智驾平权之后，座舱算力为什么平权不了？

2025年初，比亚迪推出“天神之眼”技术，开启了智能驾驶的平权时代，高端智驾功能迅速渗透至10万元及以下车型，标志着智驾平权正式启动。

然而，智能座舱的平权却面临新的挑战。首先，基础智能座舱的普及问题已基本解决。根据盖世汽车研究院的数据，2026年8月，中国乘用车智能座舱渗透率已达87.5%，接近全面覆盖。10万元以下车型的智能座舱配置率从52%提升至70%。大屏幕、语音控制、车联网等功能不再是高端车型的专属，基础座舱硬件已实现价格下沉。

但硬件普及并不意味着体验的均衡。目前，高通8295等高端芯片主要搭载在20万元以上车型，而十几万元及以下的主力车型仍以高通8155芯片为主。

近期，智驾领域提出了新的解决方案。Momenta推出了“大模型定义芯片”的理念，实现了算法模型与芯片架构的联合设计和同步迭代。这进一步凸显了如何使算力跟上模型迭代，已成为智能汽车必须应对的核心问题。

同时，座舱智能化的竞争正从“能否使用”转向“是否好用、能否持续迭代”。更前沿的座舱AI能力和持续更新的主动智能体验，依然与芯片配置紧密绑定，形成价格梯度。

更关键的是，座舱难以复制智驾的平权路径。智驾的功能边界已逐渐清晰，算力需求可提前预估；而座舱大模型的能力仍在快速扩张，每季度都有新功能落地，车型开发阶段难以预测未来的算力消耗。

在这种背景下，单纯依赖出厂时预埋更多算力已不再是稳妥方案。行业真正需要构建的，是一套由智能升级驱动的算力进化体系。智能座舱的竞争主线，也由此从固定算力的比较，转向可进化算力的博弈。

01. 更多能力向端侧转移，预埋策略在座舱端失效

端云协同已成为行业共识。云端负责复杂推理和跨平台生态调用，端侧承担全时感知和毫秒级响应，同时处理弱网和无网环境下的交互，将语音、乘员状态等敏感数据留在本地闭环运算，满足隐私保护和数据合规要求。

车辆座舱智能化已呈现上升趋势：从早期依赖固定指令、一问一答的智能1.0时代，到如今基于记忆和决策的主动服务智能4.0时代。这一曲线的每一阶段，都需要端侧模型在车辆上真正运行才能实现。

端侧算力已成为座舱高质量智能体验的核心基础。座舱内高频、贴身的交互体验，必须建立在本地端侧算力之上。如果端侧算力迭代跟不上模型更新节奏，最终会在真实用车场景中落空。

当越来越多高频交互和座舱控制任务转移到本地，端侧硬件的先天限制便成为不可回避的问题。

与云端算力不同，车规级座舱芯片受到功耗、散热、硬件成本和整车供电条件的严格约束。芯片算力上限固定，可用内存资源有限，无法无限制加载更大规模模型。同时，高负载推理会带来功耗和发热压力，影响座舱系统稳定性。

