作者 ｜ 张睿 编辑 ｜志豪 一、更多能力向端侧移动 预埋做法在座舱端失效 二、算力成可插拔升级独立模块 解决算力模型错配难题 三、模型参数数字军备竞赛哑火 转向“智能密度”竞争 结语：端侧智能让汽车成为智能伙伴 2025年初，比亚迪“天神之眼”开启智驾平权，高阶智驾快速下探到10万级甚至以下的车型，智驾平权正式拉开序幕。 但座舱智能化的平权却陷入了新的困境。首先，智能座舱“有没有”的平权早已完成。盖世汽车研究院数据显示，2026年8月国内乘用车智能座舱渗透率达到87.5%，接近全面普及。10万元以下车型智能座舱配置率从52%提升至70%。大屏、语音、车联网不再是高端车专属，基础座舱硬件已经完成价格下探。 但硬件普及不等于体验拉平。 当下高通8295等高阶芯片集中搭载在20万以上车型，十几万及以下主力车型仍以高通8155为主。 就在不久前，智驾赛道给出了新的解题方向，Momenta提出“大模型定义芯片”，实现算法模型与芯片架构的联合定义和同步迭代。这也印证了如何让算力跟上模型迭代，已经成为智能汽车必须回答的核心命题。 同时，座舱智能化的竞争，也正在从“能不能用”转向“好不好用、能不能长期迭代”。更前沿的座舱AI能力、持续更新的主动智能体验，依然跟着芯片配置绑定在价格梯队里。 更关键的是，座舱很难复刻智驾的平权路径，智驾的功能边界已经收敛，算力需求可以提前测算，而座舱大模型的能力还在高速扩张，每季度都有新玩法落地，车型开发阶段很难预判未来的算力消耗。 在这样的背景下，单纯依靠出厂时预埋更大算力，已经不是稳妥解法，行业真正需要搭建的，是一套由智能升级驱动的算力升级体系。智能座舱的竞争主线，也由此从固定算力的比拼，转向可进化算力的博弈。 端云协同早已成为行业共识。云端承接复杂推理与跨平台生态调用，端侧承担全时感知、毫秒级响应，同时处理弱网与无网场景下的交互，把语音、乘员状态等敏感数据留在本地闭环运算，满足隐私保护与数据合规要求。 车辆座舱智能化已然画出一条上升的曲线：从早期依赖固定指令、一问一答的智能初现的1.0时代，到今天基于记忆与决策，主动服务的智能4.0时代，这条曲线的每一段，都要靠端侧模型在车上真正跑起来才能成立。 ▲座舱智能化1.0至4.0演进示意图 端侧算力已经成为座舱高质量智能体验的核心底座，而座舱里高频、贴身的交互体验，根基必须落在本地端侧算力之上。如果端侧算力迭代跟不上模型更新节奏，最终会在真实用车场景里落空。 当越来越多高频交互、座舱控制任务转移到本地，端侧硬件的先天限制就成为绕不开的问题。 和云端算力不同，车规座舱芯片受功耗、散热、硬件成本、整车供电条件的严格约束，芯片算力上限固定、可用内存资源有限，无法无限制加载更大规模模型，同时高负载推理会带来功耗和发热压力，影响座舱系统稳定性。 此外，对于端侧智能来说，智能座舱行业还存在一组矛盾的点，大模型迭代周期为3‑4个月，而车载座舱SoC从选型到量产落地，至少需要半年至一年。 座舱模型飞速进化，但车机硬件一旦定型，算力基本上就会被锁死，后续软件OTA很难突破硬件的边界，形成“算力供给跟不上模型进化”的错配困境。 在智驾赛道，行车、泊车、主动安全等场景的边界正愈发清晰，车企能够按需配置硬件，适度预留算力余量。 但座舱大模型完全是另一套逻辑，模型能力边界每季度持续扩张，今年做车型规划时，很难预判两年后座舱需要承载的交互、Agent需要多少算力。 这样的问题让厂商们在进行算力预埋时，变成了一场押注未来的“赌博”，如果预留的算力太小，新车交付就面临能力落后，但如果预留算力过多了，整车的成本凭空抬高。 这种矛盾还会被车型价格定位进一步放大。高端车型普遍拥有充足的利润空间，可以预埋更富余算力，但平价车型受到成本限制，没有多余利润空间为未来不确定的算力需求买单。 同样的技术难题，最终演变成市场分化，持续迭代的座舱智能体验，往往在高端价位区间。 对“算力如何跟上模型迭代”这道必答题，行业中出现了开放路线的解法，即不再绑定单颗固定芯片，把算力做成可插拔、可单独升级的独立模块。 面壁智能联合梧桐科技、英特尔等合作伙伴打造的AI Box正是开放路线的量产样本。 ▲AI Box端侧座舱智能解决方案 它作为低侵入、可配置的模块化算力节点，在为用户提供更强大端侧智能的同时，为车机计算平台提供了一个独立、可插拔的算力和智能解决方案，为算力与模型的错配难题提供了可量产的解法。 此外，它还支持OTA升级，可以让主机厂持续为用户提供基于前沿端侧大模型的智能应用及服务，延长车辆的智能化生命周期。 ▲AI Box带来的持续可升级能力 目前，AI Box以选装形式搭载在长安深蓝L06上正式交付，搭载了4B VLM模型+多个端侧模型。项目从7月首发，到10月实现前装量产，整体周期仅三个月。 ▲搭载AI Box