Az intelligens kabin az elmúlt két évben talán az autóipar azon területe, ahol a legkönnyebben keletkezik „szakadékérzés”.

Egyrészt, ahogy a nagy modellek átfogóan beszállnak az autókba, szinte minden új autó a kabint használja az „AI-tartalom” bemutatótereként: a hangvezérlés, a multimodális képességek és az intelligens ügynökök egymás után jelennek meg, a paraméterek pedig egymásnál agresszívabbak. Másrészt viszont a felhasználók a valós élmény során gyakran szakadásokba ütköznek: a fedélzeti rendszer megérti az utasítást, de nehezen tudja lezárni a műveletsort; megjegyez egy beszélgetést, aztán hirtelen teljesen elfelejti; összetett utazási igényeknél vagy nem a kérdésre válaszol, vagy nem mer végrehajtani semmit.

Október 21-én a iFLYTEK intelligens autós terméktechnológiai sajtótájékoztatóján hivatalosan bemutatták az új generációs SparkAuto Space 3.0-t, és a iFLYTEK valójában egy sokkal gyakorlatiasabb iparági kérdést tett fel: hogyan tud az intelligens kabin a „megérteni” szintjéről valóban átlépni a „megvalósítani” szintjére?

Strukturális fájdalompont: a kabinból hiányzik az egységes „agy”

A kínai autóipar termelési és értékesítési volumene már évek óta a világ élvonalában van, az intelligencia penetrációs aránya pedig gyorsan emelkedik. A magas penetráció mögött azonban az élményfejlesztés lemaradása áll.

Az iparágban általánosan jelen lévő probléma: a kabinnak gyakran „van füle, de nincs agya”. A hangvezérlés, a navigáció, a szórakoztatás és a járművezérlés általában több, egymástól független alrendszer, a domainek közötti élmény szétesik; hiányzik a hosszú távú memória, ami miatt az egyes fedélzeti rendszerek egyre homogénebbek; a nagy modellek hallucinációs kockázata miatt a kulcsfontosságú járművezérlést nem merik könnyen kiadni a modellnek; miközben a modellek képessége erősödik, a késleltetést nehéz csökkenteni.

Ezek a fájdalompontok ugyanarra a strukturális problémára mutatnak: a kabinból hiányzik egy „egységes agy”, amely képes lenne a modulokat összekapcsolni. Ha csak egyszerűen funkciókat vagy paramétereket halmozunk egymásra, anélkül hogy az alaparchitektúra ütemezési problémáját megoldanánk, az élmény nem tud minőségi ugrást elérni.

Architektúra-evolúció: az utasításalapútól az emberszerű interakció felé

Ennek a strukturális problémának a megoldására a iFLYTEK három szakaszra osztotta a kabininterakció fejlődését: utasításalapú interakció, intelligens integrált interakció, valamint a SOPHIA (emberszerű intelligencia teljes modalitású intelligens autós interakciós architektúra) által vezérelt emberszerű intelligencia teljes modalitású szakasza.

A SparkAuto Space 3.0 központi gerince pontosan a SOPHIA architektúra, amelynek alapszintjét négy rendszer alkotja: memóriaevolúció, gondolkodás és döntéshozatal, teljes modalitású észlelés és többdimenziós kifejezés, és mindezt a jármű egészét átfogó Master Agent hangolja össze. Ez az architektúra végül három fő értéket nyújt a felhasználónak: egy érzelmi társ, aki jobban megért téged, egy autós komornyik, aki elintézi az ügyeket, és egy szuper-immerszív audiovizuális mester.

A „jobban megért téged” szinten a SparkAuto Space 3.0 verziója több mint 68 memóriadimenziós rendszert épített ki, amely lefedi a rövid távú, hosszú távú memóriát és a felhasználói profilt. Az élmény és a magánszféra egyensúlyban tartása érdekében a magasan érzékeny memóriákat az eszköz oldalán tárolják, és a lekérdezéshez személyes hitelesítés szükséges.

A többutas utazás interakciós nehézségeire a SparkAuto Space 3.0 verziója megvalósította a több személy teljes modalitású, teljes duplex képességét. A technológiai fejlesztés révén a több személyes interakció válaszaránya több mint 95%-ra nőtt, az interferencia-elutasítási arány meghaladja a 98%-ot, a megszakítási késleltetés pedig 300 milliszekundum alatt marad. Ez azt jelenti, hogy a rendszer képes pontosan megkülönböztetni, hogy „ki beszél, kihez beszél”, és hatékonyan megoldja azt a fájdalompontot, hogy az autóban több ember beszélgetésekor a fedélzeti rendszer összevissza közbeszól.

