AutoOmni 2.0，车载AI开始懂场景

9月23日，斑马智能在云栖大会期间发布新一代全模态端侧大模型 AutoOmni 2.0-23B-A3B，继续把大模型能力往汽车座舱本地推进。

这不是一次简单的参数升级。斑马智能试图解决的核心问题是：车机能不能持续理解车内发生了什么，而不只是等用户说出一句标准指令。

全模态端侧模型是能够在本地同时处理语音、视觉、环境状态等多种信息，并直接服务终端设备的模型。 对智能座舱来说，它意味着模型不只听懂“打开空调”，还要知道是谁在说、人在什么位置、车内温度如何、当前是否有人睡觉，以及执行动作是否会带来打扰。

AutoOmni 2.0-23B-A3B的发布，说明斑马智能正在把端侧模型的竞争重点，从“能不能离线运行”推进到“能不能真正理解设备和场景”。

23B-A3B的关键，不只是参数规模

AutoOmni 2.0-23B-A3B采用了一个对端侧部署更有现实意义的参数配置：总参数规模达到230亿，但单次推理激活参数约为30亿。

这里的“A3B”通常对应MoE架构中的激活参数规模。MoE，即混合专家模型，是一种让模型在每次推理时只调用部分专家网络、而不是运行全部参数的架构。 可以把它理解成一家公司有23个专家团队，但每个问题只叫其中3个团队参与处理。

这种设计的好处是，模型可以保留更大的知识容量和更强的任务覆盖范围，同时把每次推理的计算量控制在相对较低的水平。对于车载芯片来说，这比把一个230亿参数的稠密模型完整塞进座舱更容易落地。

但它也不是免费午餐。MoE模型通常需要更复杂的路由、内存管理和量化策略，模型总参数仍然会影响存储容量、加载速度和缓存压力。换句话说，A3B降低的是每次计算成本，不代表部署成本只有30亿参数模型的水平。

这正是AutoOmni 2.0值得关注的地方：它没有继续沿着“端侧模型越小越好”的单一路线走，而是试图用稀疏激活把“大模型能力”和“车端算力限制”放到同一个产品里解决。

截至目前，斑马智能尚未公开AutoOmni 2.0在通用能力、车控准确率、首Token延迟和端侧功耗方面的完整测试数据。因此，23B-A3B首先是一个架构和产品信号，不能直接等同于模型效果已经超过所有竞品。

从1.5到2.0，升级方向变了

AutoOmni 1.5时代，斑马智能对外强调的是模型的端侧效率和智能座舱任务能力；AutoOmni 2.0则明显把叙事中心转向了设备理解和持续交互。

此前公开信息显示，AutoOmni 1.5-9B已经围绕导航、车控、娱乐等典型座舱场景进行优化。斑马智能在2026年高通汽车技术与合作峰会上披露，研发实车中的自然交互度提升45%，服务链接成功率提升35%，安全感知端到端响应时间低于500毫秒；同时，联合优化后端侧AI准确率提升超过30%，首Token生成速度提升超过2倍，解码速度提升超过3倍。

这些数据属于此前AutoOmni产品和联合研发方案的公开信息，并不应直接视作AutoOmni 2.0的测试成绩。2.0版本目前更重要的变化，在于模型要覆盖更连续、更开放的车内场景。

| 对比维度 | AutoOmni 1.5公开方向 | AutoOmni 2.0-23B-A3B当前信号 | |---|---|---| | 典型规模 | 公开提及9B版本 | 总参数23B，激活参数约3B | | 架构路线 | 支持端侧推理与端云协同 | 更突出稀疏激活和大容量模型能力 | | 主要任务 | 导航、车控、娱乐等指令型场景 | 持续感知、上下文理解、设备理解 | | 交互方式 | 用户唤醒后发出指令 | 从离散指令走向更连续的交互 | | 端侧价值 | 低延迟、隐私保护、断网可用 | 在此基础上增强对人、车、环境的联合理解 | | 已披露数据 | 自然交互度提升45%，服务链接成功率提升35% | 暂未披露完整Benchmark和量产指标 |

从产品逻辑看，1.5更像一个“懂车控任务的模型”，2.0则试图成为一个“长期待在车里的感知系统”。

车机为什么需要“设备理解”

设备理解是指模型不仅理解用户语言，还能理解设备当前状态、可执行动作及动作结果。对智能座舱而言，这比普通聊天机器人的上下文理解更难。

普通聊天只需要判断“用户想知道什么”；车载AI还需要判断“系统现在能做什么”。例如用户说“有点热”，模型不能只回答“可以打开空调”，而要进一步读取车内温度、识别乘员位置、检查空调状态，再决定是降低温度、调节风量，还是只给后排送风。

