ARTICLE · 1234329
AI上车,能为我们带来什么不一样的未来?
你的车上的AI，是在解决真实问题，还是为了硬凑“AI上车”的卖点？从三十多年前的自动驾驶鼻祖ALVINN，到如今满大街“会错意”的车载大模型，AI在车上的发展似乎跑偏了。顺着安全互联路线，我们大胆想象：当每辆车不再是孤岛，甚至能在高速上联手救助同伴，那才是汽车被重新发明的时刻。
一
AI上车，比你想的早得多
1989年，在美国匹兹堡，一辆由军用救护车改装的实验车在卡内基梅隆大学校园内行驶。坐在“驾驶位”上的并不是人类，而是ALVINN——全称“An Autonomous Land Vehicle In a Neural Network”（神经网络中的自动驾驶陆地车辆）。它被广泛认为是世界上最早依靠神经网络实现自动驾驶的汽车之一。
它的架构极其简陋：一个30×32像素的摄像头，一个包含约29个单元的隐藏层，总共只有约35个神经元。它的中央处理器体积相当于一台冰箱，全部算力还不到今天一块Apple Watch的十分之一。在特定测试条件下，它曾创下最高时速约88公里、最长自主行驶34公里的纪录。
正是这个“低算力”系统，开创了“传感器输入直接映射到控制指令”的端到端自动驾驶先河。沿着这条线索，三十多年后的量产车，上演了一场真正的技术进化：
2016年10月，特斯拉HW2.0量产，运行自研的“Tesla Neural Net”，首次以自有神经网络承担核心感知任务；2019年4月，HW3.0交付，内置针对神经网络推理优化的NPU，让车载AI硬件从通用芯片走向专有硅片；2023年11月，特斯拉FSD V12推送，以单一端到端神经网络直接输出控制指令，大幅削减传统规则代码。
国内车企同样在这条线上狂奔。2022年6月，理想L9以大算力加BEV网络进入家庭SUV市场；2023年10月，极越01将BEV+Transformer纯视觉方案量产；2024年，小鹏的AI天玑系统（XNet、XPlanner、XBrain）与智界R7首发的华为ADS 3.0（GOD感知+PDP决策网络），共同标志着模块化端到端大模型进入量产阶段。
据行业统计，20万以上的国产新能源新车，车载大模型搭载率已超90%；10万到20万的市场也突破了65%。
一车一个大模型的时代，确实来了。
二
是“真帮手”，还是“假装饰”？
不管怎么包装，AI上车目前无非落在两个地方。一个是驾驶，用在辅助/自动驾驶上，让车自己看路，减轻驾驶者负担；另一个是座舱，车机里装个智能体，提升驾乘体验。
可惜的是，某些车企的操作开始莫名其妙了起来。
比如车载大模型：搭载率都超过90%了，但在调研里，智能座舱在用户购车考虑因素中仅排第九。
超六成车主反馈，现在某些车企装上的大模型往往只能执行固定句式的指令，涉及多步骤的复杂任务，成功率就跌破了四成。更让人哭笑不得的是“会错意”：你明明只想导航去个地方，它却非要给你搜出一堆旅游攻略和景点介绍；你想开启某个车辆功能，它却给你念了一段产品说明书。更别说平时话痨、老被误唤醒，一到地库断了网，直接瘫痪。
如果大模型的加入，只是为了在发布会PPT上多一个“AI上车”的卖点，用起来却处处添堵，那它就不是什么智能帮手，只是个赶时髦的装饰品。
但也有一些车企，AI整的确实不错
例如蔚来的NOMI能基于历史聊天信息，发起模糊意图的导航。座舱AI开始理解意图，而不是等待精确命令；小鹏G7搭载的VLA+VLM模型，能够识别广告牌、地标、建筑物，用户说“开去某地商场南门电梯口”，即便没有精确地址，车辆也能完成路径规划；甚至有的车企在探索更进一步的交互：让车机摄像头去读你手机屏幕上的地址，把最后一步手动输入也省掉。
座舱AI不该只会陪聊和背百科， “懂人话”只是基础， “读懂人”才是优秀。
我们放飞下想象力：当车内传感器读取到驾驶员心率加快、呼吸急促，或者后排儿童体温升高时，AI能主动介入，联动空调调低温度、开启外循环换气，甚至播放舒缓的音乐。如果出现生命体征不稳，主动联系救援等等（或者检测到有狗子想在车子轮胎上撒尿的时候，滴它给它吓走，嘿嘿~）这才是AI在座舱里该干的活——把复杂的操作变成无感的服务，而不是给驾驶者增加沟通的负担。
