理想自研Mind GPT上车，让老人小孩也能轻松使用AI

受访者：理想汽车智能空间团队

作者：张婉婷

01

勾晓菲介绍，智能空间已经实现了空间交互2.0的质变，我们自研大模型，重构AI计算机时代的OS系统，重新定义智能空间的新一代交互，让任何人都可以轻松使用AI。

与空间交互1.0相比，“我们在三维空间的交互形式从‘以触控为主，对话为辅’到本次2.0最大的变革——‘以对话为主，以触控为辅’。”

怎么理解？想象在一个空旷的公路上，两个人坐在车上一路前行，有点无聊。其中一个人说：“我给你讲个冷笑话吧。” 另一个人表示同意。于是第一个人开始娓娓道来一个冷笑话，讲完之后，第二个人不禁感叹“好冷啊！”。

如果理想同学在场，它听到这句话可能会反应可能有两种，一种是打开空调并且调高温度，一种是接话继续开玩笑地说：“这个还叫冷？我来一个更冷的！” 。

两种反应的差别就反映出触控和对话交互体验在语音层面的不同，在以对话为主的交互形式下，理想同学不仅能够理解前面所讲的冷笑话，并且还能够融合上下文信息，认为这个冷笑话并不足以表达出真正的“冷”，于是轻松地讲出了更加幽默的笑话。

“基于我们自研的大模型和OS系统，我们有机会把理想同学的上下文做得更完整。而这个上下文也不仅限于对话，也包含场景，就是我们的环境是怎么样的，理想同学会像人一样去感知环境、认知学习、表达和互动，更像一位懂你的家人。”

此外，与「触控」相比，「对话」不存在距离限制和稳定性限制。随着汽车功能的不断增加，传统的触控式操作会让用户的学习成本变得越来越高。而通过对话式的语音交互，用户只需要通过简单的语音指令即可完成操作，降低了用户的学习成本和操作难度，此外，它还可以帮助用户更加安全地驾驶，减少对视觉和手部操作的依赖，避免分散注意力。

由此，依赖「触控」的机械式人机互动方式正在向更柔软、更自然的方向发展。

在勾晓菲看来，智能空间承载的核心其实很简单，就是和用户的沟通界面。“未来的语音交互也应该具备根据用户的意图生成独立界面的能力，并将相似功能的选项汇总到一张界面中，提高用户使用的效率和便捷性。”

“无需关注功能在哪里或如何操作，只需简单地表达自己的需求，即可享受到智能交互带来的便捷和乐趣，就像人与人之间的对话一样轻松愉悦，就像与亲密的朋友分享生活中的点滴一般自然。”这是理想汽车智能空间团队向用户的承诺。

02

陈伟介绍，在ChatGPT问世之前，我们就已经启动了整个大语言模型的训练。

早在理想汽车空间算法团队组建之初，我们就搭建了一个基于大模型训练的数据平台和训练平台。同时，我们也考虑到了多模态数据的需求，包括语音、视觉和文本等多种形式。

“未来的算法演进趋势会向大模型发展，ChatGPT证明了这一点，它带来了整个通用人工智能领域的认知突破，而我们的方向也始终很明确：将代表底层基建能力的语言模型做得越来越大，对用户产生的价值也会越大。”

大语言模型带来对话能力上的跃迁，这让我们真正实现空间交互2.0的蓝图。

此外，我们的大模型具备拉齐到行业领先水平的四个特点：强大的文本生成能力、语言理解能力、知识问答能力以及逻辑推理能力。大模型在回答问题时能够给出推导过程，并且越来越接近人类思考方式。

“除了让大模型能力越来越强，我们还要让他更准确，包括连接外部能力来解决模型在某些方面的不足。所以我们使用控制器单元模型（Controller）来连接外部能力，比如自研搜索引擎，以获取实时信息。”陈伟说。

