今天小编分享的汽车经验：一汽红旗：整车智能体的发展与思考，欢迎阅读。
随着生成式大模型的发展，AI 技术已成为汽车行业的焦点，标志着行业从硬體参数竞争转向 AI 智能化的转变。智能汽车与人形机器人在硬體、軟體算法、数据通信及軟體架构上有许多共通点，产业链更新将为企业带来机遇，特别是芯片算力的提升和大模型生成技术的发展，预示着智能汽车向智能体发展的新阶段
在軟體定义汽车的发展中，行业面临功能丰富但操作繁琐的痛点。2025 年 3 月 18 日，在第六届軟體定义汽车论坛暨 AUTOSAR 中国日上，一汽红旗数字座舱軟體技术总监倪志俊分享了关于整车智能体建设的思考。
为了满足整车在安全性和性能方面的更高需求，倪志俊还分享了建设整车专用作業系統的构想。该系统将通过四个主要引擎——工具引擎、记忆引擎、规划引擎和执行引擎，实现对整车状态的全面掌握和高效操作。
倪志俊 | 一汽红旗数字座舱軟體技术总监
以下为演讲内容整理：
整车 AI+ 发展趋势
近年来，生成式大型模型的发展势头极为迅猛。2023 年，华为公司推出了鸿蒙盘古大模型，随后，小米、苹果及 vivo 等厂商也相继发布了搭载相关 AI 技术的智能手机。这一趋势清晰地预示着，未来 AI 手机将成为旗舰机型的标准配置。
今年春节期间，宇树机器人在春节联欢晚会上的惊艳亮相，也引发了广泛关注。自去年以来，" 具身智能 " 这一概念逐渐进入公众视野。可以明确的是，当前终端设备的竞争本质已经发生了深刻变化，从以往单纯依赖硬體参数的迭代比拼，全面转向了对 AI 智能化的追求。
图源：演讲嘉宾素材
深入分析人形机器人与智能汽车领網域，我们可以发现两者在多个层面存在显著的共通性，涵盖了硬體基础、軟體算法、数据通信以及軟體架构设计等多个维度，展现出了协同发展的技术趋势。机器人作为一类智能体，而智能汽车同样正面临向智能体进化的重要契机。
目前，众多芯片公司已经成功量产了具备数百 TOPS 算力的 NPU 芯片，在与这些公司的交流中，我们了解到他们下一代产品的算力将实现飞跃式的提升，从最初支持 CNN 逐步扩展到支持 Transformer 等更复杂的模型架构。
与此同时，生成式大型模型的发展也为我们带来了诸多机遇。无论是轻量化模型还是云端大型模型，在汽车领網域都能实现一系列有趣且实用的应用。例如，AIGC 类的应用，包括智能问答、文本生成影像、文本生成音乐以及文本生成视频等，这些技术的成熟与应用，标志着我们正处于一个汽车向智能体转变的关键时期。
整车智能体建设思考
在数字座舱领網域，我们针对智能汽车向智能体转变的机遇，形成了一些思考。我们规划了三个实施路径：一是推动去 APP 化架构的发展，二是构建 AIOS，三是从产品形态的角度思考智能化策略。前两个路径侧重于技术层面的实施，最后一个路径则侧重于产品化层面的实施。
所谓的去 APP 化架构，并非意味着未来将彻底摒弃 APP，而是在保留传统 APP 互動基础的同时，引入 AI 能力，为用户探索一种全新的互動模式。这一思考源于軟體定义汽车的发展趋势，随着该趋势的深入发展，我们发现汽车行业所集成的功能日益丰富多样。
在功能日益丰富的背景下，我们发现存在一些亟待解决的痛点。以用户规划长途旅行为例，他们通常需要跨越多个终端，如手机、PC 及车机，并操作十几个 APP，才能完成一次完整的旅行规划。鉴于此，我们提出了一种创新性的架构，其核心在于通过去 APP 化架构，构建一个服务化架构。该架构将原有功能重新设计为服务化形式，涵盖地图服务、充电桩服务、音乐服务及车控服务等，并通过服务整合与 AI 技术的结合，灵活满足用户不断变化的动态需求，实现服务的直达与个性化。
在具体实施层面，我们的架构主要包含两部分变革：一是服务总线，二是超级大腦。服务总线负责将所有相关服务进行服务注入，实施统一管理，并响应超级大腦的请求与指令。超级大腦则与云端实现无缝连接，云端设计了一个全场景覆盖、可搜索、多模态、可编排的技术架构。这一架构能够支持复杂场景下的服务搜索与编排，进一步提升用户体验的智能化与便捷性。
当用户在车内发出 " 我想去长白山滑雪 " 的指令，车辆便能迅速响应，自动完成行程规划、酒店预订、充电桩布局规划，乃至滑雪装备的租赁服务。这一流程极大地满足了用户的即时需求，显著提升了用户体验。
除了推动去 APP 化架构的发展，我们还深入考虑了建设整车 AIOS 的必要性。尽管当前已有众多 AIGC 大模型可供选择并进行合作，但基于整车的安全性与性能考量，我们意识到，汽车行业的发展最终仍将回归于性能体验。目前，AIGC 的应用体验主要侧重于生成式内容与大众娱乐方面，虽然在感官上带来了更佳享受，但在性能层面，尤其是安全性能方面，尚存在明显不足。
