コックピットエージェントエンジニアリング（2025年）

アクション：ラストマイルミッション

2023年に基盤モデルが車両に搭載されて以来、コックピットAIアシスタントは各段階で異なる任務を担ってきました。2025年、コックピットAIアシスタントはアクションに焦点を当てます。これは「提案を行う」のではなく「ユーザーによる遂行を支援する」ことを意味し、「アシスタント」から「エージェント」への変革における重要な一歩となります。

2025年のコックピットAIアシスタントにおける典型的なシナリオとして、レストランでの食事の注文が挙げられます。

2024年時点では、ユーザーがコーヒーを注文したい場合、コックピットAIアシスタントは地図上で近くのコーヒーショップを検索するのみであり、ユーザー自身が手動で選択・ナビゲーションを行う必要がありました。注文や決済は全てユーザー自身が行い、AIアシスタントは一切支援できませんでした。

2025年までに、ユーザーがコーヒーを注文すると、コックピットAIアシスタントはユーザーの意図を確認し、注文や決済といった一連の操作を自動的に完了させることが可能になります。これにより、ユーザーは一切気にかける必要がなくなり、ユーザーエクスペリエンスが最適化されます。

このプロセス全体には、長期記憶、ツール呼び出し、マルチエージェント連携に関連する技術が関わっています。

ケース1：ツール呼び出し

2024年初頭、OPEN AIのFunction Callingは、コックピットエージェントがツールを呼び出す際に主流の技術であり、単一モデルと単一ツールの直接的な相互作用を可能にしていました。

2024年11月にAnthropicが搭載したModel Context Protocol（MCP）は、Function Callingを基盤とした「マルチコンポーネント連携」の問題に対処し、Function Callingの応用シナリオと効率性を向上させました。

2025年4月、Googleは異なるエージェント間の通信と連携をさらに標準化するため、A2A（Agent2Agent）プロトコルを提案しました。

例えば、2025年のLixiang Tongxueのエージェントアプリケーションソリューションには、MCP/A2A技術フレームワーク（別のフレームワークとしてCUAも存在）が含まれています。

MCP/A2A：IVIエージェントがマルチエージェントシステム（MAS）のリーダーとして機能し、サードパーティエージェントにタスクを割り当て、各エージェントがそれぞれのワークフローを完了します。

CUA（Cockpit Using Agent）：オペレーティングシステムがマルチモーダル基盤モデルを呼び出し、指示/タスクを理解・分解・計画し、最終的なアクションを生成した後、アプレットやアプリを呼び出して指示/タスクを完了させます。例えば、決済シナリオでは、一連の理解と計画の後、Lixiang TongxueはAPIを呼び出してAlipayの自動車アシスタントに接続し、Alipayのエコシステムを通じて関連するアプレットを使用し、決済を完了します。

トレーニングプロセスにおいて、Lixiang Tongxueチームはエージェント強化学習フェーズの報酬モジュール最適化においてMCP管理ツールサービスを活用しています。具体的にはMCPハブを用いて、トレーニングタスクや業務要求に対応する呼び出し可能なツールリソースのカタログを提供しています。

次のフェーズでは、多模態能力の強化とCOA（Chain of Action）の実装を計画しています。これは同一モデルが継続的に外部ツールの呼び出し方法を推論し、問題の解決とアクションを実行することを意味し、ツール呼び出し・推論・行動の異なるモジュール間の連携をさらに強化します。

当レポートでは、中国の自動車産業について調査分析し、コックピットエージェントの現状、エンジニアリング段階と研究開発の技術ロードマップ、主要OEMのエージェントの特徴などの情報を提供しています。

目次

定義

第1章 コックピットエージェントの現状と動向

• コックピットエージェントの概要
• コックピットエージェントシナリオの概要
• コックピットエージェントの現状
• コックピットエージェントの開発動向

第2章 OEMエージェントソリューション

• コックピットAIエージェント/AIアシスタント概観図（2025年）
• コックピットAIエージェント/AIアシスタント概観表（2025年）
• Lixiang Tongxue
• NIO
• Xpeng
• Geely
• Xiaomi
• Great Wall Motor
• BAIC
• SAIC
• Chery
• その他

第3章 サプライヤーエージェントソリューション

• Huawei
• Alibaba Cloud
• Baidu Cloud
• Tencent Cloud
• ByteDance & Volcano Engine
• SenseTime
• Zhipu AI
• iFLYTEK
• Thundersoft
• Kotei Agent
• Lenovo
• TINNOVE

第4章 エージェント実用技術

• 意図認識
• ナレッジグラフと検索
• 感情認識
• 推論加速
• 推奨システム
• ツール呼び出し
• MAS
• GUIエージェント

第5章 エージェントアプリケーションの問題

• 問題1：「エッジ・クラウド」展開における演算能力のバランスポイント
• 問題2：マルチエージェントシステムのアーキテクチャ設計（1）
• 問題2：マルチエージェントシステムのアーキテクチャ設計（2）
• 問題2：マルチエージェントシステムのアーキテクチャ設計（3）- ベースモデルの選択
• 問題3：ビジネスモデル設計
• 問題4：シナリオアプリケーションの有効性
• 問題5：トレーニングバイアス
• 問題6：データプライバシー