对于人车交互体验的提升来看，主动式交互有多大必要性呢？
 

 

 

这要从主动交互能做什么说起。

 

在我们的认知中，人车交互往往都是由车内的人来发起，例如调整车辆设置、选择导航目的地等等，车辆是被动接受指令的对象。

 

主动式交互则是车辆能主动向用户提出一些建议，甚至是主动进行操作。举个最简单的例子，车辆到达一定车速后自动落锁就是常见的一种主动交互。

 

在最近的一些智能座舱产品规划中，「主动式」交互概念出现的频率已经越来越高了。例如根据天气调整空调、车窗等状态；根据车速、位置调整驾驶模式；根据定位和时间推送餐饮或者娱乐信息；根据剩余油量或者电量提示用户进行能源补充等等更智能的主动交互功能都开始出现甚至量产。
 

 

 

抛开实用性不说，这类功能本质上都是期望通过更主动的方式，让车辆提供用户可能需要的服务和功能。虽然目前来看实用功能和场景不多，但是这毫无疑问会是未来的大趋势，能够减轻人类在驾驶时的信息处理量。

 

所以说主动交互的应用对驾驶安全和便利来说，会有很大的提升。 车企和供应商提前为主动交互做好技术储备，也会成为接下来一段时间内人车交互领域的重点任务。

 

主动式交互的核心在于车辆需要能够感知到用户以及车辆的状态，然后进行即时处理，最后给出合适的反馈。

 

在感知层面，我们已经见到了各种传感器，能准确识别用户包括面部表情、体征体态、动作手势、声音甚至气味等等不同的数据。随着传感器的种类和数量增加，对于车内用户的感知一定会越来越精确且个性化。

 

不过感知只是第一步，后续的数据整合、处理以及反馈执行更关键。

 

在过去，车辆搭载的芯片算力一直落后于移动智能终端以及 PC 设备，架构和能处理的数据类型也比较简单，跟深度学习、图像处理这些 AI 相关的能力几乎不搭边。原因也不难解释，车载设备以安全稳定、符合车规为最高优先级，因此很多算力高、架构更先进的芯片优先满足于消费类电子的应用而非车载。

 

没有合适的芯片进行数据处理，主动式交互也就没了实现的条件。不过随着车规级芯片算力的增强以及 AI 芯片的逐渐运用，一切都在改变。

 

还是以征程二代为例。

 

作为符合车规的 AI 芯片，征程二代具备的边缘计算能力是完成主动交互的基础。换句话说，边缘计算作为 AI 芯片的重要特性之一，能满足车辆对主动交互的数据分析处理需求。

 

当然，我们过去一直所说的云计算对智能汽车也有着重要意义。只不过和边缘计算相比，两种方式有各自的优势，分别承担不同功能。

 

云计算使得汽车作为一个智能终端，始终运行智能世界中，能够获得持续更新的数据以及内容，也能完成一部分原本需要本地处理的数据，减轻对硬件的负担。
 

 

但智能汽车每秒钟都能产生海量数据，如果把一切任务都放在云端处理显然不合适。因此把需要低延时、更个性化的任务处理利用边缘处理来完成，有序分工才是最高效的运行模式。

 

边缘计算作为一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点移往网络逻辑上的边缘节点来处理。因此更适合处理一些靠近智能终端、低延迟的任务。另外，由于数据的处理都在本地完成，对于隐私保护以及用户使用习惯的学习也有重要的意义。

 

从这些特性中能看出，智能汽车是非常符合边缘计算应用的终端。无论是在自动驾驶或者车内人机交互中，边缘计算都有足够的应用场景，能配合云计算实现汽车的智能化。

 

而对于主动交互这个细分领域来说，通过边缘计算就能够迅速处理传感器感知到的用户状态，并且根据记录的用户个性化的特征给出恰当的反馈。

 

随着边缘计算以及 AI 芯片的应用，主动交互在车内的应用也会越来越常见。我们还能见到多少新颖的人车交互可能性？这的确是一个值得期待且长期关注的命题。

 

新技术的出现给了人车交互更多的可能性，但体验的好坏最终取决于运用技术的人。（摘自于：极客客车）