当前时间： 2026-08-11 06:36:14
分类：办公文件
评论(0)
智能座舱中AI 记忆,浅层分析和理解,求指导?背景及核心观点：AI记忆在座舱中的价值无需多言，在梳理AI 记忆的时，绕不开数据采集，用户标签，用户群，用户画像等概念以及他们之间的关系。简言之，通过端侧及云侧业务系统的数据采集，明确AI记忆中的“记“的范围及方式，通过AI手段管理和更新记忆的内容，以结构化和向量化（RAG）等方式存储记忆的内容，在应用使用时结合推荐算法，及时、准确的“忆起”数据信息，提升应用给用户带来的体验。核心观点，公式为：一、 座舱中AI记忆的业务流程
在智能座舱业务中，基本的业务工作流程：用户发起对话在一个对话周期内，通过用户ID 系统查询到用户的标签和画像，提取基础偏好信息后，再获取用户的问题或任务信息后，发给中期和长期记忆内容查询，获取相关的数据语义信息，打包后给到大模型，大模型经过处理后，把信息结论（或执行结果）等返回给用户。1、短期记忆
在汽车的座舱业务中，短期记忆的基本内涵是用户语音对话或任务操作的单Session中，可以包括多轮对话或多步操作（大小控制在一个上下文内），且在单次上下电周期内完成。在这个过程中，有直接记忆的内容，比如说“后续经过这条路时候，车速不能超过30”，也有工作记忆，通过加工与编码，提取等放到中期记忆中。短期记忆和用户体验离的最近，UI/UE的设计及基于记忆的结果反馈（信息查询反馈，任务完成反馈等）都非常重要，直接决定用户体验。2、中期记忆：
在座舱业务中，中期记忆的范畴横跨多个Session，包括在车辆当日一个或多个点火周期内需要处理的事务及结果反馈，是对短期中工作记忆的内容进行AI提出，归纳并反向供应用及时使用，其基本内容会放到一个中间的数据库中（类似Redis），支持快速，准群的读取。后续，经过提取转化为长期记忆；比如，座舱业务中PSO业务，可以作为中期记忆的一个例子，端侧设置，及时生效，云端存储并跟着ID走，用户在业务过程中灵活调整，更新和使用。长期记忆的内容是在云端体现，内容的存储，迭代更新，反向应用等。按照类别划分为：场景记忆，程序性记忆，语义记忆（标签记忆，人物关系记忆）等，这个划分后续按业务需求进行拓展，无标准答案。在现有的落地产品中，印象比较深刻的是在长城V9X的座舱产品演示中，魏总和车机系统的互动就能体现系统对于人物角色的记忆。端侧应用中的场景模式，智能推荐业务应用，都和AI记忆有关系，例如，在场景模式中，通过SOA的方式封装车辆的原子能力及MCP的方式集成三方Agent的能力，供用户定制场景模式，结合用户ID及AI场景记忆的内容推荐用户潜在需要的场景模式，供用户主动选择。在智能推荐业务中，更能体现AI记忆的价值，基于已有的能力或服务，结合人、车、环境的信息感知，借助推荐算法和已记住和存储用户的Profile和知识，实现个性化服务推荐。在这个过程中， 用户标签画像和用户群，也起着非常重要的重要，特别是用户群（里面内容非常丰富，此处不展开）二、AI记忆的内涵及潜在问题
目前，AI记忆的概念也在快速发展，业内没有一个统一的定义，先抛个概念定义：AI记忆：利用AI对数据进行记录，沉淀为有用的知识，在用户交互中通过AI忆起并使用，提升用户体验（文章开头公式解释，AI记忆=AI *（ “记” ，“理“，“忆”））。借用WAIC 大会上印奇总的发言总结，AI记忆的三个关键词：记、理、忆。我对这三个关键词进行拓展和思考，有些问题也没答案，写出来希望能引起大家的思考，不足之处，后续共同探索，先抛砖。首先是记，就是记录和提取，我们要很清楚记录什么，语音对话内容，任务，问题，操作的埋点数据，日志，OMS，DMS感知数据等等，短期记忆内，在一个上下文的空间和时间窗中，完成最直接的记录并存到对应的数据库中；然后是理，就是对记忆的数据内容进行管理和更新，涉及到中期和长期记忆，更新策略是什么？何时更新？如何挖掘价值？如何与用户标签画像进行同步协同？等等，这些问题，我还没有答案，期待大家后续一起补充最后就是忆，本质上就是使用，记录了，迭代了，最重要的目的还是如何使用，如何发挥价值，给用户带来差异化的用户体验。在应用调用的时候，能够快速，准确的被使用和响应。这个课题和范围也比较复杂，涉及到推荐算法，用户标签画像协同、联动，系统架构，系统性能响应等诸多因素。AI记忆的发展，一定是基于用户对于用户体验的追求和AI记忆的技术进步双向促成，共同提升，最终，将智能座舱中喊了十几年的“千人千面的”口号真正落地小结：本文尝试基于座舱业务出发，结合实际工作，把AI记忆和用户标签画像等知识串起来，通过座舱业务流程，对相关的基本概念进行阐述、归纳总结，同时，结果WAIC大会上学习的知识，尝试给AI记忆下个定义（先歪歪）并提出一些问题，抛砖引玉，期待给大家做个铺垫，继续探索AI 记忆的业务知识和业务价值。
夜雨聆风
