|
시장보고서
상품코드
2074810
콕핏 내 AI 적용(2026년)Research Report on AI Applications in Cockpits, 2026 |
||||||
콕핏 내 AI 적용 - AI 서비스는 더욱 종합적이고, 편리하며, 정교해졌습니다.
2026년 상반기, 콕핏의 AI 기능은 수동적인 대응에서 시기적절한 능동적 행동으로, 단일 기능에서 서비스 루프로, 그리고 클라우드 중심에서 엣지 중심의 접근 방식으로, 다각적인 측면에서 초기 업그레이드가 이루어졌습니다. 에이전트 기능이 더욱 강화됨에 따라, 콕핏 AI의 능력에 대한 사용자의 평가 기준도 변화하고 있습니다. 이제는 어떤 모델이 더 높은 지표를 달성하느냐의 문제가 아니라, 어떤 콕핏 AI 시스템이 진정으로 임무를 수행하고, 개인정보를 보호하며, 사용자의 요구를 예측하고, 사용자의 바람을 이해할 수 있는지에 초점이 맞추어져 있습니다.
사용자들이 실제 경험과 효과성을 중시하게 됨에 따라, 콕핏 AI는 ‘보다 종합적’, ‘보다 편리’, ‘보다 정교’라는 세 가지 주요 방향에 따라 동시에 업그레이드가 요구되고 있습니다.
보다 종합적으로 - '기능'에서 '시스템'으로
2025년, 콕핏 AI는 '기능'으로 자리매김하여 다양한 수직 시나리오에 초점을 맞추고, 사용자의 지시에 따라 단일 서비스를 완료할 수 있게 되었습니다.
2026년에는 주류 플래그십 차종의 콕핏 AI 서비스가 더욱 ‘체계적’이 되어, 중앙 기반 모델이나 에이전트를 통해 원래 분산되어 있던 비안전 관련 AI 용도 기능을 연계하여 활용할 수 있게 됨으로써, 오디오-비주얼 엔터테인먼트, 여행 지원, 지역 생활 서비스와 같은 업계 시나리오에서 폐쇄형 루프 서비스를 실현하게 될 것입니다. 일부 콕핏 제품의 경우, 자율적인 계획에 따라 여러 작업을 단계적으로 완료하는 것조차 가능해졌으며, 이는 AI 서비스 시나리오의 범위를 대폭 확대하고 사용자 경험을 향상시키는 동시에, 콕핏 AI의 반복적인 업그레이드를 위한 기반을 마련하고 있습니다.
특히, AI 수준에서의 크로스 도메인 통합은 AI 서비스를 위한 보다 ‘종합적인’ 기술 기반을 구축하는 것으로, 일부 OEM에서는 이미 이를 도입하고 있습니다.
예를 들어, 콕핏과 주행의 통합을 실현한 ZEEKR 8X의 'Super Eva'는 WAM을 중심으로 한 차량 AI 아키텍처에 연결되어 있으며, 상시·전 모달리티에 걸친 인지, 심층 사고 및 의사 결정, 전 영역에 걸친 스케줄링(콕핏, 주행, 섀시, 파워트레인 등의 조정) 등의 기능을 지원합니다. 또한, 자기 성찰과 발전이 가능하며, 사용할수록 더욱 사용자 친화적으로 변해갑니다.
구체적인 시나리오로, Super Eva는 차량 내부 및 외부의 생태계를 연결하여 ‘말만 하면 처리되는’ 일상적인 작업(예: 차량 내에서 직접 음성 명령을 통해 식사 주문, 호텔 예약, 업무 정보 처리 등)을 가능하게 할 뿐만 아니라, G-ASD 4.0과 연동하여 자율 주행 및 내비게이션을 실현함으로써 ‘스마트 조수석’에서 ‘신뢰할 수 있는 운전자’로 변모하며, AI 서비스 시나리오의 범위를 더욱 확대되고 있습니다.
IM의 'IM ULTRA AGENT 1.0'을 예로 들어 보겠습니다. IM FUSION NOVA를 통한 콕핏과 주행의 통합, 전 영역 융합 지능형 아키텍처를 통해 IM의 콕핏 AI 시스템은 IM AD ZETA 및 완전 와이어 제어 방식의 Lizard Digital Chassis와 영역을 초월한 연동을 가능하게 하여, 주행 중 자유롭게 목적지를 변경하는 등의 기능을 실현합니다. 또한, 오디오-비주얼 엔터테인먼트, 생태계 간 상호 연결, 개인 맞춤형 상호작용과 같이 안전성이 요구되지 않는 시나리오에도 구현할 수 있으며, 사용자의 명령 분석과 서비스의 폐쇄 루프를 완성할 수 있습니다.
