车凌科技：AI智能座舱的商业模式创新与隐私考量

智能座舱的商业化模式正经历从传统硬件付费向订阅制转型的变革，随着AI技术的深入应用，用户将更倾向于按需购买服务。2024年7月12日，在第二届智能座舱车载显示与感知大会上，车凌科技座舱产品专家詹浩谈到，为实现用户顺畅付费，关键在于精准把握用户场景需求，提供定制化推荐，以增强其付费意愿。

关于AI场景引擎的数据隐私问题，詹浩提出，几乎所有数据上传至云端后均存在潜在的隐私风险。对此，未来端侧大模型的应用将更为优越，因为其避免了数据上传至云端处理的过程，减少了数据泄露的风险，提高了处理效率。

詹浩｜车凌科技座舱产品专家

以下为演讲内容整理:

车凌科技介绍

车凌科技总部位于杭州，在上海和武汉设有办公室，总员工数为400+，研发人员占比达90%。作为行业领先的汽车软件生态公司，车凌科技基于车云平台、AI座舱、大模型与数据商业化、整车/座舱集成测试等多项解决方案，可提供车辆全生命周期的全栈服务。同时与吉利、东风、北汽、奇瑞、沃尔沃、路特斯、Smart等国内外头部车企，均有量产项目并保持长期合作。车凌科技坚持以用户为中心，探索前沿汽车软件技术，助力汽车产业智能化升级。

我们的业务布局主要有云平台、舱泊软件开发、测试业务和车辆数据运营服务。在当前汽车智能化与网联化的发展趋势下，车路云协同成为行业共识，由此催生了云平台的构建。云平台的建立为车云一体化服务的实现奠定了坚实基础。其中，AI座舱作为上层应用的重要组成部分，展现了高度的智能化与个性化。此外，还有一系列灵活多变的小产品，如灯光秀、手车互联、哨兵模式、AVM、APA等，这些产品能够灵活集成于各类域控制器之中。

图源:演讲嘉宾素材

我们的测试业务包含座舱软件测试、整车功能、网络测试和OTA测试、功能安全测试、ADAS、道路测试，车辆数据运营层面包含生态运营、数据大模型、车主里程宝，车辆GPS数据管理平台、首任车主认证、碰撞数据服务。

基于数据，我们与多家汽车制造商共同探讨了车辆数据的管理现状。据了解，一辆普通车辆在日常运行中生成的数据量约为40GB，其中，车辆自身系统的数据占30GB左右，用户相关的数据仅占约10GB。针对这庞大的30GB车辆数据，其高效传输至云端及后续的存储管理，均涉及显著的成本考量。为应对这一挑战，我们积极与汽车制造商合作，共同探讨数据变现的有效途径。通过挖掘车辆数据的潜在价值，我正在开发创新的商业模式，以实现数据的最大化利用与收益。

AI座舱商业模式

智能座舱的商业化过程中，以往都是依赖硬件销售与车企采购的模式，当前正逐步向更为灵活的订阅制与按需付费模式演变。为促使用户更加乐意接受并采纳这种新型付费模式，核心策略应聚焦于精准捕捉并响应用户的实际场景需求，通过个性化推荐与增强服务意愿来优化用户体验。

从功能定位到硬件选型，再到整车开发及SOP交付，这一过程往往伴随着较长的周期。在此期间，市场及用户需求的动态变化显著，可能导致已有购车意向的用户提出需求变更。面对此类情况，汽车制造商需灵活应对，会涉及重新设计模具、调整硬件配置等工作。

以我们过往合作的某车企为例，其初期规划为一款长轴距MPV车型，设计上包含了一道显著的滑轨结构。然而，考虑到市场反馈与用户体验，原设计的直接展示可能引发审美或功能上的顾虑。若选择对滑轨进行遮盖处理，则预计需投入超过百万的成本。鉴于此，车企更倾向于探索整合更多IoT硬件生态的解决方案，以提供更加智能化、便捷化的用户体验。

图源:演讲嘉宾素材

某些车型的目标群体是年轻女性，往往面临许多定制化需求。例如部分用户可能期望车辆配备类似Nomi的先进语音助手系统。若用户选择通过后装市场购买此类系统，可能会遭遇兼容性问题，如Nomi语音助手无法无缝融入原车机系统，导致无法利用语音指令实现原车机的全部功能，也无法与整车的智能座舱系统形成有效联动，并且后装硬件有接入的安全风险。对于汽车制造商而言，若想整合此类外部智能设备至原厂车机系统的任务，虽然能提升用户体验，但往往会伴随较高的研发与集成成本。