此外，对于端侧智能而言，智能座舱行业还存在一个矛盾点：大模型迭代周期为3-4个月，而车载座舱SoC从选型到量产落地，至少需要半年到一年。

座舱模型飞速进化，但车机硬件一旦定型，算力基本被锁定，后续软件OTA难以突破硬件边界，形成“算力供给跟不上模型进化”的错配困境。

在智驾领域，行车、泊车、主动安全等场景的边界日益清晰，车企可以按需配置硬件，适度预留算力余量。

但座舱大模型完全是另一套逻辑。模型能力边界每季度持续扩张，今年进行车型规划时，很难预判两年后座舱需要承载的交互和Agent所需的算力。

这种问题使厂商在预埋算力时，变成一场押注未来的“赌博”。如果预留算力过小，新车交付时能力落后；如果预留算力过多，整车成本会无故抬高。

这种矛盾还会被车型价格定位进一步放大。高端车型通常有充足的利润空间，可以预埋更多算力；而平价车型受成本限制，没有多余利润为未来不确定的算力需求买单。

同样的技术难题，最终演变为市场分化。持续迭代的座舱智能体验，往往集中在高端价位区间。

02. 算力成为可插拔升级的独立模块，解决算力模型错配难题

针对“算力如何跟上模型迭代”这一必答题，行业中出现了开放路线的解法：不再绑定单颗固定芯片，而是将算力做成可插拔、可单独升级的独立模块。

面壁智能联合梧桐科技、英特尔等合作伙伴打造的AI Box，正是开放路线的量产样本。

它作为低侵入、可配置的模块化算力节点，在为用户提供更强大的端侧智能的同时，为车机计算平台提供了独立、可插拔的算力和智能解决方案，为算力与模型的错配难题提供了可量产的解法。

此外，它还支持OTA升级，让主机厂能持续为用户提供基于前沿端侧大模型的智能应用和服务，延长车辆的智能化生命周期。

目前，AI Box以选装形式搭载在长安深蓝L06上正式交付，搭载了4B VLM模型和多个端侧模型。项目从7月首发到10月前装量产，整体周期仅三个月。

开放路线更适合没有自研芯片能力、又想保持座舱智能化竞争力的主机厂，以及出海车型。海外严苛的数据合规要求，进一步放大了端侧本地计算的价值。

而开放路线的核心，在于模型快速迭代的周期中，灵活性比确定性更“值钱”。

模块化算力升级的开放路线已迎来首个量产样本，但要从单点案例变为全行业通用范式，仍需面对三个行业变量。

在汽车市场中，智能化选装模式存在不确定性。消费者是否愿意为后续智能升级额外付费，还需市场长期验证。

同时，第三方外接算力模块需跨越车规可靠性门槛和故障责任界定，这也带来了主机厂是否愿意开放座舱硬件资源的问题。

是否将增量算力交给外部模块化方案，考验车企的开放心态。

03. 模型参数数字军备竞赛哑火，转向“智能密度”竞争

算力固化带来的困境，并非汽车行业独有。机器人、智能手机、IoT设备都面临同样瓶颈。

单纯比拼TOPS算力的参数竞赛，在智能座舱条件的约束下已走到瓶颈。各大厂商发布会上动辄几十B参数的大模型，但真正前装量产上车的座舱模型，其真实规模远小于发布口径。实际运行在车机上的端侧模型，大多集中在0.9B-3B区间，纸面参数难以落地到实车。

清华大学与面壁智能研究者提出的密度定律，给出了新的竞争标尺：大模型的能力密度大约每3.5个月翻一番，同等智能水平所需的算力持续降低。

一旦模块化升级机制打破硬件算力的固化枷锁，行业竞争重心自然会从单纯比拼纸面算力规模，转向对算力利用效率的较量。参数比拼只停留在发布会纸面，而模型密度才是决定量产体验差距的核心。

密度竞赛不需要相信任何人的口号，榜单和量产车型会替这条路投票。

04. 结语：端侧智能让汽车成为智能伙伴

在智能座舱领域，“有没有”的平权已基本完成，而AI座舱体验和持续进化能力，至今仍被芯片档位与预埋算力锁在价格分层里。座舱智能化需要的不是更大预埋算力，而是一套“算力升级机制”。

智驾平权解决的是“有没有”，算力可升级机制要解决的，是让“持续进化的座舱智能”下探到更多车型——让算力跟上智能，且不只属于高端车。这才是座舱平权的下一张门票。

同时，汽车智能化正沿着两条主线双向演进。面向车端，进一步深度集成，成为座舱AI算力中枢，推动整车电子电气架构变革。面向用户，则成为跨设备的个人智能载体，未来支持即插即用、跨车迁移记忆，打通汽车、PC、手机、家居等多终端。

当智能发生在离人最近的端侧，汽车将不再只是代步硬件，而是形成具备感知、记忆能力、落实隐私保护的个性化智能系统。爱游戏娱乐平台也持续关注这一领域的技术演变与市场动态。

本文来自微信公众号“车东西”，作者：R，编辑：志豪，36氪经授权发布。