2026年3月18日，在第七届软件定义汽车论坛上，上汽大乘用车智能化软件中心高级总监&零束科技CTO孟超指出，当前AI在汽车领域的应用多停留于“AI哨兵”、“AI宠物识别”、“AI闲聊”等低频噱头功能，用户实际使用率与购车吸引力有限；而语音交互、导航规划、车控等高频核心功能尚未被AI深度赋能。他强调，以特斯拉Grok与FSD协同实现Drive-through自动点餐、OpenClaw开源智能体框架为代表，AI正从信息智能向物理智能融合演进，汽车行业亟需构建具备“意图理解、物理执行、主动服务、记忆反思及拟人表达能力”的下一代架构。
孟超提出，AGI驱动下的AIOA（AI-Oriented Architecture）汽车架构需从模型范式、应用框架、软件系统、硬件底座、安全与生态五方面系统性重构。在应用层面，传统指令式APP开发将被基于agent的范式取代；未来智能座舱须围绕agent框架构建，并依托端云协同规划器与技能（skill）封装机制实现类AGI产品体验。在模型层面，需针对频域特性、数据分布与ViT特征等维度差异，深度融合信息理解类语言模型与物理AI世界模型；通过大小模型协同机制与多模态权重分配策略，探索统一具身智能范式框架，并推动其在汽车、IoT等智能终端落地适配。
在软件层面，SOA服务中间件平台正逐步演进为AIOS框架，该框架需向上支撑agent运行，向下高效协同数据搬运、存储调度与推理执行，提升底层资源利用率与模型外围提效能力。在硬件层面，现有中央计算架构面临内存墙、带宽瓶颈与高延迟等制约，面向AGI时代需向更高带宽、低延迟、灵活资源调度方向演进；若暂无法实现单芯片（one chip）方案，可采用PCIe互连、独立SoC+UFS+DDR组合或共享SSD存储等方式优化跨芯片数据通信。在安全层面，需建立区别于传统信息安全的AI安全体系，涵盖权限最小化管理、提示词注入防御、AI生成内容可信验证及执行体调用管控；当前可通过意图网关二次验证、基础沙盒机制与人类监督回路进行初步约束。
在生态层面，需突破基于APP的传统生态思维，构建以智能体为核心的新型生态体系，重点解决平台接入标准、上层架构兼容性与安全管控三层基础问题。孟超指出，汽车作为典型智能终端，必须完成从SOA到AIOA的技术架构跃迁，最终实现助理、司机、工程师三重智能体角色的有机融合——助理提供个性化服务支持，司机完成A-B点运输任务，工程师承担全生命周期故障诊断、知识解答与系统维护职能。
孟超进一步分析，当前AI在汽车产品端的应用困境在于大量场景属“自我感动型开发”：如AI哨兵功能在实测中对真实刮划行为响应滞后，误触发率高；AI宠物情绪识别则面临物种形态差异巨大、情绪标注不可靠等根本性挑战。此类功能未触及用户真实高频需求，亦未体现AGI原生能力。相较之下，特斯拉Grok与FSD协同案例展现了Information AI与Physical AI的实质性融合：Grok负责长链路任务生成（含点餐语义理解、支付逻辑构建），FSD完成物理世界实时路径规划与车辆控制执行；二者构成“认知脑+行动体”的双模型闭环。OpenClaw框架则体现出本地化部署、用户交互、记忆系统、技能封装与安全网关五大要素，虽非专为汽车设计，但其智能体引擎范式具备跨终端迁移潜力。
他对比指出，AGI驱动架构与传统SOA存在四维本质差异：一是意图识别与多模态感知交互能力显著增强；二是基于场景认知的主动服务能力；三是具备决策规划、记忆与反思的持续学习能力；四是在输出端实现拟人化倾听与自然表达。当前尚无成熟AI原生现象级汽车应用，但架构变革已迫在眉睫。模型范式应居于架构演进首位，因其决定上层应用形态与底层系统设计逻辑。信息类模型聚焦文本序列预测，物理类模型聚焦世界状态帧预测（如障碍绕行、物体弹跳等物理规律建模），二者在汽车端正加速形成雏形并朝具身智能方向收敛。
在智能座舱系统演进路径上，现行QNX+安卓或Linux+安卓架构叠加Android Framework的模块化开发模式，正面临agent范式的结构性替代。新范式下，多模态输入（语音、图像、文本、视频）由智能体统一驱动，SOA服务转为底层能力供给单元；技能（skill）封装已取代早期function call与MCP调用机制，显著提升系统响应效率与可扩展性。端侧规划器与云侧prompt规划器的协同开发将在未来1–2年内成为主流，推动planner能力下沉。AIOS现阶段仍为构建于Linux/Android/AUTOSAR之上的中间件框架，核心价值在于打通模型与系统资源的协同壁垒，而非替代操作系统本身。
硬件架构共识已趋同于HPC+区域控制器模式，但该架构尚未满足AGI对内存带宽、数据吞吐与低延迟通信的刚性需求。中央域控制器首要突破方向是内存墙限制，包括提升DDR带宽、降低访问延迟、优化片间数据搬运效率。安全维度需同步升级，AI安全不仅防范数据泄露，更需应对幻觉输出、越权执行、恶意提示注入等新型风险。生态建设则需重构准入机制、接口规范与监管框架，使第三方开发者可在可控前提下接入智能体能力栈。
孟超总结称，模型厂商应专注模型本体进化，框架开发者应深耕智能体运行时环境，终端制造商则需统筹安全底座、操作系统、模型推理、agent框架与应用生态五层结构。AIOA架构最底层为安全硬件底座，覆盖AI Box、智能座舱域控及舱驾一体HPC平台；中间层集成典型操作系统、模型推理框架与OpenClaw/Agent Skill类智能体框架；顶层应用则由助理、司机、工程师三类智能体角色承载。SOA关注服务解耦，AIOA则要求纵向全栈协同与横向生态共建，在尚无统一标准、仍处单点探索阶段的当下，行业需坚持Native AI导向，聚焦真正赋能汽车产品与服务的核心能力，共同推动汽车产业良性、正向演进。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。