接入后装市场时，隐私安全成为不可忽视的考量因素。以香氛系统为例，鉴于个人喜好的多样性和特定场景下的差异化需求，车辆虽能通过AI技术模拟特定场景，但车内香氛可能难以即时匹配该场景的氛围，从而影响用户的沉浸式体验。在此情境下，可向用户推荐IoT商城中的定制香氛产品，以满足其在使用过程中对个性化氛围的追求。

软件层面，汽车制造商往往基于目标用户群体和车型定位预装大量定制化应用，其中不乏用户低频使用的功能。此外，为了构建生态体系，部分车辆还集成了付费的公版SDK，对于用户而言，这些预装内容可能并非其真实需求，降低了使用价值也加大了用户的购车成本。那基于这种背景下，给用户提供更多官方的IOT生态硬件和更多可选择的生态服务，将会是一个更好的选择。

下一代车云协同式灵活数采系统是我们正在做的产品， 为多样化智能网联汽车业务应用打造坚实「车 - 云」数据基础设施，鉴于IoT应用的广泛性与多样性，它们可以基于蓝牙、Wi-Fi等多种通信协议运行，这为我们构建统一的接入体系带来了挑战。为此，我们的车云协同平台设计了一套智能协议转换机制，该机制能够在中央网关智能识别并处理包括CAN信号与以太坊的智能合约在内的多种智能协议，实现多协议间的无缝转换与兼容，从而有效促进IoT生态的广泛接入与融合。此外，我们还有一个流媒体处理引擎，可以对整个指令进行审核过滤，保证安全性。

AI场景引擎层面，我们目前正与多家车厂合作，在车辆不同域内实施分布式应用模型的部署策略，比如温度传感器、湿度传感器、雨量传感器、V2X以及驾驶数据监测，通过构建精细化的模型，助力车厂实现车控能力的原子化拆分与重构。我们将原本集中于中央域控制器的架构拆解分散至各个域分布式控制器，在各个域控上部署对应模型，实现车控能力的解耦与优化。我们认为AI智能场景是无感、智能、懂你的，需要在某些场景主动帮助用户解决问题。举个例子:在家庭出游场景下，携带幼儿出行时，家长往往难以分心兼顾后座的儿童。儿童的情绪状态极易受到车内环境、驾驶行为以及车外环境等多重因素的影响。针对这一痛点，我们的AI场景解决方案能够在儿童首次上车时，VPA会切换为儿童他所喜欢的人设进行问候，智能调控空调、车辆底盘、驾驶模式等舒适性功能，打造适合儿童的舱内乘坐体验，并且实时感知儿童的情绪及行为，通过VPA快速安抚及车控功能保障儿童行为安全，为带娃家长省心省力。像这种典型场景有很多，我们能提供一个完整的场景解决方案；

数据上云处理不可避免地伴随着隐私泄露的风险，随着技术的演进，端侧大模型的应用前景愈发广阔，其优势在于减少了数据向云端传输的需求，从而降低了传输过程中的隐私泄露风险，并提升了处理效率。基于此，我们认为端侧大模型将会更好的选择。在这一方面，我们也有实时脱敏等功能，检测车内的敏感数据，读取敏感词，对存储的模型进行字符串的加密和解密。此外还会对数据进行全生命周期管理，将其存储到本地加秘数据库中。其他应用在使用车内数据时，我们可以进行智能检测分析，通过我们的合规模型可以解决正常的隐私问题，对需要传输的数据进行进行最小化传输。

我们当前正与其他车厂携手推进无痕模式，随着现在数据爆发以及用户对于数据隐私更为看重，无痕模式应运而生，专注于车内云服务、视频、地理位置、操控记录及使用环境数据的保护。无痕模式具备四大特点，强感知、易接入、数据不出舱和低成本变现。强感知性体现在权限分层管理上，能够精准拦截敏感权限请求，并通过多形态感知技术，在用户离开车辆时提醒是否删除特定应用。例如，在家人使用哨兵模式查看车辆时，无痕模式能确保数据流的上传得到安全控制。此外，无痕模式能够增强用户对隐私保护的感知，对于注重安全属性的车型而言，这一模式的加入无疑将提升其市场竞争力。

易接入层面，我们支持8155、8295等国内外主流平台及Linux、安卓等操作系统，通过SOA服务架构实现快速接入。这意味着其他汽车制造商可轻松集成无痕模式，加速其产品的隐私保护升级，加强车型定位。

此外，数据不出舱是无痕模式的一大亮点。我们利用车云协同技术，在本地车辆内对隐私数据进行流式处理，避免数据存储，仅将最小化处理后的敏感数据进行保密传输。这一过程类似于唤醒语言助手时，仅将必要的语音指令传输至云端，从而避免其他敏感词及隐私信息的泄露。

最后，无痕模式支持多种合作模式。汽车制造商可根据自身需求选择开发模式，实现成本效益最大化。