AutoOmni 2.0上车：斑马智能把端侧AI的竞争推向“懂我”

9月23日云栖大会期间，斑马智能发布新一代全模态端侧大模型AutoOmni 2.0-23B-A3B，采用MoE混合专家架构。按照斑马智能的现场披露，普通任务处理能力已接近10倍参数量级的云侧模型，复杂任务的处理能力相当于10倍参数量云模型的80%-90%。

但比参数规模更值得关注的，是斑马智能为什么在这个时间点持续强调“端上生长”。

在云栖大会斑马智能展台上，腾势Z9GT、智己LS6、神行者8、红旗天工06的智驾分别采用不同供应商的方案，但在智能座舱领域都选择了斑马智能元神AI。斑马智能披露，元神AI目前已经覆盖中国主流车企68%的服务。

表面上看，这是一次端侧模型的升级；往深处看，斑马智能试图解决的其实是AI上车之后的另一个问题：当模型已经足够聪明，为什么它依然很难成为一个真正“懂你”的助手？

答案可能并不只在模型参数里。

AI上车之后，真正的战场变成了“深度使用”

过去几年，AI进入汽车的路径已经越来越清晰。

模型先进入云端，成为语音助手背后的“大脑”，再逐渐进入导航、车控、娱乐、生态服务等具体场景。随着Agent开始成为新的交互方式，车机也开始从“帮你执行一个功能”，向“理解一个目的并完成多个任务”转变。

斑马智能首席产品官蔡明在现场给出的判断，是把互联网入口的变化分成三个阶段：PC互联网时代围绕关键词，移动互联网时代围绕注意力，到了大模型时代，核心变成意图理解。用户不再需要知道某个服务究竟属于哪个App，只需要告诉AI自己想完成什么，Agent负责调用不同的能力。

这也改变了一个产品最重要的指标。

AI上车本身已经不再是问题，问题变成用户到底愿不愿意持续使用它。蔡明在现场把这个问题说得很直接：每天打开多少次、使用多长时间、在哪些场景使用，才真正决定AI有没有被用户接受。

这意味着，汽车AI的竞争开始从“有没有大模型”进入下一阶段：模型能不能越来越理解一个具体的人。

对于一个陌生用户来说，“我今天很烦”可能只能得到一句泛泛的安慰。但如果AI知道这个人最近正在处理什么工作、和谁发生过沟通、家庭里有哪些事情、接下来又有什么安排，同样五个字背后的回答方式就会完全不同。

这也是斑马智能提出“我的世界”的原因。

蔡明将用户所处的世界分成两层：一层是由空间、尺寸、轨迹和物理规律组成的“表世界”，这是智能驾驶、机器人等系统需要理解的世界；另一层是由个人偏好、习惯、价值观和生活方式组成的“里世界”。只有两者叠加，AI才可能真正理解一个具体用户所处的世界。

这套逻辑也解释了为什么智能座舱正在从一个“功能集合”，逐渐变成一个更加接近Personal AI的入口。

车里只有1小时，用户却生活在另外23小时

“我的世界”真正落地时，最大的难题其实是数据从哪里来。

一天24小时，用户真正坐在车里的时间可能只有1小时，甚至更少。更重要的是，即使人在车里，也不意味着AI一直知道用户在经历什么——传统语音助手往往只有在被唤醒之后，才能获得极短的一段上下文。

这也是驿道智能创始人兼CEO肖睿哲在现场重点讨论“车外23小时”的原因。

车内本身已经有大量上下文：位置、导航、聊天、驾驶习惯等，但大量生活信息仍然发生在手机和其他终端上。肖睿哲的思路，是把分散在移动终端中的信息逐步抽取出来，再以事件和记忆的方式与座舱连接。

这套方法并不意味着简单把手机数据全部搬到车里，而是让原本互相割裂的信息形成连续的上下文。

例如，手机里的通知可以告诉AI今天发生了什么；输入法可以补充用户主动产生的信息；浏览器插件可以记录用户正在阅读和关注什么；再进一步，云端虚拟化的手机环境可以让AI直接调用原本属于移动互联网生态的服务。

最终，AI得到的就不再是一句孤立的“帮我开空调”，而可能是一系列事件之间的关系：用户几点回家、通常什么时候到、今天是否提前回来、家里的环境是否需要调整。

因此，肖睿哲在现场提出了一个很关键的产品思路：把用户的信息转化成一个个事件，再通过事件串联上下文召回和Memory管理，由AI判断什么时候真正需要采取行动。

这实际上把“记忆”从一个大模型功能，变成了AI终端的基础设施。

数据越完整，AI对于人的理解越具体；理解越具体，主动服务才有可能真正成立。

所以从这个角度看，端侧AI真正打开的并不仅是一个更便宜的推理位置，而是一种此前很难成立的交互方式。

端模型真正打开的，是“长聆听”和主动智能

斑马智能首席技术官司罗给出的技术解释，恰好对应了这一点。

随着车端芯片能力提升，端侧AI开始进入快速发展期。司罗认为，端AI的意义不只是把云端模型“搬”到车里，而是在隐私、实时性、长聆听、长观察等方面形成新的能力。

这也是为什么“全车全时免唤醒”会成为现场反复强调的产品能力。

传统语音助手的逻辑是“用户主动唤醒—AI响应”。端侧AI想改变的是这条链路：车可以持续聆听环境，判断什么时候是乘员之间的自然交流，什么时候是用户真正想和AI交互，再决定是否响应。