Emellett a járművön kívüli hangvezérlés a járművön kívüli 30 méterig terjeszti ki az interakció határát, támogatja a hanglenyomat-alapú hitelesítést és a menet közbeni beszédet; a speciális hangfelismerés legfeljebb 200 méterig ér. Az eszköz-felhő többmodalitású észlelés több mint 100 képességet aggregál, ezek közül az eszközoldali fejlesztett őrszemmód 16 tipikus kockázati eseményt képes felismerni, egy esemény eredményét 4 másodperc alatt kiadja, a felismerési pontosság pedig eléri a 90%-ot, ami figyelemre méltóan jobb az azonos szintű megoldásoknál.

Élmény-választóvonal: az „információkereséstől” az „ügyintézésig”

A jelenlegi AI-autós szakaszban az, hogy a fedélzeti rendszer megérti a dialektust és megjegyzi a kedvenceidet, még csak „előjáték”. A valós autóhasználati helyzetekben a felhasználó valójában az „eredményre” vágyik. Érted, amit mondok, aztán intézd is el helyettem a dolgot. Ebben a dimenzióban az „ügyintézésre való képesség” az, ami az élmény minőségének választóvonalát jelenti.

Összetett utazási helyzetekben a frissített Master Agent navigációs agy képes pontosan megérteni a homályos szemantikát, az időkorlátokat és a feltételes elágazásokat. Például a „keress egy éttermet, ami nincs messze sem a cégtől, sem a Hattyú-tótól” esetében az összetett utazási szándék megértésének helyességi aránya eléri a 95%-ot.

Még figyelemre méltóbb az ökoszisztéma zárt körének kiegészítése. A iFLYTEK stratégiai együttműködést mélyített az Alipay-jel, és elindította a „Xunbao tervet”. Az Alipay fedélzeti asszisztense csatlakozik a SparkAuto Space 3.0-hoz, amelyet a Master Agent egységesen hangol össze, és a felek a fiók-összekapcsolás, a fedélzeti AI-fizetés és más képességek terén megvalósították az összeköttetést. Ez lehetővé teszi, hogy a kabin valóban áttörje az „információkeresés” korlátait, és olyan valós „ügyintézési” helyzeteket valósítson meg, mint az autópályán való érintésmentes áthaladás, a parkolás érintésmentes fizetése és az útközbeni csomagfelvétel.

Emellett az egészségügyi kabin terén integrálták a iFLYTEK Xiaoyi-t, az egészségügyi konzultációk összesített száma elérte a 200 milliót, az összesített szolgáltatott felhasználók száma meghaladja a 35 milliót, és lefedi a 2600 gyakori betegséget, valamint több mint 60000 gyakori gyógyszer ismeretét. A FaceID felismeri a jármű összes utasát, és független egészségügyi profilokat hoz létre, személyenként egyet, összekapcsolva az autót, az otthont, a telefont, a felhőt, valamint a Huawei, Apple és más mainstream viselhető eszközöket, így a „mérés, kérdezés, diagnózis” teljes folyamata zárt körré válik. A parkolási forgatókönyvben a Suixin Parkoló Agent mélyen integrálódik az intelligens vezetési rendszerrel, lefedve az önálló parkolást, a hangvezérléses tolatást és a hívásos járműátvételt.

Akusztikai élmény: szuper-immerszív audiovizuális mester

Ahogy az intelligens kabin vizuális „nagyképernyős” bónusza fokozatosan eléri a plafont, az élmény generációs különbségét eldöntő következő csatatér a „hallás” felé tolódik. Egy rendszer, amely valóban ért téged, nemcsak értenie kell, hanem ki is kell tudnia fejezni magát. Mindez mögött a teljes láncú akusztikai architektúra alapszintű újraépítése áll.

A iFLYTEK iparági elsőként létrehozott GaN (gallium-nitrid) audioarchitektúrája nemcsak 30%-kal könnyíti a teljes rendszert, hanem a fekete-arany sorozatú hangszórókkal és a 300 W-os moziszintű mélynyomóval kombinálva 20%-kal javítja a hallási élményt. A szuper-immerszív térhatású hangzás Pro 3.0-val kombinálva a rendszer AI segítségével valós időben újraépíti a közönséges 2.0 hangforrást 7.1.4 panorámás hangzásúvá, ami nagymértékben csökkenti a panorámás hangzáshoz szükséges tartalom küszöbét.

A járművön belüli hangtér vezérlése terén az intelligens hangtér-zónázás 3.0 maximális kétzónás 30 dB-es és négyzónás 26 dB-es hangelszigetelést valósít meg. A vezető navigációt hallgat, az első utas sorozatot néz, a hátsó ülésen a gyerekek gyerekdalokat hallgatnak, így valóban megvalósul a „egy kabin, több hang, kölcsönös zavarás nélkül”. Emellett az elsőként bemutatott szuper fejtámla-akusztikai rendszer a irányított lejátszást és az aktív zajcsökkentést (maximum 9 dBA mélységig) integrálja a fejtámlába, így a navigációs bemondás csak a vezető füle mellett szól, és nem zavarja a pihenő utasokat.

