dms|智能座舱产品设计系列四：IMS项目实录( 二 )_用户|叙事经济学|滤镜|ugc|小红

智能视觉系统和智能语音系统，很多企业把它们做为一个功能型产品去开发，其产品团队、项目团队仅仅着眼于功能属性的研发和落地，这种思路非常狭隘。
在我眼里，不论智能语音还是智能视觉系统，它们都属于平台型、服务型产品。之所以这样说，因为二者除了需要给用户提供解决用户需求的语音交互、视觉监测的功能之外，还需要提供服务框架留给其他功能，以满足各种用车场景的智能化体验。
比如下述场景：
“十月一日上午。男子驾车，载着妻子和5岁的儿子，从深圳南山导航去广州长隆动物园。途中男孩烦躁多动，起身站立，不愿继续端坐。”
假如，我们设计一个功能，帮助家长安抚孩子，让其乖乖坐好。
首先，座舱需要识别到该场景(依赖于OMS摄像头和视觉算法、导航信息）；其次，座舱需要主动发起与孩子的互动（依赖于语音交互）；然后，确保互动的内容、形式符合孩子的兴趣（依赖于内容服务）。
可见，在该场景该功能的实现过程中，智能视觉和智能语音均提供了服务能力。
以上只是一个场景。
在实际的生活中有着层层连环的场景和用户需求亟待挖掘，智能语音和智能视觉针对层层不同的的场景，应该构建一套标准和接口，以平台规则服务不同的场景功能。
所以说，智能视觉和智能语音必须要以平台型、服务型产品进行规划，通过对用车场景的深度挖掘，提供满足各种用车场景的功能和服务，才能构建产品体验的差异化和竞争力。
从企业的层面来讲，如果希望在产品智能化方向有所作为，就应该在智能视觉和智能语音两个AI领域的核心算法自研上加大投入，并掌握数据，摆脱对供应商的过度依赖，摆脱来自供应商的业务瓶颈。
2. 分析产品的行业现状及发展趋势具体分析材料不展示了，下面直接说结论：
现状：主动式DMS系统已成为行业标配
趋势一： DMS与OMS融合为座舱监控系统，为座舱未多样功能提供技术基础
趋势二：车内外视觉与其他传感数据融合，车内外安全一体化

文章插图
抽出关键-比如算法业务：

文章插图
抽出关键-算法软件架构：
视觉处理算法模块划分为算力适配层、数据层、视觉感知层、逻辑层、接口层，这样分层能提升软件的复用性、模块之间的协作性以及合理运用硬件平台算力。

文章插图
输出功能Roadmap（仅示意形式）：

文章插图
基于以上，制作输出产品的规划材料。
因为文件受限要求，恕不能完全展示，希望以上内容，能给读者朋友提供一个参考视角。
本文由 @赛博七号原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议