歐洲工程整合服務商 FEV 宣布與微軟（Microsoft）合作，將 Microsoft 的 Phi-4-mini-instruct 小語言模型部署在 NVIDIA DRIVE AGX 車載運算平台上。這項合作聚焦於車內人工智慧功能的本地端運作，目標是在無網路連線的情況下，仍能提供語音服務與車輛個人化設定。
根據 2026 年 7 月 28 日發布的資訊，FEV 在模型微調過程中採用 NVIDIA NeMo 所合成的資料，藉此優化模型在車載環境中的效能。相關方案反映出業者正嘗試以規模較小、資源需求較低的語言模型，因應車輛運算平台對記憶體、延遲與連線可靠性的要求。
車端部署支援離線語音操作
在這項合作中，Phi-4-mini-instruct 將於 NVIDIA DRIVE AGX 平台上執行，讓部分人工智慧推論工作能在車輛本地完成。FEV 表示，即使車輛處於斷網環境，使用者仍可透過語音指令設定儀表板，或調整個人化的車輛配置。
相較於完全依賴雲端服務的架構，本地端模型可降低對持續網路連線的依賴。對車載應用而言，這有助於維持特定語音功能的可用性；不過，實際反應速度、支援的指令範圍與可執行的車輛設定，仍取決於模型微調方式、車載軟體整合程度及平台資源配置。
以小語言模型因應車載記憶體限制
車輛內的人工智慧系統通常需要在有限的運算與記憶體資源下，同時支援資訊娛樂、駕駛輔助及車身控制等功能。相較於大型語言模型，小語言模型通常更適合部署在資源受限的裝置，但也可能在知識涵蓋範圍、複雜指令理解與生成能力方面有所取捨。
FEV 與微軟的合作，將 Phi-4-mini-instruct 與 NVIDIA DRIVE AGX 平台結合，反映車載 AI 開發逐漸重視模型大小、推論效率與硬體相容性。透過針對車載情境進行微調，開發商可將模型能力集中在語音控制、儀表板操作及車輛設定等特定任務，而非廣泛處理所有類型的對話需求。
合成資料用於模型微調
FEV 在微調過程中使用 NVIDIA NeMo 合成的資料。這類資料可用於建立與特定車載指令及使用情境相關的訓練內容，協助模型針對預定功能進行調整。
目前公開資訊未提供合成資料的規模、資料格式、訓練流程細節，亦未揭露微調後模型在延遲、記憶體占用、語音辨識準確度或指令成功率方面的具體數據。因此，這項合作在實際車款中的效能與量產部署進度，仍有待後續資訊確認。
車載 AI 供應鏈走向軟硬體協作
這項合作同時展現車載 AI 開發需要軟體模型、資料工具與車用運算平台協同整合。FEV 負責工程整合與車載應用導入，微軟提供 Phi-4-mini-instruct 模型，NVIDIA 則提供 DRIVE AGX 運算平台及 NeMo 工具鏈，三者共同構成部署小語言模型所需的軟硬體基礎。
不過，來源未說明具體合作車廠、支援車型、上市時程或商業化範圍。未來能否大規模導入，仍須視模型在不同語言、噪音環境、車內使用情境及安全驗證流程中的表現而定。