더 편리하게: 말은 적게, 행동은 많이
편의성이란, 사용자가 원하는 결과를 얻기 위해 얼마나 많은 노력을 기울여야 하는지에 따라 결정됩니다.
2026년에는 사용자들이 AI 용도의 효과를 보다 직접적으로 체감할 수 있게 될 것입니다. 단어 하나를 줄이고, 클릭 횟수를 한 번 줄이며, 대기 시간을 1초 단축하는 것만으로도 사용자 경험은 한 차원 더 높은 수준으로 올라설 것입니다. 따라서 2026년의 콕핏 AI는 사용자가 서비스를 이용할 때 겪는 불편을 더욱 줄여야 합니다. 즉, 보다 직접적인 상호작용 방식, 조작 단계의 축소, 그리고 응답 속도의 향상입니다. 고정밀 음성 인식(ASR) 기술, 더욱 스마트한 AI 알고리즘 스케줄링, 그리고 인간 중심의 워크플로우 설계를 활용하여, 불필요한 조작이나 페이지 이동을 최소화하고, 한 문장으로 여러 명령을 실행할 수 있도록 합니다.
예를 들어, ‘아이를 데리러 가서 집으로 돌아오는 길을 내비게이션으로 안내한다’는 시나리오를 생각해 봅시다.
이전 - 사용자는 먼저 아이를 데리러 갈 장소 'A'를 명확히 한 다음, "내비게이션 시작"이라고 말합니다. 시스템이 “어디로 가시겠습니까?”라고 묻자, 사용자는 “장소 A, XX거리”라고 대답하고, 시스템은 “경로를 계획했습니다”라고 응답합니다. 즉, 하나의 작업을 완료하는 데 3번의 소통이 필요했습니다.
현재 - 사용자가 단순히 '아이를 데리러 갑니다'고 말하기만 하면, AI가 저장된 데이터를 바탕으로 자동으로 목적지를 입력하고 경로를 생성합니다. 이를 통해 하나의 모호한 음성 명령으로 3가지 작업을 완료할 수 있습니다.
예를 들어, Neusoft OneCoreGo 7.0은 '올인원'형 서브 솔루션 설계를 통해 보다 종합적이고 편리한 AI 서비스를 제공합니다. 에이전트 간 연동 기술을 통해, 서로 다른 사용 시나리오에서 이루어지는 다단계 작업도 단일 명령어로 실행할 수 있게 됩니다.
콕핏 AI의 편의성을 실현하기 위한 핵심 요소 중 하나는 다중 에이전트 연동을 위한 표준 프로토콜과 통합된 스케줄링 프레임워크를 구현하는 것입니다. 엣지-클라우드 연동 배포 환경과 결합함으로써, 표준화된 에이전트 간 통신, 오케스트레이션 및 실행 프로토콜이 도메인을 초월한 에이전트 간 상호 운용성 문제를 해결합니다.
Extour Technology의 MCP-Agent 프레임워크에서는 거리 감지, 매장 선정, 경로 계획, 결제 등을 개별 에이전트로 분할하고 있습니다. 각 에이전트는 MCP 표준 프로토콜을 통해 서로 연동됩니다. 예를 들어, 사용자가 “저지방 커피를 주문해 주세요”라고 말하면, 시스템은 상품 선택부터 주문, 길 안내에 이르기까지의 전체 과정을 몇 분 만에 완료할 수 있습니다.
컨텍스트 창 최적화 기술과 메모리 모듈을 활용함으로써, MCP-Agent는 커피 주문 중 커피 유형, 컵 크기, 수령 장소의 변경 등 사용자의 요구 사항에 지속적으로 발생하는 변화를 계속해서 추적할 수 있으므로, 사용자가 배경 정보를 다시 설명할 필요가 없습니다. 서비스 간 연동을 위한 표준화된 프로토콜을 기반으로, 배터리 잔량 감지, 저칼로리 매장의 선별, 경로 계획 등의 서비스를 자동으로 연동함으로써, “30분 후에 사무실에 도착할 예정이니, 저칼로리 커피 몇 가지를 추천해 주세요”와 같은 복잡한 요청도 처리할 수 있습니다. 모든 작업을 하나의 음성 명령으로 완료할 수 있으므로, 기존 솔루션에서 볼 수 있었던 여러 개의 독립된 용도 간을 전환해야 하는 번거로운 작업이 필요 없어지며, 사용자가 AI 서비스를 이용하는 편의성이 크게 향상됩니다.