更复杂的是，车内很多需求根本不会以完整句子出现：

• 儿童在后排睡着了，系统需要识别状态，避免突然提高音量；
• 副驾驶持续看向窗外，用户说“拍一下”，模型要判断拍摄对象和摄像头权限；
• 车内多人同时说话，系统需要区分说话人、意图和优先级；
• 车外出现拥堵、施工或异常障碍物，模型需要结合视觉感知和导航信息给出建议；
• 用户没有明确下达指令，但连续行为已经表达出需求，系统需要决定是否主动介入。

这些场景都要求模型同时处理语音、视觉、位置、设备状态和历史上下文。传统座舱架构通常把这些能力拆成多个模块：语音识别负责“听见”，视觉算法负责“看见”，规则引擎负责“判断”，车控系统负责“执行”。它们可以拼成一条流水线，但每个模块之间的信息往往是割裂的。

全模态模型的优势，在于把不同模态的信息放进同一个推理过程。模型不只是把视觉结果和语音结果分别接收后再拼接，而是尝试直接理解“谁在什么环境下说了什么，并且这句话对车辆意味着什么”。

这也是斑马智能强调“长睁眼、长聆听、善记忆”的原因。车载AI要从一次次唤醒交互，转向持续观察和上下文积累。

端侧部署的价值，不只是断网可用

端侧AI是直接在车载芯片或本地计算设备上完成模型推理的技术路线。它最大的优势并不是“没有网络也能聊天”，而是低延迟、隐私保护和持续感知能力。

第一，端侧能降低响应延迟。车控、提醒和安全感知都不适合完全依赖云端。如果一次“调低空调温度”的请求要先上传云端、等待推理、再把结果返回车辆，网络波动就可能直接破坏体验。特别是在需要小于500毫秒响应的安全感知场景，本地推理更容易做到稳定。

第二，端侧能减少隐私数据出车。车内语音、乘员身份、家庭对话、儿童状态和驾驶行为都属于高敏感信息。如果所有内容都上传服务器，产品必须面对传输、存储和权限管理等一系列问题。将实时感知和部分推理放在本地，可以减少原始数据外传。

第三，端侧才支持真正的Always-on能力。Always-on是让设备持续处于低功耗监听和感知状态，而不是等用户按键或喊出唤醒词后才开始工作。 这类能力如果完全放在云端，网络成本、功耗和隐私压力都会迅速上升。

当然，端侧并不意味着云端失去作用。更合理的路线仍然是端云协同：端侧模型负责高频、实时、敏感的任务；云端大模型负责复杂知识查询、长链路规划和需要外部服务的任务。

可以把它理解为汽车拥有两个大脑：一个在车内，反应快、熟悉车辆状态；另一个在云端，知识更广、处理复杂问题的能力更强。AutoOmni 2.0的价值，在于把前一个大脑做得更像真正的座舱中枢。

与Qwen Omni、高通芯片的关系

斑马智能过去的AutoOmni路线与阿里云千问多模态模型、高通汽车芯片平台存在联合研发关系。公开资料显示，AutoOmni产品矩阵覆盖3B到30B不同规模，并支持稠密和MoE等架构，适配多类主流车载芯片。

此前，斑马智能曾展示基于高通8397芯片的AutoOmni全模态端侧方案、基于8295芯片的AutoClaw智舱协作服务方案，以及基于9075芯片的AutoOmni AI Box方案。这说明斑马智能并没有把端侧模型绑定在单一硬件上，而是试图建立覆盖不同算力档位的产品矩阵。

不过，AutoOmni 2.0-23B-A3B是否已经完成对具体芯片平台的量产适配、需要多少内存、采用何种量化精度，以及在高通8397等平台上的实际吞吐量，目前公开信息仍不完整。

这几个指标很关键。对车载模型而言，参数量只是起点，真正决定能否量产的是以下几个问题：

1. 在目标芯片上的首Token延迟是多少；
2. 连续视觉和音频输入下的平均功耗是多少；
3. 4-bit或更低精度量化后，车控与感知准确率损失多少；
4. 多任务并发时，模型是否会出现响应抖动；
5. 模型更新能否与整车软件升级流程兼容；
6. 在断网、弱网和高温环境下，系统是否仍能稳定运行。

如果这些问题没有被工程化解决，23B-A3B就仍然只是一个漂亮的模型规格，而不是可交付的车载产品。

AutoOmni和AutoClaw，分别解决“交流”和“办事”

