2026年上半年，座舱AI功能完成从被动响应到适时主动、从单点功能到服务闭环、从重云端到重端侧等多个维度的初步升级，随着Agent功能进一步增强，用户对座舱AI能力评价标准也发生变化：不再看谁接入的模型实现了更先进的指标，而是看谁的座舱AI系统能真干活、守隐私、看眼色、懂需求。
用户对实际体验与效果的重视，正倒逼座舱AI沿三条主线同步升级——更全面、更便捷、更精细。
更全面：从"功能"整合成"系统"
•2025年，座舱AI定位于“功能”，聚焦不同的垂域场景，能够根据用户指令，完成单次服务。
•2026年，主流旗舰车型的座舱AI服务更加“系统化”，支持通过中枢大模型/Agent，统筹调用原本非常零散的非安全类AI应用功能，在影音娱乐、行程辅助、本地生活服务等垂直场景实现服务闭环；部分座舱产品甚至能够依据自主规划，分步完成多个任务，大大拓宽了AI服务的场景范围，提升用户体验，并为座舱AI的迭代升级打下基础。
其中，AI层面的跨域融合是AI服务更"全面"的技术底座，部分车企的布局已经落地：
部分通过“域融合”路线构建“系统化”的座舱AI服务
整理：佐思汽研
以吉利的“舱驾融合超级智能体”为例，极氪8X的超级Eva接入以世界行为模型(WAM)为核心的整车AI架构，支持全时全模态感知、深度思考决策、全域调度（协同座舱、驾驶、底盘、动力等）等功能，并能够自我反思进化，越用越顺手。
在场景上，超级Eva不仅打通车内外生态，实现日常琐事“开口即办”（例如在车内通过语音直接帮忙点餐、订酒店、处理工作信息），还能够协同千里浩瀚G-ASD 4.0实现车辆的自动驾驶与领航，从“智慧的副驾”蜕变为“可靠的主驾”，进一步拓展了AI服务场景范围。
超级Eva帮忙预定位置
超级Eva“一句话，带你去”功能
来源：吉利
以智己的IM ULTRA AGENT 1.0为例，通过IM FUSION NOVA舱驾一体全域融合智能架构，智己座舱AI系统能够跨域联动IM AD ZETA和全线控灵蜥数字底盘，实现途中随意变换目的地等功能，同时落地在影音娱乐、生态互联、个性互动等非安全类场景完成用户指令解析与服务闭环。
智己座舱 “一句话解决日常通勤” 功能
来源：智己
更便捷：少说话，多做事
便捷的核心指标是看用户为了得到最终结果需要付出多少操作。
2026年，用户对AI应用效果的感知更为直接：少说一句、少点一下、少等一秒，体验就上一个台阶。因此，2026年的座舱AI，更需要压缩用户获得服务的"摩擦力"——交互方式更直接、交互步骤更少、响应速度更快，通过借助更精准的语音ASR技术、更智能的AI算法规划与更人性化的工作流设计，做到“少操作，少跳转”，实现“一句话完成多个指令”。
以“接孩子并导航回家的路”这个场景为例：
•过去：先捋清楚接孩子的地点A→对话"打开导航" → "您要去哪里？" → "A地点XX路" → "已为您规划路线"，三句话办一件事。
•现在：直接说"接孩子"，AI根据记忆库的数据，自动补全目的地并规划路径，一句模糊指令可以办三件事。
场景示例：单句综合指令的执行功能
来源：佐思汽研
以东软OneCoreGo 7.0全球车载智能出行解决方案为例，该方案通过“多合一”的子方案设计，更加全面、便捷地提供AI服务，不同应用场景功能的多步操作均可由单一指令通过跨智能体协同技术进行落地。
东软OneCoreGo 7.0详情
来源：东软集团
实现座舱AI便捷性的关键之一是落地多Agent协同标准协议与统一调度框架，同时配套端云协同的部署环境，通过统一的Agent通信、编排、执行协议，解决跨域Agent的互操作问题。
