“中國智艙AI技術領先歐美不是1-2年，而是1-2個代際。”4月23日，北京車展前夕，斑馬智能首席技術官司羅在斑馬智能AI-TECH DAY上，投下了一枚深水炸彈。

過去，在智駕行業中，特斯拉被視作汽車智能技術的標桿。而現在，在智艙行業里，中國企業開始成為那個“代際領先”的角色。

司羅這句定義背后，是斑馬智行成為中國市場智艙AI冠軍后的底氣。按2024年收入計算， 斑馬智能是中國最大的以軟件為核心的智能座艙解決方案供應商， 同時根據同一資料來源，按解決方案搭載量計算亦排名第一。

但斑馬智能的野望，不再局限于智能座艙。在AI-TECH DAY上，斑馬智能正式宣布，其名字從“斑馬智行”改為“斑馬智能”。

兩個字的變化，宣告著其人工智能公司而非單純座艙系統供應商的身份?；顒蝇F場，元神AI汽車機器人大腦升級、Auto Omni全模態端模型產品矩陣發布、行業首個“龍蝦上車”方案Auto Claw亮相，三大重磅動作連發。

“我們認為好的智艙AI就是能和人順暢交流，協作辦事。”斑馬智行首席產品官蔡明說。而這三款產品，恰好回答了“交流”與“辦事”如何被重新定義。

交流能力的躍遷，來自元神AI。元神AI的核心變化是從“隨叫隨醒”變成“呼吸式存在”。過去的語音助手缺乏感知、記憶、理解場景能力，喚醒后工作、說完即休眠。元神AI通過端側全模態模型實現始終在線的感知和記憶：識別車內視覺、環境聲音、用戶習慣，主動觸發服務而非被動響應指令。

Auto Omni是這一能力的底層支撐，其會提供類人自然交互和全域主動智能。Auto Omni中有兩個核心產品板塊，一是端智能交互中樞，二是生成式場景引擎。據介紹，AutoOmni產品矩陣支持Qwen 3.5 Omni以及MoE架構等不同基礎模型，并廣泛適配國內外主流大算力芯片。

“今天我們用斑馬的Auto Omni，主要是支撐智能車、車機器人的演進和迭代，未來也一定會拓展到其他的智能端。”蔡明說。

Auto Claw解決的是復雜任務規劃問題。當前，部分AI“辦事”仍是單任務阻塞式調度，即一句話多個指令順序執行，中途打斷即丟失。Auto Claw建立任務池+大模型動態編排，支持任務依賴管理、目標變更調整、異常自我恢復。同時，其采用端云混合架構，端上運行30B MoE模型，敏感規劃和記憶留本地，僅必要交互上云，配合獨立沙箱和Token管控，解決權限濫用和成本失控問題。

“（行業長期競爭的）核心是技術加生態。”在接受媒體采訪時，司羅表示，在生態上，斑馬智能以更加開放的形態，去擁抱整個生態，如阿里巴巴、騰訊、愛奇藝等。蔡明介紹，斑馬智行一直在積極開拓車載生態服務業務，是行業內最早把生態服務進行AI化，轉化成Agent的廠商。

“斑馬是一家有完整能力的公司，有些公司更多的是在做框架，不做真正的OEM廠商交付。”司羅同時也在不斷強調斑馬的落地能力，他表示，斑馬有從能力設計、能力實現、研發、交付，到之后整體的問題響應等一套完整機制。在多年交付經驗中，斑馬建立了一套標準的流程。

面向未來，智駕解放雙手、智艙承載生活的理想狀態雖未到來，但卻存在不小的想象空間。“智艙結合智駕，未來有望達到千億甚至萬億規模。”司羅說，未來，車輛會變成獨立的移動私密空間，催生大量商業變現場景，不只是出行，還可滿足午休、休閑娛樂、小型社交等需求，整體市場體量極具想象空間。

2026年被視為智能座艙端AI技術的爆發元年。作為汽車智能頭部公司，斑馬智能站在了這場革命的前沿。

以下為部分采訪速記（經編輯整理）：

媒體：您覺得汽車智能體可持續的商業模式是什么樣的？

蔡明：和流量費是一模一樣的。我認為訂閱是基礎，再往上可能會泛化出一些表象的東西，我覺得車廠分利潤也是必須的，因為從車講，那個端是他的，所以我們現在認為應該是跟車廠去聯運，通過訂閱的方式大家分潤，這應該是比較可行的路徑。

