An agent in a car，是现在进行时。A car as an agent，是将来进行时。
作者 | 高 飞
今年云栖大会，汽车依然是最受大家关注的AI场景之一，我也一样，尤其是智能座舱。Agent是今年的年度热词，我关注智能座舱理由可以从Agent的定义说起。
AI领域对Agent的研究其实有几十年的历史了。Russell和Norvig写的那本AI专业学生几乎人手一册的《人工智能：一种现代方法》里给出的定义，从1990年代到今天没怎么变过：一个能够感知环境、并对环境采取行动的系统。如果用这个尺子去量过去两年的大模型产品，数字空间的Agent已经有了很多进展，无论是Coding（编码）还是Wording（或者说Working，办公）。但这些Agent更多活在屏幕里的，和日常消费生活关联较小。
而要想让Agent走出屏幕，需要两样东西：感知真实世界的传感器，以及对真实世界施加影响的执行能力。问题就变成了：哪里有一个现成的物理空间，传感器已经装好，执行能力也已经到位，Agent进来就能开始工作？应该就没有比汽车座舱更适合的地方了。
因为座舱是Agent在物理世界里，与消费者触点最直接，也是最自然的落脚点。
一辆车的座舱，传感器出厂预装，车身系统可以操控，服务可以调度。感知、推理、行动三个条件，在几平米之内凑齐了。这样的物理空间并不多见。今年云栖大会汽车行业峰会的座舱圆桌主题就叫“智能座舱迈入Agent时代”。
上了车，大家都是i人
回溯智能座舱的发展史，聊天可能是一个公认的起点。
每一个座舱都有一个AI助手，每一个AI助手都能聊天，但是聊天却不是人们在车上的刚需。
阿里云智能集团公共事业部AI汽车行业解决方案总经理霍健是这场智能座舱圆桌的主持人。大会期间，他和我交流时说：他近期在与多家车企座舱团队交流时观察到，闲聊并不是用户使用座舱的核心场景。相比长时间对话，用户更关心系统能否在合适的时机，高效完成车控、导航和服务任务。行业从2023年起把大模型装进座舱，拟人化对话、情感交互、多轮聊天，发布会的Demo演示每次能赢得掌声。但两三年做下来，消费者的反应是：上了车，其实不太想聊天。
我猜也有很多人的打车软件上，点亮了“不想聊天”选项。
霍健自己的体验也是如此：“工作一天，已经说了很多话，开车回家时，不太可能再陪座舱聊一两个小时。”
不聊天，那大家需要座舱做什么？
之前采访北汽研究总院院长助理冯硕时，他从产品阶段的角度，把北汽座舱的发展分成三段：第一阶段做娱乐和信息，第二阶段做交互和功能，第三阶段做体验和有价值的服务，前两个阶段的逻辑是被动的：用户问什么就答什么。第三阶段的逻辑是主动的：系统能完成一个用户的目标任务。比如用户说“帮我在到家之前把晚饭点好”，自己编排路径去完成，把导航、时间预测、下单、支付串成一条链。人到了，外卖也到了。
蔚来副总裁、数字座舱与软件开发负责人吴杰在座舱圆桌上提到，NOMI从诞生那天起就有人格设定：懂我的、温暖的、得力的助手、得体的。一直恪守这个原则，这是后续一切智能提升的内核。NOMI既能陪伴，也是个得力助手，把事干成。
长城汽车技术中心副总裁姜海鹏说：原来座舱是对话，现在是接管行动目标。 Agent系统会把用户的需求转化成多任务编排，跨域协调，最终把任务完成交付。“这套系统能够帮助用户解决实际的问题，不再是单纯的对话。”
这些观点的指向是如此的一致。阿里云智能集团公共云事业部副总裁、AI汽车行业总经理李强在圆桌之前的开场致辞里直接做了点题：座舱的竞争已经从“大模型要不要上车”转变为“Agent能不能把事情办成”。这种场景其实还可以有一个古老的中文表达：出门办事。只不过过去“出门办事”是到了地方才开始办，现在座舱里有了Agent，有些事情在路上就可以顺路办了。
座舱竞争的维度就此改变。
从聊天走向办事，竞争不再只看模型有多聪明，更看模型、Agent工程与服务生态能否协同，稳定地把事情办成。
A Cloud，A Model，An Agent，A Context，A Space，A Deed
生态能把事情办成，前提是一套能力得先到位。
诺兰今年暑假的《奥德赛》开场有一句出圈的台词。Travis Scott扮演的吟游诗人用六个词就讲完了整个故事：a face，a fleet，a war，a man，a thought，a trick。
所以，我突发奇想，接下来也用六个词把座舱办事这件事讲清楚。毕竟，奥德修斯也是一直在路上的人。
这六个词是：a cloud，a model，an agent，a context，a space，a deed。一片云提供算力，一个模型提供理解，一个Agent提供行动力，一套上下文让Agent认识用户，一个空间让一切落地发生。最后：一件事被办成。
