吉利座舱多模态大模型轻量化系统：破解车端 AI 困局，开启端侧智能新篇

【汽车供应商网】当 AI 座舱成为智能汽车的核心竞争力，传统多模态大模型却在车机端陷入 “两难”—— 既难以适配车机有限的算力、存储空间，又满足不了座舱场景对时效性、多轮交互体验的需求。正是瞄准这一行业痛点，吉利汽车集团正式发布汽车座舱多模态大模型轻量化系统，为汽车端侧 AI 的实用化落地注入全新动力。

四大技术亮点：重构座舱大模型 “能力边界”

这套系统的核心优势，集中体现为四大 “能力进化” 亮点：

超级提炼：通过自研 G-Edge 轻量化工具，将庞大 AI 模型 “压缩” 至车机芯片可流畅运行的体量，既低占内存、算力资源，又保持高准确率，即便是算力较弱的座舱平台，也能部署有效工作的多模态大模型。

迅疾响应：首字输出延迟时间降低 60% 至 200 毫秒（接近人类眨眼时长），理解、推理、生成时间大幅压缩，完美适配汽车高时效性场景需求。
类人交流：解码速率较行业平均提升 2.9 倍，为连续对话、连续动作等场景提供流畅响应支撑，人机交互体验更自然。
精细感知：单次图像输入像素超行业平均 2 倍，支持更高分辨率图像解析，可捕捉更丰富视觉细节，强化复杂场景的识别能力。
技术流程：从 “感知” 到 “交互” 的全链路优化

这套系统搭建了清晰的技术实现链路：座舱原生视觉编码器→投影层→座舱原生大语言模型。以 “识别车辆颜色” 为例：视觉编码器采集车辆图像信息，经投影层处理后传递给大语言模型，最终输出 “车是黑色的” 这类结果。

同时，系统还实现了多项核心指标升级（基于高通 SA8295P 芯片测试）：
SQNR（信号与量化噪声比值）提升 15~17dB（数值越高，信号质量越好）；
RMSE（均方根误差）降低 85%（数值越低，推理精度越优）。
三大应用场景：让智能座舱 “更懂安全与体验”
落地到实际用车场景，这套系统覆盖了三大核心需求：
外界突发状况极速应对：检测到前方障碍物、团雾等极端天气时，几乎无延迟触发灯光、安全辅助功能，筑牢行车安全防线。
舱内安全事件动态监测：识别儿童探出车窗外等危险行为并及时提醒，离车时自动检查后排遗留物品 / 儿童，规避安全隐患。

舱外危险场景实时提醒：借助高精度图像识别，精准识别低矮障碍物、路缘石等，大幅降低泊车刮擦风险。

吉利自研的座舱多模态大模型轻量化系统，成功破解了行业长期面临的 “算力、时效、体验” 三角矛盾，更率先迈出了多模态大模型在汽车端侧实用化的关键一步 —— 它不仅是座舱智能的技术升级，更是车端 AI 落地的全新范式。