媒體：未來3到5年，從現在車載AI或者是Agent的發展來看，真正決定體驗上限的點是在哪？是工程能力、還是說數據上面的量達到一定的程度，斑馬最先想在哪一塊實現突破？

蔡明：我認為是三個并列一起要努力的，第一個是模型，模型躍進以后上限一下會變高。第二是數據，今天模型都是通用的，不會針對任何一個端或者場景。今天斑馬有很多智能座艙的數據，這也是一個重要的點。第三，模型沒辦法直接承接場景和使用，外面要弄個架構，就像今天我們不能直接用一個工具去工作，總要做一個平臺、一個主板。

所以我認為是模型、數據、模型調度系統這三個，此消彼長，這一段時間模型到一定狀態沒漲，可能其他東西就往上漲，來回迭代向上，這跟原來其他的智能比較像，都是這個過程。

媒體：今天咱們也發了AutoGlow龍蝦類的智能體，想了解下車廠這邊的接受度怎么樣？之前看到有的企業是激進派，也有比較謹慎的，還有反復橫跳的。

蔡明：這對我來說既是問題也不是問題。所有新鮮事情都會面臨概念階段，車企接受或不接受，尤其是不接受。熱的OpenClaw，本質不算ToC的?，F在大家用的手機才是ToC，目前還沒到這個階段。

最重要的有兩個事，一個是token的消耗問題，一個是權限濫用的問題。我們做的AutoGlow產品，更多還是這個思路，而且這個思路去年9月份我們在云棲大會自己發的時候就已經確定要干了，只是大家不謀而合，做這種復雜任務，只能這么辦。這一定會有個發展過程，一開始不收費、有風險，逐漸成熟后就好了。

所以車企接不接受，本質是我們的產品有沒有到那個完成度，用戶需求是極其清晰穩定的，肯定會有需要，關鍵是我們能不能做好，這是對我們的考驗。我也不知道現在車企的具體態度，也不是很關心，更多是把自己的產品做好，用戶需求太穩定了，不是某一個車廠態度能決定的，關鍵我們能不能做好。

媒體：您預計何時與車企推進項目落地與部署？

蔡明：我們希望盡快推進，預計兩個月左右，首個版本就可以務實推進合作與落地探討。

媒體：今年端模型會迎來爆發，節奏是否會領先車載硬件迭代？目前不少硬件端部署尚不完善，同時斑馬如何劃分云端與端側的分工？

司羅：這個問題很有洞察力。斑馬已打造完整、全棧的端模型上車方案。

車載領域主流的高通8295芯片，端側算力與帶寬有限，僅可運行0.6B—0.8B小參數模型，覆蓋場景與能力較為有限。目前我們已聯合多家車企，落地量產級端模型方案。

第二種方案，以8295芯片搭配AI算力盒子，外接英偉達Orin、高通9075等高階算力硬件，軟硬結合實現多模型上車，現階段已有多家車企定點、預量產及量產合作。

更高階則是旗艦車載芯片，例如高通8397/8797，原生算力與帶寬充足。當前斑馬已參與多家車企旗艦車型量產開發，在8397平臺多模型項目招標中，已斬獲多個定點訂單。

媒體：行業都在討論下一代車載OS，未來是否會以智能體為核心？斑馬車載架構與新一代操作系統，會迎來怎樣的演進？

司羅：目前我們正處在系統演進的過程中。傳統車載OS的底層核心能力不會消失，包括文件管理、資源調度、通信、安全管控等基礎能力，是上層所有應用運行的底座。

但傳統APP、應用中心這類老舊應用形態，會逐步縮減。智能體帶來的全新交互體驗，會慢慢替代傳統應用，且是循序漸進的過程。

未來車載OS不會被完全顛覆，而是結構升級。即傳統基礎能力保留，原有應用管理、APP生態相關功能逐步弱化；同時新增模型管理、模型調度等智能化能力，完成操作系統的迭代升級。

