当汽车成为智能体——专访北斗智联总裁张敬锋

导言：

汽车已经能听懂越来越多的指令，但什么时候需要服务、该怎样提供服务，仍需要由人来指示。北斗智联总裁张敬锋提出：希望进一步减轻这种操作负担，让AI根据驾乘人员状态主动实现车辆功能。围绕物理AI智能体（Physical AI Agent），北斗智联这家汽车智能网联供应商正尝试打通模型与车辆硬件之间的联系。让智能汽车主动做服务，也意味着必须明确它可以做什么，以及每一次操作如何得以约束。

AF（汽车之友）：AI座舱下一步要解决什么问题？北斗智联准备怎样做？

张敬锋：导航、听歌等基础需求，传统座舱已经能够满足。但从上车到下车，大多数操作仍由人发起，即便使用语音，也需要用户思考、下指令。我们希望汽车能够结合驾乘人员的状态和习惯，主动提供服务，减少交互对注意力的占用。

过去，面向服务的架构（SOA）希望把车辆功能开放出来，让用户自行组合场景。比如小憩模式，空调温度和座椅位置都可以自己设定。实际使用中，多数人并不熟悉这种操作，预先设好的模式也难以适应每天不同的状态。我们希望由AI结合当时的情况来自主编排功能。

北斗智联正在开发的北斗星BDipper高阶舱驾融合计算平台在舱驾融合的基础上逐步加入网关和车身控制。模型也要针对车端做轻量化处理，适应有限的算力。我们重点做物理AI Agent的编排，把用户的需求与具体车辆功能联系起来，实现即时的需求响应。

AF：物理AI Agent会先在哪些功能上落地？

张敬锋：智能体有不同的用途，导航、音乐等应用可以有各自的Agent，我们更关注与车辆硬件有关的部分。第一代计划围绕音频降噪、环视感知，以及空调等车身控制功能展开。以开窗行驶为例，风噪随时在变，音频处理也需要实时调整，简单地把音量调大并不能解决问题。座椅调节则可以结合乘员体型和使用习惯来做。

落地不必等到整车接口全部标准化。座舱现在就能控制空调、座椅，可以先利用已有接口推进。对于其他系统的摄像头，我们需要获取的是相应的数据输入，未必要控制摄像头本身，更完整的功能开放还需要车企和我们协同推进。

AF：智能体开始调用车辆功能，怎样限制它的权限？

张敬锋：开发时就要写入明确的指令白名单、黑名单，规定哪些功能允许调用、哪些不能碰，这些限制由人设定，不能交给大模型自行决定。在我们的设计思路中，还会设置独立的安全Agent，对其他Agent提出的指令进行审核，结合车辆状态判断操作是否合理。AI操作系统（AI OS）层面也需要功能安全机制，检查操作对系统的影响。

这几层保护各司其职，涉及车身控制的指令必须接受相应核查。AI的输出存在不确定性，车辆执行又要求确定的结果，我们必须处理好这些问题。功能提升了，安全要求不能降低。

AF：舱驾控融合会怎样发展？主流车型能否承担相应成本？

张敬锋：过去把几个控制器合到一起是为了降本，而现在更注重提效。AI上车以后，一个服务可能需要利用驾驶系统的感知信息，再由座舱判断用户需求，交给车身执行。如果各个模型独立处理、逐级传递结果，就要考虑通信延迟和判断误差。我们希望通过模型整合，让这些环节更好地配合，因此看好并布局高性能计算平台承载“舱驾控融合”的方向。

融合方案在早期未必更便宜，新芯片尚未形成规模，采用成熟独立芯片的方案反而有成本优势。如果只从价格出发，不同架构会同时存在。我们认为，随着主动服务越来越多，体验需求会进一步推动融合。面向不同价位的车型，可以按算力和功能配置分层。价格较低的车型也需要好的交互体验，基础Agent可以覆盖常用场景。平台化开发也有助于减少重复投入。更丰富的服务，未来可能采用额外付费的方式提供。

AF：空天地海融合域控重点解决什么问题？

张敬锋：主要是通信补盲。国内地面网络覆盖已经很广，但车辆进入无人区等场景，仍可能遇到没有信号的问题。我们希望在硬件上融合地面移动通信与卫星通信，并引入低轨卫星的宽带通信能力。硬件接通之后，还要解决选网问题。车辆行驶时，不同网络的连接条件在变化，我们计划利用AI选择合适的网络，并进行流量调度。我们已有的卫星通导实践积累，是这项新技术开发的基础，但低轨通信还涉及新的技术，我们已在相关产业链开展投资、合作，并考虑向芯片和天线等上游延伸布局。我们的空天地海融合创新技术应用不仅限于车，未来将拓展至更广阔的领域。

AF：通信能力增强后，车端与云端怎样分工？

张敬锋：主要看具体任务对响应时间的要求。需要迅速执行的动作必须在本地完成，不能等数据传到云端、处理完再返回。车内也要根据任务，把工作分配到执行器附近或中央计算平台。能够容许较长等待时间的服务，才适合交给云端。低轨卫星重点解决地面网络覆盖不到的问题，并不意味着所有通信都会更快，更不能据此把车内实时控制搬到云端。端侧模型和本地计算仍然有必要。

AF：车企也在加大自研投入，北斗智联如何确定自己的位置？

张敬锋：各家车企自研定位有所差异，部分车企自研芯片，重心放在面向用户的应用与品牌服务；大模型厂商聚焦通用基础能力迭代。而与硬件深度绑定的物理AI Agent，是北斗智联的主攻方向。以音频调校为例，这类底层开发高度依赖技术积累，需要我们前置参与整车产品定义，而非被动承接需求。AI降低了部分工程实现门槛，更考验我们筛选高价值功能、实现跨域集成的能力。我们的核心优势，就是具备前置产品定义能力，打通硬件、感知与车载AI，深度参与整车方案设计。

与此同时，车企车型迭代周期短，对研发响应速度、量产交付品质提出更高要求。北斗智联依托深厚的汽车电子量产经验与稳定供应链体系支撑新品落地。面对行业变革，北斗智联坚守“汽车智能 + 北斗通导” 定位，与车企协同补位，凭借前置产品定义、跨域集成、车规级量产交付的综合实力，成为了车企客户优选的合作伙伴。

编后按

让AI调用车辆硬件，意味着供应商要对执行结果承担更具体的责任。主动服务一旦频繁判断失误，用户很可能直接关掉它，再丰富的功能也就失去了意义。北斗智联选择从熟悉的硬件功能入手，有其工程上的合理性。接下来需要拿出的，是长期使用中的可靠表现。汽车电子行业积累的调校、验证和交付能力，在这轮AI竞争中仍有分量。