豆包「最新版」首發別克，智能座艙進入大模型時代

作者：王瑞昊

編輯：李雨晨

“大模型上車將成為2026年兵家必爭之地?！苯谝晃簧掀ㄓ脙炔咳耸扛嬖V雷峰網。

從北美的特斯拉與Grok大模型，到國內智己汽車拿下千問大模型首發上車的名號，再到吉利在CES 2026推出Eva超擬人智能體。行業已經很清楚：智能座艙下一階段的競爭，是大模型上車后，車是否真正開始理解人。

在這個時間點上，上汽通用聯合火山引擎將最新一代豆包大模型帶上了即將上市的別克至境E7。

上汽通用副總經理王晨東表示，這件事的意義，不只是別克補齊座艙智能化這么簡單，更在于當大模型進入汽車后，應該做什么，又必須克制什么。

應該與克制這兩件事，或許是未來幾年智能座艙的核心走向。

從“能對話”到“會理解”：車機開始具備人類邏輯

過去的車機系統，你必須說得足夠標準，系統才能執行；一旦語義變得模糊體驗就會迅速崩塌。但在別克至境E7上，豆包大模型承擔的角色，已經從“執行器”變成了“理解者”。

比如一個很簡單的場景：當用戶說“今天有點累，放點輕松的歌吧”，系統不再只是檢索關鍵詞，而是先識別情緒，再推斷需求，最后調用音樂系統完成播放。在這個過程中，語音是一個“意圖表達”，不再只是簡單的輸入方式。

豆包大模型支持20+情緒表達，能通過語音的語調、語速、甚至用戶的用詞，識別出用戶的情緒（開心、疲憊或煩躁），并給出對應發熱回應。

我們還在別克至境E7上體驗了更為復雜的場景，當對著車機說“導航到最近的咖啡店”，然后補充說“我要拿鐵”，系統會自動搜索支持拿鐵的咖啡店，并規劃路線。這種“上下文記憶”能力，讓現在的車機具備了類似人類對話的連續性。它不再是一次性交互，而是一個可以延續的關系。

情緒識別、上下文記憶……，這些改變的意義在于，隨著大模型開始上車，智能座艙的交付邏輯正在發生變化，整個產品體驗開始被重新定義，向著人們一開始的預期發展——人類對智能的判斷，從來都不是功能有多少，而是是否“像人”。

正如豆包大模型在別克至境E7上的落地，被拆解為陪伴、出行、娛樂、用車、車控五個維度，但真正的變化不在于功能數量，而在于這些功能與家庭用車場景的融合。比如陪伴。基于豆包大模型支持20+情緒表達，至境E7的座艙可以承擔情緒反饋的角色。用戶的語氣變化、表達方式甚至情緒波動，都會被識別，并反饋出不同的回應方式。這種能力和用車場景融合就變成了古詩解讀、??扮演、情感聊天等陪伴場景。王晨東在發布會上反復強調“數字家人”。這個說法并不夸張，因為車正在從“工具空間”轉向“生活空間”。尤其是在家庭出行中，時間被拉長、場景更封閉，大模型的價值會被放大。再看出行場景的變化。傳統導航的問題，在于它要求用戶表達精準。而現實中的人，說話往往是模糊的?！吧虾Ｄ线吥莻€圓形湖”“能吃腦花的川菜館”，這種表達在過去幾乎無法被理解，但大模型可以通過語義推理直接給出答案。更重要的是，當路線中途發生變化，比如臨時增加一個停靠點，系統可以自動重新規劃路徑。這種能力的本質，是把導航從“執行工具”變成“決策助手”。娛樂場景同樣發生了類似變化。用戶不再需要記住歌名或視頻標題，而是可以用文化語境去表達需求?！靶蔷舫鰣龅囊魳贰薄敖裉煜肼牳绺绲母琛保@些模糊甚至帶有情緒的描述，系統依然可以理解并響應。總體來看，豆包大模型支持下的別克至境E7具備三個核心的“類人”能力——全域功能協同的復雜指令處理下的思考能力，這也是其與傳統車載語音助手的本質區別；擬人化交互的交流能力；端云實時更新的個性化迭代的成長能力。這種變化的核心在于：車機不再依賴“檢索”，而開始依賴“理解”。AI能不能碰車控？安全問題是當下AI發展中不斷被討論的問題，AI上車也會面臨同樣的問題。當AI足夠聰明時，它能不能直接控制車輛？近期汽車行業發生的一些安全事故，讓“AI篡權”被頻繁提及。它指向的是一種潛在風險：當模型具備決策能力之后，是否會越過邊界，直接影響車輛的核心控制系統。不同廠商，給出的答案并不一樣。一部分企業選擇更激進的路徑，讓模型深度參與車輛控制，追求統一的大腦架構。這種方式的上限很高，但也意味著安全邊界更復雜。另一部分，則選擇更加克制的方案，在能力和安全之間建立明確隔離。別克至境E7屬于后者。一位上汽通用智能化工程師告訴雷峰網，AI可以理解一切，但不能直接控制關鍵部件。圍繞這一點，上汽通用構建了一套三層安全隔離，把大模型的能力嚴格限制在可控范圍內。在應用層，模型本身通過大量人類價值觀數據訓練，建立基本的 “是非觀”，例如當用戶在行駛中喊 “關大燈” 時，系統會識別這是危險指令并直接拒絕，同時語音反饋 “當前行駛環境需要大燈照明，暫時無法關閉”，讓用戶明確感知 AI 的安全邊界。在服務層，所有控制請求都會經過場景判斷，系統會實時監測車速、擋位、駕駛模式等車輛狀態，當車輛處于高速行駛（車速 > 100km/h）或倒車狀態時，會自動攔截非必要的交互請求（如調整娛樂系統音量、設置導航目的地等），避免分散駕駛員注意力。

