斑马智能发布23B车端全模态模型

车载大模型正在从云端调用走向端侧部署。此前不少智能座舱依赖“车端采集、云端处理、结果回传”的链路，容易遇到 1 到 3 秒通信延迟、地库和隧道等弱网场景失效、车内语音与视觉数据外传带来的合规压力，以及持续增长的 Token 成本。要让座舱交互从被动响应升级为更自然的实时服务，模型必须更深地运行在车内。

在云栖大会上，斑马智能发布全模态端侧大模型 AutoOmni 2.0-23B-A3B，将端侧总参数规模提升到 23B。官方称，该模型在普通智能座舱任务中的表现可接近 10 倍参数量级云端模型，在复杂任务上也能达到后者约 80%至 90%的水平。其关键在于采用 MoE 混合专家架构：模型总参数为 23B，用于承载更丰富的世界知识和推理能力；实际推理时只激活约 3B 参数，通过门控路由调用最匹配当前任务的专家子网络，从而降低计算负担。

车规芯片的资源约束是端侧大模型落地的核心难点。座舱 SoC 不仅要运行 AI，还要保障多屏渲染、仪表安全和车身电子控制等硬实时任务。斑马智能表示，其已与国内外 10 家芯片企业进行底层协同，通过重构算子、优化内存访问和量化等方式，使推理速度提升 5 到 6 倍，多模态交互延迟压缩到毫秒级；量化保真度保持在 99%以上，运行内存占用降低 50%以上，并支持 8 路以上任务稳定并发。现场演示显示，车辆在离线状态下仍可处理多意图导航规划、车控调节和跨域交互，车内语音偏好与视觉数据无需离车传输。

这类技术进展也反映在量产合作上。大会展区中，腾势 Z9GT、智己 LS6、神行者 8、红旗天工 06 等车型同时展示，它们的辅助驾驶方案分别来自比亚迪天神之眼、Momenta、华为乾崑和卓驭，路线并不相同，但座舱 AI 均接入斑马智能元神 AI。现场公布的数据称，元神 AI 已覆盖主流车企 68%的服务，在端侧大模型上车阵营中，有 63%的企业选择了斑马智能。

斑马智能方面认为，车企在智能座舱上的竞争焦点不只是模型算法本身，还包括场景预置、工程交付周期、底层安全和权限控制。由于端侧模型具备数据不出舱的特点，车企在开放车辆控制、座舱应用调度等权限时顾虑相对更少。公司高管还表示，过去一年已提前完成大量场景植入，因此其定位不只是模型提供方，也包括面向量产的 AI 工程能力。

端侧模型的目标，是改变过去车载语音依赖唤醒词和固定指令的交互方式。斑马智能提出，只有感知与推理能力常驻车端，车辆才能基于声场定位、乘员视线和上下文判断，区分车内闲聊与真实用车需求，进而实现全车全时免唤醒、连续对话、长效记忆、主动迎宾、无感停车付费等从被动响应转向主动服务的功能。

在产品层面，斑马智能将汽车智能化划分为两个维度：一个是道路空间、运行规律和行驶轨迹构成的“表世界”，主要由智驾系统处理；另一个是用户意图、生活偏好和连续场景构成的“里世界”，是智舱 AI 需要理解的重点。但用户每天在车内通常只有约 1 小时，车外还有 23 小时，如果车机与手机等移动终端的数据割裂，座舱 AI 很难形成连续记忆。AI 数据终端公司 YoooClaw 展示的 AutoClaw 2.0 方案，尝试在合规前提下打通车内外上下文，实现车端、云端算力灵活调用，以及车机、手机和跨应用服务的连续协同。

斑马智能还将汽车视为具身智能的重要规模化验证场景。相比短期仍受续航、步态控制和结构耐用性限制的人形机器人，智能汽车已经具备动力电池、高清传感器、车载计算中心和线控底盘等完整物理执行基础。公司称，其技术路线正从面向车端的 AutoOmni 扩展到覆盖更多边缘设备的 EdgeOmni，希望以汽车为支点，让大模型在真实复杂场景中持续压测并向多端协同智能演进。