吉利AI Box：算力是身体，大模型是灵魂

芝能智芯出品

在智能汽车的竞争中，交互和体验是表象，芯片与算力才是底层变量。过去，车企往往在围绕车规级芯片进行迭代，但瓶颈也很明显：算力。

70亿参数的多模态大模型，需要的运算能力远超芯片能承载的上限，所以目前的智能座舱仍然是快回应、少理解语音识别生硬，应用生态割裂。

吉利试图绕过这一天花板，不是等着车规芯片算力升级，而是用一个独立的AI计算单元AI Box，直接为座舱装个算力外挂。

通过AI Box，吉利首次在端侧实现了大模型的运行，并与云端算力协同，形成了一套动态分工：车端负责实时与安全，云端负责学习与更新。

Part 1 算力瓶颈与芯片局限：AI座舱的天花板

在智能化早期，车企普遍将智能化等同于功能集成：更快的语音识别，更丰富的应用生态，更炫的UI界面。

然而随着用户需求的提升，传统模式暴露出两个根本性问题：

◎交互僵化：语音识别常常只能执行固定指令，缺乏对语境和情感的理解。

◎功能孤岛：不同应用间缺乏联动，用户体验碎片化。

这些问题的根源，在于算力不足。车规级芯片虽然具备高可靠性和安全性，但受限于散热、成本和功耗，其算力通常只能支撑轻量化模型。随着大模型在语音、视觉和多模态方向的发展，车端的算力需求出现了几何级增长。

以70亿参数的多模态大模型为例，如果完全依赖传统芯片运行，运算速度和能效都会严重不足，甚至无法满足实时交互的基本要求。

这就是智能座舱长期无法突破听得懂、说得快这个边界的原因：算力天花板限制了AI能力的释放。

吉利选择的路径是通过AI Box打开了一条新通道。所谓AI Box，本质上是一个独立的AI计算单元。它并不依赖传统车规芯片的封闭架构，而是作为外接模块为座舱提供高性能算力。

这种设计有几个关键价值：

◎算力突破：通过AI Box，吉利实现了端侧运行70亿参数多模态大模型。这意味着车辆可以不依赖云端，就能完成复杂的语音理解、图像识别和多任务执行。

◎带宽释放：AI Box不仅提升了算力，也拓宽了座舱内部的数据通道，让语音、视觉、导航等多源信息能够更快整合，避免信息堵车。

◎灵活升级：不同于车规芯片一旦固化便难以迭代，AI Box具备更高的替换与升级灵活性。这意味着随着模型规模的扩大，用户可以通过模块升级来持续获得最新体验，而不必等待换车。

这种方式，在行业中具有开创性意义。它并非单纯依靠硬件堆叠来硬顶算力，而是通过体系化设计，让算力能够以更合理的方式释放和演进。

Part 2 车端与云端的算力协同

单有AI Box，还不足以构成完整的智能化体验。

吉利提出的老师傅 + 大管家模式，实际上是车端算力与云端算力的协同逻辑。

◎云端算力（老师傅）：拥有庞大的模型规模和数据储备，能够持续学习与更新。它是知识与经验的源泉。

◎车端算力（大管家）：则是实时交互的执行者，负责即时响应与安全控制。它是用户日常体验的保障。

通过这种分工，吉利既保证了交互的即时性，又保留了云端的学习与更新能力。AI Box的加入，则进一步强化了车端算力，使其具备处理复杂任务的能力，而不是单纯依赖云端。

这种模式有两个重要意义：

◎实时性保障：即使在网络不稳定的环境下，车辆依然能够保持高水平的智能交互。

◎体验一致性：用户无论在城市还是偏远地区，体验差异都被显著缩小。

换句话说，车端算力的提升，并不是为了取代云端，而是为了与云端形成更高效的协同关系。算力不是终点，而是体验的起点。

吉利在AI Box和算力架构之上，构建了以智能体为核心的座舱体验体系。

超拟人智能体Eva，正是算力释放的具象化呈现。其流动记忆、多任务处理和情感交互能力，都依赖于大模型在端侧的高效运行。如果没有算力的突破，Eva只能停留在概念层面；正是AI Box和算力协同，使其能够真正走入用户日常。

换言之，芯片与算力构成了Eva的身体，而AI模型与智能体则是灵魂。二者的结合，才使得座舱从功能集成迈向人格化伙伴。

小结

芯片与算力的关系，决定了智能化的上限。吉利的AI Box与算力协同模式，让大模型真正落地座舱，算力不再是制约用户体验的枷锁，而成为推动智能体Eva诞生的身体。

未来智能座舱的竞争，是谁能率先解决算力与芯片的结构性矛盾。吉利选择了绕开芯片，重构算力，给出了一个完整的答案。

原文标题:吉利AI Box：算力是身体，大模型是灵魂

打赏 点赞 (1)

吉利