以弋途科技的MCP-Agent框架为例，该方案将续航检测、商户筛选、路径规划、支付等拆成独立智能体，不同智能体通过MCP标准化协议相互协同——如用户说"点杯减脂咖啡"，系统可以在几分钟内跑通从选品到下单到导航全链路。
MCP Agent 借助上下文窗口优化技术与记忆模块，可连贯承接用户多轮需求变更（如点咖啡时从选品到修改杯型、调整取餐地址），无需重复解释背景信息；依托标准化协议实现跨服务协同，像 “还有半小时到公司，帮我找几款减肥的咖啡” 这类复杂需求，能自动联动续航检测、低卡商户筛选、路径规划等服务，一句话即可完成，避免传统需切换多 APP 操作的繁琐，大大提升用户使用AI服务的便捷程度。
弋途科技的MCP-Agent框架的价值与特点
来源：弋途科技
相比之下，东软配套的NAGIC.AI方案也内置不同场景的子Agents，但多 Agent 协同完整机制由 Router、HCP 混合大模型中枢、Memory 记忆模块、Function Call 工具链等模块相互协同完成，包括由 Router 解析用户模糊意图、分配对应场景 Agent；由Memory 记忆模块共享记忆池、实现跨 Agent 意图补全；再由 Function Call 配合每个 Agent 调用底层车机硬件能力（导航、ADAS、座舱 IVI、多媒体等）。
此外，东软NAGIC.AI采用“分布式+集中式”双轨并行方案，基于标准化接口与统一的Inference Framework，实现不同算力平台（高算力芯片/中端平台）、不同系统（Linux/QNX/AutoSAR）的分层适配，同时内置HCP（异构计算平台）、AI Plugin Service Layer，为功能模块提供了标准化接入与扩展能力。
东软 NAGIC.AI 软件产品架构
来源：东软
NAGIC.AI 产品方案的能力对比
更精细：洞察“隐形需求即服务”
座舱AI"精细化"的竞争正从三个层面展开——感知更敏锐、理解更到位、行动更有分寸。其中，感知用户“隐形需求”是突破口之一。
用户在汽车座舱内的需求是多元的，可以是“高效通勤”、可以是“舒适解压”，也可以是“互动关系”，在不同的场景下，用户隐形的需求需要释放与满足，而在2026年，座舱AI产品对“隐形需求”的服务流程往往通过感知、记忆、理解、判断、执行、验证等步骤来完成，并预设垂直场景、利用垂域Agent来完成最终操作：
“隐形需求”的服务流程
来源：佐思汽研
以感知为例，座舱AI开始能够融合视觉、听觉与车辆信号，在“出行服务”、“儿童看护”等限定场景内，通过感知乘员的表情、肢体动作、眨眼频率、握方向盘的姿势等，在发出指令之前，提前预测用户需求，并在预设逻辑框架下提供端到端的主动服务。
部分满足隐形需求的案例
来源：各主机厂/供应商官网；整理：佐思汽研
其中，有三类场景功能，主机厂可能会额外重视，分别是安全类场景功能、舒适类场景功能、习惯类场景功能：
三类高频的隐形需求场景
来源：各主机厂/供应商官网；整理：佐思汽研
以面壁智能的“SuperMate”为例：
面壁智能对座舱AI的设计理念是以“极致的默契”代替“功能的叠加”，通过落地深度记忆、实时感知、情境理解与主动行动的闭环来实现“更克制、更内敛的无感”，典型功能包括无感车控、儿童危险行为干预、事故状态识别与情绪安抚等。
其中，较有特色的是“SuperMate”事故处理场景中的“主动+无感服务”特性：
“SuperMate”事故处理场景执行流程
来源：面壁智能
面壁智能“SuperMate”的“无感服务”
来源：面壁智能
此外，相比其他常见的舱内场景功能，商汤绝影与东软集团均推出了具备特色的“开门杀”预警功能，将用户对安全的“隐形需求”延伸至舱外。
