AI智能体扎堆上车，座舱体验泡沫怎么破？

过去一年，AI智能体以前所未有的速度挤上新车。“能聊天、会作诗、懂情绪”，成了不少新车发布会上反复出现的话术。

但发布会上的热闹，没有同步变成用户的高频使用。出于可靠性和安全顾虑，不少用户在主动减少使用AI车控，抱怨的焦点也从“看不懂”转向“做不准”。供给越热、使用越冷，一道裂缝正在浮现。

体验泡沫究竟从何而来？当大模型能力趋于雷同，这一轮的差距又会在哪里拉开？

上车热，使用冷

密集发布之下，更宏观的渗透率拐点正在到来。前装智能座舱搭载率已经超过四分之三，渗透率红利正在见顶。当几乎每辆车都有大屏、都能联网，大模型也在加速上车，“有没有”的问题已经基本解决，“好不好用”的问题开始凸显。

图片来源：大众汽车

座舱是用户感知智能最直接的地方。北京工业大学教授王超在2026中国汽车供应链大会上指出，它离用户最近，是软件定义汽车最先落地的环节。操作系统、OTA、大模型，大多先在座舱里跑通。它还是智驾的“翻译官”，车在想什么、什么时候需要人接管，都要靠座舱讲清楚。也正因如此，当座舱开始“说不准、办不好”，用户对整车智能化的信任都会被拖累。

落到真实使用中，数据却给出了另一种信号。J.D. Power 2026年的研究显示，在全部先进配置的用户问题中，“工作不稳定、不准确”占到48%，高居首位。2025年的研究还显示，56.5%的用户因可靠性和安全顾虑，主动减少使用AI车控。还有四分之一的用户认为，常用功能缺少专属的物理按键是一种缺陷。

把时间拉长，痛点迁移的轨迹更清楚。《中国汽车零部件产业发展报告（2026）》呈现的调研数据显示，2025年，在智能座舱类配置的问题中，用户最主要的抱怨是“看不懂”，占36%。到2026年，在全部先进配置的问题中，“做不准”已占到48%。两组数据统计范围不同，不能直接比较，但变化的方向是清楚的：界面友好的问题解决了不少，执行靠不靠谱的问题则被顶到了台前。

J.D. Power 2025年的研究还呈现了用户对具体功能的评价。营销上被反复强调的AI作图、写诗等功能，用户给出的重要性评分只有3.87分（满分5分）。智能避堵导航这类“关键时刻帮得上忙”的功能，评分达到4.27分。

“使用率低，其实是用户在投票。”王超在接受采访时直言。

这背后，是用户评价标准的整体换挡：从过去的“能用”，转向“好用、敢用、常用”，可靠与可信正在成为首要诉求。

值得注意的是，“会聊天”这一层，很快会变成标配，而且可能比当年多屏、语音来得还快。王超判断，大模型越来越像一种可以采购的能力，一个品牌在不同市场，甚至同一款车上同时接入两家模型，已经不少见。

当对话能力可以被廉价集成，“接入了大模型”本身就不再构成壁垒。今天还在发布会上被反复强调的卖点，很快就可能沦为人人都有、无人在意的标配。

泡沫的裂缝，正在“供给热、使用冷”的反差中显现。功能越发越多，真正被高频使用的却没几个。首发数不断刷新，用户信任却没有同步累积。当“有智能体”不再稀奇，行业不得不回答一个更根本的问题：智能座舱的价值，到底由谁定义？

根源在哪？

体验泡沫究竟从何而来？王超把根源排了个序，排在最前面的是工程化和产品定义。

排在第一位的是工程化。“配置上车的速度，超过了稳定性改善的速度。”大模型可以按天迭代，车规验证却要按月推进，整个验证体系没有跟上技术上车的节奏。

这是一种节奏错配。消费电子时代习惯了“先上线、再迭代”，但汽车是要在公共道路上承载生命安全的产品，与安全相关的功能都要经过严苛的车规验证。当发布节奏远远快于验证节奏，“做不准”几乎难以避免。

另一处根源，在于产品定义的出发点。“大家都从配置表出发：你有几块屏，我也上几块。你接了大模型，我也接一个。这样做出来的东西，自然越来越像。”王超认为，正确的起点应当是用户要完成的任务，而不是器件清单。

在他看来，营销和首发节奏只是“放大器”，算不上病根。它放大了同质化，也放大了用户预期与真实体验之间的落差。

汽车与消费电子的本质差异，决定了手机模式不能被简单照搬。汽车的生命周期长达5到10年，责任边界刚性。消费电子在交互底座上的经验可以迁移，比如意图优先、端侧优先、开放标准，但“快迭代、弱安全”的边界不能照搬。王超给出的原则是“高风险强验证、低风险快迭代”。

这一区分在AI从“对话型”走向“执行型”的当下尤为关键。会聊天出错，顶多是尴尬。可一旦AI能够直接操控车身乃至与驾驶相关的功能，误判的代价就完全不同。能力越向“动手”延伸，对确定性的要求就越高，这也是“做不准”被放大的原因。

