炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！
（来源：科技行者）
大模型上车，在2026年已经不是什么新鲜事。
但当越来越多车型接入大模型后，座舱里的对话体验开始趋同，行业更关注的问题也从大模型能否上车，转变为大模型能否留在车上，稳定处理车控、导航、多模态感知和主动服务。
我们是在今年的云栖大会上，看到了一种不一样的智能座舱内的大模型使用体验，例如，在自驾游途中，当你让车载模型为你中午吃饭推荐一个餐厅时，它会结合智能座舱中的全域历史信息，根据你之前答应过孩子去吃麦当劳套餐，为你就近推荐相应的餐厅。
这样的智能座舱体验背后，搭载的正是斑马智能在2026云栖大会上发布的全模态端侧大模型AutoOmni 2.0-23B-A3B。
据斑马智能首席技术官司罗透露，AutoOmni 2.0采用MoE架构，总参数量为23B、激活参数约为3B，可以执行复杂车控、导航、媒体和跨域多意图等座舱任务，任务处理能力堪比10倍参数量级的云模型。
我们在大会现场也注意到了两组数据：
在斑马智能AutoOmni模型发布的一年时间里，端侧模型上车企业中，63%选择了斑马智能；
斑马智能的元神AI，对国内主流车企服务覆盖率更是达到了68%。
那么，当车企纷纷开始布局端侧大模型时，为什么超六成车企会选择斑马智能？
我们试图在2026云栖大会上，去寻找这个问题的答案。
01 大模型上车，用户体验变革开始
大模型进入座舱后，汽车语音助手首先解决了听不懂人话的问题，然而，在过去两年里，行业习惯比较模型参数、榜单成绩和回答效果，当不同车型都能讲故事、写诗、回答百科问题后，用户的新鲜感很容易过去，智能座舱真正需要回答的是：
AI能否减少驾驶中的操作，能否把用户没有说清楚的事情办完，以及能否在合适的时间主动出现。
斑马智能首席产品官蔡明就明确指出，“AI上车不是终点，深度使用才是。”
在他看来，装车量只能说明车里拥有AI，并不能说明AI已经赢得用户，每天打开多少次、使用多长时间，是偶尔问答还是持续使用，以及最终解决了哪些问题，才是衡量智舱AI价值的指标。
我们这里可以对智能汽车两个核心应用场景做一个对比：
智能驾驶需要理解道路、车辆、距离和空间规则构成的物理世界，智能座舱除了理解物理环境，还要理解用户的偏好、习惯、关系、日程和生活状态。
斑马智能将这二者分别概括为“表世界”和“里世界”，蔡明用这样一个例子对这二者做了一个更直观的解释：
当用户要求机器人倒一杯水时，理解物理世界的AI可以避开障碍、找到杯子，并把水送到用户手中，但如果机器人知道用户刚参加完聚会、身体不适，第二天还要出差，它才可能进一步判断，用户真正需要的是一杯温热的蜂蜜水。
这个例子背后的产品逻辑是，AI不能只理解一条孤立的指令，还要理解指令出现的具体情境。
为此，元神AI提出了“三个连通”：一是打通端侧与云端的算力和服务，二是连接用户使用的不同智能终端，获得更完整的场景数据，三是连接用户与服务，使AI能够跨APP、跨终端调用能力。
其中，跨终端上下文是斑马智能这次要重点补充的一环。
用户每天真正待在车里的时间有限，大量工作和生活信息产生于手机、办公软件及其他终端，如果车载AI只知道用户在车里唤醒它之后的几分钟，就很难形成持续理解。
手机通知会包含孩子的作业和行程变化，工作群聊能够反映项目关系和同事分工，浏览记录则可能体现用户近期关注的内容，把这些信息转化为可调用的上下文后，智能座舱才有可能判断用户几点出发、是否需要提前开空调，或者应该怎样安排一次跨城市的旅行。