如商汤绝影Agent产品中的“安全卫士”智能体，基于大模型理解能力，实现多维度风险识别，对开门杀、划车等事件分类描述，通过安全闭环与 OpenClaw 主动预警、实时提醒，让用户随时随地掌控爱车安全状态，守护用车全场景安全。
商汤“安全卫士”智能体通过舱外摄像头完成预警功能
来源：商汤绝影
相关定义
01 AI 在汽车座舱中的应用场景
1.1 AI在座舱中的应用现状
AI座舱的特点
AI在座舱的应用场景：现状
座舱AI的演进历程
1.2 场景一：语音识别
AI大模型接入语音识别发展路线
细分场景一：声纹识别
细分场景二：车外语音识别
语音交互供应商接入AI大模型
1.3 场景二：多模态交互
AI大模型接入面部识别发展路线
小模型在唇动识别场景的结合
小模型在虹膜识别场景的结合
1.4 场景三：IMS
舱内监控系统实现功能
AI在舱内监控场景中的发展
舱内监控的AI算法示例
舱内监控：芯片供应商的AI技术应用（1）-（4）
1.5 场景四：HUD
AI算法在HUD中的应用
1.6 场景五：雷达检测
毫米波雷达中的AI算法（1）-（2）
02 座舱AI应用现状与趋势
2.1 座舱AI市场数据
AI语音助手在2025年的安装量与渗透率
AI语音助手在2025年的渗透率（按照不同价格区间）
AI语音助手在2025年的渗透率（按照不同级别）
AI语音助手在2025年的渗透率（按照不同新能源类型）
虚拟形象在2025年的安装量与渗透率
虚拟形象在2025年的渗透率（按照不同价格区间）
虚拟形象在2025年的渗透率（按照不同级别）
虚拟形象在2025年的渗透率（按照不同新能源类型）
AI大模型在2025年的安装量与渗透率
AI大模型在2025年的渗透率（按照不同价格区间）
AI大模型在2025年的渗透率（按照不同级别）
AI大模型在2025年的渗透率（按照不同新能源类型）
2.2 座舱AI发展趋势
趋势一：座舱助手实现从Chatbot到Agent的落地
趋势一：座舱Agent落地关键——多模态技术
趋势一：座舱Agent落地关键（2）
趋势一：座舱Agent落地关键（3）
趋势二：基于统一智能体基座的舱驾融合
2026年主机厂跨域融合AI超级智能体布局情况（1）-（2）
趋势二：舱驾融合AI的难点
趋势三：
趋势四：
趋势五：
趋势六：
趋势七：
2.3 AI技术在座舱中落地的资源测算
资源测算（仅供参考）
国外主流品牌座舱AI助手应用对比
不同AI算法的优势与不足
03 供应商座舱AI 应用案例
各供应商座舱AI大模型底座一览
3.1 华为
华为AI在座舱的应用规划
华为HarmonySpace智能座舱的功能构建
华为小艺基于大模型的语音能力
华为小艺基于大模型的感知能力
华为Harmony OS的AI功能
鸿蒙座舱最新动态：MoLA架构升级
鸿蒙座舱最新动态：特色功能（1）
鸿蒙座舱最新动态：特色功能（2）
3.2 腾讯
腾讯座舱体系升级（1）：演化历程
腾讯座舱体系升级（2）：功能与架构
腾讯大模型开放智能体平台
合作动态
腾讯智能座舱大模型框架
腾讯大模型加强交互功能
3.3 阿里
阿里基于AI的语音场景
阿里NUI 端云一体平台架构
千问端侧大模型在车机上的功能应用
千问端侧大模型：端云协同
千问端侧大模型：终端基座模型
千问端侧大模型：应用场景
千问端侧大模型：“类人伙伴”的落地路径
千问端侧大模型：下一步计划
3.4 百度
百度智舱基于文心一言大模型打造
百度多智能体协作模式
3.5 字节跳动（火山引擎）
火山引擎新一代汽车AI解决方案
火山引擎座舱AI助手构建
火山引擎座舱AI助手构建：端侧AI的四个层级
火山引擎座舱AI助手构建：端侧AI的功能应用（1）-（8）
火山引擎座舱AI助手构建：硬件方案
火山引擎的座舱AI合作：供应商
