智能汽車是機器人的第一形態，對應的智能座艙也引領了機器人時代人機交互發展的新方向。歷史上，每一次交互方式的改變，都重塑了智能設備的產業格局。正如DOS轉向Windows時代帶來的產業巨變一樣，人機自然交互打開了一道通向新產業的大門。

人機自然交互將改變我們對待智能汽車、泛機器人和人工智能的態度。人類最重要的發明是創造了語言體系，用于人與人的交互，帶來人類文明;今天，人機自然交互可能是下一個基石性發明，其與機器的自主決策強結合，將帶來機器文明，重塑人與機器的關系，對我們的社會工作方式及生活方式等方面將產生深遠的影響。

人與機器的交互方式發展趨勢是什么?

座艙的人機交互未來將走向何方?這個問題的答案，可能需要從智能設備的發展歷史中去尋找。

計算機行業是人機交互技術發展的起源。實際上，人機交互一開始不叫HMI，而是HCI，即Human–Computer Interaction。PC的發展史廣為人知，下圖是一個簡單的發展階段劃分：

最開始是DOS系統加上鍵盤，命令行界面的操作需要非常高的專業技能，只有少數專業人員才能使用。鼠標與Windows操作系統的出現改變了一切，讓PC用戶呈爆炸性增長。接下來，觸控成為更簡單直接的操作方式，出現了Surface這樣的平板電腦。而微軟小娜則代表了最新的交互方式，我們可以用語音這種更加自然的方式與機器交互。

PC和手機的發展史折射出機器與人交互方式的發展脈絡，那就是從復雜走向簡單;從抽象操作走向自然交互。未來最重要的人機交互趨勢是機器從被動響應走向主動交互。

順著這樣一個趨勢的延長線去看，人機交互的終極目標，就是讓機器擬人化，可以說：人機交互的發展歷史，是從人適應機器到機器不斷地適應人的發展史。

智能座艙的發展也經歷了類似的過程：

多模交互是下一代人機交互方式的理想模型，什么是多模交互?簡單說，就是利用手勢、眼球跟蹤、語音等方式來進行交互。這里的模態類似于人的“感官”，多模態即是將多種感官進行融合，對應人視覺、聽覺、觸覺、嗅覺、味覺五種感官。

但多模交互的命名太過技術化，我更愿意將其稱之為：自然交互。

例如手勢，可以說是原生的“鼠標”，不同的手勢能夠表達豐富的語義。

自然交互實現方式是什么?

智能汽車本質上是載人機器人，機器人最重要的兩項能力是自主決策能力和人機交互能力，缺乏其中任何一項，就無法有效地為人類服務。因此打造智能的人機交互能力是其必選項。

如何衡量人機交互的智能化程度呢?我的一個思考是使用圖靈測試，即機器能否在交互行為的表現上和人無法區分。

如何實現自然交互呢?傳感器、算力和算法缺一不可。下圖做了一個直觀的展示：

座艙內會融合越來越多的傳感器，一方面會使座艙內算力需求不斷飆升，座艙里的AI算力需求將上升到30 TOPS以上，甚至百TOPS級別的水平。另一方面也提供了更好的感知能力支撐。

座艙傳感器在數量和種類上都在迅速提升

AI計算能實現人臉、表情、手勢、語音等多信息的感知，從而實現更加智能的人機交互。座艙人機交互的計算必須依賴邊緣計算，而不是云計算來實現。因為三點：可靠性、實時性和隱私保護。

個人隱私保護可能是我們這一代人在AI時代面臨的最大挑戰之一，座艙內的私密空間，隱私保護問題更加突出。今天的語音識別，絕大部分仍然是在云端進行的，其中的聲紋等生物信息可以輕易暴露個人身份。通過在車端進行邊緣AI計算，可以將視頻、語音等個人生物信息去除，轉化為語義信息，再上傳到云端，可以有效保護車內個人數據隱私。

自動駕駛時代，交互智能必須跟駕駛智能相匹配

在可以預見的未來，人機共駕都會是長期存在的狀態，座艙內的人機交互是人了解自動駕駛能力的第一界面。

當前智能汽車技術存在進化不均衡的挑戰，人機交互能力落后于自動駕駛能力的發展，導致自動駕駛事故頻發，影響了自動駕駛的普及。

人機共駕的特點是人在駕駛回路中(Human In the Loop)，因此，人機交互能力必須跟自動駕駛能力相匹配，否則帶來嚴重的預期功能安全問題，幾乎所有的自動駕駛致命事故都與此有關。即使不發生事故，對自動駕駛狀態的不了解也會讓人產生嚴重的恐慌和焦慮。

例如，自動駕駛系統在實際駕駛工況中，經常出現“鬼剎車”的情況。如果人機交互界面能夠顯示自動駕駛的感知結果，司機就可能會明白系統誤判是由于把路上的一個易拉罐識別成了一輛車導致的。

為什么特斯拉把越來越多的自動駕駛感知結果展示出來，背后的出發點就是這一原因。隨著自動駕駛的能力越來越強，用戶將越來越關注自動駕駛系統在虛擬3D環境中呈現的過程和狀態。

