不知道大家有沒有想過這樣一個(gè)問題：智能手機(jī)可以用手和眼的配合精準(zhǔn)觸控輸入，但是到了車上，手需要握著方向盤，眼睛要看著前方的路，這時(shí)候怎么辦？當(dāng)前最優(yōu)秀的解決方案就是智能語音交互，它可以代替你開車時(shí)的觸控操作。

根據(jù)蓋世汽車的統(tǒng)計(jì)數(shù)據(jù)，至今年 4 月，思必馳成功躋身語音供應(yīng)商市場(chǎng)裝機(jī)量榜單 TOP 2。而在去年年初，思必馳的排名還是第五，一年時(shí)間內(nèi)，市場(chǎng)占有率增長(zhǎng)到了 15.9%，邁入頭部陣營(yíng)。

2025 年再談車載語音，汽車廠商和用戶的期待可以用兩個(gè)詞來總結(jié)，一個(gè)是智能，另一個(gè)是深度融合。特別是 AI 大模型時(shí)代來臨，汽車語音到底能為車內(nèi)的乘員做哪些有意義的事，依然是值得深度探討的話題，而思必馳恰好就是這一領(lǐng)域技術(shù)落地的先行者。

最近，我們與思必馳智能汽車事業(yè)部副總經(jīng)理曾春華進(jìn)行了一次深度對(duì)話，讓我們找到了過去一年時(shí)間思必馳高速增長(zhǎng)的秘訣。思必馳正乘著 AI 的東風(fēng)，讓智能語音真正成為車?yán)锟梢孕刨嚨幕锇椤?/p>

全鏈路語音方案，車企可靈活配置

當(dāng)我們回到語音交互的起點(diǎn)，就能發(fā)現(xiàn)早期的語音交互更像是個(gè)「對(duì)講機(jī)」。按下按鈕喚醒，講完一句話，對(duì)方才能回復(fù)。這其中，只有單輪命令，且只能處理簡(jiǎn)單的指令。

而如今，智能語音已經(jīng)進(jìn)化到類似于人與人面對(duì)面對(duì)話的能力，不需要喚醒，能夠連續(xù)交互，還有上下文的理解，能夠處理口語語境下復(fù)雜和模糊的指令。

作為行業(yè)內(nèi)核心的汽車語音系統(tǒng)供應(yīng)商，思必馳就擁有全鏈路的語音交互技術(shù)。

從最基礎(chǔ)的信號(hào)處理、語音識(shí)別、語音合成功能，到進(jìn)階的多模態(tài)感知、自然語言處理能力，以及業(yè)內(nèi)少有的全雙工對(duì)話、端到端大模型，思必馳有著全套的解決方案。這也就意味著，汽車廠商可以利用思必馳的能力，快速補(bǔ)齊智能語音體驗(yàn)。

公開信息顯示，目前思必馳的智能語音方案已深度應(yīng)用于梅賽德斯-奔馳、奧迪、捷豹路虎、比亞迪、上汽通用五菱等 60 多家汽車品牌的 200 多款量產(chǎn)車型。

不過，這么多車企與車型，一定會(huì)有各不相同的產(chǎn)品定義，而對(duì)于思必馳而言，既可以給車企全套的語音交互能力，也能夠根據(jù)車企需求提供部分能力，當(dāng)然還能夠按需定制。

在開發(fā)語音功能之前，思必馳的出發(fā)點(diǎn)其實(shí)有兩個(gè)，其一是便捷，第二是安全。根據(jù)曾春華的介紹，車企端和用戶端的需求也會(huì)被充分考慮。

比如，車企希望語音助手能夠?qū)崿F(xiàn)差異化，思必馳就能在其中部分能力中，與車企共同研發(fā)。

發(fā)掘用戶的需求其實(shí)相對(duì)困難。比如智能汽車用戶早已熟知的可見即可說功能，其實(shí)最早就是車企發(fā)現(xiàn)，很多用戶對(duì)著車機(jī)屏幕顯示的文字說話，這才有了可見即可說的能力。根據(jù)曾春華的介紹，類似這樣源于用戶的需求，思必馳會(huì)與車企聯(lián)合定義，確定產(chǎn)品需求后，會(huì)先在內(nèi)部做先行概念版本的驗(yàn)證，之后進(jìn)行灰度測(cè)試，最后量產(chǎn)搭載。