반면, Neusoft의 NAGIC.AI 솔루션에도 다양한 시나리오에 대응하는 서브 에이전트가 포함되어 있습니다. 그러나 완벽한 다중 에이전트 연동 메커니즘은 라우터, HCP, 메모리, 함수 호출(툴체인)과 같은 모듈 간의 연동을 통해 구현됩니다. 라우터는 사용자의 모호한 의도를 분석하여, 해당 시나리오에 특화된 에이전트를 할당합니다. Memory는 통합된 메모리 풀을 공유하여 서로 다른 에이전트 간에 의도를 실행할 수 있게 합니다. 그 후, Function Call은 각 에이전트와 연동하여 내비게이션, ADAS, 콕핏 IVI, 멀티미디어 등의 기능을 비롯해 차량의 기반이 되는 하드웨어를 호출합니다.
또한, NAGIC.AI는 '분산형 + 집중형' 솔루션을 채택하고 있습니다. 표준화된 인터페이스와 통합된 추론 프레임워크를 기반으로, 서로 다른 연산 성능 플랫폼(고성능 칩/미드레인지 플랫폼) 및 서로 다른 시스템(Linux/QNX/AutoSAR)에 대한 계층적 적응을 실현하고 있습니다. 또한, 내장형 HCP(이종 컴퓨팅 플랫폼) 및 AI 플러그인 서비스 계층을 갖추고 있어, 기능 모듈에 대해 표준화된 액세스 및 확장 기능을 제공합니다.
한 차원 더 높은 세련미 - ‘암묵적 요구 사항으로서의 서비스’에 대한 인사이트
콕핏 AI의 '정교함'을 둘러싼 경쟁은 더 예민한 지각, 더 깊은 이해, 그리고 더 정확한 행동이라는 세 가지 차원에서 펼쳐지고 있습니다. 그중에서도 사용자의 ‘암묵적인 요구’를 파악하는 것은 획기적인 발전 중 하나입니다.
사용자들은 차량 내 콕핏에서 '효율적인 출퇴근'이나 '휴식'부터 '사회적 교류'에 이르기까지 다양한 요구를 가지고 있습니다. 다양한 시나리오에서 암묵적인 요구 사항을 파악하고 이를 충족시켜야 합니다. 2026년, 콕핏 AI 제품은 일반적으로 지각, 기억, 이해, 판단, 실행, 검증으로 구성된 워크플로를 통해 이러한 암묵적인 요구 사항을 처리합니다. 수직적 시나리오는 미리 설정되어 있으며, 도메인별 에이전트가 채택되어 해당 작업을 완료합니다.
지각을 예로 들면, 콕핏 AI는 시각, 음성, 차량 신호를 통합하기 시작했습니다. '모빌리티 서비스'나 '육아'와 같은 제한적인 시나리오에서는 탑승자가 음성 명령을 내리기 전에 그 표정, 몸짓, 눈 깜빡임 빈도, 핸들 잡는 방식 등을 감지함으로써 사용자의 요구를 사전에 예측하고, 미리 설정된 논리적 틀 안에서 종단 간 선제적 서비스를 제공할 수 있습니다.
OEM 각사가 특히 주목해야 할 시나리오 기능으로는 안전 시나리오 기능, 편의성 시나리오 기능, 습관 시나리오 기능 등 3가지가 있습니다.
Modelbest Technology의 'SuperMate'를 예로 들면
Modelbest Technology의 콕핏 AI 설계 개념은 ‘기능의 중첩’을 ‘극한의 암묵적 이해’로 대체하고, 딥 메모리, 실시간 지각, 상황 이해 및 선제적 행동의 폐쇄 루프를 통해 ‘보다 절제되고 은은한 무의식적 서비스’를 실현하는 것입니다. 대표적인 기능으로는 무의식적인 차량 제어, 어린이의 위험한 행동에 대한 개입, 사고 상황 인식, 정서적 안정 제공 등이 있습니다.
그중에서도 가장 두드러진 특징은 ‘SuperMate’의 사고 대응 시나리오에서 나타나는 ‘능동적 + 무의식적인 서비스’입니다.
또한, 다른 일반적인 차량 내 시나리오 기능과 비교했을 때, SenseAuto와 Neusoft Group 양사는 독자적인 도어 개방 경고(DOW) 기능을 출시했습니다. 이러한 기능을 통해 사용자의 암묵적인 안전에 대한 요구는 차량 내부에서 외부 도로 상황으로 확대됩니다.
예를 들어, SenseAuto의 'Safety Guardian' 에이전트는 기반 모델의 이해 능력을 바탕으로 다차원적인 위험 식별을 실현하며, 문 개폐 시 발생하는 충돌이나 차량 흠집 등의 현상을 분류하고 설명합니다. 또한, 안전 클로즈드 루프 및 OpenClaw 기반의 능동적 경고와 실시간 알림을 통해 사용자가 언제 어디서나 차량의 안전 상태를 모니터링할 수 있도록 하여, 모든 상황에서 운전 안전을 보장합니다.
