随着智能化和网联化技术的快速发展，智能网联汽车已成为新的竞争焦点。当前，人工智能，特别是大模型技术引领的新一轮变革正在深刻影响各行各业，推动生产力和生产关系的革新。各大车企正积极把握AI大模型带来的新机遇，竞相布局智能化发展的下半场。在本次汽车智能座舱技术大会上，深圳市航盛电子股份有限公司产品专家廖纬德分享了车载AI技术的未来发展趋势、如何让大模型更好地服务于用户，以及大模型三阶段的上车路径。

廖纬德表示，从感知到认知，支撑AI快速发展的三大基座分别是算力、算法和数据。近年来，随着算力架构的迭代和数据的丰富，特别是2017年Transformer架构的出现，催生了OpenAI的GPT大模型，从而推动了大语言模型、图像模型、多模态感知模型等的快速发展。

智能网联汽车的下半场是智能化的迅猛爆发。当前，车载数字基座平台的性能全面升级为汽车智能化带来了新的可能性。而AI大模型的应用，智能驾驶和智能座舱得以进一步释放其潜在能量，为驾驶者提供更加智能、便捷和舒适的体验。智能座舱的L1级别能实现多模态感知，提供有限的智能交互；L2级别更像是一个伴驾助手，能够提供推荐服务但无法独立完成复杂决策；L3、L4级别将实现AI Agent，即智能体，能够独立完成决策和服务。目前来看，智能网联汽车正处于人工智能时代的发展阶段。

廖纬德介绍，当前大模型主要在智能驾驶和智能座舱两个方面得到了广泛应用。智能驾驶领域主要探索视觉模型和端到端自动驾驶，但面临着安全性和实时性的挑战。相比之下，智能座舱主要提供用户服务和娱乐，即使大模型偶尔出现失误，用户也能接受。因此，大模型在智能座舱的应用将更快且更全面。

要充分推进大模型在座舱中的应用，廖纬德指出需经历几个关键阶段。首先，需要具备基础能力，即高性能的大模型本身；其次，需要配备模型精调工具和部署工具链；此外，还需要一套向量数据库来提高模型的使用效率。在此基础上，构建知识图谱、开发低代码调用的APP以及车载应用场景是关键步骤。整个过程中，从芯片供应商到大模型厂商，再到车厂和Tier1供应商的合作至关重要。

为了让大模型更好地服务于用户，需要降低使用门槛。一方面，要让用户能够更自然地与大模型交互；另一方面，要让大模型能够实现自主决策。在最近的人工智能峰会上，吴恩达教授深入分享了当前AI Agent的几种主流设计模式，包括记忆反思、工具调用、规划布局以及多智能体协同等，为了开发多模态应用，进一步提升AI在新场景中的创新能力，还需要融入一个认知设计模式。记忆反思能够自我纠错和迭代，规划布局涉及任务拆解和多智能体协作，工具使用是利用工具大语言模型调用插件和网络，扩展了其能力。

多模态输入结合大模型认知能力也是关键技术之一。大语言模型因其数据泛化能力和持续迭代能力，可以显著提升多模态认知的能力，包括用户画像感知、车辆信息感知和外部环境信息感知的融合。例如，用户可以告诉智能体今天是女儿的生日，希望为其创造惊喜，智能体可根据这一信息自动播放女儿喜爱的动画片、音乐，并调整氛围灯等。

针对大模型如何上车的问题，讲师提出了三阶段的发展路径。第一阶段是纯云端介入，通过云端API提供服务，结合车端的小模型或传感器数据进行预处理和后处理，这是目前最普遍的方案。第二阶段是车端专用大模型，结合专用车端小模型，既保护了用户隐私，又提升了服务效率，但受限于当前车端算力，要实现完整的功能闭环仍有难度。第三阶段则是算力大幅提升后的大模型部署，将完整的大模型部署到车端，实现真正的自主服务。这一过程中，算力、能耗与生态兼容性是亟待解决的关键问题，同时赢得用户信任也至关重要。然而，挑战之中蕴藏机遇，模型上车将极大提升隐私保护能力，推动模型压缩与加速技术的革新，有效降低推理延迟，并在成本优化方面取得显著突破。