小鹏合并智驾与座舱：AI中台如何重塑汽车软件与用户体验

2026-02-04，小鹏把“自动驾驶中心”和“智能座舱中心”合并，成立通用AI中心（General AI Center）。很多人第一反应是组织架构调整，但我更愿意把它看成一句行业真话：车上的AI如果还是两套系统各自为战，体验就一定会割裂。

这件事之所以值得写进《AI 在汽车软件与用户体验中的不同应用方式》系列，是因为它把一个长期被忽视的问题摆上台面——**智能座舱与自动驾驶，正在从“两个产品”变成“一个智能体的两个界面”。**当大模型、AI Agent、VLA（Vision–Language–Action）开始进入量产节奏，车企拼的早就不只是算法指标，而是“同一套AI能力如何贯穿驾驶决策、车内交互、OTA节奏与质量交付”。

下面我们不复述新闻，而是用更“产品+工程”的视角拆开：小鹏为什么要合并、它对用户体验意味着什么、与特斯拉路径差异在哪，以及其他车企/供应链能从中学到什么。

合并的核心原因：不是管理效率，而是体验必须统一

答案先说：合并的直接动因是“AI能力要共享”，更深层的原因是“用户体验要一致”。

过去很多车企的组织结构天然把座舱和智驾拆开：两边数据、算力、交付节奏、质量体系都不同。短期看各自冲KPI，长期看就会出现三类典型问题：

1. OTA碎片化：座舱更新一套节奏、智驾更新另一套节奏；用户感知就是“这个月语音变聪明了，但车道保持还是老样子”。
2. 同车不同脑：智驾对道路环境的理解无法被座舱复用（比如危险预判的可解释提示）；座舱对用户偏好的理解也无法反哺智驾策略（比如你更保守/更激进的跟车偏好）。
3. 研发重复与标准不一：两边各建数据闭环、各训模型、各做工具链，成本高且质量口径不一致。

新闻里提到，内部也有人质疑此前结构是否匹配AI车快速演进；而小鹏在2026年把两大支柱合并，本质上是在承认：智能汽车的“AI底座”不能分裂，否则上层产品永远拼不出一个完整的智能体。

通用AI中心要做什么：把“模型—平台—交付”变成一条线

答案先说：通用AI中心的价值，不在于多了一个部门，而在于它试图把AI从“功能研发”升级为“标准化供给体系”。

根据报道，小鹏通用AI中心聚焦四块：基础模型、基础设施平台、标准化交付系统、产品/项目质量。把它翻译成工程语言，就是把过去分散在各团队里的“关键中间层”收拢起来，形成类似AI中台/AI Middleware的能力。

1）基础模型：从“座舱VLM、智驾感知”走向共享世界模型

小鹏提到自研二代VLA模型将在2026年3月开始推送，并强调跨域能力覆盖车辆、Robotaxi、人形机器人、飞行汽车。这里面最关键的信号是：

• 从单点模型（语音、视觉、规划）走向“可行动的模型”：VLA更接近把视觉理解+语言指令+动作执行串成闭环。
• 跨域迁移会倒逼统一数据与统一评测：车端、机器人端的数据标注体系、仿真平台、回放工具如果不统一，所谓跨域只会停留在宣传层。

2）基础设施平台：同一套工具链决定迭代速度上限

真正决定“每两周/每月能不能稳定发一版”的，往往不是模型灵感，而是工具链：数据采集、脱敏、标注、训练、评测、灰度、回滚、线上监控。这也是为什么新闻强调“基础设施平台”和“标准化交付”。

我见过不少团队栽在这里：模型很强，但每次OTA都像一次大手术，最终只能保守发版，用户体验就停滞。

3）标准化交付与质量：智能体时代更需要“可控的复杂度”

座舱与智驾融合后，复杂度会指数级上升：一个AI Agent的行为，可能同时影响导航、空调、音乐、驾驶策略与安全提示。没有统一质量体系，融合只会带来更大的不确定性。

这也是通用AI中心直接向何小鹏汇报的原因之一：它是公司级“底座工程”，不是某个产品线的子功能。

对用户体验的直接影响：从“功能堆叠”变成“场景闭环”