목차
제1장 차량 콕핏 내 AI 적용 시나리오
제2장 콕핏 내 AI 적용 현황과 동향
제3장 공급업체의 콕핏 내 AI 적용 사례
제4장 OEM의 콕핏 내 AI 적용 사례
LSH 26.07.07AI Application in Cockpits: AI Services Become More Comprehensive, Convenient, and Refined.
In the first half of 2026, cockpit AI functions underwent initial upgrades across multiple dimensions, including from passive response to timely proactive action, from single-point functions to service loops, and from cloud-centric to edge-centric approaches. As agent functions are further enhanced, users' evaluation criteria for cockpit AI capabilities are also changing: the focus is no longer on which model achieves more advanced metrics, but rather on whose cockpit AI system can truly perform its tasks, protect privacy, anticipate user needs, and understand user demand.
Users' emphasis on actual experience and effectiveness is forcing cockpit AI to upgrade along three major lines simultaneously: more comprehensive, more convenient, and more refined.
More Comprehensive: From "Function" to "System"
In 2025, cockpit AI was positioned as a "function," focusing on different vertical scenarios and capable of completing single-shot services based on user instructions.
In 2026, the cockpit AI services of mainstream flagship vehicle models become more "systematic" and support the coordinated use of originally scattered non-safety AI application functions through central foundation models/agents to achieve a closed-loop service in vertical scenarios such as audio-visual entertainment, itinerary assistance, and local life services. Some cockpit products can even complete multiple tasks step by step based on independent planning, greatly broadening the scope of AI service scenarios, improving user experience, and laying the foundation for iterative upgrades of cockpit AI.
Especially, cross-domain integration at the AI level marks a more "comprehensive" technology foundation for AI services, and the layout of some OEMs has already been implemented:
For example, ZEEKR 8X's Super Eva fitted with cockpit-driving integration connects to the vehicle AI architecture centered on a WAM, supporting functions such as full-time, all-modal perception, deep thinking and decision-making, and full-domain scheduling (coordinating cockpit, driving, chassis, powertrain, etc.). It can also self-reflect and evolve, becoming more user-friendly with use.
In scenarios, Super Eva not only connects the in-vehicle and external ecosystems, enabling "speak-and-handle" daily tasks (e.g., ordering food, booking hotels, and processing work information directly via voice in the car), but also collaborates with G-ASD 4.0 to achieve autonomous driving and navigation, transforming from a "smart front passenger" into a "reliable driver," further expanding the scope of AI service scenarios.
Take IM's IM ULTRA AGENT 1.0 as an example. Through the IM FUSION NOVA cockpit-driving integration full-domain fusion intelligent architecture, the IM cockpit AI system allows for cross-domain linkage with IM AD ZETA and the fully wire-controlled Lizard Digital Chassis to realize functions such as changing destinations at will on the way. It can also be implemented in non-safety scenarios such as audio-visual entertainment, ecosystem interconnection, and personalized interaction to complete user command analysis and service closed loop.
More Convenient: Less Talk, More Action
Convenience hinges on how much effort users take for their desired outcome.
In 2026, users can feel the effects of AI applications more directly: with one less word, one less click, and one less second of waiting, the experience can reach a higher level. Therefore, cockpit AI in 2026 should further reduce the friction users encounter when accessing services: more direct interaction modes, fewer interaction steps and faster response speeds. Leveraging high-precision speech ASR technology, smarter AI algorithm scheduling and more human-centric workflow design, it minimizes redundant operations and page jumps, enabling multiple commands to be fulfilled with a single sentence.
Take the "picking up kid and navigating the way home" scenario for example:
Past: The user first clarifies the location A for picking up kid, then says "Start navigation"; the system asks "Where would you like to go?", the user replies "Location A, XX Road", and the system responds "Route planned for you", which means three dialogue turns are needed to complete one single task.
Now: The user simply says "Pick up kid", and the AI automatically fills in the destination and generates a route based on data stored in its memory, allowing three tasks to be completed via one vague voice command.
For example, Neusoft OneCoreGo 7.0 provides more comprehensive and convenient AI services through a "multi-in-one" sub-solution design. Multi-step operations of different application scenario functions can all be implemented by a single command through cross-agent collaboration technology.
One of the keys to realizing the convenience of cockpit AI is to implement multi-agent collaboration standard protocols and a unified scheduling framework; paired with an edge-cloud collaborative deployment environment, standardized agent communication, orchestration and execution protocols address interoperability challenges across cross-domain agents.
Extour Technology's MCP-Agent framework splits range detection, merchant screening, route planning, payment, etc. into separate agents. Different agents collaborate with each other through the MCP standardized protocol - for example, if a user says "order a low-fat coffee", the system can run through the entire link from product selection to ordering to navigation in a few minutes.
