AI绿色健康座舱（一）：四类高频场景下的空气感知与主动净化闭环

来源：市场资讯

（来源：深圳市汽车电子行业协会）

从疲劳驾驶、隧道污染、道路扬尘和车内吸烟场景四类高频场景出发，解析车载空气传感器、HVAC、新风净化和 AI 智能座舱如何把空气健康能力做成可识别、可预警、可执行、可交互的闭环体验。

过去两年，汽车主机厂正在密集把语言大模型接入车机系统。鸿蒙座舱、小鹏天玑、理想同学、NOMI、小爱同学、Flyme Auto、ADiGO、Coffee GPT 等能力陆续上车后，座舱交互已经来到全新的阶段。用户对“大模型很强”有直观认知，但真正能每天用起来的场景仍然需要被设计出来。就像一部功能很强的手机，大多数人长期只使用其中很小一部分能力，车机大模型也需要通过具体场景把价值释放出来。

绿色健康座舱适合成为大模型座舱的高频入口。空气净化、新风、内外循环、香氛和除味功能原本藏在空调页面或车辆设置里，用户很少主动打开；当语言大模型具备理解语境和主动编排的能力后，车辆可以根据空气质量、道路环境和乘员状态发起服务。比如检测到车内 CO₂ 偏高时主动补充新风，接近隧道时提前切换内循环，遇到扬尘或烟味时解释原因并启动净化。主动交互让绿色健康场景从功能菜单走向家庭日常，让健康呼吸变成智能座舱可以持续提供的服务。

01 总体概念：AI绿色健康座舱的闭环结构

AI绿色健康座舱的底层是空气质量感知。PM2.5 传感器负责识别颗粒物、烟雾、花粉和道路扬尘；CO₂ 传感器判断封闭座舱内的通风状态；AQS 或 VOC 传感器识别尾气、异味和挥发性污染物；温湿度传感器辅助热舒适、除雾和新风策略。多源信号进入空调控制器和座舱域后，系统可以把“空气质量变化”转换成“场景判断”。

上层的 AI 座舱承担策略编排。它结合传感器读数、行驶状态、地图道路环境、用户习惯和座舱模式，判断当前处于长途疲劳、隧道通行、扬尘跟车或车内吸烟等场景。随后系统进入阈值判断：CO₂ 是否持续升高，PM2.5 是否快速上冲，AQS 是否检测到尾气污染，VOC 或烟味信号是否异常。阈值触发后，AI 座舱通过语音、HMI 弹窗或场景卡片完成提醒，并调用 HVAC、内外循环、新风比例、风量、净化模块、除味模块或香氛模块执行动作。

这套链路可以概括为六个步骤：识别检测、阈值判断、AI 主动提醒、空调系统调用、净化与空气改善执行、状态反馈。对主机厂来说，难点已经从单一硬件堆叠，转向传感器准确性、控制策略、执行器响应速度和 HMI 表达的一致性。对用户来说，价值体现在车辆能提前感知空气风险，并用自然语言和可视化状态解释正在执行的动作。

• AI绿色健康座舱闭环：传感器完成识别检测，AI 座舱判断阈值并主动提醒，HVAC 与空气改善模块执行，最终通过 HMI 完成状态反馈。

02 四类高频场景：从风险识别到主动净化

第一篇先聚焦四个最通用的用车场景：疲劳驾驶、隧道污染、道路扬尘和车内吸烟场景。它们覆盖行车安全空气和车内污染快速治理两类高感知需求，场景边界清晰，传感器特征明显，也更容易被主机厂做成量产功能和销售演示。

1. 疲劳驾驶：把 CO₂ 与空气舒适性纳入主动安全体验

长途、高速、夜间和拥堵慢行都会提高疲劳驾驶风险。座舱封闭时间过长时，CO₂ 浓度会逐步累积，驾驶者可能出现困倦、注意力下降和呼吸憋闷。接近室外空气水平的 CO₂ 浓度通常约为 400 ppm，车内浓度持续升至 800-900 ppm 以上时，系统可以将其视为通风状态下降的预警信号。此时 CO₂ 传感器先完成识别，并把浓度变化发送给座舱域或空调控制系统。

AI 座舱接收到 CO₂ 超阈值信号后，会结合驾驶时长、道路状态和车速做一次场景判断。若系统判断车辆处于长时间行驶状态，可以先通过语音或 HMI 做轻量提醒，例如提示“车内通风状态下降，已为你开启新风补充”。随后 HVAC 调整外循环比例或新风量，同时控制风量和出风方向，避免突然强风影响驾驶。若车外 PM2.5 或 AQS 显示污染较高，系统会优先采用短时补风、过滤净化和内循环平衡策略。

当 CO₂ 风险持续存在，系统可以进一步调用车内摄像头识别驾驶员状态。若摄像头识别到哈欠、闭眼、点头或注意力下降等疲劳特征，AI 座舱会把提醒等级提高，从“通风提醒”升级为“休息建议”。此时车辆先执行通风和净化动作，降低车内憋闷感；随后根据导航信息主动推荐最近服务区，并提示驾驶员停车休息。这个过程把 CO₂ 传感器、车内摄像头、HVAC、净化模块和导航系统串联起来，让空气质量管理真正进入主动安全体验。

