润芯微：AI技术在智能座舱产品工程化中的实践及思考

2026 年 9 月 17日，润芯微智能科技股份有限公司产品总监任毅在 2026 第四届 AI 定义汽车论坛上表示，真正能够理解用户的 AI 智能座舱距离大规模普及仍有差距，但 AI 技术已经深度融入智能座舱全生命周期，润芯微正从传统软硬件一体化 Tier1 向智能座舱 AI 解决方案提供商转型，核心不在于接入大模型接口数量，而是实现全维度产品升级与可量产落地。

在日常换车的真实场景当中，有用户提出了值得行业思考的问题：共同生活多年尚且难以做到完全互相理解，又凭什么相信一台车可以做到更加懂人？。这一现实问题折射出行业现状，AI 技术的普及度持续走高，但真正懂用户的智能座舱产品尚未到来，AI 技术看似距离终端用户十分遥远，与此同时 AI 技术又具备很强的现实落地基础，在项目交付、产品研发以及团队运转环节，AI 技术已经完成了和行业完整生命周期的深度结合。基于这样的行业现实，润芯微输出自身在 AI 座舱、智能座舱产品工程化过程当中积累的实践经验，探讨 AI 技术在智能座舱领域的落地路径。

任毅丨润芯微智能科技股份有限公司产品总监

以下为演讲内容整理：

润芯微的业务转型：从传统 Tier1 到智能座舱 AI 解决方案提供商

润芯微正在推进企业层面的重要业务转型，由传统软硬件一体化 Tier1 转向智能座舱 AI 解决方案提供商。转型核心不是简单接入大模型调用接口，而是完成产品全维度升级，保障相关技术真正实现量产落地。产品形态上，现有主流车机与智能座舱主要搭载独立功能模块、车机应用和基础语音助手，润芯微 AI 座舱依托端侧多模态模型和智能体服务构建新一代产品形态；交互模式上，传统座舱以语音、实体按键和触屏菜单交互为主，下一代座舱依托自然语言多模态理解与工具调用能力实现主动服务式交互；工程开发模式上，行业普遍采用串行开发、人工测试，润芯微尝试引入 AI 协同开发、编程与测试；交付模式上，过往以软件交付为主，新模式将 AI 能力、系统集成与量产工程整合为一体化方案；成本层面，传统模式依靠持续扩充人员完成项目迭代，借助 AI 编码与 AI 测试降低研发交付成本、缩短交付周期。

实现上述转型，需要足够规模的研发生产力作为基础。润芯微拥有规模庞大的研发团队，研发人员占比极高，在此基数下，AI 编码在有效提升人效的同时降低整体研发成本。

汽车行业市场同样为转型提供外部环境。智能座舱前装搭载率达 76%，国内乘用车市场整体规模突破 3000 万辆，智能座舱对应市场规模达 2300 万辆，对应产业整体市场规模约 1500 亿元。行业新车迭代节奏不断加快，新车推出速度已超过曾经手机行业的产品更新节奏，竞争重心发生明显转变，不再单纯比拼屏幕数量、芯片算力等硬件指标，逐步转向 AI 交互、多模态服务与多模态理解方向。

润芯微开展 AI 座舱业务转型并非从零起步。企业成立于 2020 年，2023 年完成首套产品量产交付，至今出货量已达百万台级别。作为较为年轻的企业，该出货规模已具备实际业务基础，其 AI 座舱建设路径，是在已实现量产交付的智能座舱系统之上叠加 AI 相关业务能力。

三大能力底座构建，打通 AI 座舱业务闭环

为完成 AI 座舱业务转型，润芯微搭建起硬件算力底座、AI 操作系统、端侧多模态模型三类核心业务能力，互相配合形成完整业务闭环，完成硬件感知、系统接入、模型理解、工具调用、任务执行到用户反馈的全流程，把 AI 从单纯对话聊天能力转化为车端可执行的实际业务能力。

第一类为知芯硬件算力底座，解决 AI 能力运行在哪里的问题，让低算力、低成本的车机硬件同样具备端侧 AI 能力。第二类是知微 AIOS 系统，承担边缘端 AI 与整车车机系统联动及云端协同。第三类为知润端侧多模态模型，负责对用户语音、图像信息进行深度理解与推理运算。

知润端侧多模态模型具备多项实际业务能力。语音层面，不局限于传统唤醒词识别和固定词语语义识别，完成自然语义的深度理解与执行；视觉层面，融合车载摄像头图像识别与屏幕画面 OCR 识别，将图像视觉信息、车内车辆状态以及上下文信息多维度融合，依托融合后的信息开展工具编排，调用车内本地或云端 API 接口完成业务实现。

