智能座舱已迈入AI驱动的全新发展阶段，大模型、多模态交互等技术重塑着整车逻辑。伴随中国车企加速出海，各地法规、数据规则、用户习惯差异，让打造全球化、可规模化落地的座舱产品，成为行业核心考题。

博世智能驾控中国区总裁吴永桥

在2026高通汽车技术与合作峰会上，该话题引发全产业链热议。作为全球智能座舱领域的重要参与者，博世智能驾控中国区总裁吴永桥结合博世在全球智能座舱累计交付超过千万套产品的实践经验，系统分享了自己对于智能座舱未来发展的六个关键洞察。在他看来，产业真正的竞争壁垒在于能否系统性攻克全球化适配、隐私安全、算力效率、法律合规、商业模式与工程落地等多重难题。

寰球汽车与吴永桥就此展开深入对话，试图透过技术热潮，探寻AI座舱走向真正成熟的全球路径。

寰球汽车：当前整个行业都在谈“第三空间”，很多车企也在展示车内办公、娱乐甚至休息等未来场景。但您却将L3级自动驾驶法规滞后，称作悬在座舱产业之上的 “达摩克利斯之剑”，背后的核心逻辑是什么？

吴永桥：没有L3的规模化落地，“第三空间” 就是空中楼阁——这不是技术问题，是责任边界的根本问题。

过去很长一段时间，行业都希望将汽车从单纯的交通工具升级为移动生活空间，但所有场景成立的核心前提，是驾驶员能从驾驶任务中被实质性解放出来。从现实来看，目前市场主流产品仍停留在L2至L2+辅助驾驶阶段，驾驶责任完全归属于驾驶员。

这就形成了当前座舱产业最核心的底层矛盾：一边是智能座舱向“沉浸式体验” 一路狂奔，一边是驾驶员必须时刻保持注意力、随时准备接管车辆。体验与责任的错位，决定了所谓“第三空间” 在现阶段更多是概念，无法成为消费者能放心使用的成熟产品。哪怕车辆搭载再丰富的娱乐、办公功能，驾驶员仍需紧盯路况，根本无法安心使用座舱服务。

这一问题在全球市场普遍存在。海外L3级自动驾驶的责任划分、保险体系与法规框架同样不完善，座舱场景同样难以真正落地。

技术决定功能是否可以实现，法规则决定产品能不能规模化普及。唯有L3相关规则全面落地，消费者真正放下用车顾虑，智能座舱产业才能迎来真正的爆发。

寰球汽车：现在很多AI座舱模型在实验室测试中表现十分亮眼，但量产装车后，出现的问题却很多。对此您提“整车Harness体系是量产前必过的隐形门槛”，这个体系具体解决什么问题？为什么如此重要？

吴永桥：实验室里的大模型表现再亮眼，都不等于量产车里的可靠体验。大模型上车的头号敌人，就是AI幻觉。

实验室场景简单可控，无法等同于复杂的真实路况。大模型普遍存在“AI幻觉”问题，易出现理解偏差、输出错误指令，一旦介入车辆控制，将直接威胁行车安全。比如用户在高速夜间行驶时说“有点晃眼，帮我调一下灯光”，如果模型错误理解为关闭车灯而非切换远近光，车辆会在高速状态下瞬间失去照明；再比如用户说“有点闷，开一点窗”，模型因上下文偏差直接降下所有车窗，在暴雨或高速场景下都可能引发安全隐患。

而整车Harness体系，本质就是车载AI的安全管控与指令校验体系，是量产落地的安全防火墙，是所有大模型上车前必须跨过去的隐形门槛。

大模型在落地层面需要制定两套硬性标准：第一，针对车窗调节、驾驶模式切换、紧急提醒等高风险控制指令，必须做结构化处理+双重确认。二是推行影子模式试运行，新功能先后台运行、不控制硬件，待精度与稳定性达标后，再分阶段开放权限。

对全球市场来说，海外车载软件安全审查严苛，这套安全闭环也是车企出海的必备资质。模型能力只是创新的起点，安全、可靠、可验证才是产品走向全球市场的关键。

寰球汽车：近年来不少车企开始探索功能订阅、按月付费等模式。但您认为“座舱商业化照搬手机订阅是伪命题”。这种判断背后的逻辑是什么？

吴永桥：座舱商业化直接照搬手机订阅模式，本质是对汽车消费属性的误判，这条路走不通。

随着软件定义汽车的理念兴起，很多车企希望借鉴消费电子的经验，通过功能订阅、软件解锁打造持续收入来源。但汽车与手机在产品属性、使用频率、用户消费心理上存在本质差异，国内与海外的用户习惯更不能简单类比。

手机是属于高频交互的快消品，用户每天数十次甚至上百次交互，会员、云存储等订阅服务能持续创造价值感知；但汽车是长周期的耐用消费品，消费者购车时已经支付了数十万的成本，天然就形成了“功能已包含在车价内” 的消费认知。

更核心的是：消费者从来不会为软件本身付费，只会为软件持续创造的确定性价值买单。比如导航系统本身不构成价值，真正有价值的是实时路况、停车推荐、跨城规划、场景化路线优化这些实实在在的体验。同理，大模型上车后，用户关心的也从来不是参数规模，而是能不能帮自己省时间、降成本、提升出行效率。