斑马智能正在构建的不只是一个端侧模型，而是一套从感知到执行的车载AI系统。

AutoOmni主要解决“能不能交流”的问题：理解语音、视觉、环境和设备状态，让车机具备更自然的上下文能力。

AutoClaw则更接近“能不能办事”。它负责把用户目标拆解成多个步骤，协调导航、影音、通信、订餐、预约和车辆服务等不同Agent，完成跨任务、跨服务、跨终端的执行。

两者的关系，可以类比为人的感知系统和行动系统。AutoOmni像眼睛、耳朵和大脑皮层，负责理解当前环境；AutoClaw像执行中枢，负责规划动作、调用服务并跟踪结果。

这套组合比单纯接入一个聊天模型更有产品价值。因为车载AI最终不是为了在车里陪用户聊天，而是要完成一系列具体任务：调整座舱、规划路线、联系家人、安排出行、控制设备，甚至在用户没有明确说完整指令时，主动完成合理的服务。

但主动服务也带来边界问题。模型什么时候应该主动？什么操作必须征得确认？涉及支付、开门、通讯和隐私数据时，权限如何分级？如果模型误判用户意图，责任由模型、车企还是服务商承担？

这些问题不会靠参数规模自动解决，需要权限系统、任务回滚、操作确认和审计机制共同参与。AutoClaw已经把任务池、模型调度、Token管理和权限管理放进产品设计，下一步真正需要观察的，是这些机制能否经受量产车辆的大规模使用。

我的判断：2.0的胜负手在量产，不在发布会

AutoOmni 2.0的意义，在于它把车载大模型的竞争拉回了一个更现实的方向：谁能让模型长期、稳定、低成本地理解设备和场景。

从模型规格看，23B-A3B比单纯的小参数模型更有机会覆盖复杂交互，也比完整运行23B稠密模型更符合车端算力约束。从产品路线看，斑马智能已经不满足于“车机接入大模型”，而是试图围绕操作系统、端侧模型、Agent协作和生态服务建立一套AI基础设施。

但AutoOmni 2.0目前最大的未知数也很明确：斑马智能还没有公布足够完整的2.0实测数据。没有延迟、功耗、内存占用、量化损失和典型任务准确率，外界就很难判断它到底是一次有效升级，还是一次产品命名升级。

车载AI与手机AI最大的区别，是它最终必须装进真实车辆，并在几年生命周期内持续运行。模型不仅要在演示环境下表现聪明，还要在网络不稳定、传感器噪声、多人同时说话、硬件资源受限和用户表达不完整的情况下保持可靠。

因此，AutoOmni 2.0值得关注，但不应只看23B-A3B这个数字。真正决定它价值的，是三个结果：

• 能否在主流车载芯片上稳定运行；
• 能否把持续感知转化为低打扰、高成功率的主动服务；
• 能否与AutoClaw等系统协同，完成从理解到执行的闭环。

如果这些目标能够落地，AutoOmni 2.0就不只是一个更大的端侧模型，而可能成为斑马智能从智能座舱供应商走向车载AI平台公司的关键一跳。

结语：车机正在从“会回答”变成“懂现场”

9月23日发布的AutoOmni 2.0-23B-A3B，释放了一个清晰信号：车载AI的下一阶段，不再只是比较谁接入了更强的云端模型，而是比较谁能让模型真正理解车内的人、车、设备和环境。

这场竞争的终点也不是让汽车变成一个更大的聊天窗口，而是让它成为一个能够持续感知、合理判断、主动服务并对执行结果负责的智能终端。

对用户来说，最有价值的升级未必是车机回答问题更像人，而是用户不用每次都把需求说完整，汽车也能在不打扰的前提下理解场景、完成正确的事。AutoOmni 2.0是否能做到这一点，还要等待更多量产数据验证；但至少从产品路线看，车载AI已经开始从“能听懂”进入“懂现场”的阶段。

参考来源

1. 知乎：从一家智能座舱供应商，到重新定义“汽车智能”的AI公司 —— 介绍斑马智能在2026年AI-TECH DAY期间发布元神AI、升级AutoOmni产品矩阵及推出AutoClaw的整体路线。
2. 斑马智能在2026年云栖大会期间发布AutoOmni 2.0-23B-A3B的现场信息 —— 本文关于9月23日新品发布、模型名称及产品定位的主要事实依据。
3. 斑马智能与高通汽车技术合作相关公开信息 —— 用于补充AutoOmni此前的端侧部署方向、芯片适配和已披露的研发测试数据；文中已明确区分此前数据与2.0版本的未知数据。