媒體：剛才我看會上VCR介紹智能中樞時，全程展示的都是釘釘，但現在手機、車機主流聊天軟件都是微信。斑馬智行生態和騰訊系統是否存在較深壁壘，后續會不會打通？

蔡明：首先，VCR只是借阿里生態合作伙伴作為演示案例，僅此而已。目前我們的多媒體生態大多為騰訊系，和騰訊合作順暢，騰訊視頻、騰訊音樂都是核心合作伙伴。

其次，日常通訊可依托手機通道實現，無需綁定特定軟件，通話聯絡不受限制，不管是邀約朋友、預訂餐廳，都不會受到影響。視頻里最終也都是依托通話完成服務，線下餐廳本身也沒有微信聯絡渠道，只是用來演示現有基礎設施已經打通、鏈路通暢。我們的生態選擇很多，并非只能使用釘釘，只是剛好結合阿里生態一同展示，并不是單一綁定。

媒體：地平線發布會，同樣發布了座艙智能體與艙駕一體芯片，并且提到了內存優化。當下車機內存成本高昂，Agent運行優先級普遍低于智駕，如果遇到大量泛化語義處理需求，內存資源又大多分配給智駕，是否會直接影響Agent運行？除此之外，開發階段還會主動針對性規避這類問題嗎？

司羅：但你提到的現狀確實客觀存在，因此需要云端一體調度、操作系統適配與模型管控協同完成，不能簡單做硬件硬隔離。艙駕資源如果采用物理硬隔離，比如芯片60%算力分配給智駕、40%給到座艙，雙方互不占用，即便座艙資源閑置，也無法靈活調配，整體利用率很低。

我們一方面從推理引擎、芯片適配層面做深度優化，提升本地算力效率；另一方面推進云-端能力融合。例如傳統端側運行的ASR語音識別，在車機算力緊張時，可靈活切換至云端運行，雖會增加100至200毫秒延遲，但能大幅降低端側算力消耗。整體需要全站統一調控，包含端側算力分配、模型管理，以及云與端整體框架的協同調度。

媒體：在終極形態落地過程中，智能體是否會出現“控制權入侵”？也就是自主執行它判定合理、但用戶并不需要的操作。

司羅：這類涉及PhysicalAI車身物理調節的操作，包含座椅移動、按摩、風量大幅調整等功能安全類動作，都需要提前獲得用戶確認才能執行。

此前行業出現過語音識別錯誤，導致行車中誤觸車燈開關等安全案例。斑馬長期搭建完整的語音安全校驗體系，高危操作都會設置二次確認與權限校驗，不會直接執行，也因此沒有出現過相關輿情問題。

媒體：2025年9月斑馬首創智艙端模型解決方案，端模型為1.0版本，現有智能架構升級為2.0，1.0和2.0之間是否存在代際差異？

司羅：兩者在能力上有很多不同。首先是主動智能場景覆蓋差異很大。早期方案更多聚焦車內視覺，比如車內遺留物檢測、兒童睡眠識別；如今車內場景更加豐富，例如接打電話自動降低音量、后排閱讀時自動開啟閱讀燈。同時新增大量車外主動場景，比如車外主動迎賓、識別車主身份并主動問候。不管是車內、車外主動視覺，還是主動語音能力，都實現全面升級。

第二，我們對整體架構做了大量優化升級。眾多能力集中在端側運行，受限于車載算力、芯片與內存條件，必須通過系統化、結構化的技術優化，保障運行效率。

第三，如今我們能提供更完整的整體解決方案，不再局限于單點能力。早期主要適配8397芯片，目前覆蓋AIBox、8295單SOC等多種形態。本次北京車展，我們還將展出基于高通9075芯片的AIBox方案，也是業內首款。規避廣告法表述，該方案在主流同類產品中，具備較高的性價比。

媒體：相同語音指令，不同車企的執行邏輯、座艙操作標準都不一樣，車企有很多自研定制邏輯。請問斑馬是否需要針對每家車企逐一溝通適配？

司羅：我們理想狀態是標準化標品交付，這是提升交付效率、優化商業模式的最優方式。但結合國內市場現狀，完全標品很難落地。各家主機廠都希望打造差異化特色，普遍存在定制化需求。斑馬依托多年量產交付經驗，持續搭建標準化能力與高效流程，最大化壓縮定制開發比例，高效管理個性化需求與項目變更。