前三个是能力底座，第四个让Agent认识坐在车里的人，第五个是一切发生的现场，最后一个是结果。我们先说前三个。
霍健说阿里云在座舱上的定位非常明确：提供模型、云等全栈AI能力，以及阿里生态服务；车企则掌握座舱产品定义、座舱Agent系统的主导权、整车能力集成和品牌体验。双方各自发挥优势，共同将这些AI能力转化为可量产、可持续进化的座舱体验。
Cloud一层是算力和推理资源。座舱模型量产上车之后，需要庞大的云端推理支撑。阿里云通过千问AI平台提供不同档位的推理服务。今年大参数模型的GPU推理资源格外紧张，稳定供给本身就构成竞争力。自2023年起，比亚迪在辅助驾驶和智能座舱等多领域与阿里云展开合作，比亚迪集团高级副总裁杨冬生提到“阿里的云能力很强，千问的大模型很强，无论是智能体还是辅助驾驶，也将持续运用阿里的数据中心能力。”
Model一层，千问系列主力模型已经开源，车企可以做后训练变成自己的座舱模型，自研主导权不需要让渡。端侧有千问Omni，支持语音和视觉等多模态输入，适合处理时延要求高的场景。谈及两种模型的差异，霍健认为，云端更适合复杂推理和生态服务，端侧则在低时延、弱网可用、隐私保护和高频交互上更具优势。真正的量产方向不是端云二选一，而是根据任务动态协同。
冯硕也提到北汽端侧选用了千问Omni。他的评价是“一个集合的模型”：早期工具属性比较强，近几个月情感体验方面的短板也补上了，现在兼具帮人办事和好好聊天两种能力。
不过，虽然大家现在都说千问好，这可不是一个常数。模型之卷，是所有人都知道的。长城汽车技术中心副总裁姜海鹏在座舱圆桌上谈到模型选择时就说：“我们现在用的是千问，是因为现在千问做的好。如果明年千问落后了，可能我就会换掉。”车企这种选模型的方式，其实和很多个人AI用户差不多啊，就包括我。
Agent一层，阿里云做了“千问座舱Agent”，范围有意收敛。不做完整座舱方案，主要封装两类能力：一类是从消费端千问App沉淀的闲聊和检索能力；另一类是阿里集团的生态服务，包括淘宝闪购、高德导航、飞猪旅行、支付宝，以Agent形式统一对外。霍健提到一个实际的工程痛点：“过去车企要分别与阿里内部不同业务谈合作，各家的技术接入方式不一样，车企会觉得苦恼。”千问座舱Agent将阿里生态服务进行统一封装，并通过标准接口及A2A等协议支持不同Agent之间的协同，从而降低车企的接入与适配复杂度。
三层能力备齐，不同车企的接法也不同。
去年我写过比亚迪和阿里云在海外车联网上的合作：把自建的开源组件升级为阿里云的公共云服务，可靠性提升的同时成本反降5%到10%。那时候双方合作的主题还是基础设施。一年过去，合作已经从车联网延伸到了座舱。
比亚迪在电动化领域有DM-i、易三方、易四方等自研技术，辅助驾驶方面也在大规模投入，迪迪虾的发布让比亚迪智能化在AI时代加速推进。杨冬生提到，迪迪虾的底层技术以开放的AI OS操作系统为基座，可以对接行业里最好的模型，端云两侧部署。杨冬生说迪迪虾要做汽车界的“生态盟主”，让更多智能体接入。阿里云在其中深度参与座舱Agent构建，融入车企自有品牌和调性。
北汽则走快速嵌入模式。北汽保留了自研的语音助手“小狐”负责车控和导航，同时接入千问处理闲聊和生活办事。两条链路各有分工：用户唤醒“小狐”处理车内事务，通过千问完成购物、订餐等生活服务。冯硕说最早在今年4月北京车展上市的极狐阿尔法S5上完成了千问App上车；9月量产的T7进一步接入支付宝和淘宝闪购，开始具备真正的办事能力。未来的方向是两条链路打通：用户只呼唤自己熟悉的助手名字，后台自动判断该由谁来处理，对用户来说体验不割裂：千问App的能力打包为SDK（软件开发包），快速嵌入。
两条路线并存，说明座舱高度定制化，没有一套方案能通吃。阿里云两条路都支持，这在商业上是务实的选择。
Cloud，Model，Agent。前三个要素到位了，座舱有了替人办事的脑子和手臂。但脑子要认识坐在车里的人，手臂要知道能操控什么。
精装修
也就是说，Agent要替人办事，首先得认识了解这个人。这是第四个要素context要解决的问题。
冯硕描述过一个他称为“伴身智能”的愿景：用户的数据和习惯跟着人走，不跟着设备走。用户上了车，不用再从头交代自己是谁、喜欢什么温度、常去哪家咖啡店。车已经知道了。这种context的积累，用户是谁、去过哪里、正在去哪里、有什么偏好，是车企在自己的产品体系里构建的能力。
