利用物理 AI，自主机器能够感知、理解并在现实 (物理) 世界中执行复杂的操作。物理 AI 是指使用运动技能理解现实世界并与之进行交互的模型，它们通常封装在机器人或自动驾驶汽车等自主机器中。
二.NVIDIA 与中科创达推动智能座舱进入“AI 定义”时代
随着座舱屏幕数量和算力趋近用户感知上限，智能座舱的竞争焦点正由硬件堆叠转向智能体验。真正的变革在于座舱系统能否成为贴心伙伴——不仅能听懂指令，更能理解意图；不仅能识别环境，更能洞察场景；不仅能执行操作，更具情感共鸣与主动服务能力。
纵观智能座舱的发展脉络，行业正经历从早期的功能集成 (将导航、音乐、车控等功能汇集一屏)，到当前的场景服务 (如“会议”“小憩”“长途”等模式)，再到综合情感交互的三阶段演进。未来的智能座舱将具备情景理解、全乘客意图判断与主动服务能力，真正成为有温度、有智慧、懂用户的舱内智能空间。而实现这一目标，需要在车端计算单元部署更强大的多模态、全模态 AI，并克服以下核心挑战：
确定性的超低延迟响应：无论是语音打断还是自然语言的交流反馈，响应必须在百毫秒级且稳定可预测，这是端侧部署 AI Agent 的核心优势，且直接关系到终端用户的体验与爽感。
高效的解码生成能力：当前端侧大模型推理的瓶颈往往在于文本输出生成阶段，若解码速度不足，用户将明显感受到回复卡顿、中断，严重影响对话的自然度与体验的连贯性。
多模态信号的实时检测：系统需要实时并同步处理来自舱内 DMS、OMS，以及舱外摄像头、麦克风阵列、语音文本等多路异构输入信号，需要多模且强大的实时处理能力。
可靠安全的端云协同架构：涉及隐私安全的长期记忆与历史记忆功能交互依赖本地计算，确保响应可靠；同时，复杂互联网信息查询又需要无缝连接云端模型，从而形成安全与智能兼顾的混合架构。
同时，这些挑战会催生出下一代舱内 AI 智能体的关键场景：
舱内外一体化视觉感知：DMS、OMS 正从基础的疲劳监测，演进为能够识别舱内驾驶员、乘客身份，手势表情指令、情绪状态的综合感知中枢，并与舱外感知配合，可实现“旅途路书导游”“雾霾自动关窗”“宠物遗留检测”等主动场景服务。
具有记忆与逻辑连贯性的多轮语音对话：语音助手需构建持续的对话记忆，能准确解析“调暗一点”“给刚才打电话的人回消息”等上下文所指，并处理“如果明天不下雨，就帮我预约洗车”式的复杂条件指令，实现真正类人的连贯交互。
面向 L2+/L3/L4 的高动态人机交互式共驾：系统根据驾驶员及乘客的乘车目的、路况复杂度、舱内场景状态、驾驶员专注度，动态调整交互策略和信息呈现方式，从而实现“不想回家，去看电影”“去一家我喜欢口味的餐厅”等丝滑驾舱体验。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。