火山引擎的座舱AI生态：主机厂
3.6 智谱
智谱基于AI大模型的座舱设计架构
智谱AI大模型的场景设计
智谱AI大模型针对座舱交互痛点的设计
智谱在座舱AI的合作
3.7 商汤
商汤智能车舱典型功能
合作动态：
典型座舱产品：端侧模型与AIOS
典型座舱产品：端侧智能体
商汤科技多模态处理能力框架
商汤绝影多模态交互应用案例
商汤绝影舱内监控产品
3.8 科大讯飞
科大讯飞星火大模型功能一览
科大讯飞星火大模型核心能力
科大讯飞星火大模型部署方案
科大讯飞基于星火大模型的用车助手
科大讯飞星火大模型功能一览：（1）-（6）
科大讯飞星火座舱如何融入AI服务
星火大模型的应用技术
科大讯飞全栈智能交互技术
科大讯飞智能汽车AI算法芯片兼容情况
科大讯飞多模感知系统特点
科大讯飞星火智能座舱2.0
3.9 思必驰
思必驰车载语音助手的功能
思必驰DFM大模型“1+N”布局
思必驰融合大模型解决方案
思必驰AI语音技术的多模态交互方案
思必驰AI座舱特点
合作案例：（1）-（2）
3.10 云知声
云知声车载大模型解决方案
云知声大模型详情（1）-（3）
云知声山海大模型在座舱的应用
云知声车载语音解决方案商业模式
云知声语音基础技术
云知声端云协同语音技术
云知声合作动态
3.11 普强
普强信息语音大模型解决方案
普强信息智舱大模型（混合架构+融合开放）
普强对DeepSeek的应用
普强信息AI语音解决方案（1）能力类型
普强信息AI语音解决方案（2）功能场景
普强信息AI语音解决方案（3）特点
普强信息AI语音解决方案（4）设计思路
3.12 中科创达
中科创达大模型布局
中科创达AI座舱系列（1）-（3）
中科创达AI座舱软件基础——滴水OS（1）-（2）
中科创达AI座舱软件基础——AI Box
3.13 东软集团
东软座舱AI方案（1）
东软座舱AI方案（2）
东软座舱AI方案（3）
东软座舱AI方案（4）
东软座舱AI场景（1）-（3）
东软通过AI赋能跨域融合平台产品东软对DeepSeek的应用
东软座舱Agent的底层基础：OS与SOA架构
东软新一代座舱出行方案（1）-（6）
3.14 德赛西威
德赛西威座舱大模型主要应用场景
德赛西威座舱大模型的多模交互
德赛西威车载语音研究历程
德赛西威语音大模型解决方案概览
德赛西威针对语音行业痛点的解决方案（1）-（4）
德赛西威座舱AI合作动态
德赛西威座舱发展趋势
德赛西威Smart Solution方案升级
3.15 梧桐车联
梧桐车联：对智能座舱规划的四个阶段
梧桐车联：AI座舱架构设计
梧桐车联：AI大模型应用场景
梧桐车联TTi AI座舱（1）-（9）
3.16 博泰车联
博泰语音交互技术
博泰擎AI语音能力配置（1）
博泰擎AI语音能力配置（2）
博泰车联AI座舱产品合作动态（1）-（3）
3.17 弋途科技
弋途科技座舱AI方案的“1+3”架构
弋途科技座舱AI方案的端云协同架构
心界AI系统底层架构
弋途科技AI系统典型功能（1）-（4）
弋途科技MCP-Agent框架加速MAS智能协同
3.18 赛轮思
赛轮思语音核心技术（1）
赛轮思语音核心技术（2）
赛轮思车外语音交互
3.19 地平线
地平线推出整车智能Agentic OS
适用于整车智能Agentic OS的舱驾融合芯片
3.20 其他
佑驾创新
LG
联发科
04 主机厂座舱AI 应用案例
主机厂大模型应用一览
4.1 蔚来
蔚来多模态感知大模型：NOMI GPT
基于NOMI GPT的座舱多模态交互应用
NOMI GPT的座舱应用情况
基于NOMI GPT的智能座舱功能（1）-（5）
基于NOMI GPT的乐道智能座舱交互案例