Leveraging context window optimization technology and memory modules, the MCP-Agent can continuously track successive changes to user requirements, such as adjusting coffee selections, cup sizes and pickup addresses during a coffee order, without requiring users to restate background information. Supported by standardized protocols for cross-service collaboration, it can process complex requests like "I will arrive at the office in half an hour, please recommend several low-calorie coffees" by automatically linking battery range detection, low-calorie merchant filtering, route planning and other services. All tasks can be completed with a single voice command, eliminating the cumbersome operation of switching between multiple independent applications in traditional solutions and significantly boosting the convenience of AI service interaction for users.
In contrast, Neusoft's NAGIC.AI solution also includes sub-agents for different scenarios. However, the complete multi-agent collaboration mechanism is achieved through the collaboration of modules such as Router, HCP, Memory, and Function Call (toolchain). The Router parses users' ambiguous intentions and dispatches corresponding scenario-specific agents. The Memory shares a unified memory pool to realize intention completion across different agents. Afterwards, the Function Call works with each agent to invoke underlying vehicle hardware, including navigation, ADAS, cockpit IVI, multimedia and other functions.
Furthermore, NAGIC.AI adopts a "distributed + centralized" solution. Based on standardized interfaces and a unified inference framework, it achieves layered adaptation to different computing power platforms (high-performance chips/mid-range platforms) and different systems (Linux/QNX/AutoSAR). It also includes built-in HCP (Heterogeneous Computing Platform) and AI Plugin Service Layer, providing standardized access and expansion capabilities for functional modules.
More Refined: Insight into "Implicit Demand as a Service"
The competition for the "refinement" of cockpit AI is unfolding from three levels - sharper perception, better understanding, and more measured actions. Wherein, sensing users' "implicit needs" is one of breakthroughs.
Users have diverse demand inside vehicle cockpits, ranging from "efficient commuting" and "relaxing" to "social interaction". Implicit needs in various scenarios need to be identified and fulfilled. In 2026, cockpit AI products typically process these implicit needs through a workflow consisting of perception, memory, comprehension, judgment, execution and verification. Vertical scenarios are pre-configured, and domain-specific agents are adopted to complete corresponding operations:
Taking perception as an example, cockpit AI is beginning to integrate vision, audio and vehicle signals. In limited scenarios such as "mobility services" and "child care", it can predict user needs in advance by sensing the occupant's expressions, body movements, blink frequency, steering wheel posture, etc., before the occupant issues voice commands, and provide end-to-end proactive services within a preset logical framework.
There are three types of scenario functions that OEMs may pay extra attention to, namely safety scenario functions, comfort scenario functions, and habit scenario functions:
Take Modelbest Technology's "SuperMate" as an example:
Modelbest Technology's design concept for cockpit AI is to replace "superposition of functions" with "extreme tacit understanding", and achieve "more restrained and restrained senselessness" through a closed loop of deep memory, real-time perception, situational understanding and proactive action. Typical functions include senseless car control, intervention of children's dangerous behaviors, accident status recognition and emotional comfort, etc.
Wherein, the most distinctive feature is the "active + senseless service" in the accident handling scenario of "SuperMate":
In addition, compared to other common in-cabin scenario functions, both SenseAuto and Neusoft Group have launched distinctive door open warning (DOW) functions. Such capabilities extend users' implicit safety needs beyond the cockpit to external road conditions.
For example, the "Safety Guardian" agent of SenseAuto, based on understanding capabilities of foundation models, achieves multi-dimensional risk identification, classifies and describes events such as dooring and car scratches, and through a safety closed loop and OpenClaw-based proactive warnings and real-time reminders, allows users to monitor the safety status of their vehicles anytime, anywhere, protecting their all-scenario driving safety.
