三星|什么让老外爱上了中国智造?( 二 )


不光是导航的体验 , 现在围绕智能座舱所产生的新体验 , 无一例外地向车企的软硬件一体化能力提出了更高的要求 。 比如像驾乘者的个性化设置、车内虚拟助理、自然语音控制、语言理解、驾驶员监测、驾乘者识别 , 以及自适应人机界面 。 这些功能的交付 , 又往往不能直接复制中国本土的交互方式 。
对于中国自主品牌汽车 , 这既是机会 , 也是挑战 。
以创下连续三年“中国单一品牌海外销量冠军”的MG名爵为例 , 他们在全球80多个国家和地区拥有大量用户群体 , 旗下的多款纯电动车已经成功打入英国、荷兰、挪威等欧洲电动车市占率最高的国家 。
MG名爵能够在这些国家获得大批用户的认可 , 自然不仅仅是满足了最基础的用户需求 。
一款好的产品 , 往往是在创新的过程中 , 不断地为用户创造“惊喜” , 而非简单的满足需求 。 毕竟 , 只有对自己提出150分的要求 , 才能保证给到用户是100分以上的体验 。

在过去 , 让一台汽车持续不断地为用户创造“惊喜”是一件不可能完成的任务 。
最直观的 , 传统的马力、轴距等机械参数一出厂就难以修改 , 即便是车内娱乐系统、座舱控制都是一成不变的 。 但用户的需求可能会随着生活、工作、家庭等环境的变化而变化 。
考虑欧美国家的用户 , 换车周期普遍都比较长 , 现在美国人手里的车 , 平均车龄接近12年 , 欧洲人的车平均车龄也达到了10.7年 。
在用户拥有一辆车的周期内 , 对其车辆的功能进行不断迭代、优化 , 也就成为了车企差异化竞争的关键所在 。

以MG ONE为例 , 通过搭载第三代骁龙座舱平台 , 构建了强大的底层能力 , 并在此基础上开发了异构融合式智能座舱操作系统——洛神智能座舱系统 。 同时 , MG ONE配备了由达摩引擎驱动的AI语义 , 具备T+X自学习能力 , 可实现自我进化 。
最终 , MG ONE座舱可以向用户交付多种语言、多人指令、双向反馈以及深度理解的智能语音交互功能 , 好像是内置了一个可以成长的机器人 , 与驾乘者互动交流、生活 。
但要知道 , 在全球范围内 , 打造交付体验一致、功能稳定的语音交互功能 , 并不容易 。
比如 , 我们去体验一些外资品牌的最新车型上的语音交互功能 , 你会发现:虽然它们能够识别中文 , 但车辆对信息的处理速度、反馈内容的拟人化等细节 , 做得都不够好 。 久而久之 , 你也就会放弃语音交互 , 改为自己上手 。
不只是语音交互 , 前面说到的导航亦是如此 。 这些功能的背后 , 有一条清晰的逻辑:但凡是智能化功能的实现 , 往往是要经历:感知、决策、执行这三个主要的步骤 。 而每一步都设计到车辆的两个维度的底层能力——计算、连接 。
还是继续拿语音交互功能拆开讲 , 它会有三个大的步骤:
语音识别 , 即将声音转化成文字;
自然语言处理过程 , 即将文字的含义解读出来 , 并完成动作执行;
最后通过语音合成给出反馈 , 即将输出信息转化成声音 。
但这还只是最基础的能力 , 面对全球市场交付时 , 难度会再上一层楼 。
要知道 , 光是在欧盟之内就有二十四种官方语言 。 比如 , 多语种智能语言技术的实现 , 需要根据语言积累构建语种系统 , 不同语言之间差异很大 , 所以需要根据不同的语言特性单独建模 。 其次是多语种训练数据稀缺 , 难以支撑大量语种系统研发挑战 。
由此可见 , 看似简单的语音交互功能 , 最基础的就是计算的底层能力 , 识别语音、处理语音、转化语音等等操作 , 背后是一套复杂的算法作为支撑 。
在此之上 , 要适应“说不同语言的驾乘人员” , 则更考验车辆的连接能力 。 业内在解决多语种语音交互时 , 通常都需要搭建人机协同的多语种数据标注平台、多语种端到端统一建模框架、无监督 / 弱监督模型训练技术 , 以及多语种模型自动训练平台 。 车端与云端的协同 , 才能保持功能的进化 , 进而实现功能迭代 。
这个时候 , 硬件先行的原则就展现其价值所在 。 MG ONE选择的第三代骁龙座舱平台 , 采用7nm制程 , 是目前汽车行业领先的座舱解决方案 。 它具备异构计算功能 , 集成多核高通人工智能引擎AI Engine , 对包括CPU、GPU和Hexagon处理器在内的所有主要核心进行优化 , 在计算、AI、图形图像和影音处理等多个方面带来领先的性能支持 , 帮助座舱完成高负载、多并发、快速响应的任务处理 , 为复杂的自然语音处理提供底层基础 。 配合第四代低功耗内存技术 , 拥有12GB内存的MG ONE座舱可支持同时开启多种类型的应用 。