因此，我们计划构建专有的整车大模型，旨在实现整车安全性与操作速度的双重提升。我们将部署四大核心引擎，首先是工具引擎，该引擎将负责读取整车的状态信息，无论这些信息来源于螢幕显示、信息搜索还是本地感知数据的获取，我们都将进行工具引擎的深入开发，以确保信息的准确与高效利用。
接下来，我们将开发记忆引擎，分为短期记忆与长期记忆两大模块。长期记忆专注于保存用户的用车习惯。例如，用户在工作日与周末的用车模式可能存在显著差异，这种差异将被长期记忆模块所捕捉并记录。而短期记忆则聚焦于实时变化的感知数据，涵盖交通信息、车内人员状态及行车动态等多个维度，以确保车辆能迅速适应当前环境。
此外，我们还将构建规划引擎。该引擎基于思维链 CoT，能够将复杂任务进行精细化拆解。以规划一次 318 国道旅行为例，该任务可能涉及十多个不同服务，此时，规划引擎将充分利用前述服务化架构的优势，通过对话引擎与用户进行互動，将复杂任务拆解为具体可执行的服务步骤，如充电桩服务预约等，从而确保服务的顺畅运行与高效执行。
最后，我们将打造执行引擎，其核心任务是确保由工具引擎、记忆引擎及规划引擎所制定的策略与计划能够得以有效实施与落地。
为建设 AIOS，我们将主要依托座舱系统作为基石。我们将对整个座舱系统及其作業系統进行全面的迭代与更新，旨在部署相关的大模型与核心模块。这些模块包括轻量化的流水线、卡片系统、向量数据库以及算子库等。同时，在基础中间件层面，我们也将进行深度优化，通过整合车端日志、行车数据，并借助边缘计算技术，为大模型提供丰富的数据输入，从而推动大模型的持续优化与更新，使整车的专有端模式日益智能化，更好地满足用户需求。
在更为底层的跨網域 SOA 框架上，我们同样将进行迭代更新。为了实现对用户感知与行为数据的毫秒级响应，我们将对 SOA 框架进行性能提升，以确保系统的高效运行与用户体验的显著提升。
前面主要讲了两个技术的实施路径，第三点呢是我们智能化产品设计的思考，这一块核心逻辑主要是基于用户、合作伙伴及 OEM 三者之间的价值重构。我们希望引导用户从传统的功能使用者转变为数据共创者。以智能能耗管理为例，车辆将向用户提供能耗提示，而用户则能根据自身偏好反馈数据，这些数据将被用于模型的进一步学习与优化，最终实现更加个性化的节电管理，从而更好地满足用户需求。
对于 OEM 自身而言，我们也正在进行从传统制造交付向服务运营的转型。借助 AI 能力，我们致力于提升售后服务的效率与质量。传统的售后服务方式往往效率低下，而通过应用 AI 诊断技术，我们能够提前发现并解决潜在问题，避免问题更新至影响整体质量的程度。这样一来，我们不仅能提升用户体验，还能有效降低售后服务成本，实现双赢。
合作伙伴层面，我们正从以往的单向接入模式转变为双向赋能的产品形态。以与充电桩企业的合作为例，过去，充电桩企业主要向我们共享充电桩数据。未来，我们计划利用 AI 技术对充电桩进行动态规划与管理，旨在提升充电桩的利用效率，并为充电桩企业创造更高的经济效益，这无疑是双向赋能的积极成果。
下面呢，会举两个例子，来和大家分享一下我们正在设计的产品形态；我们会基于各种用户使用场景设计相关的产品体验，比如在 " 露营前夜 "，车辆能够自动检查胎压、电量以及装备清单，为用户的愉快出行提前做好充分准，在 " 旅途过程 "，实现 AI 路径规划，实时根据交通信息，停车信息，充电桩信息，行车状态信息，以及驾驶员以及乘客情况动态规划好路径，在 " 旅途结束 "，行程各种精彩 vlog，让用户记录下美妙时刻，帮助他们珍藏旅途中的美好瞬间。
第二个例子，在售后过程中，当整车軟體发现问题时，往往需要投入巨大的售后资源以及严重影响用户体，尽管车辆本身的品质至关重要，但售后的用户口碑维护同样不可忽视。在最近的 315 消费者权益日，不少汽车品牌因质量问题被曝光，这再次凸显了售后维护的重要性。
我们将从车端开始，建设 AI 软诊断能力。这种 AI 软诊断并非传统的 DTC，而是基于预先构建的数据模型，能够提前发现潜在问题。当然，并非所有问题都能提前解决，因此我们采取了两种策略：一是对于能够提前解决的问题，将尽早处理；二是对于无法提前解决的问题，将通过适当的报警机制，让售后人员能够提前做好准备。整个流程设计充分考虑了端云结合，旨在提升售后服务的效率与质量。
（以上内容来自一汽红旗数字座舱軟體技术总监倪志俊于 2025 年 3 月 18 日 -19 日在第六届軟體定义汽车论坛暨 AUTOSAR 中国日发表的《整车智能体的发展与思考》主题演讲。）