Table of Contents
Definition
1 AI Application Scenarios in Automotive Cockpits
- 1.1 Status Quo of AI Applications in Cockpits
- Characteristics of AI Cockpits
- AI Application Scenarios in Cockpits: Status Quo
- Evolution of Cockpit AI
- 1.2 Scenario 1: Voice Recognition
- Development Roadmap of AI Foundation Models Integrated with Voice Recognition
- Sub-scenario 1: Voiceprint Recognition
- Sub-scenario 2: External Voice Recognition
- Voice Interaction Suppliers Integrate AI Foundation Models
- 1.3 Scenario 2: Multimodal Interaction
- Development Roadmap of AI Foundation Models Integrated with Face Recognition
- Integration of Small Models in Lip Movement Recognition Scenarios
- Integration of Small Models in Iris Recognition Scenarios
- 1.4 Scenario 3: IMS
- Functional Implementation of In-Cabin Monitoring System
- Development of AI in In-Cabin Monitoring Scenarios
- Examples of AI Algorithms for In-Cabin Monitoring
- In-Cabin Monitoring: AI Technology Applications by Chip Suppliers (1)-(4)
- 1.5 Scenario 4: HUD
- Applications of AI Algorithms in HUD
- 1.6 Scenario 5: Radar Detection
- AI Algorithms in Radar (1)-(2)
2 Status Quo and Trends of Cockpit AI Applications
- 2.1 Cockpit AI Market Data
- Installations and Penetration Rate of AI-powered Voice Assistants, 2025
- Penetration Rate of AI-powered Voice Assistants by Price Range, 2025
- Penetration Rate of AI-powered Voice Assistants by Level, 2025
- Penetration Rate of AI-powered Voice Assistants by New Energy Vehicle Type, 2025
- Installations and Penetration Rate of Avatars, 2025
- Penetration Rate of Avatars by Price Range, 2025
- Penetration Rate of Avatars by Level, 2025
- Penetration Rate of Avatars by New Energy Vehicle Type, 2025
- Installations and Penetration Rate of AI Foundation Models, 2025
- Penetration Rate of AI Foundation Models by Price Range, 2025
- Penetration Rate of AI Foundation Models by Level, 2025
- Penetration Rate of AI Foundation Models by New Energy Vehicle Type, 2025
- 2.2 Development Trends of Cockpit AI
- Trend 1: Cockpit Assistants Spread from Chatbots to Agents
- Trend 1: Key to Cockpit Agent Applications (1) - Multimodal Technology
- Trend 1: Key to Cockpit Agent Applications (2)
- Trend 1: Key to Cockpit Agent Applications (3)
- Trend 2: Cockpit-Driving Integration Based on Unified Agent Foundation
- Cross-Domain Integration AI Super Agent Layout of OEMs in 2026 (1)-(2)
- Trend 2: Challenges for Cockpit-Driving Integration AI
- Trend 3:
- Trend 4:
- Trend 5:
- Trend 6:
- Trend 7:
- 2.3 Resource Calculation for AI Technology Implementation in Cockpits
- Resource Calculation (for Reference Only)
- Comparison between Cockpit AI Assistant Applications of Major Foreign Brands
- Advantages and Disadvantages of Different Cockpit AI Algorithms
3 Cockpit AI Application Cases of Suppliers
- Overview of Cockpit AI Foundation Models from Suppliers
- 3.1 Huawei
- Planning for AI Applications in Cockpits
- Functional Construction of HarmonySpace
- Celia's Voice Capabilities Based on Foundation Models
- Celia's Perception Capabilities Based on Foundation Models
- AI Functions of Harmony OS
- Dynamics of HarmonySpace: MoLA Upgrade
- Dynamics of HarmonySpace: Special Functions (1)
- Dynamics of HarmonySpace: Special Functions (2)
- 3.2 Tencent
- Cockpit System Upgrade (1): Evolution
- Cockpit System Upgrade (2): Functions and Architectures
- Foundation Models-Based Open Agent Platform
- Cooperative Ecosystem
- Intelligent Cockpit Foundation Model Framework
- Foundation Models Enhance Interactive Functions
- 3.3 Alibaba
- AI-Based Voice Scenarios
- NUI Edge-Cloud Integration Platform Architecture
- Functional Applications of Qwen Edge Foundation Models on IVI
- Qwen Edge Foundation Models: Edge-Cloud Collaboration
- Qwen Edge Foundation Models: Terminal Foundation Models
- Qwen Edge Foundation Models: Application Scenarios
- Qwen Edge Foundation Models: Application Roadmap of "Human-like Partners"
- Qwen Edge Foundation Models: Next Steps
- 3.4 Baidu
- Intelligent Cockpit Based on Ernie Bot
- Multi-agent Collaboration Mode
- 3.5 ByteDance (Volcano Engine)
- Next-generation Automotive AI Solution
- Cockpit AI Assistant Construction
- Cockpit AI Assistant Construction: Four Levels of Edge AI
