开车堵在下班路上，忽然想喝杯咖啡怎么办？别急，你的车早就记住了你平时常去的咖啡店偏好，主动读取了你“帮我点杯喝的”的语音需求，精准完成了点单、下单的全流程动作。人还没到家，咖啡已经送达门口了。

　　今天，车正在以一种悄无声息的方式变得越来越“聪明”，越来越像一个坐在副驾、能察言观色的同行者。那么，如今的人车交互到底发展到哪一步了？这场“智力跃迁”背后靠的是什么技术，未来又会走向何方？

　　01 从按键到对话：当你的爱车开始“懂你”

　　如果把车载交互的发展拉成一条时间线，你会发现它的进化速度远超想象。1965年，福特和摩托罗拉公司将8音轨播放器带到了汽车领域，人们终于可以摆脱电台的限制，实现车内音乐“定制化”播放。随着移动通信技术的不断发展，汽车与外界的联系越来越紧密，从卡带、CD到MP3，从车载蓝牙到大尺寸触摸屏，尤其是语音助手的问世，汽车似乎真正从代步工具变成了通勤路上的好“搭子”。

　　可真正用过早期车载语音助手的人都知道，那体验实在算不上好。它更像一个死板的指令接收器，你必须说出精确的标准格式，它才能正确执行，多轮对话更是如此，问完“今天天气怎么样”再追问“明天呢”，系统立刻宕机——它实在记不住上一轮说了什么。说白了，那时候的车机只会“听”，但不会“听懂”。

　　真正的拐点出现在大模型上车之后。随着大语言模型与具身智能技术的突破，座舱交互开始由语音、视觉等单模态向多模态融合的方向发展。除了具备认知能力、理解自然语言、支持多轮对话，甚至能主动感知驾乘状态。这场变化不是某个功能的小修小补，而是整个人车交互方式的代际跃迁，也推动智能座舱进入了全新的发展阶段。

　　02 四大能力，撑起了“聪明的车”

　　如果说过去的智能座舱竞争聚焦于大屏“内卷”与功能堆叠的CL0-CL1阶段，那么现在，我们正站在CL2向CL3跨越的门槛上。这不仅意味着交互形态更丰富、感知能力更强、应用场景更广泛，人车关系也正在从“你命令，它执行”的工具从属关系，转向“能对话、能商量”的平等伙伴模式。

表 1 汽车智能座舱分级

　　人车交互的“智力跃迁”并非由单一技术驱动，而是语音感知、多模态融合、认知推理、拟人化表达四大核心能力同步升级、协同发力的结果。

　　（1）耳朵更灵，也更会抓重点

　　以前的车载语音，听不懂还认死理，非得大声、慢说、咬字清晰才能调用一项指令。而现在有了端到端语音识别模型，就像给车换了一对好耳朵——高速开窗、后排嘈杂、带方言口音，它都能准确捕捉。更关键的是理解力的提升：你说“透透气”它知道开窗，说“太晒了”它知道拉遮阳帘，不用把指令说得像代码一样严谨。

　　（2）一个眼神，就能察言观色

　　人跟人聊天从来不是光靠嘴的，一个手势一个眼神，意思就到了。智能座驾，也学来了这套本事。比如你随手一指说“打开这个”，摄像头看着你手指的方向，就知道你指的是车窗还是天窗，不会瞎猜。在高速风噪等复杂环境下听不清说话，它还能盯着你的嘴唇读唇形，两边信息一对照，准确率就上去了。调后视镜更省事，你看左边它就切到左后视镜，看右边就切右边，不用按来按去切换。还有正在开发中的情绪识别功能，少数车型可在监测到用户压力状态时主动调整座舱环境，让驾乘既便捷又安全。

　　（3）真正的质变：当汽车学会“动脑筋”

　　这是大模型应用带来的本质差异。以前的车机像一本说明书，你翻到哪页它念哪页。有就答，没有就懵。现在，它开始学会“思考”了。

　　你只需要说一句“我明天早上八点要去机场，帮我安排一下”，它就能自动提前帮你规划好出发路线、预估拥堵时长，还能提前调整好空调温度，不用一步步分别设置导航、提醒时间、调整座舱。面对模糊的需求它也能自己捋顺逻辑：你说“我冷了”，它不会只开空调，还会结合当前车速、室外温度判断要不要关闭车窗、调整座椅加热档位，完成一整套连贯的操作，不用你再分多个指令一步步下达。这种从“执行固定指令”到“主动推理满足需求”的变化，才是智能座舱真正的质变，让汽车从一个按流程操作的工具，变成能主动贴合用户需求的出行助手。

　　（4）说话的方式，越来越有“人味儿”

　　智能交互的“聪明”，不仅体现在听得懂、会思考，更体现在说得好、有温度。传统语音助手的声线机械冰冷，语调单一，没有任何情绪起伏，用户一听就能明确感受到“对面是一台机器”，难以产生情感共鸣。新一代智能座舱通过拟人化表达，让人车交互变得更有“人味儿”。

　　智能交互的“聪明”，既体现在听得懂、会思考，也体现在说得好、有温度。基于端到端神经网络架构，结合神经声码器与韵律编码技术，让它说出来的话有停顿、有情感，更重要的是，它开始知道什么时候该说话、说什么话合适：当电量不足时，主动提示附近充电站并推荐顺路补电路线；下车时贴心提醒“别忘了带上手机”；根据驾车时长推荐提神音乐。这些“温馨提示”不再是冰冷的系统弹窗，而像副驾上的朋友一样，在恰到好处的时刻出现，让每一次出行都充满暖意。

　　03 真正的人车交互，是以人为本

　　技术向前奔跑的同时，安全和隐私始终是不可逾越的底线。语音识别在复杂环境下仍存在误判的可能，所以行业已经形成共识：娱乐、导航这些非关键功能尽可以智能，灯光、挡位、驾驶模式这些涉及行车安全的，必须保留物理按键、设置二次确认。在隐私边界方面，车要变聪明就得收集数据——语音、面部图像、行车轨迹，每一样都是敏感信息。目前行业主流的解决方案是“端云协同、本地优先”：唤醒车机、基础车控这些操作全部在本地处理，做到“数据不离车”；只有天气查询、路线推荐这类复杂任务才调用云端。GB 44495-2024《汽车整车信息安全技术要求》已于2026年正式实施，新车型未通过认证不得上市，隐私保护正在从“企业自觉”变为“法定要求”。

　　如果把视线放得更远，人车交互的想象空间其实才刚刚打开。未来它还可能接入更丰富的生态，但毋庸置疑，所有技术升级的核心，始终都应围绕着“人”的需求——在你需要的时候，悄悄帮你解决问题，让出行更省心、更安心，这就是人车交互最该有的样子。

　　出品：

　　中国汽车工程学会

　　赛力斯汽车

　　审核：

　　孔令强 中国汽车工程学会战略规划部 高级研究员

　　蒋 冰 赛力斯汽车整车技术平台 高级工程师

　　梁雪宾 赛力斯汽车对外合作部 高级工程师