科大讯飞治愈了大众的智能焦虑

成都车展，我开着一辆大众MEB平台的新车前来参加 ——金标大众的ID. UNYX(ID. 与众)。

从安徽大众总部合肥，经长沙、贵阳、重庆等省会城市，最终到达成都，全程超过2000公里。

我一直觉得大众MEB平台非常不错，有三点原因。

第一，MEB平台的技术水平很高。例如，电池包的能量密度175Wh/kg，放在2024年的今天也是很高的水平。

要知道，MEB平台是2015年规划启动、2020年量产交付，同期的主流电动车能量密度在140-180Wh/kg之间。

Model 3长续版为168Wh/kg、极氪001长续版为176Wh/kg、小鹏P7超长续航版为170Wh/kg、蔚来75度电池包为142Wh/kg；采用了CTP下一代技术的比亚迪汉为150Wh/kg、蔚来100度电池包为186Wh/kg。对比之下，就知道MEB平台的175Wh/kg是否处于较高水平。

第二，我很早认为电动化要想推动到新的高度，仅靠新势力是不行的，必须依靠传统车企的加入，毕竟它们才是销量的大头。

然而，传统车企大多持观望甚至反对态度，最多搞几款「油改电」车型试试水。最需要带头大哥振臂一呼的时候，大众是第一个站出来表明电动化决心的传统车企，早在2015年就启动MEB平台的规划。

大众这一举动，对汽车行业的电动化历程带来了积极影响。作为一名2008年就开始研究纯电车的「电动吹」，我当然要支持MEB平台这个决心十足的实力玩家！

第三，我一直认为ID系列的几款车，都非常适合中国消费者的需求（除了掉队的智能化）。

例如极小的转弯半径提供了都市场景的灵活性、纯电平台的大空间利用率、优秀的人机工程设计和效果不错的空调，等等。后来在中国市场的销量不及预期，这是由多方面原因造成的，其中智驾和智舱则是公认的短板。

这并非大众集团缺乏远见，它们在2020年就成立了总部位于德国沃尔夫斯堡的CARIAD软件公司，自研智能化软件。然而，CARIAD做得并不成功，拖累了整个ID系列的脚步。

同时大众汽车发现了“东方不亮西方亮”的奇异现象：ID系列虽然在中国市场竞争之下显得较为弱势，但在欧美市场的表现还算不错！

自大众进入中国的几十年以来，这种情况应该是第一次出现：这不仅给大众带来短期的经济损失，也可能会动摇大众品牌在中国的信仰地位。

最近大众在户外投放的广告牌中自嘲“请别叫我杂牌”电车，说明他们已经清晰地认识到了事态的严峻性。这种放得开的勇气，为大众博得不少好感。

分析原因，其实ID系列电动车的产品定位挺适合中国消费者的，表现弱势的主要原因就是智能化方面的节奏太慢，卷不过中国同行。

于是大众2022年成立了CARIAD中国子公司，招纳中国人才、加强中国科技公司的合作。

这个策略相当明智：卷不过，那就加入！

直接面对消费者的主机厂，习惯将供应商品牌给隐藏起来，以免喧宾夺主。就在刚刚的广告牌上，大众却大大方方地介绍了自己在中国的智能技术合作伙伴“科大讯飞智能语音助手”，这体现了大众智能化战略发生了根本性转变。

在我这次深度体验的ID. UNYX上，大众的中国战略就初见成效。从下面这张图，我们可以看到ID. UNYX的智驾与智舱的升级：

智能驾驶：画面显示ID. UNYX正处于智能驾驶状态。1000多公里使用下来，我认为ID. UNYX在封闭道路的可用性已经新势力不相上下。问了一下，果不其然ID. UNYX这是借助了「大疆车载」的中国力量。(大疆车载2024年6月改名为卓驭)

智能座舱：屏幕变大了，界面布局更合理了，还可以看到网易云音乐等热门APP的图标。如果说眼睛是通往心灵的窗户，那么语音交互就是通往智舱的钥匙 —— 在L2辅助驾驶时代，驾驶员还不能解放眼睛和手脚，语音就成为了智能座舱最重要的交互方式。

ID. UNYX的语音交互也提升到了比较好用的水平。我来测试语音有两道固定的题，第一道是中英文混说，第二道是用中文绰号来描述外国歌手。

例如：播放一首Bruno Mars的<Uptown Funk>，这考察的是中英文混说理解能力；

再如，给我播放一道火星哥的歌，这相当于上一道题的进阶。面对这两道考题，ID. UNYX应对自如，让人刮目相看。

画面左上角还有一个手捏的人物模型，它代表的是车机的个性定制。定制的不仅是虚拟人物，还有音色 —— 仅需要一句30字以内的话，不需要训练与等待，车机就可以复刻出用户的音色。

这个功能有点牛啊！就好奇问了一下合作伙伴。果不其然，ID. UNYX这是借助了「科大讯飞」星火大模型的中国力量。

这就合理了，多年前我在剪辑视频时用过科大讯飞的手机APP，当时就有类似的功能。

其实从去年的ID.7开始，大众全系车型都换装了讯飞智能语音。这款ID.UNYX的电子电气架构更为先进，所以可以搭载基于讯飞星火大模型的智能语音助手，才能实现这么神奇的功能。

