宝马AI语音助手多模态交互能力实测解析

上一代iX3，宝马首台只在中国生产、行销全球的车型。把这句放在开头，是因为新世代iX3全球首发后刷屏的通稿，几乎都在比同一件事：谁的AI助理更聪明。聪明，展厅里比得出来；高速上、雨夜里，比的从来是另一样东西。

问题不妨摆具体些。雨天高速，雨刮开到最快，我想在前方服务区改道，顺路找一家还开着的面馆——传统解法是右手离开方向盘，视线离开路面，往屏幕深处钻好几层菜单。这不叫操作繁琐，这叫注意力被挪用，而高速上借走的注意力，都是要还的。这道题如今能现做：2025年CES上，宝马发布全新智能座舱，并明确表示它会在新世代车型上首先搭载使用。

这台车的脑子，是个同名不同脑的方案。中国市场官宣搭载通义大模型，合作由宝马与阿里在2025年官宣；海外市场的官宣发生在CES 2024，接入的是亚马逊Alexa大模型。同一车系、两条供应链，多模态功能包按市场拆分，多模态，就是把看、听、说同时塞进一套交互，可比的不是参数规模，是交互口径。

全网都在比机器的聪明，缺的那一页是：开车时看、听、说同时发生，瓶颈在人脑的带宽，不在模型的参数。视线追踪加语音预判，到底是替我省下操作，还是换一种方式占着我的眼睛？这一点官方口径自己先招了，宝马把这套交互的卖点归结为一句话：视线留在路面。车企承认认知负荷是设计上限，那本篇就来数一数，它替驾驶员省下的究竟是哪一段注意力。

麻烦在于，注意力没法插根管子量化。高速上不能边开边记录，展车模式又给不出风噪加突发变道的真实压力。能做的只有两件事：把高压场景复现出来，再把每个场景里的动作拆开看，低头几次、目光停在哪儿、一句话要补几遍。先交代边界：多模态交互在车载场景的落地依赖于硬件配置，体验深度因车型而异，下面的体感只对新世代座舱负责。

第一个场景就是那句乱序指令：导航去前面服务区，顺便找家还开着的面馆。风噪打底，我故意带点口音。它没有假装一次全懂，先接住导航那半句，对“还开着”追问了一句是不是指营业中，然后补上搜索，全程视线没离开路面。后排同伴中途插话，这套座舱支持多说话人识别，可区分主驾、副驾与后排指令并分别执行，没有把两个人的话搅在一起。省下来的东西很具体：手不离盘，眼不离路。

硬件是另一条线索。新世代座舱核心硬件包括BMW全景iDrive、视平线全景显示、3D抬头显示、超感智控方向盘和向心异形中控屏。翻译成大白话：关键信息铺在不用低头就能扫到的位置，确认动作留在方向盘上，中控屏退成备选出口。省下的正是低头、找回、回来那几段视线往返。拿它当检验尺回头看场景，哪里还逼我低头，哪里就是这套系统没做完的功课。

这样的思路在国内不算孤例。千里科技推出千里超级助手，规划包含自然语言智驾交互和跳跃式任务协同能力，方向同样是让机器更懂你。再看另一张考卷：欧盟通用安全法规（GSR）自2024年7月起新认证车型强制搭载分心预警（ADDW），也就是一套盯着驾驶员有没有分神、该提醒就提醒的系统。同一套座舱能力，在欧盟的考卷上先当监工，证明你不添乱；在国内的宣传里是帮手，证明你省工夫。出海车型，两张卷子都得交。

上一代iX3已经证明，这款车可以在中国生产、卖向全球。等中国版座舱的这颗脑子也跟着车走出去，先要过的就是ADDW那道关。它记的是“你分神了几次”这种可核对的数，而国内发布会的口径里，还少见有人主动报这个数。到那时候，“视线留在路面”才算从卖点变成口径——有没有出处、能不能核对，考官不再是发布会，是认证文件。