疲劳驾驶场景的价值，是把空气质量纳入驾驶状态管理。CO₂ 阈值提醒、车内摄像头确认、适度通风、语音关怀和服务区导航结合后，驾驶者更容易感知车辆正在主动维持清醒舒适的驾驶环境。

2. 隧道污染：外部污染识别与内循环预防控制

隧道、地下通道和城市高架封闭段容易聚集尾气、异味和颗粒物。车辆进入这类路段后，如果仍保持外循环，污染空气会快速进入座舱。AQS 传感器可以识别尾气、NOx、VOC 和异味变化，PM2.5 传感器可以捕捉颗粒物上升，地图或导航信息则可以帮助 AI 座舱提前识别隧道入口。

更成熟的策略会把“提前量”做进去。车辆接近隧道时，AI 座舱先给出简短提示，并调用 HVAC 切换内循环；进入隧道后，AQS 与 PM2.5 持续监测外部污染水平，净化系统保持运行；驶出隧道后，系统根据车外空气质量恢复外循环或补充新风。这个过程让用户无需频繁手动操作内外循环，也避免了污染已经进入车内后再被动净化。

隧道污染场景的关键是响应速度和策略稳定性。传感器需要在尾气浓度变化时快速识别，空调执行器需要及时切换，HMI 提示则要克制清晰。用户看到“已进入隧道空气防护，正在保持内循环净化”，会比一个独立的空气质量数值更有信任感。

3. 道路扬尘：针对中国道路高频扬尘的空气防护

土方车、渣土车、施工路段和未完全硬化道路，是中国城市和城郊道路上非常典型的空气风险。前方车辆带来的扬尘和柴油尾气通常具有突发性，PM2.5、PM10 和 AQS 信号会出现快速波动。相比隧道污染，道路扬尘场景更考验车内外空气传感器的实时性，以及系统对短时污染峰值的控制策略。

当外部颗粒物突然升高，系统可以触发空气防护：关闭或降低外循环比例，提高滤芯通过风量，启动空气净化、负离子或等离子模块，并通过屏幕显示“前方扬尘，已启动空气防护”。如果车辆已经穿越高污染区域，系统可以根据外部空气恢复情况逐步补充新风，避免长时间内循环导致 CO₂ 上升。

这一场景的行业意义很强。它贴近真实道路，而非展厅里的理想化空气环境。主机厂若能把施工扬尘、道路扬尘和尾气跟车做成可演示功能，绿色健康座舱就能从配置表参数走向用户每天会遇到的实际痛点。

4. 吸烟场景：车内污染快速治理与异味恢复

车内吸烟会带来颗粒物、VOC、焦油气味和织物残留，影响下一位乘员的乘坐体验。PM2.5 传感器可以捕捉烟雾导致的颗粒物上升，AQS/VOC 传感器可以识别异味与挥发性污染物变化，CO₂ 传感器辅助判断通风状态。对家庭用车、共享用车、商务接待和二排乘坐体验来说，吸烟后的空气恢复能力具有直接感知价值。

系统识别到烟雾或异味异常后，可以先通过 AI 语音做礼貌提醒，并在 HMI 上显示车内空气异常。随后空调系统提高风量，视车外空气质量决定外循环换气或内循环净化；净化模块、除味模块、负离子或等离子模块协同工作。完成初步除味后，香氛模块可以以低浓度介入，避免用香味覆盖污染源，形成更自然的空气恢复过程。

吸烟场景的闭环重点在“恢复结果可见”。用户需要看到 PM2.5 或空气质量等级下降、净化进度完成、异味处理结束。AI 座舱可以在净化完成后提示“车内空气已恢复至良好状态”，让系统动作有明确收尾，也让空气治理效果变得可感知。

03 AI主动提醒：让空气系统从执行器变成座舱服务

绿色健康座舱需要避免把所有信息都堆到屏幕上。更好的交互方式，是让 AI 只在关键阈值触发、场景变化或执行完成时介入。疲劳驾驶时，提醒应当温和、短句化，避免干扰驾驶；隧道污染和道路扬尘场景中，提示可以突出“已为你处理”；吸烟场景则更适合以空气质量异常和净化进度表达，减少评价式语言。

• AI 主动提醒的价值，是在关键阈值触发时解释系统动作，并通过语音、HMI 和状态反馈让空气管理变成可感知的座舱服务。

04量产落地的关键：传感器、策略与执行器一致工作

四个场景的底层能力都依赖同一套工程逻辑。传感器负责提供稳定可靠的数据，策略层负责识别场景并设定阈值，HVAC 与空气改善模块负责执行，HMI 和语音负责反馈。任何一个环节割裂，用户都会感觉功能生硬。比如 PM2.5 读数已经上升，空调仍未切换；或者净化已经启动，屏幕没有解释原因；又或者提示过于频繁，用户会关闭功能。

对主机厂而言，第一阶段适合从高频、低争议、可感知的场景切入。疲劳驾驶、隧道污染、道路扬尘和车内吸烟场景具备明确触发条件，也能被视频、展车和试驾快速演示。随着平台能力成熟，后续可以继续扩展到露营、午休、母婴、宠物留车、离车后净化和人车家联动等场景。