到了最底層的機電層，核心車控部件由獨立硬件控制，AI系統僅能通過標準化接口發送請求，無法直接訪問底層控制單元；實體按鍵始終保留最高優先級，即使AI系統出現異常，用戶也能通過物理按鍵立即接管車輛控制，從物理層面杜絕了“AI篡權”風險。

這套機制的本質，是把AI“關進籠子里”。它可以提出建議，可以調度資源，但最終執行權，仍然牢牢掌握在車輛本身。

這種設計聽起來保守，但放在汽車這個高安全行業，其實是更現實的路徑。因為一旦出錯，代價遠高于手機或電腦。

為什么是豆包？

在大模型百花齊放的背景下，別克選擇豆包，并不是一個顯而易見的決定。尤其是在國內，通義千問、文心一言等方案同樣在積極上車。

從市場份額來看，豆包無疑是別克的第一選擇。

根據公開資料，當前中國車載大模型市場，豆包與文心一言合計占據68%的市場份額，其中，豆包大模型在公有云調用市場份額達49.2%，日均tokens調用量突破63萬億，覆蓋超20個汽車品牌，2025 年新上市車型搭載量位居行業第一。

盡管市場上已有多款車型搭載豆包大模型，但由于硬件算力、合作模式與車型定位的差異，其實際體驗呈現出顯著的分層特征。

從基礎的語音控制到高階的類人交互，不同車型的豆包大模型能力邊界，本質是車企對 “智能座艙價值” 的理解差異。

有的車企，把大模型當成語音助手的升級包；有的車企，把它當成內容分發的入口；而極少數車企，開始嘗試把它當成“操作系統級能力”。

別克至境E7，顯然屬于第三種。

別克至境E7搭載高通驍龍8775芯片，在AI算力上有明顯優勢，其70-144TOPS的算力是8155芯片的7-14倍，為支撐多模態交互、艙駕融合等前沿場景提供了硬件基礎。

硬件能力的差異，直接決定了大模型能力的邊界。

據了解，對比豆包大模型此前上車的奔馳、特斯拉、長安馬自達等車型，別克至境 E7是當前豆包大模型能力最完整的車型。

其支持一次喚醒執行10個連續指令、20+情緒表達、全場景上下文記憶、端云實時更新、跨域語音控座艙等功能，覆蓋AI問答、用車顧問、短視頻檢索、AI 繪畫、兒童故事生成等全場景。

作為對比，奔馳純電CLA搭載高通驍龍8295P芯片，算力達30TOPS，支持0.2秒喚醒、0.8秒執行、多音區識別，可調用車輛基礎功能，但僅開放了豆包大模型的NLP能力，未涉及視覺、多模態交互，功能邊界局限于 “語音助手” 范疇。

除了硬件，車企與火山引擎的合作模式深度，也直接影響著豆包大模型的體驗上限。不同的合作層級，決定了模型對車輛硬件的調用權限，以及功能迭代的速度。

上汽通用與火山引擎采用 “全鏈路共創” 合作模式 ，這與有的車企 “采購第三方方案、簡單接口對接” 的模式，有著本質區別。王晨東此前曾表示：“我們與火山引擎的合作，是從底層模型訓練到上層應用開發的全鏈路協同，每一個功能的優化，都有雙方工程師的共同參與?！?/p>

據了解，火山引擎與車企有多種合作模式，包括全鏈路共創模式、淺層接入模式、深度共創模式、定制化合作模式。其中全鏈路共創模式是合作層級最深的。

這種共創模式的核心，是 “針對車載場景的定制化優化”。

雙方在合作中引入聯合訓練機制，在高速噪音、多音區等復雜環境下，將語音識別準確率提升至98%，復雜指令理解超過95%。

同時，OTA節奏從過去按年升級，壓縮至按月甚至實時迭代，用戶無需等待換代即可持續獲得新能力。

在此基礎上，雙方還基于別克用戶畫像定制了50余項專屬功能，從兒童模式到疲勞緩解，均與真實用車場景深度綁定。

火山引擎汽車總經理楊立偉此前在解釋這種合作模式時表示：“我們的合作，不是‘大模型上車’，而是‘大模型為車定制’?！?/p>

這種模式，會直接影響最終產品形態。因為車不是一個純軟件產品，它涉及硬件、控制、安全等多重系統，只有深度協同，才能把大模型能力真正落地。

為什么大模型會在今年集中爆發？一個重要原因，是智能駕駛的競爭已經進入階段性瓶頸。

過去幾年，行業圍繞算力、傳感器、算法不斷加碼，但用戶體驗的差異正在收斂。與此同時，安全問題的討論越來越多，使得“激進路線”開始面臨更多質疑。

在這種背景下，大模型提供了一個新的變量。它不直接決定安全，但會深刻影響體驗。情緒交互、內容理解、家庭場景，這些維度，都是用戶每天都會感知的。

更深一層的邏輯，是“具身智能”的落地。

當AI不再只是屏幕里的工具，而是與物理世界結合，它必須找到一個合適的載體。汽車恰好具備所有條件：空間封閉、使用頻率高、硬件能力強，同時又具備復雜的場景需求。

這也是為什么，大模型上車成為“兵家必爭之地”。

別克至境E7這次的意義，不在于它做了多少新功能，而在于它試圖回答一個更基礎的問題：當AI進入汽車，它的邊界在哪里。

行業里有人選擇不斷突破上限，也有人選擇先劃清底線。兩條路徑都會存在，但從長期來看，后者可能更符合汽車行業的邏輯。

因為車終究不是手機。

AI可以天馬行空，但車必須腳踏實地。