因此，汽车商业化必须贴合车主长周期、重体验的消费习惯，立足出行服务本身，同时针对全球不同市场的用户习惯做差异化适配，才能构建真正可持续的盈利模式。

寰球汽车：现在的汽车越来越懂客户，座舱能精准识别用户情绪、神态、语音状态，体验越来越人性化。但您将这类情感交互比作“隐私特洛伊木马”，如何解读其中的风险？

吴永桥：座舱越“懂用户”，数据采集的边界就越模糊，隐私泄露的风险就越高。所谓的情感交互，本质上是一场用隐私换体验的交易。

情感交互、多模态感知需要采集大量高敏感个人数据：语音内容、面部神态、肢体动作、情绪状态，甚至车内人员的对话、行为习惯。这些数据的私密性，远高于普通的位置、导航数据。

未来的AI座舱可能会在你上车的瞬间识别出 “今天心情不好”，主动播放舒缓音乐；在你连续打哈欠时判断疲劳，推荐休息；在孩子上车时自动切换儿童模式；甚至通过长期观察出行习惯，提前预测目的地。这些体验看似贴心，但成立的前提是车辆要持续感知、记录大量个人信息。

当前行业普遍存在两个核心漏洞：一是用户授权流于形式，冗长的隐私协议、晦涩的专业术语，让“一键同意” 变成默认选项，用户根本不清楚哪些数据被采集、用途是什么；二是大量车企习惯将感知数据上传云端处理，海量敏感数据集中存储，一旦防护出现漏洞，极易引发大规模隐私泄露——这就是我所说的 “隐私特洛伊木马”：看似提升体验的功能，背后藏着不易察觉的隐私风险。

尤其在欧洲、北美等主流市场，当地法规对用户隐私的保护极为严苛。对此博世的解法是将模型部署在端侧，用户隐私不上云。简单来说，所有情感识别、语音交互、神态感知的数据，全部在车载终端本地完成计算处理，原始敏感数据全程留存在车内。

最好的隐私保护，就是让敏感数据从一开始就不下车、不上云。智能座舱的人性化体验，绝对不能以牺牲用户隐私为代价，端侧本地化处理，是当前最稳妥、最落地的隐私安全方案。

寰球汽车：行业都在发力端侧大模型，大家普遍被“体验、速度、成本”三大要素牵制，也就是业内常说的不可能三角。您提出内存和算法质量被视作关键抓手，请您具体展开讲讲。

吴永桥：很多人觉得端侧大模型“体验、速度、成本” 不可兼得，但这个三角矛盾的根源，从来不是算力不够，而是数据传输带宽拖了后腿。

哪怕车载芯片的算力再强，如果内存带宽不足，海量的模型数据、实时感知数据无法快速调度，算力就只能被闲置，AI交互必然出现延迟、卡顿，弱网环境下问题会更突出。高带宽内存的上车，正是从底层解决了带宽这个核心短板。

硬件补短板，算法提效率，二者形成合力，就能彻底打通端侧大模型的堵点。

首先，充足的带宽让端侧大模型可以全速运行，交互响应速度大幅提升，彻底解决卡顿、延迟问题；其次，无需过度堆砌顶级高算力芯片，依托算法优化，中端算力芯片也能支撑高性能大模型运转，有效控制硬件综合成本；最后，成本和速度得到保障后，我们就可以放开优化模型算法、丰富交互场景，全面提升用户体验。

过去所谓的“不可能三角”，本质是硬件条件尚未成熟。随着软硬协同的持续进化，端侧大模型的能力跃迁才正式拉开序幕，体验、速度、成本三者的平衡，正在从不可能变成可能。

寰球汽车：当前行业经常宣传几百TOPS、上千TOPS的算力。您却认为很多算力竞赛只是营销噪音，为什么不看好单纯的算力比拼？

吴永桥：几百上千TOPS的算力数字，本质上是给行业看的营销参数，不是用户能感知到的真实体验。算力只是入场门票，而非决定用户体验的核心竞争力。

普通用户坐在车内，根本感知不到芯片的算力跑分，最直观的感受只有三点：语音能不能精准听懂指令、功能调用够不够顺手、弱网断网时功能还能不能用。

当下行业一味比拼芯片算力数值，把高算力当成营销噱头，却忽略了算法优化、场景打磨这些真正决定体验的核心工作。云端算力再强，车辆开进地下车库、偏远路段，弱网断网的瞬间，云端服务就会失灵，座舱体验直接断崖式下滑。脱离真实用车场景堆算力，本质就是无效内卷，就是行业的营销噪音。

好的车载AI，从来不是算力堆出来的，是靠场景磨出来的。行业必须停止盲目的算力竞赛，深耕高频刚需场景，打磨算法效率：一是优先优化算法，在现有算力基础上提升模型压缩、指令识别、多任务协同的效率，让每一份算力都用在实处；二是聚焦用户日常用车的高频场景，把基础功能做到极致稳定、流畅好用；三是强化端云协同架构，重点优化弱网、离线场景下的端侧独立运行能力，保证全场景体验的一致性。

汽车是工业产品，最终要落地到千万用户的真实用车场景中，脱离用户需求的算力内卷没有任何意义，把技术聚焦到用户可感知的体验上，才是产业健康发展的方向。

结语

在中国车企全面出海的浪潮下，全球各地的法规标准、数据规则与用户习惯，正成为检验座舱产品综合能力的试金石。想要打造世界级AI座舱，不仅要深耕国内市场，更要实现全球范围内体验、安全、合规的统一交付。

当行业褪去概念炒作与参数崇拜的泡沫，回归安全底线、用户体验与商业本质，智能汽车才会真正进化为值得用户信赖的出行伙伴。这场关乎全球市场的产业变革，才刚刚拉开序幕。