这套构想背后，是斑马智能已有的三层业务：
最底层是AliOS、安卓OS服务构成的操作系统能力，中间层是包括AutoOmni、AutoClaw在内的智舱AI，上层则是餐饮、酒店、停车、娱乐和支付等生态服务。
这意味着，斑马智能希望提供的不是一个孤立模型，而是一套由操作系统管理车辆能力、由模型理解用户、再由Agent组织服务的系统。
大模型带来的体验变化，也因此不只是让语音助手回答得更像人，而是让汽车开始理解用户的长期状态，并围绕意图组织服务。
02 AutoOmni 2.0让AI“始终在场”
当AI需要参与车控，持续观察车内外环境，并在隧道、地库等网络不稳定的场景中工作时，响应速度、网络连接、数据边界和云端调用成本都会成为约束，端侧模型的竞争重点，也不只是能不能在芯片上运行，而是能否在有限资源中稳定处理复杂任务。
斑马智能这次正式对外发布了基于MoE混合专家架构的AutoOmni 2.0-23B-A3B模型，这其中，23B代表模型总参数量，A3B则意味着每次推理激活约3B参数。
目前车端可以运行的模型多集中在3-4B左右，虽然更大的参数量可以容纳更多知识和能力，但如果所有参数都同时参与计算，就会超出车载芯片的算力和内存边界，MoE架构的思路，是根据不同任务调用部分专家参数，在扩大模型容量的同时控制单次推理成本。
蔡明告诉我们，如果一套硬件能够运行4B参数量的端侧模型，理论上也可以承担3B左右的激活量，AutoOmni 2.0的主要压力并不在算力，而是模型存储和内存空间。
这也是斑马智能强调“智能密度”的原因，汽车不可能照搬数百B、甚至上千B参数的云端大模型，端侧竞争的关键不是无限增加参数，而是在相同硬件和参数规模下，让模型拥有更强的泛化理解能力。
据斑马智能现场公布的评测结果显示，AutoOmni 2.0在普通座舱任务中的能力接近约10倍参数规模的云模型，复杂任务处理能力可达到相应云模型的80%—90%，能力覆盖复杂车控、导航、多媒体和跨域多意图任务。
不过，比跑分更重要的，是端侧AI模型究竟改变了什么。
蔡明在会后接受媒体采访时告诉我们，“端侧AI模型最核心的价值并不是更快、更便宜或者保护隐私，而是由此带来的交互范式的改变。”
首先，云端和端侧可能只相差几十毫秒或几百毫秒，并不是每个场景都无法接受云端响应，其次，端侧模型需要更高规格的车载硬件，如果比较硬件增加的成本和车辆全生命周期使用云端Token的成本，端侧方案也不一定天然更便宜。
隐私同样重要，但它更像持续感知出现后必须解决的问题，只有当AI开始长期聆听、观察和记忆用户，数据是否出舱才会成为无法回避的边界。
端侧模型更关键的价值，是让AI由“不叫不醒”转变为“始终在场”。
蔡明用饭店包厢里的服务员为我们做了这样一个类比：
传统语音助手像站在饭店外的服务员，只有当用户主动呼叫才会出现，有时喊了也未必会及时进来；
端侧AI更像始终留在包厢里的专属服务员，它能听到用户讨论要不要加菜，也知道此前有人觉得菜不够，可以在合适的时间递上菜单，为用户推荐此前没有点过的招牌菜。
好的服务往往不只是提高响应速度，而是要理解需求何时发生。
在汽车里，这正对应着智能座舱系统的“长聆听、长睁眼、善记忆”能力，系统要区分车里人员之间的交流和人机对话，知道什么时候应该保持安静、什么时候应该回应，还要结合视觉、语音、车辆状态和历史信息，理解用户所在的场景。
在大会现场，斑马智能展示了全车全时免唤醒、多意图与跨意图车控、重要信息总结与转述、主动智能迎宾、无感停车付费等场景。
据斑马智能首席技术官司罗透露，“斑马智能已经搭建了数十个主动智能场景，从数十项主动智能场景开始，AutoOmni开启AI原生车主动智能新范式。”
