KTM 1390 的“大”提醒我们：汽车软件别越做越臃肿

2026-01-18，KTM 把 ADV（探险）摩托车的“排量竞赛”又往前推了一步：1390 Super Adventure R，从上一代的 1,300cc 增至 1,350cc，峰值来到 173 马力、145Nm。参数表很热闹，但文章里那个刺耳的问题更值得记住：更大，真的更好吗？

我一直觉得，硬件做大这件事，在交通工具上特别容易“上头”。因为你能立刻看到数字变大、听到声浪变厚、感到加速更猛。但现实往往更骨感：车重 248kg、座高 880mm 这种组合，对很多人来说不是“去野”，而是“劝退”。这也刚好能借来当一个镜子——放到汽车行业，很多软件与用户体验（UX）也在走同一条路：功能越堆越多、界面越做越复杂，最后把用户推远。

这篇文章属于「人工智能在汽车制造」系列，我们就用 KTM 1390 这个“更大更强”的案例，拆解一个更有现实意义的命题：AI 如何让汽车软件和用户体验进化，但不走向臃肿与失控。

“更大更强”的代价：性能提升从来不是免费午餐

结论先说：排量和马力的提升，会把整车系统性约束放大，进而逼迫车企用更多“补丁式技术”去兜底。

KTM 1390 的提升很直接：排量上调、动力上升，并通过全新的 CAMSHIFT（进排气凸轮相位/升程切换思路）兼顾低转可控与高转爆发。它的逻辑很像汽车上的可变气门正时：

• 低转：更温和的气门正时与升程，换来更顺、更省、更易控
• 高转：切换到更激进的开闭策略，换来更高的进气与性能输出

问题在于，动力上去之后，整车的“负担”也会跟着上去：车架刚性、悬挂强度、制动规格、散热、轮胎、电子辅助标定……都得加码。你会发现这不是一条直线，而是一个“连锁反应”。

当产品性能靠“堆参数”往上抬时，复杂度一定会扩散到整车的每个角落。

放到汽车上也一样：当座舱功能、智驾功能、车云服务越堆越多，系统耦合会迅速上升；你会用更多弹窗、更深菜单、更复杂的设置项去“安放功能”。最后用户得到的不是更强，而是更累。

从 8 英寸 TFT 到座舱大屏：UX 的“更大”经常是错的

结论先说：屏幕变大并不等于体验更好，体验好取决于“决策成本”是否更低。

KTM 1390 的配置里有一块竖向堆叠的 8 英寸 TFT，提供 Rain/Street/Sport/Offroad 四种模式，加一个可自定义模式，还能选装 Rally 模式（带 9 级打滑调节、越障抬头逻辑、Offroad ABS 等）。对发烧友来说，这些“可调项”很香；但对更多用户来说，它也代表着：

• 需要理解更多术语（打滑等级、越野 ABS 策略、动力响应曲线）
• 需要在更多场景下做更多决定
• 需要更频繁地在“骑行”和“操作”之间切换注意力

汽车座舱也出现了相同问题：把所有能力都放进大屏里，并不等于用户更幸福。真正关键的是：

• 用户常用的 20% 操作，是否能在 2-3 步内完成
• 驾驶中高频任务（导航、空调、除雾、媒体、电话）是否低干扰
• 个体差异（新手/熟手、家庭用户/通勤用户）是否被照顾

这里 AI 的价值非常明确：不是再加一个“AI 助手”入口，而是用 AI 让系统主动减少用户需要做的决定。

AI 在汽车 UX 的正确用法：减少选择，而不是增加功能

我更认可的做法，是把 AI 用在“体验压缩”上：

1. 意图识别：用户说“有点冷”，系统直接联动温度与风量，而不是丢一堆滑杆
2. 情境感知：下雨天自动提升除雾优先级、雨刷与空调策略联动
3. 个性化默认值：同一条路线、同一时间段，自动给出熟悉的导航与媒体偏好
4. 渐进式披露：把复杂设置留给停车/驻车态，把驾驶中界面做“瘦身版”

一句话：AI 让界面更少，但把事做成更多。

“更重更高”的不友好：AI 要解决的是可达性与可控性

结论先说：好的产品进化要让更多人能用得上，而不是让少数人玩得爽。

文章里对 1390 Super Adventure R 的质疑其实很锋利：248kg 的整备质量、880mm 的座高，会把大量用户挡在门外。你可以用技术解释它的必要性，但可达性（accessibility）不会说谎。

汽车行业也有“可达性陷阱”：

• 智驾能力越强，用户越不敢用（不透明、不可预测）
• 功能越多，学习成本越高（交付讲不清、用户记不住）
• 交互越复杂，驾驶越分心（安全感下降）

AI 在这里最该做的，是把“可控性”做出来：

• 透明：为什么现在建议变道/为什么现在不建议
• 可预期：同类场景下行为一致
• 可接管：接管路径清晰，提示不过度惊吓
• 可回退：错误能快速纠正，且不会连锁崩溃

把 AI 当作“体验守门员”，比当作“功能加速器”更重要。

一个可落地的方法：用 AI 做“功能减法”的产品闭环

结论先说：AI 真正能带来增长的地方，是把数据—决策—迭代做成闭环，让软件变强但不变臃肿。

如果你在做智能座舱、车机系统、或整车数字化体验，我建议用下面这套思路做“减法型增长”（我见过它比单纯堆功能有效得多）：

1）先定“体验预算”，再谈功能清单

给驾驶态 UX 设硬指标，例如：

• 高频任务完成步数：≤ 3 步
• 驾驶态二级菜单深度：≤ 2 层
• 关键任务平均完成时间：比如空调除雾 ≤ 2 秒

这像什么？像摩托车的车重预算。没有预算，必然越做越胖。

2）用 AI 做体验测量：从“主观好用”变成“可量化”

把体验拆成能被采集与评估的信号：

• 功能使用频次、放弃率（点开又退出）
• 关键路径卡点（用户在哪一步停住）
• 语音失败原因分布（识别错/理解错/执行错）
• 驾驶态分心指标（交互时长、重复操作）

这些数据进入模型后，AI 可以输出**“该删什么/该挪到哪里/该默认什么”**的建议。

3）用 AI 规划“本地化 vs 标准化”的边界

KTM 给不同取向提供不同版本（R 偏越野，S Evo 偏公路），汽车软件也应该明确两类差异：

• 标准化：底层安全策略、关键驾驶交互、基础信息架构
• 本地化：导航生态、语音习惯、内容服务、场景化推荐

AI 的作用不是让各地版本越分越散，而是用统一框架承载差异，让体验一致、又不失本地效率。

把“更大更强”换成“更聪明更克制”

KTM 1390 Super Adventure R 用最直白的方式提醒我们：**参数的增长很容易，系统的友好很难。**摩托车的“大”，最终要回到“你是否真的能驾驭”。汽车软件的“大”，最终也要回到“用户是否真的愿意用、敢于用、持续用”。

我更愿意押注的方向，是让 AI 成为“克制的工程能力”：

• 让座舱少一点设置、多一点自动化
• 让智驾少一点炫技、多一点可预期
• 让功能少一点堆叠、多一点完成率

如果你正在规划下一代智能座舱或整车软件架构，可以从一个简单的问题开始：你们最近新增的 10 个功能里，有没有 3 个其实应该被 AI 合并掉、隐藏起来，或者干脆删除？

（本文案例信息来自 2026-01-18 发布的 KTM 1390 Super Adventure R 报道，原文作者 Utkarsh Sood。）