让每一辆车快速拥抱AI!东软开启座舱AI Agent平权时代

news2026/5/1 1:05:59
2026年北京国际车展已释放出最明显的信号座舱AI Agent正在加速落地。从用户体验侧来看座舱交互系统最大的变化是从“会聊天”进化成“能干活”座舱Agent变成了可精准了解用户需求还能规划与执行的车内“私人助手”。这种进化首先对座舱底层算力提出了指数级增长的需求。高工智能汽车研究院数据显示2025 年中国市场乘用车前装标配AI座舱NPU算力30TOPS搭载率仅为12%且目前主要存量车型搭载的座舱多以高通8155这类平台为主。这意味着现有车型座舱平台面对需要实时推理、多模态交互的AI Agent时其AI算力显得杯水车薪。即便当前主流的升级换代平台高通8295在兼顾多屏联动与3D渲染功能等时留给AI大模型的算力也往往捉襟见肘。因此对于车企现有车型平台而言如何拉平“传统平台”与“先进AI”之间的架构鸿沟如何及时且低成本地为座舱“大脑”进行升级换代新一代车型架构的AI适配等等依然是一道道短期内难以逾越的系统性难题。就在这一关键节点上东软集团在本届车展上发布NAGIC.AI座舱软件平台。该平台以“分布式集中式”双轨架构的创新给出了破局的路径。这不仅是一次技术方案的发布更是一场关于“AI平权”的座舱革命。01算力“平权”双轨架构如何拉平AI算力鸿沟根据资料来看东软NAGIC.AI座舱软件平台提供了“分布式集中式”两种AI扩展方案。其中分布式架构主要基于AI BOX方案即通过外接AI计算单元快速补齐老款车型的AI算力短板。这一路线的精妙之处在于可在不触动原有座舱架构的前提下为车辆拓展高阶算力。这不仅大幅降低了车企的BOM成本更极大地缩短了研发周期。在高工智能汽车看来这不仅是技术上的巧思更是对车企成本控制与快速量产需求的深刻理解让不具备高算力原生条件的存量车型和现有平台也能通过外接设备实现AI能力的跃迁并通过东软NAGIC.AI座舱软件平台的高效适配避免座舱平台替换迭代产生的巨大成本和漫长开发周期真正让中低算力车型都能有机会全面拥抱AI。与此同时对于面向下一代中央计算平台的新车型东软则提供全栈式AI座舱软件产品满足车企对系统稳定可靠、全域可控的严苛要求。正如东软集团副总裁兼汽车智能软件事业部总经理庞宏岩所言“我们的双轨架构让每一辆车都能拥抱AI无论是存量车型还是新一代车型都能找到最适合且高效的AI化路径。”高工智能汽车还了解到作为一款可快速量产的高性能全球化产品NAGIC.AI座舱软件平台可支持面向全球本地化功能快速配置兼容多样化座舱设计风格更配套了完善的AI工具、创新开发平台和AI产品库涵盖Agent开发仿真、设计工具、Agent场景创新库等既为车企搭建好智能座舱“基础设施”也提供了完备的AI工具链与场景创新库助力车企快速实现前装量产抢占AI座舱市场的核心风口赢得市场主动权。02体验升维从“能听会说”到“主动执行”算力只是基础体验才是打动用户的关键。座舱进入AI Agent时代核心变化在于智能体必须具备理解意图、拆解任务、调度资源、执行操作、完成闭环的全链路能力。在发布会上东软NAGIC.AI座舱软件平台展示了包括驾乘主动关怀、全场景联动、安全预警防护等多个AI应用创新场景案例。可以看出东软致力于打造的是一个场景化、有温度、能共情的AI Agent智能助手。这个全能的“智能出行管家”拥有多模态感知能力它能听、能感知并能主动提供贴心服务。例如座舱系统可通过深度融合AVM/DMS/OMS等舱内外视觉感知敏锐捕捉到驾驶员的疲劳状态感知后排乘客的细微变化如儿童是否入睡根据当前驾乘人员的状态给出主动式关怀与服务。而基于ADAS感知系统与车控系统的信息打通还能为车主和家人提供全方位的安全守护等等。尤为值得一提的是东软在本届车展同期还迭代发布了东软OneCoreGo®全球车载智能出行解决方案7.0基于One Mate AI出行伙伴的跨Agent协同能力打通子产品矩阵和服务体系构建出“导航车载AR支付生态车联网安全”的全球全链路能力。它可以结合用户性格习惯等感知真实意图并根据车况油量/电量等进行决策引导再到播放情绪匹配的音乐、预约停车场等服务以及自动支付等等形成完整闭环。如此一来东软NAGIC.AI座舱软件平台与OneCoreGo®7.0既可以单独赋能车企又能互相协同共同构建AI驱动的全场景、无缝流转的智能出行体验。作为一家深耕汽车电子领域35年产品覆盖全球130国家和地区的智能网联供应商东软正在集合全球模型产品战略客户、生态伙伴打造共创实验室用全球化的AI生态服务与技术支持打造更具创新性更优体验感的智能出行场景。03从座舱到全域东软的“赋能者”角色2026年北京车展另一个明显信号在于基于跨域融合包括舱驾融合乃至与车身、底盘的融合打造面向整车全域的AI技术体系与底座。这种架构下车企需要面向跨域融合、可适配整车系统的AI统一调度与协同实现跨域数据互通、算力协同与功能联动。无论是从技术融合角度还是开发角度车企将更加倾向于具备软硬件协同、多域覆盖、系统性解决方案能力的头部供应商从整车角度优化整体解决方案实现综合成本的降低、跨域融合、数据共享与体验提升。本届车展上东软集团在智能汽车互联领域布局的子公司——东软智行应势升级以智能汽车上车身电子全域解决方案提供商为全新定位聚焦上车身电子全域场景构建囊括中央计算平台、舱行泊一体、智能座舱、智能通讯、智能音响及区域控制器ZCU等全品类车载电子方案的产品矩阵并率先引入大模型算法。东软集团总裁盖龙佳表示“未来东软智行将与东软集团形成更强大的协同合力。对内技术共享、能力复用对外联合响应高效交付。这种‘专注专业、合力赋能’的模式既能保持业务单元的敏捷与深耕又将放大东软全栈技术的整体优势。”从NAGIC.AI的双轨架构到OneCoreGo®7.0的场景落地再到东软智行的战略升级东软在本届车展上释放的信号清晰而务实AI座舱的竞争已经不是单一算法的比拼而是架构设计、工程化能力与生态协同的综合较量。在AI定义汽车时代东软有望作为“赋能者”与“协同者”将助力全球车企共同驶向智能出行的下一个深水区。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2570495.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…