- Cockpit AI Assistant Construction: Functional Applications of Edge AI (1)-(8)
- Cockpit AI Assistant Construction: Hardware Solution
- Cockpit AI Collaboration: Suppliers
- Cockpit AI Ecosystem: OEMs
- 3.6 Zhipu AI
- Cockpit Design Architecture Based on AI Foundation Models
- Scenario Design of AI Foundation Models
- Design of AI Foundation Models for Cockpit Interaction Problems
- Collaboration in Cockpit AI
- 3.7 SenseTime
- Typical Functions of Intelligent Cockpits
- Cooperative Dynamics:
- Typical Cockpit Products: Edge Models and AIOS
- Typical Cockpit Products: Edge Agents
- Multimodal Processing Capability Framework
- Multimodal Interaction Application Cases
- In-Cabin Monitoring Products
- 3.8 iFLYTEK
- Functions of Spark Model
- Core Capabilities of Spark Model
- Deployment Solution of Spark Model
- Automotive assistant based on Spark Model
- Functions of Spark Model: (1)-(6)
- How Spark Cockpit Integrates AI Services
- Application Technology of Spark Model
- Full-Stack Intelligent Interaction Technology
- Autonomous Vehicle AI Algorithm Chip Compatibility
- Features of Multimodal Perception System
- Spark Intelligent Cockpit 2.0
- 3.9 AISpeech
- Functions of Automotive Voice Assistant
- "1+N" Layout of DFM
- Integrated Foundation Model Solutions
- Multimodal Interaction Solutions of AI Voice Technology
- Features of AI Cockpits
- Cooperation Cases: (1)-(2)
- 3.10 Unisound
- Automotive Foundation Model Solutions
- Details of Foundation Models (1)-(3)
- Applications of Shanhai Large Model in Cockpits (1)-(3)
- Business Models of Automotive Voice Solutions
- Voice Basic Technology
- Edge-Cloud Collaborative Voice Technology
- Cooperative Ecosystem
- 3.11 Pachira
- Voice Foundation Model Solutions
- Intelligent Cockpit Foundation Models (Hybrid Architecture + Open Fusion)
- Applications of DeepSeek
- AI Voice Solutions (1): Capability Types
- AI Voice Solutions (2): Functional Scenarios
- AI Voice Solutions (3): Features
- AI Voice Solutions (4): Design Concept
- 3.12 Thundersoft
- Foundation Model Layout
- AI Cockpit Series (1)-(3)
- AI Cockpit Software Foundation - Aqua Drive OS (1)-(2)
- AI Cockpit Software Foundation - AI Box
- 3.13 Neusoft
- Cockpit AI Solutions (1)
- Cockpit AI Solutions (2)
- Cockpit AI Solutions (3)
- Cockpit AI Solutions (4)
- Cockpit AI Scenarios (1)-(3)
- Empowering Cross-Domain Integration Platform Products with AI
- Applications of DeepSeek
- Underlying Foundation of Cockpit Agents: OS and SOA
- Next-generation Cockpit Mobility Solutions (1)-(6)
- 3.14 Desay SV
- Main Application Scenarios of Cockpit Foundation Models
- Multimodal Interaction of Cockpit Foundation Models
- History of Automotive Voice Research
- Overview of Voice Foundation Model Solutions
- Voice Industry Solutions (1)-(4)
- Dynamics in Cockpit AI Cooperation
- Cockpit Development Trends
- Upgrade of Smart Solutions
- 3.15 TINNOVE
- Four Stages of Intelligent Cockpit Planning
- AI Cockpit Architecture Design
- AI large model application scenarios
- TTi AI Cockpit (1)-(9)
- 3.16 PATEO CONNECT+
- Voice interaction technology
- Capabilities of Qing AI Voice (1)
- Capabilities of Qing AI Voice (2)
- Dynamics in AI Cockpit Product Cooperation (1)-(3)
- 3.17 Extour Technology
- "1+3" Architecture of Cockpit AI Solutions
- Edge-Cloud Collaborative Architecture of Cockpit AI Solutions
- Underlying Architecture of Xinjie AI System
- Typical Functions of AI System (1)-(4)
- MCP-Agent Framework Accelerates MAS Intelligent Collaboration
- 3.18 Cerence
- Core Voice Technology (1)
- Core Voice Technology (2)
- Voice interaction outside the vehicle
- 3.19 Horizon Robotics
- Vehicle Intelligent Agentic OS
- Cockpit-Driving Integration Chip for Vehicle Intelligent Agentic OS
- 3.20 Others
- MINIEYE
- LG
- MediaTek
4 Cockpit AI Application Cases of OEMs
- Foundation Model Applications of OEMs
- 4.1 NIO
- Multimodal Perception Foundation Models: NOMI GPT
- Multimodal Cockpit Interaction Applications Based on NOMI GPT
- Applications of NOMI GPT in Cockpits
- Intelligent Cockpit Functions Based on NOMI GPT (1)-(5)
- ONVO Intelligent Cockpit Interaction Cases Based on NOMI GPT (1)-(2)
- OnVO and NIO Offer Food Ordering Functions
- 4.2 Li Auto
- Lixiang Tongxue: Building Multiple Scenarios
