中经记者 张硕 北京报道

大模型正以前所未有的速度涌向车载座舱。但现实层面挑战仍存：模型上车容易，稳定办事却难。在 2026 聚合智能产业发展大会期间，科大讯飞智能汽车 CTO、副总经理雷琴辉接受了《中国经营报》等媒体记者的专访。回望人工智能数十年起落，他对座舱智能化的真正拐点、端侧模型的落地逻辑、车企与 AI 企业的共创模式、自动驾驶法规下的责任边界等议题，给出了清醒而犀利的判断。

lei 将人工智能划分为运算、感知、运动、认知四个层级。运算智能长于存储计算，感知智能实现听、说、看、认，能力已比肩甚至超越人类；认知智能，即理解与思考，仍是行业最大难题。语言只是智慧的表层载体，背后蕴藏常识、知识与逻辑推理，机器难以复刻人类对现实世界的隐性认知，复杂歧义、场景常识，都是大模型亟待攻克的关口。

通用大模型实现了认知智能的技术阶跃。雷琴辉将模型的训练迭代类比人的成长：预训练如基础教育，监督微调、强化学习如高等教育，模型对齐似职业教育，经由不断迭代完成能力塑造。讯飞星火坚持全栈自主可控，依托全国产算力平台完成版本迭代，2026 年 9 月开源端侧模型，同步发布新一代云端大模型，持续参与这场车载 AI 的耐力赛跑。

模型上车容易，稳定办事难：座舱智能化进入智能体深水区

大模型正在改写汽车智能化范式。雷琴辉提出，车载软件历经三代演进：第一代安卓时代以应用拼装为主；第二代实现部分模糊意图识别；第三代由大模型主导，以模型定义软件，达成多模态、智能体的全模态交互。座舱 AI 进化进入深水区，呈现六大趋势：功能调用自由泛化、情绪交互落地、端云协同成为量产底座、端侧多模态迈向准量产、记忆升级为用户画像中台、生态服务成为竞争分水岭。

但产业现实是，模型上车容易，稳定办事难。座舱已进入智能体编排系统阶段，端侧多模态落地、端云协同调度、生态闭环、跨车型适配，都面临大量工程难题。为此讯飞构建新一代类人智慧全模态座舱架构，以主控智能体作为中枢，统筹路由、推理、上下文管理与多模态交互，联动场景智能体、感知表达与记忆系统，让交互从被动应答转向主动调度任务。

AI 同样在重塑车载音频体验。车载音效历经硬件拼参数、人工调音两个阶段，如今迈入软件定义音频时代。车辆环境、用户偏好、使用场景时刻变化，出厂固化的调音难以适配。讯飞以 AI 实时声学自适应技术，结合环境、用户、场景感知动态调音，预计今年落地百万套高级功放系统。

面向自主品牌出海，多语种能力成为关键底座。讯飞具备 32 种海外语种处理能力，依托大模型实现多语种快速扩展，并对接海外本土生态；借力 " 一带一路 " 主权大模型合作，实现模型海外合法落地。目前国内出口前十车企均与其开展多语种合作。整个汽车业务，讯飞已覆盖 50 多家车企，其中 30 家落地大模型方案，累计装车 7800 万台，月活 2700 万户。

产业破局思考：L4 落地之前，座舱变革仍在上半场

针对端侧大模型部署，雷琴辉表示，端侧落地是必然方向，核心价值在于隐私安全、带宽成本与实时响应。车载空间隐私属性强，持续语音交互消耗大量带宽，部分交互必须在端侧完成。但端侧面临算力、内存容量、内存带宽的三角博弈，算力指标再亮眼，带宽不足同样制约性能。端侧模型的下沉普及，依赖产业生态成熟，而非单纯硬件升级。

谈及车企与 AI 企业的全链条共创，他指出，大模型时代尚未形成统一范式。正如早年车载语音，也是经车企与供应商长期打磨才形成成熟方案。不同车企产品定位、座舱理念千差万别，对模型形态、调用链路的需求各不相同，共创是现阶段的必然选择，需要联合车企打通模型调度链路，最大化发挥端云算力。

关于开源的产业价值，雷琴辉认为，开源能降低行业门槛、支持车企二次开发、加速端侧产业成熟。回顾语音行业，技术打磨会抬升产品价值，随普及再回归合理价位；大模型亦将遵循类似规律，开源催生真实场景、挖掘刚性需求、倒逼技术迭代，最终形成用户、车企、供应商多方共赢的正向循环。

在他看来，座舱智能化真正的质变节点，是主控智能体的落地。过去大模型只是语音链路中被调用的工具，被动响应指令；当大模型成为座舱主控，主动发起录音、合成、调度各类任务，才是座舱智能化跨时代的标志。

而行业最大的瓶颈，并不在交互本身。" 汽车首要使命是完成点到点安全高效运输。" 雷琴辉以手机演进类比：手机从单纯通话工具，拓展通信、互联网能力，才成为人的数字器官。若高阶自动驾驶未实现，座舱生态将始终受安全约束。只有 L4 自动驾驶真正落地，座舱才会迎来本质变革，车辆才能变身书房、会议室、娱乐空间。现阶段座舱大模型，只是升级了信息娱乐交互，尚未完成底层范式重构。

面对市面多模型并行、用户自由切换的现状，雷琴辉判断，行业仍处探索期。地图属单点应用，可交由用户自主选择；大模型则是全局系统，未来主控智能体整合完成后，用户将感知不到背后调用的具体模型。

对于无方向盘自动驾驶出租车的方向，他认为自动驾驶是汽车发展的终点，但落地受制于政策、法规、就业等多重条件。自动驾驶汽车与人形机器人，在运动能力、情感交互上高度相似；当车辆实现完全自动驾驶，座舱的想象空间将被彻底打开。

针对自动驾驶新规带来的责任划分，雷琴辉表示，新规明确了宣传边界，L2 及以下不得夸大自动驾驶能力，L3、L4 级别车企需承担相应责任。车载黑盒子可完整记录行驶状态、踏板转向、碰撞前后影像，为事故溯源提供数据基础。技术溯源本身难度不大，真正的挑战，是把自动驾驶做到足够安全好用。

雷琴辉总结，大模型时代的序幕已经拉开，汽车智能化变革刚刚开始。AI 上车不是简单的技术堆砌，需要技术方、车企、生态伙伴共创共享共进化，持续开源，共同推动产业向前演进。

（编辑：童海华 审核：李正豪 校对：颜京宁）