7月27日，2025世界人工智能大会期间，斑马智行联合通义及高通首发端侧多模态大模型解决方案，推动汽车智能座舱转向主动智能。
斑马智行首席技术官司罗介绍，这是行业首个基于高通8397平台的端侧多模态大模型解决方案，可以通过纯车端方式实现智能座舱90%的“感知-决策-执行”服务闭环。基于该方案的端原生智能体可以进行多模态意图感知理解和交互，实现了从“指令接受者”到“对话参与者”的升级。
斑马智行发布端侧多模态大模型，智能座舱转向主动智能
“你好斑马，帮我点一杯元神AI咖啡。”在斑马智行展台上，用户可以在搭载元神AI的智己实车上，唤起本地生活Agent，从提出点咖啡需求，到选择规格/口味并最终下单支付，全程通过自然对话方式进行。
司罗指出，除了云上部署方式，这次三方联合发布会的端侧多模态大模型解决方案，采用的是端侧部署模式，主动智能、极速响应、隐私无忧、断网可用等特点，能够让用户对智能化感知更强。
斑马智行以场景案例方式，现场展示了基于高通8397的端侧多模态大模型方案：用户流汗上车时，元神AI根据舱内环境、用户状态及动作，主动打开空调，带来极速清凉或暖风；出行遇到持续拥堵时，元神AI“看到后”会主动推荐歌单，缓解拥堵焦虑；车上多人对话场景，元神AI可分析判断潜在任务需求并主动参与。而基于纯端侧部署和全方位安全技术，能够确保隐私无忧。
近日，全球知名调研机构IDC发布《智能座舱大模型能力评估，2025》报告，针对车控、车书、娱乐、出行、商务、生活、社交等7大高频场景，对9家主流新势力车企及AI公司的智能座舱大模型进行评估，斑马智行元神AI大模型以6项第一（其中3项满分）全面领先。
现场，斑马智行还展出了与10余家芯片企业、30余个芯片平台的开放适配合作情况。以Banma Hypervisor为例，联合黑芝麻智能打造业内首个单芯片舱驾一体方案，联合紫光展锐打造多系统智能座舱方案，实现芯片算力效能提升20%以上，软硬综合降本约30%，可支持L2辅助驾驶及复杂座舱场景，并于近期纷纷定点国内头部自主车企。在端侧多模态大模型方面，已经完成高通8397、英伟达Orin的适配研发和验证。
斑马智行发布端侧多模态大模型，智能座舱转向主动智能
自2024年开启AI in All战略后，斑马智行元神AI的研发迭代与商业落地高速进行，当前已经在智己、荣威、宝马等车企逐步落地。
会后，司罗在接受南方+记者采访时表示，端侧大模型方案将是未来发展趋势：端的算力会越来越强。
他认为，现有的云技术还存在几大壁垒，一是时延，二是够不够“聪明”，模型越来越大，也就越来越聪明，然而当大模型在云端运转时，速度就受到限制。要想平衡这两个问题，就需要在端上布置大模型，这也就意味着，对端侧的算力要求比较大，而过去端侧芯片并不能支撑一个足够大的模型。
“云上模型往往在70~100B，但端上模型通常只有7B、14B和20B，要小很多。”司罗说，未来芯片的算力会越来越强，接下来，能力更强、更完善的大模型能够在端上“上车”。
司罗乐观看到，端侧大模型的实现既得益于，大模型在今天也可以变得更小，而且在数据处理上，可能和一些大的模型差不多，能做更多事情，同时也得益于，端侧算力也在上涨。这两条曲线终究会有一个交叉的地方，在这个点上，端上可以部署够用的模型。在这种情况下，端侧部署模型将发挥出巨大的优势。
另一方面，端模型还关乎安全隐私。安全法规要求大量的数据是不能直接传输到云端的，对原始数据用非存储的方式进行隔离，以保证客人的隐私。“很多国家也要求，数据本地化，就会导致云端的大模特没有办法用了。”
“主动智能”成为此次访谈的高频词。司罗认为，这可以从三个层面来理解，第一是够快，用户提出的需求，可以很快响应，并且在某些场景发生时，快速主动提问或主动推荐，否则车辆行驶过去之后，就很难再折返。
第二是场景覆盖够广。用户需要有更多的场景，AI能够知道并且马上提供建议，比如，用户天天开车上班，每次到了一个地方要摇一下车窗并扫二维码，车机就知道这是在过高速收费站或者出停车场，经历过三五回后，只要到这个地方，车机就会提供相应的解决方案，用户说“Yes，ok”，那它就会把车窗摇下来。AI会发现点滴需求，然后形成对场景的全面覆盖。
第三是错误建议占比要很低。车机主动发起的任务是对还是错，发错了就很麻烦，用户本来并没有这个意图，车机给出了不需要的建议，最后用户就会觉得车机很烦，也就是说，主动智能的边界，如果没有做好会给人更多打扰。
“这就需要引入多模态的数据，形成一个数据整合和意图理解的引擎，判断它的置信度到多少。”司罗举例说，置信度与用户的重复性行为相关，比如只出现了两回，与频繁出现，置信度完全不一样，车机会积累这些数据，达到一定的置信度才会主动发起，这样能保证场景很丰富的同时，又不会打扰到车主，不至于没事乱推荐。
需要指出的是，一项技术的领先时效越来越短，如何看到行业同质化竞争？司罗对此表示，技术永远会趋向于同质化，就比如手机，不同品牌之间已经没有太大差别，但并不影响有非常大的商业机会和伟大的企业。但在达到同质化之前，依然还有大量的工作要解决，比如你的交互真的能否做到非常丝滑，另外，大模型上车需要大量的共创，而不是说拿来就用。