媒體：量產落地的壁壘，具體體現在哪些方面？

司羅：首先，斑馬具備全流程完整落地能力。很多同行只做上層框架，整車量產交付依賴外包合作；而斑馬從方案設計、研發落地，到量產交付、售后問題響應，擁有完整閉環體系，能保障交付體驗統一。智能座艙行業迭代速度極快，產品還未形成穩定標品，下一代技術就已迭代，外包模式很難跟上節奏，這是我們的核心差異。

第二，依托多年量產經驗，搭建了完善的流程體系，涵蓋人員管理、需求準入、變更管控、問題校驗等全環節，形成成熟的項目管理與交付體系。

第三，持續推動核心能力標準化沉淀。

媒體：哪些內容屬于你們的核心標準化能力？

司羅：以端側能力為核心，包括端上模型能力、自研Multlora整體框架，以及記憶管理、數據管控、安全監控等體系化能力。同時，斑馬自研推理引擎，也是核心特色。

Agent基礎能力會做標品化設計，但不同車企、尤其海外廠商，對端側應用定義不同，仍會保留適度定制空間，滿足品牌差異化需求。

媒體：現在行業都在提AI原生座艙，在您看來，具備哪些特征才能稱之為AI原生座艙？

司羅：首先，以大模型為核心驅動，而非傳統小模型流水線架構，這一點至關重要。第二，必須實現端云結合，不能只依賴純云端架構，行業整體也在快速向端云融合發展。第三，一定要具備開放生態。即便做到AI原生，如果只能運行少量自有應用，也無法發揮價值，AI原生一定離不開開放生態。

媒體：地平線自研硬件、操作系統及上層應用，對比斑馬，它在底層硬件層面是否具備天然優勢？

司羅：這塊我不便直接評價，更適合由高通來解答。我們也愿意適配地平線平臺。但芯片平臺之間的優劣對比，應由芯片廠商作答。從操作系統和座艙生態來看，地平線的布局情況，我們不便評判。大量生態服務合作多為長期綁定、非開放狀態，并不是隨時可以接入的。

媒體：司羅總加入之后，給團隊帶來的最大變化是什么？

蔡明：變化非常大。行業方向一直都在，但缺少核心引領時，團隊會不斷試錯、多線摸索。團隊人員有限，擺在面前二十個選擇，和精簡到兩三個核心方向，推進效率完全不一樣。

司羅：很多戰略選擇與落地決策，都是斑馬管理層共同協作完成的。

媒體：司羅總加入之前，團隊是不是多條路線同步探索？

蔡明：是的。因為前期存在很多不確定性，方向無法精準判斷，就會全都嘗試。判斷能力越強，選擇越聚焦；判斷模糊時，會覺得每條賽道都有機會，導致力量分散。即便方向都正確，過度試錯也會消耗大量精力與時間。

媒體：如何看待車載AI賽道競爭格局？結合企業規劃，哪個業務會最先迎來千億級智能體產業產值爆發？

司羅：智艙結合智駕，未來有望達到千億甚至萬億規模。一旦L4級Robotaxi落地，用戶無需專注駕駛，車內碎片化出行時間將全面釋放。我本身容易暈車，在車上很少看手機，也代表一類用戶需求。未來車輛會變成獨立的移動私密空間，催生大量商業變現場景，不只是出行，還可滿足午休、休閑娛樂、小型社交等需求，整體市場體量極具想象空間。

媒體：一句話總結，行業長期競爭的核心決勝點，是技術、生態，還是商業模式？

司羅：核心是技術加生態。國內商業模式同質化嚴重、極易復刻，無法形成長期壁壘。

媒體：公司已推出兩輪車、機器人等多品類AI終端方案。請問目前業務核心是否仍聚焦智能座艙，還是已全面布局多終端落地，同步推進平臺化升級？

蔡明：兩輪車智能化，本身就是四輪汽車技術5至7年后的下沉趨勢，目前行業普遍在加碼布局。

我們現階段核心重心，仍是智能汽車的迭代升級，汽車也是最早落地的移動機器人載體，是公司主業。同時依托現有技術平臺的復用性，適度橫向拓展其他智能終端，但不會分散主業資源、影響核心業務發展。