小鹏整合智驾与座舱：通用AI中心如何重塑车内体验

2026-02-04，小鹏把“自动驾驶中心”和“智能座舱中心”合并为通用AI中心（General AI Center），并由原自动驾驶负责人刘贤明统筹、直接向何小鹏汇报。很多人第一反应是“组织架构调整而已”。我更愿意把它看成一句更直白的宣言：未来车里不再有两套AI，而是一套统一的大脑。

这件事之所以值得写进我们《自动驾驶 AI：Tesla 与中国车企的发展路径对比》系列，是因为它触及了一个长期被忽视的问题：**智驾AI与座舱AI分家，用户体验往往也会分裂。**你会在同一辆车上看到两种完全不同的“聪明”：智驾很强，但座舱像另一家公司做的；座舱语音很会聊，但对驾驶意图毫无感知。

小鹏的合并动作，恰好把行业的焦点从“单点能力PK”拉回到“体系能力”。这对中国车企尤其关键：我们要做的不只是对标 Tesla 的端到端路线，还要做出更贴近本土场景、更符合中文交互习惯的车内超级智能体。

为什么“智驾+座舱”分开做，会直接伤到用户体验？

答案很简单：**同一辆车里出现两套模型、两套数据闭环、两套发布节奏，最终表现为两套性格。**用户不会在意你内部叫“ADAS”和“Cockpit”，他们只会觉得“这车时灵时不灵”。

过去不少车企把智驾当“安全关键系统”，把座舱当“互联网产品”。结果是：

• OTA节奏碎片化：智驾更新谨慎、周期长；座舱更新频繁、功能碎。
• 数据打不通：座舱知道用户在找充电桩，却不一定能把意图传给路线与驾驶策略；智驾看到前方施工，却不一定能主动在座舱里用自然语言解释。
• 交互割裂：同一句“我有点赶时间”，座舱可能只会打开导航；而真正该做的是综合路况、能耗、驾驶风格、辅助驾驶策略，给出可解释的方案。

这也是为什么行业开始强调舱驾融合：不是把两个部门硬拼到一起，而是让它们在“同一套AI中间层”上协同，形成一致的用户体验。

通用AI中心到底在做什么：一套“AI中间层”支撑多业务

从披露的信息看，小鹏通用AI中心的关键词包括：基础模型、基础设施平台、标准化交付系统、产品与项目质量。这几项看似“后台”，但决定了你能不能把AI真正做成产品。

1）统一基础模型：从“功能AI”走向“代理式AI”

行业正在从“一个功能一个模型”（例如语音、泊车、NOA）转向“一个代理多任务”。在车内，这种代理更像“总管家”：

• 听懂自然语言（VLM/VLA 相关能力）
• 理解驾驶与出行意图
• 能把意图转成可执行动作（导航、设置车速策略、座椅空调联动、充电规划等）

小鹏提到的第二代 VLA（Vision–Language–Action） 模型计划于 2026-03 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。这里的要点不在“概念大”，而在于：VLA天生需要统一的动作空间与工具链，否则“能看能说”但“不会做”。

2）统一基础设施：把数据闭环做成规模化生产线

大模型时代，真正昂贵的是：数据治理、训练/评测、灰度发布、在线反馈。

把智驾与座舱放在同一组织下，有两个直接收益：

1. 数据互补：座舱产生的意图数据（目的地、偏好、对话）能帮助智驾做更符合用户习惯的决策；智驾产生的环境与风险数据能让座舱做更可信的解释与提示。
2. 评测一致：同一套质量标准（比如幻觉率、指令误触发率、场景覆盖率、故障回退策略）可以贯穿“说—看—做”的全链路。

我见过不少团队“模型很强但产品翻车”，原因往往不是模型参数不够，而是没有可重复、可规模化的交付体系。

3）标准化交付：让OTA不再像“拆盲盒”

用户对车载AI最敏感的不是“新增了什么功能”，而是：

• 我常用的功能会不会变难用？
• 开车过程中会不会突然弹出奇怪提示？
• 出错时能不能明确回退？

当智驾与座舱由同一通用AI组织做“标准化交付”，更有机会做到：

• 同步灰度：同一批用户同时获得“策略变化+交互解释”
• 同步回滚：发现问题可以一键回退到一致的稳定版本
• 同步体验：智驾决策变化会有座舱解释跟上，而不是沉默地“自己改了”