这件事听起来只是少了一句“你好斑马”，实际却改变了交互关系。

因为只有AI持续存在，它才有机会获得连续的上下文，也才可能从“理解指令”走到“理解意图”。

斑马智能已经在AutoOmni 4B上验证了这条路径。现场披露数据显示，该模型在智能座舱全场景的能力平均提升20%，其中车控、导航、娱乐等文本理解能力提升22%，视觉场景理解提升17%。在此基础上，AutoOmni 2.0进一步将端侧模型推向更复杂的多意图和跨域任务。

现场展示的案例也从传统的问答延伸到了真实行动：全车全时免唤醒、端侧微信读取和操作、舱外视觉主动迎宾，以及无感智能停车付费。

其中一个细节很能说明端侧模型的价值。

在没有合作关系的停车场里，车辆可以通过视觉在停车场内部寻找付费码，再完成支付。对于这种需要视觉理解、实时决策和快速响应的任务，如果所有环节都依赖云端，网络、延迟、隐私以及流量成本都会成为限制。端侧模型则可以直接利用车上的算力完成其中一部分任务。

因此，AutoOmni 2.0的意义并不只是“23B参数、A3B激活参数”这样的模型指标。

它更像是在验证一个判断：当端侧模型的能力逐渐接近云模型之后，端侧真正新增的价值来自“持续在线的智能”。

云和端的竞争，最后落到一套系统怎么调度

这也让“端模型会不会替代云模型”变成了一个不太成立的问题。

AutoOmni 2.0已经开始承担复杂车控、复杂导航、复杂媒体和跨域多意图等任务。斑马智能在现场称，复杂任务处理能力已经接近云侧大模型的相关能力。更重要的是，它开始围绕“什么任务放端上、什么任务放云上，什么隐私数据留在端上、什么记忆经过总结后交给云端”搭建统一的端云Agent框架。

圆桌讨论也基本形成了相同判断。

云侧依然代表模型能力的上限，可以承担复杂推理、长程任务和更广泛的知识服务；端侧则承担实时性、隐私、高频交互以及持续感知等任务。系统真正需要解决的问题，不是选择哪一个，而是根据用户意图、环境、设备状态和任务类型，动态调度端与云。

中兴微电子副总经理张效宇甚至把行业竞争从“拼算力”进一步指向了“拼Token效率”：芯片最终需要让同样的算力发挥出更高效率，背后涉及内存、带宽、CPU、功耗，以及模型和芯片之间的深度协同。

这也是端侧AI商业化真正的难点。

在圆桌讨论中，郝飞提到，高端座舱芯片叠加内存成本后，增加的硬件成本可能达到数千元，因此车企最终需要回答的问题仍然是：花这么多成本把端模型装进车里，究竟能给用户带来什么新的体验。

因此，“省云Token”只是端侧AI最容易理解的一层价值，却未必是最核心的价值。

真正值得车企为之付费的，是端侧模型让AI第一次拥有了持续感知用户、持续获得上下文、持续做出响应的条件。

这也是郝飞在圆桌中给出的判断：云端决定AI能力的上限，端侧保障AI能力的下限；只有端侧打开全时免唤醒的交互范式，真正“懂你”的主动服务才有可能成立。

从AutoOmni走向EdgeOmni，汽车只是开始

如果把这些能力放在更大的终端产业里看，汽车可能只是一个切入口。

车是一个非常特殊的AI终端：它拥有大量传感器和算力资源，同时存在多人交互、隐私、高实时、安全和长期使用等复杂条件。它既需要理解物理世界，又需要理解车内的人；既要调用云端的大模型，又必须在断网、低延迟和隐私场景下保持能力。

所以司罗把智能汽车称作“具身智能最大的中试场和规模化压测平台”，并提出斑马将从AutoOmni继续向EdgeOmni演进，从单体智能走向多群体、跨终端的智能融合。

这个方向在圆桌上也出现了另一个版本。

Rokid副总裁王俊杰谈到，未来眼镜与汽车之间的联动，并不只是通过眼镜控制车辆，更重要的是让人的记忆和任务在不同终端之间继续存在。人在车上、戴着眼镜、回到家里，AI仍然知道“我是谁”和“我正在做什么”。

香港投资管理有限公司投资总监赵雨萌则把这种体验概括为“一站式或者连贯性的体验”：无论上车下车、戴上还是摘下眼镜，AI都应该继续跟着用户。

于是，斑马智能此次发布的并不只是一款更强的端侧模型。

从AutoOmni 2.0到AutoClaw 2.0，再到元神AI提出的三个连通——端云算力和服务的连通、多个智能终端之间的连通，以及用户与服务之间的连通——斑马正在尝试把智能座舱重新放进一个更大的个人AI系统里。

过去，汽车是一个独立的智能终端；未来，它更可能成为个人AI经过的一个节点。

模型参数依然重要，但对于下一阶段的AI终端来说，竞争已经开始向更复杂的地方移动：模型能否真正部署在设备上，端云能否高效协同，终端能否持续获得上下文，AI能否从“被唤醒”走向“主动理解”，以及这些能力最终能不能变成用户愿意长期使用的服务。

AutoOmni 2.0解决的是端侧模型能力的问题，而斑马智能更大的命题，是借助端侧AI重新定义人与汽车、人与服务之间的关系。

这也是“端上生长”真正值得关注的地方。