其实 " 倾向于不交互 "。
为什么这么说？举个例子。四年前，我们的语音交互系统，用户平均每小时唤醒不到 0.4 次。而到了今年，已经是每小时唤醒 4～5 次，且每次唤醒后会产生二十多次连续交互。表面上看，用户好像越来越爱 " 说话 " 了，但我们深入分析后发现，这种行为更多是源于 **" 便利性提升带来的使用频率增加 "，而非 " 真实意图数量的增长 "。** 换句话说，用户真正的需求可能只有三四个，只是因为好用，所以多说了几句。
由此我们判断：当交互本身足够流畅，下一阶段的核心就不再是 " 交互 " 本身，而是 " 主动服务 "。为什么用户一上车还要调座椅、调空调、点语音、开导航……这些都可以通过智能体自动识别、自动达成，甚至静默完成。这正是我们探索 " 智能体化 " 路径的核心逻辑。
这也是吴总（吴会肖）在 CES 发布的 ASL 2.0 智能体系统的由来——之所以叫 "2.0"，是因为 "1.0" 已经完成并即将量产，而行业内多数品牌的 "1.0" 可能要到 2026 年才能看到落地产品。
在 2.0 阶段，ASL 系统已经覆盖了五大智能场景：智驾出行体验、车内多人的空间娱乐与舒适交互、长途自驾游场景、健康管理与车内监测、买用养车全生命周期服务。
而 " 智能体化 " 的核心是三个关键词：一是 AIGC 生成能力，界面不再是代码 " 写死 " 的控件，而是可以根据用户、场景、习惯动态生成，实现柔性界面与可变动的服务内容。
二是真正的自然对话，就像和人交流一样，持续、顺畅、有上下文。很多用户体验过特斯拉的对话能力，起初觉得惊艳，但长时间驾驶中你会发现，它的实际表现还有很大进步空间。这说明自然语言理解与上下文管理依旧是一个关键挑战，也是我们的核心突破点。
三是主动服务的三步分级实现，相识：不只是账号识别，而是能通过摄像头系统，实现对车内每一个人的身份识别，无论是谁、坐在哪个位置，都能 " 认识你 "。相知：不仅知道你是谁，还知道你喜欢什么、习惯什么、预计接下来要干什么。相助：基于对你的了解，提前一步完成你想做的事情，甚至无需你发出指令。
所以我们说，真正的智能体，不是 " 功能的堆砌 "，而是对 " 你 " 的理解和对 " 你想要什么 " 的预判。如黄仁勋所说，AI 元年不是说说而已—— " 今年才是物理 AI 的真正起点 "，因为我们终于开始动手干了。
从特斯拉 2013 年引领座舱大屏化到今天，行业花了十多年；但 AI 智能体化的变革，我们判断只需 2～3 年，就能看到市场雏形。计划今年 6 月，我们的首款搭载 ASL 1.0 智能体系统的量产车型就将正式上市，同时我们也在努力通过 OTA 为老车型提供部分体验升级。
当然，老车型受限于芯片的端侧算力，可能会存在体验上的差异。但从今年开始的新一代车型起，" 车端智能体 " 将成为新标配，主动服务将成为新的行业门槛。
问：长城汽车对于 VLA 和世界模型是怎么理解的？
吴会肖：这个话题我们内部也讨论了很多次。现在行业里对 "VLA" 和 " 世界模型 " 的定义还没有完全统一，但在我们看来，它们的核心区别是部署位置和能力侧重点不同。
VLA 是部署在端侧的模型，重点在于提升端侧的本地能力。它既能用于防御性驾驶，也能与语音控车打通，还可以通过更清晰的思维链展示其判断过程，让用户更信任车辆的决策。而 " 世界模型 " 在我们公司是指基于云端训练的大模型或大场景系统。它并不和 VLA 对立，而是互补的。开发智驾功能时，云端的训练能力和端侧的算法能力都缺一不可。
有些观点认为只要用世界模型，把它蒸馏压缩后放在端侧，也可以覆盖端侧的功能。但我们在内部的定义是，云侧的叫世界模型，端侧的叫 VLA，各有其位、各司其职。
问：有一个说法认为，VLA 的核心问题在于它依然沿用了语言链的思维模式。但在多模态趋势下，理解时空、识别手势这些场景，未必都需要转化为语言链条。也有观点认为 VLA 未来也会逐步回归多模态路径。那现在你们的 VLA 是什么形态？
吴会肖：我们现在的端侧模型并不是完全基于语言链。因为语言链的信息处理路径较长，所以我们在考虑人机交互时确实会引入语言模型，但并不是所有控车动作都经过语言模型处理，本质上也是一个多模态模型。
语言模型的路径是视觉到语言、再到执行动作，这本身是个一体化的结构。但在每个技术方案落地的过程中，都处于持续进化状态。我们未来的方向，肯定是希望能构建真正端到端的模型，减少中间兜底机制，比如安全策略或者语言链路。但要实现这一点，依然需要大量数据积累。
过去大家注重的是 " 量 "，但当基础场景已覆盖充分后，真正需要的是极端场景的数据，这决定了数据依然是核心壁垒。
问：您认为激光雷达还是必需的吗？
吴会肖：我们目前的数据采集依然较多依赖激光雷达，但从长远看，它是可以被替代的。