AI 時(shí)代的變革

如今，AI 已經(jīng)深入了我們的工作、生活的每一個(gè)角落，也包括汽車。語音作為智能座艙交互的重要入口，自然也成為了 AI 大模型上車的一個(gè)重要載體，車載語音交互進(jìn)入了新一輪的升級(jí)。

思必馳于 2023 年 7 月發(fā)布了 DFM-2 東風(fēng)大模型——擁有百億參數(shù)量。根據(jù)曾春華透露，基于 DFM-2 的天琴語音助手已經(jīng)應(yīng)用于上汽通用五菱、北汽、長(zhǎng)城、一汽奔騰等多家車企的車型中，未來還會(huì)有更多車型量產(chǎn)應(yīng)用。

思必馳的東風(fēng)大模型既有通用能力，同時(shí)也是一個(gè)具有通用智能、針對(duì)垂域的行業(yè)語言大模型。它可以實(shí)現(xiàn)通用人工智能的柔性定制，開展大規(guī)模、高質(zhì)量、個(gè)性化的人工智能系統(tǒng)定制。

大模型與汽車的智能座艙的究竟要以怎樣的方式結(jié)合？思必馳率先給出了六種核心能力。

• 規(guī)劃定制能力： 為用戶的旅程或日常活動(dòng)提供時(shí)間或序列維度的規(guī)劃建議。

• 創(chuàng)作內(nèi)容能力： 為用戶帶來情感化和個(gè)性化的內(nèi)容創(chuàng)作體驗(yàn)，還有為兒童設(shè)計(jì)的游戲和互動(dòng)內(nèi)容。

• 知識(shí)淵博助手： 通用知識(shí)、百科常識(shí)，車載助理都能提供豐富信息。

• 多維數(shù)據(jù)整合： 車載助理可以提供城市限行、新聞、餐廳推薦、地圖導(dǎo)航等信息，也能調(diào)取車控系統(tǒng)、車輛說明書等封閉領(lǐng)域數(shù)據(jù)。

• 高級(jí)語義解析： 車載助理具備全場(chǎng)景、跨領(lǐng)域的多意圖多輪對(duì)話交互能力?？梢詫?shí)現(xiàn)任務(wù)回溯跟蹤、任務(wù)穿插、泛化解析等高級(jí)功能。

• 文檔與知識(shí)管理： 車載助理能夠進(jìn)行知識(shí)歸納、分類和總結(jié)?？梢蕴峁┯密嚱榻B、故障檢測(cè)、維護(hù)保養(yǎng)等信息。

與此同時(shí)，為了打造更全能的車載助手，思必馳給出的解決方案是「1 + N 中樞大模型」，其中「1」負(fù)責(zé)使用包括大模型在內(nèi)的各種外部資源，「N」則是N個(gè)特定領(lǐng)域的「專家」，用于完成專業(yè)性強(qiáng)的任務(wù)。

2024 年，思必馳推出了千億參數(shù)量的大模型 DFM-3，曾春華介紹，隨著技術(shù)能力的迭代，千億參數(shù)的 DFM-3 在深度推理能力上有大幅度的提升。它能夠結(jié)合 Agent（智能體）相關(guān)的功能，甚至聯(lián)合多個(gè) Agent 的功能做推理，做聯(lián)合調(diào)度。也就是說，DFM-3 在能力上有了大幅升級(jí)。

實(shí)際上，大模型不僅僅能用于智能助手的服務(wù)，思必馳還擁有端到端的大模型能力，相對(duì)傳統(tǒng)的智能語音鏈路更高效。

傳統(tǒng)的語音識(shí)別鏈路包含多個(gè)步驟，包括 ASR、NLU、對(duì)話管理，最后才是 TTS。

然而，其中每一個(gè)步驟都是有損的。這也就意味著，人類語言中可能那個(gè)包含的上下文信息、年齡信息、情緒信息等難以被識(shí)別。

而端到端的 TTS 則是從多段式變成了一段式，當(dāng)這個(gè)端到端模型接收到了人類的聲音，可以綜合進(jìn)一個(gè)模型處理，從技術(shù)上實(shí)現(xiàn)「音頻進(jìn)，TTS 出」的能力，從效果上語音助手可以融合更多維的信號(hào)，有更即時(shí)和更多情感化的反饋。

AI 大模型的這一陣東風(fēng)，幾乎改變了所有行業(yè)，而 AI 恰好是思必馳的看家本領(lǐng)。談到過去一年時(shí)間市場(chǎng)占有率的快速增長(zhǎng)，曾春華說：「我們?cè)?AI 行業(yè)布局了很多年，在持續(xù)深挖 AI 場(chǎng)景的同時(shí)，我們也在探索垂直領(lǐng)域應(yīng)用場(chǎng)景。在智能汽車領(lǐng)域，我們和車廠共同推動(dòng)產(chǎn)品落地。」

