AI导读：

4月23日，第二十一届上海国际汽车工业展览会开幕，AI成为亮点。腾讯推出座舱端侧大模型，英特尔与面壁智能联手研发智能座舱。智能驾驶正从规则驱动转向数据驱动，对算力要求大幅增长。

4月23日，第二十一届上海国际汽车工业展览会盛大开幕，AI成为本届车展的亮点之一。车展前夕，腾讯推出座舱端侧大模型，基于混元2B小参数模型；英特尔首次参展并与面壁智能联手研发端侧原生智能座舱；宝马则在车展期间宣布Deepseek年内将搭载于多款新车。

年初，面壁智能CEO李大海透露，汽车和手机是今年AI落地的最佳场景。近期，大模型厂商对智能座舱AI落地的规划更为明确。

腾讯智慧出行副总裁钟学丹表示，腾讯的端侧模型和Agent已与多家车企展开合作，量产还需时日。端侧模型可在本地推理，分析用户需求，提供驾驶建议，并在必要时寻求云端支持。

腾讯将Agent等大模型能力与社交、娱乐生态融入智能座舱场景。例如，驾驶中语音指令点咖啡，Agent就能识别用户喜好，调用小程序选择咖啡店，实现顺路取餐。

值得注意的是，汽车座舱端侧模型存在能力边界。钟学丹指出，2B模型推理能力有限，需借助云端模型。端侧模型更专注于用户行为和意图识别，而非问答。

大模型厂商还需应对AI幻觉问题。钟学丹表示，大模型运行本质是预测，无法百分百准确。为减少端侧模型幻觉，需加入行业数据训练，增强知识理解能力。

端侧模型落地汽车座舱还需满足算力要求。钟学丹称，车端算力和端侧模型应用进展决定落地节奏。小参数模型也对车端算力有要求，预计高通8295芯片体验较好。

高通8295芯片NPU算力达30TOPS。考虑到本地运行需求，智能座舱、手机搭载的大模型参数量较小。这与芯片算力限制和功耗相关。

智能座舱引入端侧模型对车端算力提出要求，端到端模型在智能驾驶领域的推广也增加了算力消耗。

业界预测，模块化端到端模型将年内量产上车，而one-model端到端模型预计2026或2027年量产。智能驾驶正从规则驱动转向数据驱动。

元戎启行CEO周光将智能驾驶技术与大语言模型类比。他表示，智能驾驶技术正从弱专家系统向通才阶段发展，最终达到L5级自动驾驶的强专家系统。

自动驾驶厂商希望达到的L5级自动驾驶，对应的是强专家系统。未来智能驾驶神经网络将具备思维链能力，对算力的要求将大幅增长。

（文章来源：第一财经）