- Lixiang Tongxue: Agent Architecture - Two Paths
- Lixiang Tongxue: Ordering Scenario Analysis
- Lixiang Tongxue: Payment Scenario Analysis
- Lixiang Tongxue: Key Points of AI Master R&D
- Lixiang Tongxue: CoT interpretability
- Mind GPT (1)-(2)
- Foundation Model Training Platform
- Lixiang Tongxue: Foundation Model Capability Upgrade (1)-(2)
- Lixiang Tongxue: Multimodal Interaction Cases
- 4.3 Xpeng
- History of AI Foundation Model Applications
- Intelligent Cockpit Solutions: XOS
- Application Cases: (1)-(4)
- 4.4 Xiaomi
- Automotive Foundation Models: MiLM
- Voice Capabilities of XiaoAi Tongxue
- Voice Task Parsing and Execution Process
- Vehicle Recognition Functions (1)-(3)
- Scenario Construction of XiaoAi Tongxue
- Cases: Cockpit of 2026 New SU7 (1)-(4)
- 4.5 Leapmotor
- Foundation Model 1.0
- Foundation Model 2.0
- 4.6 BYD
- Cockpit AI: From Independent R&D to Collaboration
- Dynamics in Agent Collaboration
- Application Cases of Xuanji AI Foundation Models in Cockpits
- 4.7 Geely
- Xingrui AI Foundation Model
- Architecture of Xingrui AI Foundation Model
- Full-Domain AI System 1.0
- Full-Domain AI System 2.0: Release
- Full-Domain AI System 2.0: Architecture
- Full-Domain AI System 2.0: Cockpit-Driving Integration Agent
- Application Forms of Foundation Models in Cockpits
- Flyme Auto Voice Interaction Capability
- ZEEKR: Application Cases of Super EVA
- ZEEKR: Agent Scenarios (1)-(2)
- 4.8 Chery
- LION AI Foundation + iFlytek Spark Model + DeepSeek
- Super Agent: Xiaoqi
- AI Applications in Audio System
- AI Cockpit Configuration in Vehicle Models
- 4.9 Changan
- AI Model Matrix
- AI Agent Matrix
- SDA Intelligence System
- Applications of AI Technology: (1)-(2)
- Automatic Switching of Cockpit Scenarios and Functions
- 4.10 Great Wall Motor
- Coffee Agent System: Application Scenarios
- AI System Foundation
- Improving the "Q&A Mode"
- Agent Service System Based on Foundation Models
- Upgrading the Overall Agent with a New Platform
- WEY Equipped with Cockpit Agent
- 4.11 SAIC
- Applications of IM Foundation Models in Automotive Voice
- IM Foundation Model Application Case: IM L6
- IM AI Foundation Models Build Active Perception Scenarios
- DeepSeek Applied by SAIC
- SAIC Super Agent Adopts a Full-Domain Fusion Intelligent Architecture
- Application Scenarios of SAIC Super Agent
- IM Agent Application Case: LS9
- 4.12 GAC
- Intelligent Cockpit Solution: ADiGO SPACE
- Applications of AI Foundation Models in Cockpits
- Applications of DeepSeek in Cockpits
- Edge-Cloud Integration Architecture of ADiGO Intelligence
- 4.13 BAIC
- Development History of Cockpit AI System
- Cockpit AI 2.0: Product Architecture of Baimo Huichuang
- Applications of DeepSeek: Access to Baimo Huichuang
- Cockpit AI Scenarios (1)-(2)
- Cockpit AI Cross-Domain Fusion Era: Yuanjing AI
- Three Levels of Baimo Huichuang AI Promoting Full-Domain Integration
- 4.14 FAW
- Applications of DeepSeek (1)-(2)
- Lingxi Cockpit: Implementing AI Scenario Services Through Full-Stack Independent R&D
- Lingxi Cockpit: Application Scenarios of AI Functions
- Lingxi Cockpit: Applications of AI Functions
- 4.15 Dongfeng Motor
- Development of Cockpit AI System
- Applications of DeepSeek: (1)-(2)
- Cockpit AI System Based on "Tianyuan Architecture": From OS to Models, and Then to Cockpit Functions
- Cockpit AI System Based on "Tianyuan Architecture": Foundation Model Application Architecture
- Cockpit AI System Based on "Tianyuan Architecture": Cockpit Scenario Highlights
- Cockpit AI System Based on "HarmonySpace": "Xiaoyao Cockpit 2.0"
- AI Application: AI Agent of Voyah Courage
- AI Application: Cockpit AI Technology Research Direction
- Collaboration with Yan AI
- AI Application Cases of Nissan
- 4.16 JAC
- AI Cockpits: (1) - (2)
- 4.17 Tesla
- Grok Cockpit Model Got Upgraded
- 4.18 BMW
- Overseas and Chinese Cockpit AI Solutions
- BMW Intelligent Voice Assistant 2.0 Based on LLM
- 4.19 Mercedes-Benz
- MB.OS Digital World Delivers Personalized Services with MBUX Virtual Assistant
- 4.20 Stellantis
- Automotive AI Applications (1)
- Automotive AI Applications (2)
- 4.21 Others
- Volkswagen Voice Interaction System Equipped with GPT
- Toyota Cockpit AI Foundation Models Deployed
