XPeng與斑馬智能公布30B級車載AI座艙方案：本地運算有幾大優勢？

XPeng與斑馬智能公布共同開發的AI座艙方案，結合XPeng圖靈車載芯片與斑馬AutoOmni多模態模型，支援在車內運行30B級模型。據公布資料，圖靈芯片每顆最高可提供750 TOPS算力；方案採用「端側優先、雲端輔助」設計。現時公布的是合作方案，尚未點名哪款量產車會採用，亦未交代推出時間。61821

兩家公司各自負責甚麼？

簡單來說，XPeng提供車內運算平台圖靈芯片，斑馬智能則提供AutoOmni多模態座艙模型。合作方表示，方案支援本地運行30B級模型，並涵蓋多輪對話、多模態互動、離線問答和任務規劃等功能。1821

這項合作亦反映XPeng希望把車用技術供應給自家以外的車廠。路透社曾報道，XPeng計劃向其他車企提供芯片、座艙系統及其他技術。斑馬智能則是由阿里巴巴集團及上汽集團支持的智能汽車方案供應商。15

「端側優先、雲端輔助」有甚麼意思？

「端側」即由車內裝置直接處理支援的任務，而非預設把資料傳到雲端伺服器。公布資料提到，系統可處理離線問答等功能；雲端則會支援部分較低頻率的需求。理論上，車內本地處理可以減少特定功能對網絡連線的依賴，亦免卻資料往返伺服器的時間。1821

不過，這些是架構帶來的潛在好處，並非已經公開驗證的實測結果。現有資料沒有提供延遲測試、座艙資料如何處理的細節，也未有針對指定的4B或7B車載模型作比較。模型參數較多，本身不代表在車內一定更快、更聰明或更私隱；要判斷實際表現，仍需看測試結果和落地方式。

另有一款AutoOmni 2.0-23B-A3B

斑馬智能亦公布另一款端側模型AutoOmni 2.0-23B-A3B，採用混合專家（MoE）架構，參數量為230億。斑馬稱，模型處理日常座艙任務時，可媲美參數量達2,300億的雲端模型；處理複雜任務時，表現則達到同等規模雲端模型的90%。這些是廠方公布的比較，並非獨立測試結果。現有資料亦未證實這款23B模型，與XPeng及斑馬合作方案中的30B級模型屬同一配置。4

量產車和推出時間仍未有答案

目前公布的是共同開發方案，現有報道未指出哪款量產車會採用，也沒有提供部署時間表；方案會否用於機械人或其他非汽車裝置，同樣未獲確認。XPeng確有向其他車企提供技術，以及把技術授權拓展至機械人等具身智能應用的更廣泛計劃，但這些計劃不等於合作座艙已確認會在其他裝置上落地。16

接下來值得留意的，是有沒有車廠正式採用，以及系統在實際車廂環境中的表現。現階段的30B級模型與端側優先設計，說明的是合作方公布的能力和方向，尚不足以證明它勝過較小型的座艙模型。