但“始终在场”并不意味着所有任务都留在车端，更现实的路线仍然是端云协同，端侧负责持续感知、隐私信息、车控和高频实时交互，云端负责复杂推理、弹性算力和跨服务协作。
在斑马智能的元神AI体系中，AutoOmni负责感知、理解和实时响应，AutoClaw承担复杂任务拆解、多Agent调度和服务执行。
这次斑马智能发布的AutoOmni 2.0，正是补足了智能座舱持续理解场景的能力。
03 为什么超六成车企选择了斑马智能？
在大模型上车后，汽车智能化的重点已经不再是增加多少功能，而是汽车能否持续感知、自主判断并完成服务。
汽车也正在由搭载智能功能的交通工具，走向以AI为核心驱动力的原生智能终端，对此，司罗给出了三个判断：
第一，端侧AI正在进入快速发展期。
随着车端芯片算力和可用资源提升，端侧模型不再只是承接从云端迁移过来的部分能力，而是开始形成差异化价值，模型可以在车内处理敏感数据，也可以通过“长聆听、长睁眼”持续理解场景，为主动服务提供基础。
第二，云侧AI将全面转向由大模型驱动。
传统座舱通常依靠多个小模型级联完成语音识别、语义理解和任务执行，随着大模型能力提高，云侧AI将逐渐由统一模型完成理解、推理和任务规划，端侧能力增强也不意味着云端退出，端云一体架构反而正在成为主流。
第三，智能座舱与智能驾驶将加速融合。
现阶段，座舱可以利用自然语言理解和任务规划能力，通过API调用智驾系统，下一阶段，两套系统可能进入更深层的模型融合，使智舱对用户的理解与智驾对物理世界的理解连接起来。
也正因如此，智能座舱的竞争已经不再是模型参数的较量，而是车企能否把端侧模型、云端大模型、车辆系统和智能驾驶组织成一个完整的体系。
而在车企构建这样一个智能体系过程中，斑马智能成了不少车企共同的选择。
我们在2026云栖大会斑马智能展台就看到了这样一幕，虽然腾势Z9GT、智己LS6、神行者8、红旗天工06的智驾系统分别用的是天神之眼、Momenta、华为乾崑和卓驭，但在智能座舱领域却都选择了斑马智能元神AI。
据斑马智能官方公布数据显示，端侧模型上车过程中，63%车企选择了斑马智能，与此同时，斑马智能的元神AI提供的服务也已经覆盖了68%的国内主流车企。
那么，回过头来再看这个问题——为什么超六成车企会选择与斑马智能合作？
我们能够看到的是，为了帮助车企打造一套能够进入车辆底层、完成工程交付并连接服务生态的系统，斑马智能构建了三层能力：
第一层是操作系统能力。
斑马智能拥有AliOS的知识产权和产品技术能力，同时也可以向车企提供安卓OS服务，操作系统决定了AI能否读取车辆状态、调用硬件，并获得车控、导航、通信和娱乐等权限，也是端侧模型进入车辆底层的基础。
第二层是智舱AI能力。
斑马智能的端侧AutoOmni负责全模态感知、上下文理解和实时交互，云侧AutoClaw负责复杂任务拆解、Agent调度和跨服务协作，在模型之外，斑马智能还解决了量化、部署、芯片适配、端云调度和安全框架等工程问题。
第三层是生态服务能力。
据斑马智能官方披露，其合作服务商已经超过了400家，其中签署分成合作和联合运营协议的超过50家，这就使得斑马智能的模型在理解用户需求后，可以进一步调用餐饮、酒店、停车、支付和娱乐等服务，使AI由回答问题走向完成任务。
三层能力对应的分别是车辆入口、智能理解和服务执行，共同承载了斑马智能智能座舱的系统交付能力，也正是车企选择斑马智能的主要原因。
海量资讯、精准解读，尽在新浪财经APP
配资658提示：文章来自网络，不代表本站观点。