人機交互與自動駕駛相輔相成，其具體作用如下圖所示：

人機交互與自動駕駛相輔相成

例如，未來更為人性化的泊車應該是人車共泊的，包括人對車的接管和車對人的接管，比如車遇到困難路況，可能會說我不太有把握，請求接管。再比如人遲遲停不進去，AI算法推薦是否開啟自動泊車。

這種艙泊一體的方案能提升智能座艙交互和泊車的整體體驗，還能大幅節省硬件成本：通過分時復用AI芯片的資源，可以同時滿足座艙感知與APA泊車感知的需求，從而為行業提供高性價比方案，也可讓智能化下探到更多中低端車型。在國內，地平線和映馳科技合作，正在推進這一方案開發。

當前，智能座艙的交互方式主要還是手機安卓生態的延伸，主要由實體屏幕來支撐。今天屏幕越變越大，甚至達到60寸，這實際上是用低優先級的功能占據了高優先級功能的空間，還帶來額外的信息干擾，容易讓人分心，影響駕駛安全。

實體屏幕在未來依然會存在，但我有一個判斷，未來，實體屏幕和觸控將不再是座艙交互的中心，取而代之的是自然交互+AR-HUD，下面我們做進一步分析。

第一個原因：面向自動駕駛的人機交互屬于溫飽問題，是剛需，屬于安全域，有最高優先級;面向音樂、游戲和舒適性的人機交互是小康需求，屬于娛樂域，在實現了前一階段任務后才能有足夠的施展空間。

下圖對兩個域的功能做了簡要的分析總結。

因此，未來座艙內娛樂域和安全域(人機交互和自動駕駛)的定位會調過來，安全域會成為主控制域。

第二個原因：自然交互方式+AR-HUD的交互界面更加安全，例如通過語音和手勢交流，可以避免駕駛員視線偏移，從而提升駕駛安全。而座艙的大屏是無法做到這一點的，相比之下，AR-HUD可以做到在顯示自動駕駛感知信息的同時避免了這個問題。

第三個原因：自然交互方式是隱形的、簡約的、更加情感化的交互方式，不會過多地占用車內寶貴的物理空間，但卻可以做到隨時陪伴在身邊，給予駕駛員及乘客更多的信任感、安全感。

綜合以上分析，未來智能駕駛和智能座艙的跨域融合是較為確定的發展方向，最終誕生的就是車載中央計算平臺。

當前發展階段、前沿實踐以及挑戰

目前，座艙的語音識別基本已經普及，語音識別主流廠商主要使用端到端算法，在理想實驗環境下語音識別準確率可高達98%以上。

DMS正在急速普及，預測至2030年裝備車內攝像頭的車型占比將超過50%。

DMS普及勢頭迅猛

下一步將是語音+手勢+眼球跟蹤+AR-HUD交互界面的組合，這是對應于L3+級別自動駕駛的智能交互方式。業內領先的車企已經開始布局，如下圖所示。

人機自然交互成為車企的競爭熱點

中國自主品牌在這一塊的實踐基本上跟國外領先品牌是并駕齊驅的，從迭代速度上看還要更快。2020年，長安推出UNI-T車型, 包含多項主動服務。比如：如果你正在接聽電話，系統會自動降低多媒體音量;再比如，當車機中控屏處于熄屏狀態時，注視屏幕一秒即可喚醒屏幕。該方案搭載了地平線的征程2芯片，支持通過語音、動作姿態、面部表情等指令的交互。

理想中的自然交互目標是從用戶體驗出發，需要提供穩定、流暢、可預期的交互體驗。但理想再豐滿，也得從骨感的現實起步，當前挑戰依舊眾多。

例如，當前自然交互的誤識別情況依然嚴峻，全工況、全天候的可靠性和準確率還不夠。比如手勢識別，也許你不經意間動一下手勢，就會被誤識別為一個命令動作，這只是無數種誤識別情況之一，在移動狀態下，光照、震動、遮擋等等都是巨大的工程挑戰。自然交互的流暢度也是亟待解決的問題，這需要更高性能的傳感器、更強大的算力和高效算法來逐漸改善。而同時自然語言理解(NLP)和意圖理解依然處于早期階段，還需要算法理論創新。

總結

在當下激烈的行業競爭中，智能座艙已經成為整車廠實現功能差異化的關鍵一招，座艙人機交互與人的溝通習慣、語言文化等密切相關，因此必須是高度本地化的，智能座艙人機交互是中國智能汽車公司品牌向上的重要突破口，更是中國智能汽車技術引領全球技術潮流的突破口。

智能座艙產業鏈將持續延伸，會有更多玩家進入到智能汽車這個大生態中，智能汽車玩家也會跨界進入更多的機器人領域，未來智能座艙生態圈發展主題將圍繞“生態協同”與“跨界延伸”展開。這場科技革命將產生顛覆性影響，不僅將開啟一個全新的產業生態，更對我們的社會工作方式及生活方式等方面產生深遠的影響。

(作者為地平線生態發展與戰略規劃副總裁李星宇)

關鍵詞： 人機交互 智能汽車 智能座艙 機器人時代