車載語音研究：大模型上車，語音交互是智能座艙場景第一站

佐思汽研發(fā)布《2023-2024年車載語音行業(yè)研究報告》，對車載語音供應商、主機廠及其語音交互標桿車型進行研究，總結(jié)梳理當前車載語音發(fā)展現(xiàn)狀及未來發(fā)展趨勢。

車載語音交互市場呈現(xiàn)以下特點：

01、2023年前裝標配車載語音的品牌達46個

從2019到2023年1-9月，車載語音裝配量及裝配率逐年上升。2023年前三季度，前裝車載語音搭載量接近1200萬輛，裝配率接近80%。

2023年，車載語音裝配率100%的乘用車品牌有46個，包括問界、阿維塔、高合、飛凡、極氪、嵐圖、理想、領(lǐng)克、坦克、蔚來、小鵬等。2023年車載語音裝配量將突破2000萬輛，裝配率突破80%。

2018-2023年1-9月車載語音裝配量和裝配率

來源：佐思汽研《2023-2024年車載語音行業(yè)研究報告》

02、車企語音自研，推動語音供應鏈重塑

主機廠對車載語音智能化與差異化的需求，以及主機廠自研趨勢，推動傳統(tǒng)語音供應鏈上的Tier 2廠商與主機廠直接產(chǎn)生合作關(guān)系，產(chǎn)業(yè)鏈上中下游的邊界趨于模糊。比如，長城、極氪、五菱等車企的OS系統(tǒng)通過與思必馳直接合作，進而提升主機廠的智能語音裝載能力及智能化水平。
產(chǎn)業(yè)鏈關(guān)系的變化，讓車載語音競爭格局也發(fā)生改變。2023年1-9月，車載語音供應商裝載量排名中，思必馳憑借超30家車企的150余款配套車型躋身第三位。

2023年1-9月車載語音供應商競爭格局

來源：佐思汽研《2023-2024年車載語音行業(yè)研究報告》

03、可見即可說漸成標配，并行指令、跨音區(qū)繼承、離線語音、車外語音等高階功能上車

2022年，佐思汽研發(fā)布的《2021-2022年中國車載語音行業(yè)研究報告》中，“可見即可說”還只有部分新勢力以及頭部自主品牌搭載，連續(xù)對話時長最高也只有90秒，雙音區(qū)識別還是主流方案。

進入2023年，“可見即可說”在新勢力標桿車型上已成為標配項，連續(xù)對話最高支持120秒，小鵬還推出了“主駕全時對話”功能（功能開啟后，當主駕轉(zhuǎn)頭看向中控屏時，屏幕中內(nèi)容無需喚醒，可見即可直接說）。同時，四音區(qū)識別已經(jīng)成為新的主流方案，理想、小鵬還推出有六音區(qū)識別方案。

此外，2023年，更多語音高階功能開始上車。

并行指令：發(fā)展至最多支持一句指令執(zhí)行10個動作；

跨音區(qū)繼承：在小鵬、極氪、理想品牌車型搭載（跨音區(qū)繼承：當前一個人說完命令，如果其他乘客想繼續(xù)操作，可以用“我也要”省略說法觸發(fā)功能）

離線指令：可控內(nèi)容更多，極越01支持全域全離線語音，在離線狀態(tài)下，極越01依然可以做到與車內(nèi)人員的極速交互

車外語音：長安啟源 A07車外語音支持對后備箱、車窗、音樂、空調(diào)、出庫/泊車等功能實現(xiàn)控制；極越01支持車外語音控車/泊車以及語音操作空調(diào)、音響、燈光、車窗、車門、后尾門、充電蓋

部分品牌車載語音功能對比

來源：佐思汽研《2023-2024年車載語音行業(yè)研究報告》

04、大模型上車，語音交互是智能座艙場景第一站

ChatGPT 的爆火，讓其背后依賴的大模型技術(shù)快速從AI領(lǐng)域向各行各業(yè)延伸。2023年，大模型在汽車領(lǐng)域快速發(fā)展，多個車企在智能座艙、智能駕駛等場景探索大模型落地機會。

在智能座艙場景中，語音交互是大模型上車第一站。2023年2月，百度發(fā)布中國版ChatGPT——文心一言，長城、吉利、嵐圖等品牌跟進；2023年4月，阿里披露AliOS智能汽車操作系統(tǒng)已接入通義千問大模型進行測試，后期應用于智己品牌；2023年8月，華為鴻蒙 4.0 中，智能助手小藝首次接入盤古大模型，主要提高智慧交互、場景編排、語言理解能力、生產(chǎn)力和個性化服務幾個方面的能力。

除了傳統(tǒng)互聯(lián)網(wǎng)企業(yè)外，語音廠商也是大模型重要玩家，科大訊飛、思必馳、云知聲等廠商均有推出相關(guān)產(chǎn)品。

科大訊飛星火認知大模型具備多輪對話的貫穿理解、知識應用、共情閑聊對話、多輪對話自主引導回復、基于文檔的新知識快速學習、基于海量用戶修正意見的進化六大核心能力；

思必馳DFM-2是一個具備通用智能的行業(yè)語言大模型。在車載交互領(lǐng)域，思必馳將天琴車載語音助手與DFM-2相融合，在規(guī)劃能力、創(chuàng)作能力、知識以及干預能力、插件能力、多層次語義對話以及文檔能力上均有顯著提升，并支持多模態(tài)、多意圖、多音區(qū)、全場景多輪連續(xù)對話。

主要供應商的大模型產(chǎn)品布局

來源：佐思汽研《2023-2024年車載語音行業(yè)研究報告》