Alapvető támogatás: eszköz-felhő együttműködésű számítási teljesítmény és sorozatgyártási magabiztosság

Valójában akár a többmodalitású észlelésről, akár az összetett feladatok ütemezéséről, akár a milliszekundumos akusztikai algoritmusokról van szó, ezeknek a front-end élménybeli „plafonját” gyakran az alapszintű számítási teljesítmény és a modellarchitektúra „padlója” határozza meg. A nagy modellek autóba való beszállásának legnagyobb valós szakadéka a számítási késleltetés és a forgatókönyv-összetettség közötti küzdelem.

A SparkAuto Space 3.0 eszköz-felhő együttműködésű kettős modellkombinációt alkalmaz: a felhőoldali SparkAuto 1.0 a H20 platformon mért 350K kontextus-gyorsítótár-találati aránya meghaladja a 99,5%-ot, a számítási első válasz pedig 800 milliszekundum alatt van; az eszközoldali SparkAuto 1.0-EMM több mint 100 forgatókönyvet támogat, és az iparági elsőként bemutatott 35B-A3B modell a Jetson Thor platformon az első képkockát 650 milliszekundum alatt valósítja meg, a csúcs-memóriahasználat pedig 75%-kal csökken.

A feladatkiosztásban a iFLYTEK által adott megközelítés: a nagy gyakoriságú, valós idejű és érzékeny adatokat érintő interakciók az eszközoldalon zárt körben maradnak, az összetett megértést, tervezést és eszközütemezést a felhőre bízzák, egyensúlyt keresve a késleltetés és a hívási költség között. Ez egyben próbára teszi az autógyártók hardver BOM-költségét is, a magas szintű eszközoldali modellek elterjedéséhez továbbra is hardverplatform-fejlesztés szükséges.

Abban a helyzetben, amikor az iparág gyakran hangsúlyozza a „teljes önfejlesztést”, a iFLYTEK a „nyílt közös alkotás” útját választotta. Az autógyártók vezetik a márkát és a platformdefiníciót, a iFLYTEK biztosítja az alapszintű eszközláncot és a technológiai szolgáltatásokat. Jelenleg ökoszisztéma-platformja már több mint 60 információforrást integrált, a napi átlagos hívások száma eléri a 220 milliót.

Az adatok alapján a iFLYTEK méretgazdaságossági előnye az autóiparban már megalapozott: az összesített beszerelés meghaladja a 81 millió járművet, az együttműködő autógyártók száma több mint 50; a tengerentúli többnyelvű támogatás 32 nyelvet fed le, 60 országot és régiót érint, és a tengerentúlra kerülő új autómodellek 80%-a a iFLYTEK-et választja.

Ráadásul a SparkAuto Space 3.0 a „bemutatás napján sorozatgyártásra kész” címkét viseli, a Chery, a Great Wall WEY és a Dongfeng Nissan márkák már elsőként alkalmazzák, és elnyerte a CATARC TOP Intelligence iparági első AI többmodalitású intelligens kabin, a 2026 autós intelligens kabin vezető tudományos-technológiai eredménye és a 2026 autós új termelési tényező tipikus esete három tanúsítványát. A 81 milliós állományi bázis valós validációs talajt biztosít a technológia folyamatos iterációjához.

Utószó

Az intelligens kabin versenye éppen a „van-e nagy modell” kérdésről teljes egészében átlép a „vajon a kabin valóban hasznos-e” kérdésre. A iFLYTEK választása ezúttal nagy áttörési jelentőségű: egy egységes aggyal valóban összekapcsolja a szétszórt funkciókat, majd az eszköz-felhő kettős modellkombinációval a élvonalbeli élményt milliós léptékű sorozatgyártás felé viszi. Az irány már ki van jelölve, az út magától egyre szélesebb lesz.

Visszatérve a kezdeti szakadékhoz: a paraméterek évről évre egyre magasabbra tornyosulnak, a felhasználók mégis egyre nehezebben tudják kimondani, hogy „ez az autó tényleg jó használni”. A probléma soha nem az volt, hogy a fedélzeti rendszer okos-e vagy sem, hanem hogy képes-e a megértett szavakat valóban megtenni egy ügyként az ember helyett. A iFLYTEK válasza lényegében visszahozza az iparági versenyt a „kinek van több funkciója” kérdésről a „kinek stabilabb a rendszere, kinek zárul be a szolgáltatási köre” egyszerűbb kérdésére. Ez nem feltétlenül az egyetlen helyes út, de legalább azt mutatja: az intelligens kabin második félidejében már nem az számít, ki nagyobb történetet mond, hanem hogy ki tudja a nagy modellt lehozni a standról, és beépíteni abba az élménybe, amelyet a felhasználó nap mint nap használ, és amely meg is állja a helyét. Az irány már helyes, most azon múlik, ki valósítja meg először igazán.