乐道与蔚来车型落地点餐功能
4.2 理想
理想同学：构建多重场景
理想同学Agent架构：两条路线
理想同学点单场景解析
理想同学缴费场景解析
理想同学的AI大师研发要点
理想同学的思维链可解释性
理想Mind GPT（1）-（2）
理想大模型训练平台
理想同学基座模型能力升级（1）-（2）
理想同学多模态交互案例
4.3 小鹏
AI大模型应用历程
小鹏智能座舱方案：天玑系统系列
应用案例：（1）-（4）
4.4 小米
小米车端大模型：MiLM
小米：小爱同学语音能力
小米：语音任务解析与执行流程
小米识车功能（1）-（3）
小米：小爱同学场景构建
案例：2026款新一代SU7座舱（1）-（4）
4.5 零跑
零跑大模型1.0：
零跑大模型2.0：
4.6 比亚迪
比亚迪座舱AI：从自研到合作
比亚迪Agent合作动态
比亚迪璇玑 AI 大模型在座舱的案例
4.7 吉利
吉利星睿AI大模型
吉利星睿AI大模型架构分析
吉利全域AI体系 1.0
吉利全域AI体系 2.0：发布
吉利全域AI体系 2.0：架构
吉利全域AI体系 2.0：舱驾融合智能体
吉利大模型座舱应用形式
Flyme Auto 语音交互能力
吉利大模型应用案例
极氪座舱Agent场景：（1）-（2）
4.8 奇瑞
奇瑞LION AI基座+科大讯飞星火大模型+DeepSeek
奇瑞超级Agent小奇同学
奇瑞音响中的AI应用
4.9 长安
长安AI模型矩阵
长安AI Agent矩阵
长安天枢智能体系
长安汽车AI 技术的应用：（1）-（2）
长安实现座舱场景与功能的自动切换
4.10 长城
长城Coffee Agent体系：应用场景
长城AI系统基座
长城改进“问答模式”的痛点
长城基于大模型的智能体服务体系
长城使用全新平台升级整体智能体
4.11 上汽
智己大模型在车载语音的应用
智己大模型应用案例：智己L6
智己AI大模型构建主动感知场景
上汽对DeepSeek的应用
上汽超级智能体采用全域融合智能架构
上汽超级智能体应用场景
智能体应用案例
4.12 广汽
广汽智能座舱方案：ADiGO SPACE
广汽AI大模型的座舱应用
DeepSeek在广汽座舱的应用
广汽ADiGO Intelligence 端云一体架构
4.13 北汽
北汽座舱AI体系发展历程
北汽座舱AI 2.0：百模汇创产品架构
北汽对DeepSeek的应用：接入百模汇创
北汽座舱AI场景（1）-（2）
北汽座舱AI 跨域融合时代：元境AI
北汽元境AI促进全域融合的三个层级
4.14 一汽
一汽对DeepSeek的应用（1）-（2）
灵犀座舱：通过全栈自研实现AI场景服务
灵犀座舱：AI功能应用场景
灵犀座舱：AI功能应用情况
4.15 东风
东风座舱AI体系的发展
东风对DeepSeek的应用：（1）-（2）
东风基于“天元架构”的座舱AI体系：从OS到模型，再到座舱功能
东风基于“天元架构”的座舱AI体系：基座模型应用架构
东风基于“天元架构”的座舱AI体系：座舱场景亮点
东风基于“鸿蒙座舱”的座舱AI体系：“逍遥座舱2.0”
岚图汽车AI应用：岚图知音 AI智能体
岚图汽车AI应用：座舱AI技术研究方向
4.16 江淮
江淮AI座舱
4.17 Tesla
座舱模型Grok完成升级
4.18 宝马
宝马座舱AI在海外与国内的不同方案
基于LLM打造的BMW智慧语音助理2.0
4.19 奔驰
MB.OS数字世界借助MBUX虚拟助理实现个性化服务
4.20 Stellantis
Stellantis汽车AI应用（1）
Stellantis汽车AI应用（2）
4.21 其他
大众语音交互系统搭载GPT
丰田座舱AI大模型落地