在汽車智能化升J浪潮下，傳統智能座艙面臨三大核心痛點：語義理解能力薄 弱，難以應對口語化語料與多意圖指令；個性化服務缺失，無法結合人-車-環境數據 提供定制化體驗；交互流程繁瑣，過度依賴觸控操作，影響駕駛安全。隨著用戶對座 艙交互自然性、智能化需求日益迫切，重慶作為智能網聯汽車產業重鎮，亟需突破相 關技術瓶頸。為此，項目立足重慶“416”科技創新布局，以多模態感知融合與大模型決 策為核心，構建生成式交互解決方案，推動座艙交互從“觸控為主”向“自然對話為主” 變革。

本項目以數據驅動與算法支撐為核心，廣泛采集標注座艙數據供給模型訓練，打 通國產大模型基座到業務的完整鏈路，憑借堅實技術底座支撐多元產品形態，推動國 產化大模型落地座艙，助力座艙語音交互技術躋身國際L先，方案如下圖所示。

2.創建了基于用戶畫像、車輛信息、環境信息的意圖識別模型。構建融合用戶畫 像、車輛信息、環境信息的意圖識別模型，整合用戶屬性、艙外目標、交通標識等多 維度數據，研發群體-個體智能推薦算法，實現潛在艙駕業務意圖準確推薦，優化個性 化服務與人機協作體驗。

3.提出了基于對話流生成式的智能座艙交互系統。提出對話流生成式智能座艙交 互系統，依托大語言模型攻克口語化語料理解難題，推動交互形態從“觸控為主”向“自 然對話為主”演進，結合多模態感知與大模型決策形成生成式CUI交互，解決80%以上 大模型幻覺問題，實現千人千面的沉浸式交互。

4.提出了一種生成式座艙人機交互算法架構設計。采用模塊化與任務導向設計， 分離數據層與各類大模型，可靈活調度下游模型，高度融合超了大板塊業務，行業 次實現座艙大模型中上游技術分發與下游業務執行的動態映射，提升系統可擴展性與 任務處理效率。

·量化成效

技術指標：單意圖識別準確率88.7%、語義拒識率93.4%、多輪對話成功率 94.4%,較國內主流產品顯著L先；端側響應時間≤0.5秒，4bit 量化推理速度達 84tokens/s。

經濟效益：2023-2024年累計搭載55萬臺套，新增銷售收入6.2億元，降本 739.39萬元；預計2027年累計搭載超400萬輛，新增收入44億元，降本1億元。

行業影響：牽頭制定ITU 國際標準1項，申請發明專利53件(授權12項),發表EI 論文2篇，推動國產化大模型車載垂域規模化落地。

·推廣案例

已成功落地長安UNI-T、啟源A07、深藍SL03/S7 等多款車型，覆蓋自主品牌主流 產品線。技術方案符合重慶現代制造業集群建設要求，已形成完整API接口規范，計 劃進一步推廣至新能源汽車、智能出行終端等領域，具備廣泛復制價值。