传统座舱语音助手依靠单点指令执行任务，不同指令互相独立，缺少上下文关联，不具备主动服务能力。例如用户依次下达打开空调、调高音量、打开导航三条指令，系统会将它们作为独立任务分开处理。润芯微开展相关实验，将语音助手升级为座舱智能体，依托智能体操作系统识别用户完整意图、拆解任务，调用各类车控工具连贯完成整套任务。

AI 工程化落地实践，建立有约束的 AI 开发体系

润芯微在实际项目中完成 AI 座舱智能体功能验证，投入五名工作人员，搭配 AI 开发环境，两个月内完成智能体操作系统相关功能开发。项目模块数量由最初两个拓展至58个，源代码规模从计划的 3.5 万行提升至 14 万行，从零搭建完整测试体系，产出 150 个测试文件，接入 25 类引擎，覆盖 150 项车内使用场景，沉淀 30 项核心算法与对应业务状态。

该项目的核心价值不是单纯生成代码片段，而是完成整套系统工程建设，业务链路覆盖模型、引擎、工程架构、车控业务以及工程改造，实现多厂商适配、多部署场景下的车控业务以及大规模架构改造，验证 AI 编码可以支撑真实量产级别的工程项目落地。行业谈及 AI 普遍聚焦降本增效，润芯微强调，AI 带来的开发提速必须建立在汽车工程规则约束之下，不能追求无限制的开发速度。

整套开发流程设置多重约束保障工程安全可靠。系统划定代码修改边界，AI 不可修改关键代码节点，同时依靠迭代式重构开展测试，保证重构前后系统安全稳定。测试体系同样依靠 AI 从零搭建，形成 150 个测试文件，完成测试设计、研究、路线规划与子目录划分，实现完整测试覆盖。

项目最终审核阶段引入多模型、多 AI 服务交叉审核，规避单一模型输出风险，提升整体工程质量。润芯微的 AI 编码体系不是放任 AI 随意生成代码，而是一套完整工程体系，内部划分开发、审核、验证三类 AI 角色，代码修改配套分级评审机制，业务规则沉淀复用，形成可持续迭代并复用至后续项目的工程体系。针对高风险架构调整、客户核心价值、合规相关内容，均设置人工终审环节，AI 负责提升效率，最终责任判定与风险把控依靠人工完成，实现责任可追溯。

AI 座舱的成本管控与全组织提效

智能座舱引入 AI 能力会带来单机产品成本上涨，行业大模型服务也存在成本消耗过高的现实问题，如何控制成本是 AI 座舱量产落地的现实课题。润芯微区分业务场景分配算力，高频使用业务优先运行端侧模型，复杂、强上下文依赖的业务场景调用云端能力。汽车产品网络环境并不稳定，端侧模型能力才是保障用户实际使用体验的关键。

润芯微统计单台座舱引入 AI 带来的成本增加，端侧模型带来的成本占整体产品成本比例为 1% 至 5%，复杂云端场景为 5% 至 8%。除产品交付产生的 AI 相关成本外，项目开发环节引入 AI 模型、AI 服务器同样带来成本支出。面对日趋激烈的成本竞争，润芯微设置业务红线，面向外部交付产品，AI 引入带来的整体成本提升不能超过产品总成本 10%，以此保障 AI 座舱业务具备商业化可持续运营基础。

未来展望与挑战

AI 座舱应用大多集中在语音交互层面，更加宽泛多元的落地场景尚未大规模出现。润芯微判断，对于产品交付环节，AI 能力已不属于锦上添花的附加配置，座舱产品必须具备智能体相关能力，如果缺失该能力，企业将会在下一轮行业竞争当中失去入场资格。

润芯微的业务模式不是单纯调用单点 AI 能力，而是打造端侧模型、智能体操作系统、芯片硬件以及量产能力共同构成的业务闭环。端侧依靠知润模型完成推理识别，系统层面依靠知微AIOS系统完成工具调用与任务编排，知芯计算平台层完成硬件适配、最大化释放硬件算力，同时兼顾产品工程能力、推理能力与成本管控。AI 技术的核心价值，不是简单调用模型接口，而是将模型能力转化为车端可执行、可集成、可量产落地的实际产品能力。

润芯微的企业定位是具备端侧 AI 能力的下一代座舱供应商，作为 AI 原生 Tier1，同时也是 AI 智能基座提供商，推进 AI 操作系统工程落地实践，探索 AI 编码与 AI 降本的落地路径。润芯微的最终目标是推动智能座舱由传统功能控制系统，迭代升级为真正意义上的车载智能系统。

（以上内容来自润芯微智能科技股份有限公司产品总监任毅于2026年9月17日在第四届AI定义汽车论坛发表的《AI技术在智能座舱产品工程化中的实践及思考》主题演讲。）