“在理想同学上，我们还加入记忆网络的能力，在和用户沟通中描绘用户画像，并把这些信息带入到与用户的对话过程中，让理想同学基于大模型将来能够越来越走向个性化，真的能成为每一个家庭的数字家庭成员，并且能够伴随全家人一起成长。”

“人机交互的核心就是要用户的体验变得越来越自然，这是其终极状态。以前是人去适应机器，而我们通过车机算力去做更多理解、推理、记忆、学习层面的事情，要让机器来主动去适应人。”

在之后的OTA里，我们将陆续带来更加自然、更好服务全家人的AI功能，根源及保障则是我们全链路自研的能力。

“我们只用了差不多1年的时间就切换为全链路自研的体系，团队快速地将技术创新和能力应用到实际场景中，并通过快速迭代做出差异化的创新，这让我们的产品力及竞争力能够越来越强。”

而自研其实本质上是一个技术能力，这个技术能力又是一个非常底层的技术能力，要从底层一点一点往上搭，一点一点去替换供应商，理想同学整个架构里供应商非常多，所以这个过程非常艰难，“大家的出发点不一样，动作就不一样，我们始终坚守用户价值，所以我们很坚定地去做这件事情。”陈伟说。

做成这件事只是第一步，人机交互包括感知、理解和表达，全自研让我们的感知能力走在行业前列，目前大多数公司也都在“卷”感知，但我们未来的重点将会是如何提升理想同学的理解和表达能力。为此，我们引入大语言模型，从而使其变得更加聪明，并且让其表达能力更加丰富，比如通过视频图像等方式进行展现。

这是空间交互下一代的发展方向。“我们的终极目标就是让任何人都能够轻松使用AI。”

03

从最初的基础模型到现在的深度学习和大语言模型，AI的发展势头不可阻挡，正以惊人的速度重塑着我们的生活和未来

可见的是，AI正不断以指数级增长速度自我进化、自我迭代，而围绕AI计算机生成式交互，理想汽车空间软件团队也正不断研究应用，以便其更好地实现服务人类的目标。

李涛介绍，在大语言模型上，我们在系统层面进行重构，在自然语言处理任务中提供更加高效和精准的解决方案，让理想同学更好地理解人类语言，并且能够生成更加人性化、流畅的语言输出。

基于大模型的突破，我们新增LUI（用户语言界面）交互方式，即通过自然语言交互的方式与计算机进行交流的用户界面。“比如你想吃个火锅，只需要给理想同学说，我们的车机界面就会生成火锅的图片供你选择，自动算好出行路线等实现一系列高效、自然的操作。”李涛说。

“基于全新的交互方式，我们同时还需要操作系统的支撑。由API调用到结构化语言调用、打通APP和OS边界、提供系统服务原子级能力……我们的操作系统正实现更多可能性。”

此外，我们不断拓展AI为家庭用户服务的边界，同时为它设定函数的边界和不允许超过的范围，防止误调用，并便于组合多个能力为用户提供更广泛的服务。

“比如在大热天用户嘴瓢说错了座椅加热，那理想同学也会理解他的意图、情感或需求，get到其实是想说座椅通风，并友好地纠正并打开座椅通风。”

最后，在最贴近用户的应用生态上，软件团队要考虑得更多。因为大语言模型本质上是基础建设，它的突破拔高了软件的上限，但它本身无法直接为人服务，需要在此基础上生长出来的AI原生应用直接和用户对话。

此外，我们的AI从不刷存在感，我们在思考的是：什么是AI，这样的价值能不能赋能于每一个人？一切都是从创造用户价值角度出发的。

“我们基于大语言模型来给用户呈现一个界面，一个对话的界面、一个交互的界面、一个沟通的界面、一个带图像的界面或者带语音的界面。所有软件都需要基于大语言模型进行重构，所以我们开发系统软件适应大语言模型，再开发应用程序来适应大模型，这些改造过程令人兴奋。”

“基于大语言模型的突破，我们要为用户提供最好的场景和使用体验，这是我们软件团队要做的事情，也是我们理想汽车要做的事情。”