硬件信号很明确：三颗图灵芯片不是炫技，是分层架构

2026-01-08 小鹏发布的新车型中，Ultra 版本搭载三颗图灵芯片：两颗用于自动驾驶，一颗用于智能座舱，并明确座舱侧芯片用于跑 VLM 模型。

这里释放的信号是：小鹏在做“算力分区+模型分层”。

• 智驾侧更强调确定性、安全域、实时性（Latency 与冗余）
• 座舱侧更强调多模态交互、内容生成、个性化
• 通用AI中心的任务，是让这两类算力分区在同一套“工具与记忆系统”上协同，而不是各自为政

这也回应了一个常见误区：舱驾融合不是把所有东西塞进一颗大芯片里。相反，合理的分区更利于安全合规与稳定体验。

对比 Tesla：相似的方向，不同的“本土化落点”

答案先给出来：融合路线会越来越像，但中国车企更有机会在“本土体验与生态协同”上做出差异。

新闻里提到行业观察者引用 Tesla 的例子：FSD 与 Grok 的融合趋势，以及 Tesla 向机器人 Optimus 倾斜（包括资金与产线调整）。从组织逻辑看，这是一种“用统一AI底座支撑多形态硬件”的路径。

小鹏这次通用AI中心，也是在做类似的底座化。但中国市场的落点会更具体：

1）中文语境的交互不是翻译问题，是习惯问题

中文车载语音的难点常在“省略、语气、场景暗示”。例如“我有点冷”“这段路别太快”“找个能停车买咖啡的地方”。

如果座舱与智驾共用意图理解与行动编排，体验会从“语音助手”升级成“出行助理”。这也是本土品牌能拉开差距的地方：对中文表达与本地出行链路的理解，积累越久越值钱。

2）本地生态协同更深：导航、充电、停车、支付一体化

很多用户期待的其实是“一句话完成任务”，而不是“打开某个App”。当通用AI中心提供统一中间层，车企更容易把这些能力做成标准工具：

• 目的地与行程：路线、拥堵、限行、停车可用性
• 能源与补能：充电站排队预测、到站电量、费用估算
• 车内体验：座椅、空调、音乐与驾驶模式的联动

这类“链路型体验”往往比单点智驾更能影响复购与口碑。

对产品团队的启示：做“超级智能体”，先把三件事做对

如果你在车企/供应链负责智能座舱、自动驾驶AI或用户体验，通用AI中心这类组织变化给了三条可直接落地的建议：

1）先统一“意图层”，再谈模型有多大

把用户的目标抽象成稳定的意图接口（例如：赶时间/舒适优先/儿童在车上/低电量等），让智驾、导航、能耗、座舱都消费同一份意图。意图层稳定，底层模型迭代才不会把体验打碎。

2）建立跨域的“可解释”标准

舱驾融合之后，可解释不是锦上添花，而是安全与信任的一部分。建议至少统一三类话术与展示规范：

• 为什么减速/变道/退出辅助驾驶
• 为什么推荐这条路线/这个充电站
• 用户指令无法执行时的替代方案

一句话原则：车的每个关键动作，都要能用人话解释。

3）把OTA当成“质量工程”，不是“功能上新”

标准化交付系统的意义在于可控。建议用可量化指标约束发布：

• 指令误触发率（座舱）
• 幻觉触发率（生成式内容）
• 场景通过率（智驾关键场景）
• 回退成功率与平均回退时间

这些指标一旦跨域统一，用户就会明显感到“越来越稳”，而不是“越来越花”。

这一步对小鹏意味着什么：从车企到“物理AI公司”的门槛

小鹏在公开表述里多次强调“汽车与AI深度跨域融合”，并把舱驾融合后的形态称为“超级智能体”。结合通用AI中心的组织与三图灵芯片的硬件配置，我的判断是：小鹏在赌一件事——用统一AI系统把车、机器人、飞行汽车的研发方法论打通。

这条路当然难。因为越底座化，越考验工程组织能力：数据、评测、交付、质量、合规，每个环节都不能短板。但好处也清晰：一旦底座跑通，产品线扩张会更快，体验一致性也更强。

对用户来说，舱驾融合不是“更会聊天”，而是“更懂你要去哪里、要怎么去、以及为什么这么做”。

如果你在关注“自动驾驶 AI”到底如何真正影响用户体验，小鹏这次的通用AI中心就是一个非常值得持续观察的样本：它把竞争从“某个功能领先”带到了“体系化交付领先”。接下来真正的看点是 2026-03 的 VLA 推送之后，用户是否能感受到驾驶与座舱像同一个人一样在思考。

你更期待车载AI先在哪个环节变得更像“超级智能体”——驾驶决策、语音交互，还是出行链路的一句话搞定？