行业趋势 - 端到端模型处理数据量将是过去的10倍以上 [5] - 智能驾驶从规则驱动转向数据驱动范式 模块化端到端模型预计年内量产 one-model端到端模型预计2026或2027年量产 [5] - 智能驾驶技术处于弱专家系统阶段 即将进入通才阶段 未来对算力要求将增长 [5] 技术发展 - 端侧大模型参数量多为几十亿参数 受芯片算力与功耗限制 [4] - 端侧模型需运行在高通8295等高性能芯片上 NPU算力达30TOPS 算力较低车辆难有良好体验 [4] - 智能驾驶神经网络采用VLA架构 具备思维链能力 [5] 企业动态 - 腾讯推出座舱端侧大模型 基于混元2B小参数模型 与多家车企合作推进量产 [1] - 英特尔与面壁智能共同研发端侧原生智能座舱 [1] - 宝马宣布DeepSeek年内搭载于多款在售新车 [1] 应用场景 - 端侧模型聚焦用户行为与意图识别 提供驾驶建议与操作指导 复杂问题转云端处理 [1][2] - 腾讯将Agent与大模型能力结合社交娱乐生态 实现车载场景智能服务如咖啡订购 [2] - 汽车和手机被视为今年AI落地最佳场景 [1] 技术挑战 - 端侧2B模型缺乏强推理能力 需依赖云端模型补充 [2] - 需应对AI幻觉问题 通过加入行业数据训练与增强知识理解提升精准度 [4] - 端侧模型落地受车端算力与应用结合进展制约 [4]