在曾春華看來，未來汽車上的 AI 發(fā)展主要有這樣幾個(gè)層面：其一是技術(shù)層面，包括多模態(tài)交互，端到端的語音技術(shù)、大模型的端云協(xié)同等。其二是用戶體驗(yàn)層面，語音交互將由工具化屬性慢慢轉(zhuǎn)變?yōu)榍楦谢陌閭H，也可能變成生活管家，實(shí)現(xiàn)人與車、環(huán)境的深度融合。第三是當(dāng)前有太多的 AI 工具，AI 生態(tài)也會(huì)走向融合，讓車內(nèi)有更多可操作、可玩性高的功能。

增長(zhǎng)新引擎，車載方案正在出海

與此同時(shí)，思必馳正積極推進(jìn)出海戰(zhàn)略。

目前，思必馳天琴語音助手已經(jīng)集成自研的 AI 多語種語音交互系統(tǒng)，支持英語、泰語、法語、德語、日語、韓語、越南語、俄語、西班牙語、挪威語、印尼語等 20 多種語言，適配不同區(qū)域的方言和文化習(xí)慣。在 ICASPP 2023 國(guó)際多說話人多語種語音合成挑戰(zhàn)賽中，思必馳榮獲兩個(gè)賽道的冠軍，MOS 分?jǐn)?shù)達(dá) 4.77。

根據(jù)曾春華介紹，思必馳智能汽車業(yè)務(wù)出海將是三個(gè)維度的策略。

其一，思必馳將助力自主品牌汽車出海，將智能語音方案搭載到出口車型中。

其二，思必馳與海外品牌及合資品牌合作，一方面在中國(guó)市場(chǎng)落地智能語音技術(shù)，目前包括奔馳、保時(shí)捷等品牌都已經(jīng)有合作進(jìn)展。另一方面，基于中國(guó)市場(chǎng)的合作關(guān)系，逐步將智能語音技術(shù)拓展至海外市場(chǎng)。

其三，與純海外市場(chǎng)車企進(jìn)行合作，從全球視角正向擴(kuò)大海外市場(chǎng)。

曾春華介紹：「目前，前一兩步我們已經(jīng)有很多車型在開發(fā)了，已在計(jì)劃中，可能在今年的下半年就有大量的車出口落地，第三點(diǎn)會(huì)在今年到明年重點(diǎn)去做計(jì)劃和行動(dòng)。」

思必馳能在競(jìng)爭(zhēng)激烈的車載語音市場(chǎng)實(shí)現(xiàn)快速躍升，并支撐起全面的技術(shù)落地與全球化布局，其背后倚仗的正是三大核心能力。

一方面是貫穿技術(shù)研發(fā)全鏈條的「硬實(shí)力」——全棧自研的深厚積累與優(yōu)秀的工程化落地能力，這確保了從底層算法到上層應(yīng)用的關(guān)鍵技術(shù)自主可控，并能轉(zhuǎn)化為滿足汽車智能座艙要求的穩(wěn)定產(chǎn)品。另一方面是思必馳深入理解并滿足車企和用戶需求的「軟實(shí)力」——產(chǎn)品支持定制化，無論是提供全鏈路方案還是模塊化服務(wù)，都能靈活適配不同品牌、不同車型的差異化定位與功能需求。第三，是面向未來智能生態(tài)的「開放力」——產(chǎn)品架構(gòu)的高度開放性，這不僅體現(xiàn)在「1 + N」多模型融合之中，也體現(xiàn)在智能語音解決方案能接入并賦能更廣泛的智能場(chǎng)景。正是這三者的有機(jī)結(jié)合，驅(qū)動(dòng)著思必馳持續(xù)處于行業(yè)前列。

因此，當(dāng)我們探尋「動(dòng)動(dòng)嘴就能讓汽車完成復(fù)雜任務(wù)」背后的奧秘時(shí)，思必馳全棧自研的硬核技術(shù)、深度定制的產(chǎn)品策略與開放融合的生態(tài)架構(gòu)，共同構(gòu)成了最有力的答案。這三大核心能力，不僅定義了思必馳的現(xiàn)在，還將引領(lǐng)其駛向智能語音交互更廣闊的未來，讓語音助手真正成為每一位駕乘者車內(nèi)不可或缺的智慧伙伴。