一种流行的说法是“智驾会趋同，智舱才定义个性化”。王超只同意一半。智驾的安全底线确实在趋同，今年以来L2级组合驾驶辅助渗透率已超过七成，组合驾驶辅助强制性国标将于2027年1月实施，不少品牌甚至把辅助驾驶免费提供。但舱与驾正在融合，车怎么向人解释自己的判断、何时请人接管，本身就是座舱的工作，两者分不开。这也意味着，座舱的个性化不能脱离“准”的底线，再鲜明的人设，也建立在确定性之上。

更深层的错位在于，行业习惯于用“平均用户”的假想画像去定义产品，而真实的用户早已分化。

报告把用户分成四类场景。通勤效率型要的是低干扰、高确定性，把座舱当成可靠的驾驶伙伴。家庭陪伴型希望把座舱升级为移动的家庭空间。悦己体验型看重情绪价值、个性化和沉浸内容。商务与银发复合型则把隐私、可靠、易用放在首位。

四类人对“好座舱”的定义几乎完全不同，从同一张配置表出发，很难打中任何一类人的真实需求。

商业模式的悬空，也在间接催生泡沫。王超指出，软件订阅当下更像进入高端项目的“准入资格”，而非利润来源。他对比三家上市座舱企业后发现，2025年服务类收入占比没有一家上升。商业闭环的顺序不能颠倒：先有保有量和OTA频次，才会有服务收入。

当订阅难以变现、研发投入又必须持续，功能首发与传播声量往往比真实体验更快被看见，这也成为泡沫悄然累积的土壤。

壁垒转移

当“会聊天”本身不再构成壁垒，差距会在哪里拉开？王超的判断是，这一轮不会简单重复多屏、语音的老路，因为真正的壁垒已经移到了别处。

壁垒首先立在执行层。真正的差距，不在能不能听懂一句话，而在能不能在受控的权限内调用工具、编排车控和服务，把一件事从头到尾办成。从“能对话”到“能执行”，看似一步之遥，实则考验的是一整套成体系的能力。

图片来源：博世

同样关键的是可信。“车里的AI，要学会该沉默的时候沉默，关键时候说准说清，拿不准的时候先确认。”56.5%的用户主动减少使用AI车控，卡的正是这一关。

而决定一辆车能否“越用越聪明”的，是长期运营。场景数据能否持续回流，版本能否安全地不断升级，区分的是持续进化，还是止步于交付时的状态。

要重建这套能力，先得换考核标尺。“别再比谁多一块屏，比一比功能完成率、交互成功率。”王超主张，行业应以功能完成率、交互成功率、复用率，替代过去的配置清单。在AI能力趋同的时代，“做得准”本身就是最大的差异化。

差异化有时还意味着做减法。把常用功能的实体按键留住，把驾驶员的注意力还给道路。这与HMI首要原则从“技术展示”转向“减少分心”的方向，完全一致。

标准的跟进，正在为“好用”建立可量化的公共语言。2026年发布的《人工智能终端智能化分级第7部分：汽车座舱》（GB/Z 177.7—2026），把座舱智能化划分为L1响应级、L2工具级、L3辅助级、L4协同级四个等级，是一个好的开始，让“好不好用”变得可测、可比。

王超同时提醒，座舱里的每一次提示、每一个状态显示都有合规含义，个性化不能以牺牲确定性为代价，“个性要建立在‘准’的基础上”。当一套评价体系既能让消费者看得懂、敢据此买车，也能让企业摆脱参数竞赛，体验泡沫才会真正失去生存的土壤。

商业闭环同样需要务实的路径。未来三年，单车价值的主体仍是硬件和平台，但增量来自结构升级。高算力域控与舱驾融合平台、法规驱动的驾驶员监测、评价体系拉动的HUD与前向显示，是确定性较高的三类。

王超还提醒，算座舱的账，不能只盯着功能付费。座舱的定义能力眼下先兑现为规模和留存，还没有直接变成溢价。它降低了多少获客成本、提升了多少复购率、带来了多少服务收入，才是更完整的账本。

在订阅尚未成熟的当下，企业支撑投入的现实路径有三条。一是靠平台复用，复用率正是零部件企业唯一真实的规模经济。二是靠海外项目，头部企业海外毛利率比国内高出近9个百分点。三是把长期维护和OTA服务打包进平台报价，而非指望单独售卖订阅。落到产品策略上，“基础功能标配，增值服务分层收费”是更稳妥的选择。

“用户的信任，攒起来很慢，丢起来很快。”

体验泡沫的破解，并不在下一场发布会的参数里，而在每一次“一次就办成”的日常里。当行业停止用屏幕和话术制造喧嚣，转而把功能完成率、用户信任和长期运营当作真正的竞争力，智能座舱才能从“发布会智能”走向“日常智能”。

这也才是智能座舱下半场真正要走的路。