再联想到安徽大众后续有两款车型，将基于合作伙伴小鹏汽车的G9旗舰平台开发，我不由得赞叹：这选合作伙伴的水平真是一流的啊，不愧是最懂中国的大众！

与时下流行的智能驾驶技术相比，用户可能会觉得语音交互的技术含量没这么高。实则不然，语音交互也是一个非常复杂的技术问题。

至少可以划分为语音识别、语义分析、语音合成三大环节，每个环节都需要应用前沿的人工智能技术，甚至需要大模型的加入。

以语音合成为例，大家可能会觉得这有什么了不起？高德导航都能随便换个语音包呢，有什么技术含量啊？

这就涉及到语音合成（Text-to-Speech，TTS）的四种主要方法：

原声拼接法：请真人来录制大量素材，再用原声拼接而成 —— 早期高德地图爆红的名人语音包就是采用的这种办法（也是由科大讯飞操刀实现的），听起来比较自然，但缺点是需要录制大量素材。像导航这种模式化对话还好，如果是开放式对话，大部分语音都是找不到拼接素材的。
参数抽象法：从声音素材中抽象出若干特征（比如音高、音调、音色等），再利用这些特征来合成语音——缺点就是“机械感”比较重，早年间的各种车载导航设备就有这个缺陷，因为对声音这个复杂模型进行参数抽象，太难太难！
声道模拟法：从物理上去设计一个“人工声带”来发声，并设计一个“人工大脑”来处理感情 —— 这种想法很美好，但更缺乏可操作性。此外，“深度神经网络”也算是在模拟“人工大脑”了，只不过并非在物理层面去模拟的。
人工智能法：三种传统的语音合成方法，在DeepMind开启的深度神经网络方法面前都成了弟弟：就和人脑一样，你不用管我中间的Hidden Layer是什么，我给你保真率更高、情感更丰富的语音合成就对了！

所以说，导航地图的语音包，那是录了大量素材之后拼接而成的，这与科大讯飞的「随便说一句30字以内的话，就能复刻大模型快速匹配生成音库」的技术难度完全不在一个level。

如果当时就有这项技术的话，那些录制语音素材的明星们，也可以减少99%的工作量了！

有了这项技术，我们就可以远在千里听到亲友的声音、孩子的陪伴，甚至还有各种大开脑洞、不宜展开的场景，非常有意思！

新势力也采用了深度神经网络的真人语音合成技术，但一般只提供单个固定的音色，技术难度还是远远低于ID. UNYX的「一句话复刻即录即用」功能。

这个功能在技术上具备引领作用、在产品上可提供情绪价值，行业意义很大。但在发布之后没多少人关注，只能说大众还是不太会吹。

语音识别是一个相当大的概念，涵盖降噪、唤醒(声纹、多音区、防误触、防车外唤醒、免唤醒)、方言等多个环节，也是需要最先进的人工智能技术加入。具体来说：

降噪：传统方法是ECNR(Echo Cancellation & Noise Reduction)，即回声消除与降噪，一听就是信号处理的传统方法。科大讯飞已经切换到了ASR(Automatic Speech Recognition)技术，通过降噪大模型落地，大幅优化了后端效果。
唤醒：比如说唤醒速度。上汽大众的全新ID系列发布会上，介绍了语音助手V-mate从用户发出语音指令，到给出用户反馈最短时间仅需要423毫秒（模拟真人亲切交谈的自然反应时间）。
方言：中国幅员辽阔，方言和口音非常普遍。我这次开着ID. UNYX来成都，中途就有两位重庆的小伙伴。测试一下，ID. UNYX识别重庆话毫无压力。科大讯飞实现了方言唤醒率与普通话相比不低于5%，识别字准&句准大于90%。

语义分析环节也不简单。说一件趣事，前一段开一辆其他品牌的智能车，语音交互时我说了一句「退下吧」，车机竟然回应「要不再聊几句？」。

这让我大为震惊，AI这是要造反了啊！看起来是应用了大模型技术，但用得有点草率。

这实际上涉及的是「大模型落域」技术问题。

比如说，用户说“附近有什么餐馆”，希望的是AI明确给出美食推荐，那就要进入本地生活模块；用户说“成都有什么好吃的”，那可能就是想闲聊几句，保持在闲聊模块就可以了。

对应我遇到的例子，我说“退下吧”其实是一个明确的中止对话指令，而那辆智能车的AI应该是将其理解为闲聊的一部分了。

相较来说ID.UNXY上的语音助手就比较得体，延续了大众德系严谨的品牌风格，能够持续理性地给出的回答专业。在这背后，正是科大讯飞星火大模型提供的内容溯源搜索、多信源融合及图文结构化能力。

这两三年的智能化进展非常快，不少人内心里已将汽车分为两大类：智能车与传统车。曾经大众品牌被归于不智能的传统车一类，第一次看到ID.UNYX的语音交互功能提升这么显著，恍惚间会产生一种不真实感。

截止目前，大众ID系列、上汽大众途观L pro、一汽大众迈腾等主力车型都已搭载了科大讯飞语音技术，后续包括帕萨特、朗逸、速腾在内的南北大众全系车型都将在改款中配置相关能力。其中ID. UNYX更是成为了首搭大模型的合资车型。