界面新闻记者 | 周姝祺

试图从硬件参数竞赛与价格战泥潭中抽身的汽车制造商们，正在把筹码押向全新的AI赌注。它们希望打造出一种媲美科幻电影，具备主动感知与服务能力的“汽车机器人”。这场转向不仅关乎技术升级，也被视为向资本市场讲述新一轮增长故事的关键。

理想汽车CEO李想日前发文称，人工智能正经历从Chatbot（聊天机器人）向Agent（智能体）进化。过去AI工具更多提供建议，但真正进入生活和用于生产和生活，它必须能够行动。他认为，汽车本质上是一个在物理世界移动的机器人，应当像司机一样理解用户需求、主动提供服务。

要实现这一愿景，车辆必须同时具备意图理解与物理执行能力，这也意味着目前独立运作的两套系统需要打通，即负责交互与服务的智能座舱，以及负责感知与控制的智能驾驶。只有形成从决策到控制的完整链路，“汽车机器人”才具备落地现实基础。

小鹏汽车CEO何小鹏在内部讲话中也给出了相似判断。据36氪报道，何小鹏称，汽车产业正在进入与AI深度融合的新阶段，智能座舱与智能驾驶将实现技术合流，最终形成“超级智能体”。

这两家公司为此同时开始着手内部组织架构的调整，为舱驾融合策略迈出实质性一步。

理想汽车拆散了自动驾驶研发部门，并按照AI公司的组织结构将团队梳理为几大版块：Infra（基础设施）团队负责算力和数据；基座模型团队聚焦多模态认知模型的预训练和后训练；软件本体团队构建完整工具链工具链与通用智能体工程；硬件本体团队让硅基智能在物理世界有载体。

小鹏汽车则将自动驾驶中心和智能座舱中心两个智能化一级部门，合并为“通用智能中心”，并围绕基座模型、Infra底座设立二级组织。合并后，统一的AI中台将同时支撑智驾、座舱及机器人等业务，减少重复研发与资源分散。

多位接受界面新闻采访的业内专家认为，这种舱驾打通和统一AI底座将是未来汽车智能化发展的主流方案。从技术栈看，座舱与智驾目前分别采用的视觉-语言大模型（VLM）和视觉-语言-动作大模型（VLA），在底层能力具备复用空间，这为统一架构提供了可能性。

硬件基础设施的成熟加速了这一进程，新一代高算力芯片已具备同时运行VLA与VLM能力的算力储备。对于受困于成本压力的汽车公司而言，实现舱驾融合还可以降低硬件冗余与系统成本。

特斯拉是舱驾融合的率先实践者。一个已经开始北美地区实践的案例是，用户说出模糊的语音指令后，由智能助手Grok负责解析语义并生成导航目的地，随即交由全自动驾驶系统FSD执行具体的路径规划与车辆控制。

一位从事舱驾融合相关领域的业内人士接受界面新闻采访表示，特斯拉这种舱驾交互联动还处于相对初级阶段。本质上系统仍然依赖驾驶员的显性指令来触发动作，尚未实现从被动响应向主动服务的跨越。

“未来更值得期待的是，系统将不再依赖显性指令，而是通过捕捉驾驶员的生理信号、行为习惯等多模态输入，精准预判其潜意识意图，并与物理世界的实时状态对齐，实现人-车-环境的协同感知。更进一步，座舱可动态调整对驾驶员的干预程度，不再是由人单向指挥车，而是让车辆主动融入人类的感知-决策闭环。”

但要注意的是，现阶段想要实现座舱和智驾的统一人工智能底座还相当困难。一位人工智能领域专家向界面新闻表示，座舱主要承载服务体验，允许一定的不确定性，偶尔出错最多影响用户体验；自动驾驶属于安全关键系统，需要毫秒级稳定性、可验证与可回放性，任何一次失误都可能带来安全风险。

“统一底座的难点不在于模型能力本身，而在于如何确保自动驾驶链路的绝对可靠性不受影响。”

最常见的难点是算力和系统的调度上。座舱大模型在运行时会瞬时占用大量算力和显存，而自动驾驶则要求每一帧计算都稳定、延迟不能波动。如果两者共享算力资源却缺乏严格隔离，座舱一旦“吃紧”，智驾就可能出现抖动。这类风险在量产车上几乎不可接受。

而在实际产品开发节奏上，智能座舱会频繁接入外部应用和生态，会保持相对频繁的更新速度；而智驾的每一次升级都需要经历漫长验证，两套系统很难保持同样的开发节奏。

另一方面，舱驾融合还考验内部组织的协同能力。一位自动驾驶研发人员向界面新闻指出，座舱和智驾本身存在技术域差异，前者聚焦人机交互和服务生态，后者关注环境感知、规划与功能安全。“两类人才在知识图谱和工程方法上存在一定壁垒，需要做到彼此充分的经验共享。”

上述舱驾融合领域业内人士向界面新闻表示，短期内智能座舱和智能驾驶仍然会维持相对独立的运作。合流更多先从底层开始，比如统一算力平台、数据与工具链，共享部分视觉和多模态能力。并且，智能驾驶要一直保持严格的安全隔离。

“汽车公司可以对计算资源硬性切分，为智驾分配确定性的算力保障，确保其关键任务的实时性与可靠性；同时也为智能座舱等非安全关键任务预留独立资源，避免相互干扰。”

该人士指出，数据传输也需要引入优先级调度机制。例如，在共享感知或融合推理场景中，优先将高时效性数据调度至智能驾驶模块，从数据通路层面强化系统安全。

汽车公司想要推动的舱驾融合AI转型故事很难一步到位。随着系统开始主动参与决策，误判风险、功能安全、隐私边界以及用户接受度等问题都会随之放大。

更现实的路径是，优先在低风险、可撤销的场景中验证能力，而涉及关键或高风险动作时，则保留用户确认或干预机制。这种渐进式放权既有助于控制安全风险，也更容易建立用户信任。