科大讯飞雷琴辉：L3、L4敢宣传，就得敢担责！监管要“打破一些吹牛的”！| 智车星球

大模型上车只是开始，真正的智能汽车革命，是让AI从被调用工具变成整车主控。

作者|王蕊

编辑|西子

大模型上车，正在成为智能汽车的新一轮标配。

DeepSeek、豆包、讯飞星火……越来越多车型开始把不同大模型搬进座舱。但在科大讯飞智能汽车CTO、副总经理雷琴辉看来，今天的大模型上车，距离真正的汽车AI革命，还有一段距离。

在聚合智能产业发展大会2026期间，雷琴辉给出了一个相当明确的判断：现在行业最需要解决的，已经不是“车里有没有大模型”，而是大模型能不能从一个被调用的工具，真正成为汽车智能系统的主控。

这可能也是理解下一阶段智能座舱竞争的关键。

以下是他在聚合智能产业发展大会2026上的核心观点：

一、真正的拐点：大模型从“被调用”变成“主控”

雷琴辉认为，当前汽车大模型面临的一个共同挑战是：模型上车容易，稳定办事难。

2025年之前，大模型更多还是传统语音链路里的一个“被调用者”。用户发出指令，系统再调用大模型完成聊天、语义理解或者上下文处理，真正主导座舱交互的，仍然是过去的软件和规则体系。

真正的转折点，是大模型开始成为Master Agent，也就是主控智能体。

它不再被动等待调用，而是主动发起录音、语音合成、任务执行、导航和周边信息查询，再去调度其他能力。

雷琴辉认为，这是一个“跨时代的变化”。简单来说，过去是软件调用AI，未来则会变成AI调度软件。

二、让用户自己选大模型，恰恰说明行业还没成熟

现在一些车型会把不同大模型直接摆在用户面前，让用户自己选择。但在雷琴辉看来，这其实是行业仍处在早期阶段的表现。

他用地图做了一个类比：地图是一个相对独立的功能，所以用户可以选择不同服务商；但语音和大模型不一样，它们最终会成为整个系统的全局能力。

当大模型真正成为座舱主控后，用户甚至不会知道背后到底调用了哪个模型。端侧模型、云端模型、大模型、小模型、通用模型和垂域模型，都可能由系统自动调度。

雷琴辉判断，目前汽车大模型还处在“八仙过海，各显神通”的阶段，行业既没有成熟的统一架构，也还没有找到一套公认的最佳实践。

三、端侧一定要做，但不是只拼算力

对于端侧大模型，雷琴辉的判断很明确：以后一定要做。

原因主要有三个。

首先是隐私。汽车拥有比手机更多的感知设备，而且车本身就是一个高度私密的空间，大量车内数据并不适合全部上传云端。

其次是成本。如果未来的AI助手像一个人一样长期在线，持续听、持续理解，全部依赖云端，带宽、流量和云端算力成本很难承受。

第三是响应速度。一些实时任务必须在端侧完成，就像智能驾驶不可能完全放在云端一样。

但雷琴辉强调，端侧真正的瓶颈，也不只是NPU有多少TOPS。真正需要平衡的是三个东西：算力、内存容量、内存带宽。

算力上去了、内存变大了，如果带宽跟不上，同样发挥不出来；而更高的内存带宽，又意味着更高的成本。

目前，讯飞已经推出1.7B和4B两个端侧模型，支持100万Token上下文。

四、真正的座舱革命，要等L4落地

雷琴辉一个很明确的判断是：今天的大模型，主要改变的是人与车交互的方式，还没有真正改变汽车本身。

他拿手机做了一个类比。早期手机的核心任务是通话，只有当通话这件事真正成熟之后，手机才进一步变成承载互联网、应用和数字生活的智能终端。

汽车也一样。只要人还需要承担驾驶任务，座舱里的娱乐、办公和其他生态就始终要受到驾驶安全的限制。

在雷琴辉看来，现在的智能座舱，本质上仍然是一个“更好的信息娱乐系统”。真正的变化，要等到L4自动驾驶成熟。

到了那个时候，人不再需要负责开车，汽车才真正可能变成卧室、书房、办公室、会议室甚至游戏室，座舱智能化也才会迎来一次本质上的变化。

对于无人驾驶的终局，雷琴辉的态度也非常明确。

他认为，自动驾驶汽车和人形机器人其实非常相似：都需要自主移动、感知环境、理解人类并完成任务。

一个真正智能的人形机器人，不可能永远靠用户拿着手柄操控；汽车最终也一样。

他的判断是：“迟早车是没有司机的，这件事情我非常坚定地认为。”区别只是还需要多长时间，以及政策、法规、就业等问题什么时候能够解决。

五、L3、L4敢宣传，就得敢担责

对于自动驾驶责任划分，雷琴辉同样给出了一个很直接的判断。

过去行业里存在一种现象：有些企业宣传时强调自己的技术接近L3、L4，但真正到了责任划分时，却仍然按照L2辅助驾驶处理。

雷琴辉认为，新的监管方向首先就是要“打破一些吹牛的”。

你说自己是L3、L4，就应该承担对应级别的责任；如果不敢承担，就应该明确告诉消费者，自己仍然是L2及以下辅助驾驶。

在责任溯源上，技术也已经有相应手段。

雷琴辉提到DSSAD一类自动驾驶数据记录系统，它就像汽车的“黑匣子”，可以记录事故前后的车辆状态、油门、刹车、转向以及相关视频。

发生事故之后，可以先判断是驾驶员干预还是自动驾驶系统问题；如果是系统问题，还可以继续向下判断，是传感器、硬件、软件还是算法出了问题。

在他看来，只要有数据，责任溯源本身的技术难度并不高。

六、汽车大模型还没有标准答案，车企和AI公司还要继续共创

雷琴辉还提到，大模型时代目前并没有形成一套成熟的汽车行业范式。

端侧还是云端，开源还是闭源，大模型还是小模型，通用模型还是垂域模型，不同车企都有不同选择。

更重要的是，不同车企对汽车本身的定义也不同。

有的希望它像一个“老司机”，有的希望它成为伙伴、朋友或者管家。不同的产品定义，也意味着大模型的调用方式、交互逻辑和技术架构都不一样。

所以雷琴辉判断，车企和AI公司共同打磨产品的状态，还会持续相当一段时间。

在他看来，汽车大模型现在仍然处在寻找最佳实践的阶段。真正成熟之后，用户可能不会再关心一辆车背后到底接入了哪个大模型。

模型会退到后台，体验会走到前台。

最真诚的智能汽车报道