在李濤看來，汽車是工業皇冠上的明珠，體系非常復雜，目前最大的難點是打通不同主機廠平臺和車型之間的軟硬件架構成本很高。“盡管中國汽車企業多年來不斷做軟硬件的平臺化，包括引進SOA等軟件架構，但不是真正行業中的通用方案。”

　　李濤強調，汽車智能化、大模型兩大浪潮的碰撞和融合具備歷史必然性。AI汽車是智能座艙終極形態的體現，有賴于強大的理解、記憶、邏輯和生成能力，這恰恰是大模型最擅長的領域。

　　“百度在很早之前就布局車輛智能化，并與主要的主機廠有深度合作，今年年內搭載百度智能座艙的汽車會突破1000萬輛。”在近日舉辦的全球智能汽車產業大會（GIV2024）上，百度智艙業務部總經理李濤接受中國經濟網記者采訪時表示。

百度智艙業務部總經理李濤 姜智文/攝

　　在李濤看來，汽車是工業皇冠上的明珠，體系非常復雜，目前最大的難點是打通不同主機廠平臺和車型之間的軟硬件架構成本很高。“盡管中國汽車企業多年來不斷做軟硬件的平臺化，包括引進SOA等軟件架構，但不是真正行業中的通用方案。”

　　不過，“隨著軟件操作系統等更加可控、開源的推進，會大幅度改善如今的局面，也會更加提高中國汽車產業在全球的競爭力。”李濤說。

　　李濤認為，智能座艙是基于大模型做正向設計，而不是把技術不斷地剪切、接入。“座艙的終極形態是一個‘車端智能體’，具備獨立的理解認知、學習能力，并且能夠自動化地給用戶提供情景感知和服務。”

　　與之相對應的是，如今很多座艙設計是把Pad裝載上車，并把移動APP直接遷移到車機。據行業統計，單臺車上搭載APP最多的高達189個。李濤坦言，“在駕駛過程中，用戶需要從189個APP中翻找到指定應用很困難，這不僅占用寶貴的車機算力及內存資源，還可能造成用戶在駕駛體驗過程中的認知負擔，甚至造成事故風險。”

　　李濤補充道，軟件的使用符合二八原則，80%甚至更高比例的應用不會被使用到，這不僅會造成應用端資源浪費，同時為把相關應用搬上車，主機廠還需要大量投入，無形中造成了社會財富的浪費。

　　當前，隨著AI技術、自然語言理解的進步，部分車載智能化系統能夠泛化理解用戶的口語化表達。在此過程中，用戶對智能座艙的使用頻次從最初的每天3-5次，到如今普遍上升到兩位數，在部分語音交互技術領先的車型上甚至達到接近三位數。

　　但在李濤看來，語音交互次數并非越多越好。用戶頻繁使用某個功能，一方面說明該功能非常實用，用戶對它產生了依賴；另一方面也可能是車輛整體設計的智能化程度較低，系統無法深度理解用戶當前所需。

　　“智能座艙下一個明確的應用方向是全感融合，基于大模型的理解、記憶、邏輯生成能力做出全局規劃，然后全方位驅動各種應用進行深度協同和執行，類似于汽車機器人具備高度自動化和主動化。”李濤說。

　　李濤強調，汽車智能化、大模型兩大浪潮的碰撞和融合具備歷史必然性。AI汽車是智能座艙終極形態的體現，有賴于強大的理解、記憶、邏輯和生成能力，這恰恰是大模型最擅長的領域。（中國經濟網記者 姜智文）