三
从“一辆车”到“一群车”
当视线越过座舱，回到驾驶本身，AI更大的可能性，或许在于打破“孤岛”。
2016年沃尔沃在做的事，比今天很多贴着“大模型”标签的功能更接近AI上车的本意。
当年沃尔沃推出“互联安全”技术：一辆车遇到湿滑路面或开了双闪，就通过云端把信息传给附近其他沃尔沃。2018年打通卡车和轿车；到2026年，系统升级新增四类预警（大动物、行人或骑行者、施工、事故），覆盖超过100万辆沃尔沃，并且预警数据会共享给交通管理中心和其他汽车品牌。
它的逻辑不是“我的车更聪明”，而是“路上的车越多，每辆车就越安全”。这就是从“一辆车自己看路”，走到“一群车互相报信”。
再往前一步，就是车队协同。在工程界，这被称为集体感知（Collective Perception）。在暴雨大雾等传感器看不远的场景下，让感知更强的车做领队，把路况分享给后车，整队车都能开得更稳。这并非空想。2026年的研究（DenoiseCP-Net）表明，对共享的激光雷达数据先去噪再传输，可在保持精度的同时将带宽需求降低最多23.6%；多车协同框架ARC也报告了低于7厘米的对齐精度和20毫秒的端到端延迟。这些指标说明，多车共享感知，在带宽、延迟和精度上已经具备了工程落地的可能。
（右边的是workbuddy帮我翻译的，原文可以去https://dl.acm.org/doi/epdf/10.1145/3774906.3800484 查看）
我们不妨再大胆一点，如果“群体智能”结合未来的通用车际通讯网络（V2V/车际通信）和法规要求的硬件标配，还能做到什么程度？
我们可以想象一个极端的画面：在高速上，某辆车的刹车系统突然失灵。（此处想起李有田。嗯？你不知道李有田？）此时，它不再是孤立无援的，而是立刻向周围车辆发出最高优先级的“紧急求助信号”。
收到信号的不仅是你车上的智驾系统，还会通过车机屏幕和语音，向你提出请求：“右前方车辆刹车失灵，需要协助。请问您是否愿意参与救援？”（只是想象下，别太较真法规和人类的道德）
如果你的选择 “是”，系统会给你两个选项：
一是“提供安全通道”
你的车会自动向右避让，与其他收到信号的车辆一起，在拥堵的高速上为故障车硬生生让出一条直达应急车道的生命通道。
二是“直接协助减速”
如果你驾驶的是一辆具备高阶自动驾驶能力的车，系统会接管两车的协同，让你的车平稳地开到故障车前方，用特定的接触或极近距离的协同减速。
如果你选择“否”，系统也绝不会道德绑架，而是默默将你的车驶离危险区域，并在后台调度其他愿意伸出援手的车辆去接替。
当然，要变成这样的现实，关于“善意协同救援”的免责条款和定责规则，必须先在法规层面落地。并且AI上车的发展方向还有更多的可能性。
但这恰恰说明了AI在汽车上其中一种归宿：它不应该是一个冰冷的代码执行者，而是一个能在毫秒间连接起整条道路、并留出人类决策空间的超级调度员。
四
结尾
1886年，卡尔·本茨造出了世界上第一辆汽车。57年后，神经学家麦卡洛克和数学家皮茨提出了神经元的数学模型，人工神经网络诞生。一个发明于1886年的机械系统，和一个诞生于1943年的数学雏形，在21世纪的今天，因为电动化和AI，真正交汇在了一起。
（沃尔特·皮茨 Walter Pitts，1923–1969）
（沃伦·麦卡洛克 Warren McCulloch，1898–1969）
让一辆车把“前方路滑”告诉另一辆车，只是较为初级的方案。但如果AI加持后的群体智能，真的能沿着这条路走下去——让车与车打破孤岛，让感知共享，让生命得到接力救援。那么，“重新发明汽车”的含义，可能不是每一辆车都变得更像机器人，而是道路本身第一次拥有了来自车辆群体的、实时的、共享的感知。
汽车正从孤立的钢铁躯壳，变成一张流动的智能网络。而当下，或许就是汽车被重新发明的时刻。
PS：如果未来真到了“群体智能”时代，车与车可以互相求救，你愿意让你的车在高速上“自动让出生命通道”，甚至“接受指令去协助刹停”吗？
点击上方 关注公众号内更多文章