答案先说：座舱-智驾一体化后，用户最先感知到的不是新增功能，而是“同一件事少折腾”。

把体验拆成三个高频场景，你会更直观：

1）驾驶中交互：从指令式变成协同式

过去你对座舱说“导航去公司”，智驾只负责按路线开；但当AI底座统一后，合理的体验是：

• 车能结合路况与驾驶策略，主动给出“更稳/更快/更省电”的路线建议；
• 你说“我有点晕车”，座舱不只是调空调，还能把跟车距离、加减速曲线、变道激进度同步调整；
• 关键危险场景，座舱解释不再是泛泛提示，而是利用智驾感知给出可理解的信息。

一句话：同一个智能体既要会开车，也要会说人话。

2）个性化：从“账号偏好”升级为“驾驶人格”

中国市场对本地化生态和座舱体验要求更高（高德/微信/音乐/支付/停车等）。当座舱数据与智驾数据打通，个性化会更像“驾驶人格模型”，而不是几个开关：

• 你的通勤路线、驾驶习惯、常用停车场，能同时影响导航策略和驾驶策略；
• 家庭多人用车时，识别驾驶员后不仅切换座舱主题，也切换更符合该驾驶员的安全边界。

3）OTA节奏：从“各更各的”到“一个版本讲清楚”

用户其实不在乎部门边界，只在乎：这次升级我得到什么、是否稳定、出了问题能不能回滚。统一AI中台后，理想状态是：

• 一个版本说明里，座舱体验与智驾体验围绕同一批场景改进；
• 灰度策略统一，减少“座舱新功能影响智驾稳定性”的互相背锅。

Tesla vs 小鹏：同样追求统一，但路径并不一样

答案先说：特斯拉更像“硬件先行+软件统一”，小鹏更像“中台驱动+跨域智能体”。

新闻里提到行业趋势：特斯拉将FSD与Grok等能力整合，同时投资xAI并推进Optimus机器人。特斯拉的优势在于：

• 全栈垂直一体化：车辆数据、算力平台、软件系统相对统一；
• 交付风格强势：通过相对一致的产品哲学推进体验统一。

小鹏的这次调整更值得中国车企借鉴的点在于“方法论”：

• 以AI中台来对冲多产品线复杂度：面向座舱、智驾、机器人同时供给；
• 强调本地化生态与座舱体验的深融合：这更符合中国用户对服务闭环的期待（地图、支付、内容、用车服务）。

一句更直白的对比：特斯拉像“一个大系统不断加模块”，小鹏更像“先把中间层标准化，再让多个业务更快交付”。

给车企与供应链的可操作清单：想做一体化，先补这三课

答案先说：别急着喊“舱驾融合”，先把数据、平台、组织的三条线拧在一起。

1. 统一数据闭环

   • 统一事件定义（同一危险事件，智驾与座舱必须用同一标签体系）
   • 统一脱敏与合规流程（特别是车内语音/视觉数据）
   • 统一在线评测指标（安全、舒适、可解释性）

2. 统一AI中间层（Middleware）接口

   • 给上层应用提供稳定API：意图识别、世界模型、记忆、工具调用
   • 建立“可回滚”的模型发布机制：版本管理、灰度策略、熔断

3. 统一交付节奏与质量门禁

   • 把座舱与智驾的发布列车对齐，减少互相影响
   • 建立跨域的质量红线：任何影响安全的交互都必须有降级策略

如果你在做智能座舱、汽车软件平台或AI Agent产品，我的建议很明确：不要把“大模型上车”当成单一功能立项，而要把它当成“软件工程体系升级”。

2026年的趋势判断：车会越来越像“会做事的智能体”

小鹏在2024年交付429,000台、同比增长126%，说明其产品节奏与市场接受度正在上升。现在把智驾与座舱并入通用AI中心，是在为下一阶段铺路：当车端、机器人端、飞行汽车等多形态终端同时存在时，最值钱的不是某一次功能发布，而是同一套AI系统能否持续产出稳定、可解释、可进化的体验。

对用户来说，未来两年最直观的变化会是：你不再需要记住“哪个功能在哪个菜单”，而是更常遇到一种体验——你说一句话，车能把导航、车辆控制、驾驶策略与服务闭环一起办了。

如果你正在评估“AI 在汽车软件与用户体验中的不同应用方式”，不妨把这个问题当作团队的自测题：你的座舱与智驾，是在共享同一个智能体，还是在共享同一辆车壳？