大模型上车正面临现实矛盾：云端模型参数激增，而车端在算力、功耗及成本上受限，无法无底线堆叠硬件。过去两年，“大模型上车”多依赖云端处理，导致通信延迟、弱网失联及数据合规隐患，交互体验未见质变。
为突破瓶颈，行业需将大模型真正部署于车端。在今年的云栖大会上，斑马智能发布全模态端侧大模型 AutoOmni 2.0-23B-A3B，将端侧总参数规模推至 23B。官方数据显示，其在普通智舱任务上的能力堪比 10 倍参数量级的云模型，复杂任务处理能力达到后者的 80%至 90%。
23B 背后的 MoE 解法
让大模型在车规级芯片落地，首要解决硬件资源限制。车端座舱 SoC 需优先保障多屏渲染、仪表安全与车身控制，传统 23B 稠密型模型（Dense Model）的高计算负荷难以适配。
斑马智能首席技术官司罗介绍，AutoOmni 2.0 的核心突破在于采用MoE（混合专家模型）架构。其型号后缀“23B-A3B”揭示了关键逻辑：
23B 总参数量：构建具备深厚世界知识的大脑，确保对模糊意图、复杂逻辑推理和跨域指令的理解深度；
A3B（激活 3B 参数）：通过稀疏激活的门控路由，每次仅调度最契合当前指令的 3B 参数专家子网络参与计算。
通过解耦“知识容量”与“实时计算开销”，AutoOmni 2.0 实现了性能跨越。此外，团队通过与国内外 10 家芯片企业深度协同，重构算子、优化内存及应用量化技术，取得以下突破：
推理速度提升 5 到 6 倍，多模态交互时延压缩至毫秒级；
量化保真度保持在 99%以上，避免轻量化后的性能断崖；
运行内存占用降低 50%以上，支撑 8 路以上多任务稳定并发。
实车演示显示，即便在离线环境下，车辆仍能自如处理复杂导航、车控及跨域交互。基于本地构建的车规级端侧 AI 安全防御体系，语音偏好和视觉数据无需离车传输，兼顾性能与安全。
智驾分化，智舱收敛
底层技术突破已反映在量产车型上。云栖大会展台上，腾势 Z9GT、智己 LS6、神行者 8、红旗天工 06 四款热门新车并排亮相。尽管四款车型的辅助驾驶方案各异（涵盖比亚迪天神之眼、Momenta、华为乾崑与卓驭），但在座舱大脑上均接入斑马智能元神 AI。
数据显示，元神 AI 已覆盖主流车企 68%的服务；在端侧大模型上车阵营中，63%的企业选择斑马智能。这一现象背后，是车企研发资源的务实校准。
斑马智能首席战略官邢悦指出，智舱核心差距在于落地周期与工程能力。斑马利用时间窗口提前完成大量场景植入，展现了 AI 工程公司的落地实力。同时，端模型数据不出舱的特性，消除了车企对数据合规与系统失控的顾虑，使其愿意开放权限以调度底层应用。
从“机械响应”到“读懂意图”
端侧模型落地的终极目标是改写人车交互逻辑。过去十年，车载语音受制于“唤醒词+死板指令”，体验停留在初级阶段。
斑马智能联席 CEO 郝飞表示，新范式基于端模型的全车全时免唤醒、连贯上下文及长效记忆。凭借毫秒级端侧推理，系统能结合声场定位、乘员视线与语境，辨别日常闲聊与真实需求，实现主动迎宾、无感支付等从“被动响应”到“主动服务”的转变。
斑马智能首席产品官蔡明提出，汽车智能化需理解两个世界：
“表世界”：由道路物理空间、运行规律构成，是智驾系统的发力点；
“里世界”：由用户个人意图、生活偏好和连续场景构成，是智舱 AI 必须攻克的领域。
针对车内数据与移动端割裂的问题，AI 数据终端公司 YoooClaw 创始人肖睿哲表示，正致力于在合规前提下打通用户“车内 1 小时”与“车外 23 小时”的上下文。AutoClaw 2.0 方案已实现车机、手机等多终端数据连贯继承，使汽车蜕变为了解用户习惯的个人智能助理。
汽车或是具身最好的“中试场”
端侧大模型在汽车上的突围，意义超越座舱边界。相比受限于动力、步态与耐用性的人形机器人，智能汽车拥有充足电池、传感器组、计算中枢及线控底盘，是当今工业界体量最大、运行最稳定的轮式具身智能载体。
司罗认为，智能汽车是具身智能最大的中试场和规模化压测平台。斑马智能的技术路线正从聚焦车端的 AutoOmni 向覆盖更广泛边缘设备的 EdgeOmni 演进，旨在以汽车为支点，推动 AI 从单体智能向多端协同的群体智能发展，在现实世界中持续进化。