项目1 任务3：1.3.2 汽车AI功能的分类与技术对应

二、汽车AI功能的分类与技术对应汽车人工智能通识讲义汽车人工智能通识讲义汽车AI功能分类框架感知类（Perception）：汽车的“感官系统”理解类（Decision&Planning）：汽车的“决策中枢”学习类（Learning&Adaptation）：汽车的“成长记忆”大语言模型类（LLM）：汽车的“对话伙伴”这四类技术分别承担“感知环境、决策行动、适应变化、与人交互”的角色。汽车人工智能通识讲义感知类：汽车的“眼睛与耳朵”技术原理：摄像头、毫米波雷达、激光雷达（LIDAR）、超声波传感器应用场景：AEB自动紧急制动、LKA车道保持、自动泊车、盲区监测优势：实时性强、多传感器互补局限：受天气、光照影响大，依赖硬件精度感知是智能驾驶的基础，没有准确的感知，就没有可靠的决策。汽车人工智能通识讲义理解类：汽车的“大脑”技术原理：基于规则的决策、强化学习、路径规划算法应用场景：ACC自适应巡航、自动变道、拥堵辅助、导航规划优势：实现从感知到行动的转化局限：高度依赖感知数据质量，复杂场景决策难度大理解类系统是智能驾驶的“指挥官”，负责把看到的信息变成行动指令。汽车人工智能通识讲义学习类：汽车的“成长记忆”技术原理：监督学习、强化学习、迁移学习应用场景：个性化座椅设置、能耗优化、驾驶习惯学习、智能推荐优势：越用越懂你，持续优化体验局限：需要大量数据训练，存在过拟合风险学习让汽车不再是“千车一面”，而是能成为懂你的专属座驾。汽车人工智能通识讲义大语言模型类：汽车的“对话伙伴”技术原理：Transformer架构、预训练与微调、自然语言处理应用场景：语音助手、多轮对话、信息查询、情感交互优势：交互自然、支持复杂语义理解局限：算力需求大、实时性挑战、语义歧义处理难LLM让车不仅能听懂你的话，还能理解你的意图，甚至记住你的偏好。汽车人工智能通识讲义技术特点对比感知类：实时性强、环境敏感理解类：决策核心、依赖前端学习类：个性化强、需持续数据LLM类：交互自然、资源消耗大没有一类技术是万能的，它们各有所长，也各有所限。汽车人工智能通识讲义多技术融合示例：自动泊车感知：超声波雷达测距+摄像头识别车位线理解：路径规划算法计算转向与车速学习：记忆车位类型，优化泊入策略LLM：语音控制“帮我泊车”+状态语音反馈一个完整的AI功能往往是多种技术协同的结果，自动泊车就是典型代表。汽车人工智能通识讲义分类实践任务任务：将上节课观察的AI功能进行技术归类分析：梳理其技术实现路径（用了哪些技术？如何协作？）思考：该功能在技术实现上是否有优化空间？现在，请大家用今天学的分类框架，重新审视你观察的AI功能。汽车人工智能通识讲义技术对应表示例这个表可以帮助你系统化地整理分析结果，使汇报更有条理。功能类别主要技术典型应用语音助手LLM类Transformer+语音识别控制、问答自动紧急制动感知类前向雷达+摄像头融合AEB系统自适应巡航理解类控制算法+传感器数据ACC个性化座椅记忆学习类监督学习+用户行为数据舒适性设置汽车人工智能通识讲义小

结四类技术各司其职：感知是基础，理解是核心，学习是个性化关键，LLM是交互桥梁。融合应用是趋