但光有context还不够。Agent认识了用户，还需要一套工程框架来管理这些上下文、调度工具、协调多个模型之间的配合，行业里叫Harness。
霍健观察到座舱技术路线的演进轨迹和智驾相似：从大量规则，到几十个模型各自做后训练，再到收敛为少数几个核心模型加上Harness。姜海鹏的定性更直接：“模型保的是上限，Harness保的是体验。”他打了个比方：模型是发动机，Harness是底盘和调校。同一台发动机放在不同的车上，表现完全不一样。所以Harness这部分，车企一定要自研，是核心竞争力。
Context让Agent认识用户，Harness让Agent稳定运转。两者到位之后，最终体现于座舱这个空间之中。这就是第五个词，space。以前，人们常把它称作“第三空间”：家是第一，办公室是第二，车是第三。
冯硕现在不太喜欢这个定义。他的理由是：“过去定义第三空间的时候，还是把它定义在产品层面，只是比家、比办公室多了一些设施，空间更加局促，也就定义到这个层次。”
他觉得现在的车正在变成另一种新的东西，叫“移动智慧空间”。因为从空间大小角度，第三空间意味着优先级靠后；但如果从智能体验程度，那么车的优先级很高，水平也很高。不过这个改变，需要两个前提。
第一个前提是，我们依然需要物理空间的释放和扩容。电动车不再需要庞大的前机舱放发动机和变速箱，电机可以做到轮边，空调箱能外置。冯硕借了地产行业的词来描述这种变化：“得房率”。5米多的车长、3米多的轴距，多少有效面积给到了用户？座椅可以旋转，中控台前后滑移，布局灵活可变。
第二个前提是传感器的预装。方向盘有传感器，座椅有传感器，空调有温度和空气质量传感器，车内还有视觉传感器。出厂时全部装好。冯硕用了一个我很喜欢的比喻：“相当于精装修都做完了。”用户上车就能用，不需要自己做任何二次设计。
2007年iPhone发布时，乔布斯把加速度计、GPS、摄像头、麦克风装进了同一个口袋大小的设备里。没有人在那个时刻预见到Uber和Instagram会出现，但传感器预装完毕之后，应用层的爆发只是时间问题。车里的传感器预装比手机更密集、更多样，覆盖的物理空间也大得多。如果说手机的精装修催生了移动互联网，车的精装修会催生什么，现在可能还看不清楚。冯硕的判断是，这种影响甚至可能溢出车外：车里的智慧空间做得足够好的时候，用户会习惯被主动服务，这种预期会带回家里，反过来推动家庭智能化。
冯硕也指出了一个容易被忽视的瓶颈。
虽然用户喜欢精装修，但是软装还是需要个性化的。
不过目前大多数座舱走的还是“预设模式”的路线，软装相对僵化。工程师往往是提前定义好“小憩模式”“会议模式”等固定组合给用户。他说：“有1000个用户就需要1000种模式，我觉得这个是不对的。”真正的方向是把车内功能拆成原子化的服务颗粒，由Agent根据每个用户的实时需求来调度组合。用户说“我要睡30分钟，几点叫我，舱内调成我喜欢的味道，播放助眠音乐”，Agent分别调用座椅、香氛、音频、闹钟这些原子化的能力来完成。
他认为这是座舱工程中最有挑战的部分：“车内到底有多少个信号、多少条通讯链路、多少种可以原子化的服务能力？把这些全部开放给Agent适配之后，才是真正意义上的智能空间。”
讲回我们的六词主旨。当context、harness和原子化的space全部到位，座舱就不再只是一个物理空间，而是Agent在真实世界里第一个可以替人办事的现场。Cloud、Model、Agent提供了能力底座，但座舱体验的上限，最终取决于车企在context、harness和space上做到什么程度。这也是阿里云选择提供能力底座而非完整座舱产品的原因：双方各做最擅长的部分，Agent是合作的接口。
办事的半径
A cloud，a model，an agent，a context，a space，a deed。六个要素各归各位之后，下一个问题是：Agent在座舱里“办事”的能力，如何评估，能延伸到多远？
蔚来副总裁、数字座舱与软件开发负责人吴杰在座舱圆桌上的判断是：“私有评估体系，我认为是非常价值连城的。”评测标准涵盖了车企对“什么叫好”的理解，也带着品牌的品味。蔚来的NOMI追求“灵动、简洁、不啰嗦”，别的品牌可能追求“面面俱到”，追求不同，评估集就完全不同。没有评估体系，半径无从度量；评估做得越细，Agent的能力边界也就越清晰。
Harness是壁垒。评估，也是壁垒。或者说，评估就是Harness的指针。
圆桌上还讨论舱驾融合的问题。汽车空间里有两种智能，座舱偏交互，智驾偏执行，两者正在融合。
长城汽车技术中心副总裁姜海鹏举了一个例子：车上有老人的时候，智驾在过弯时应该柔和一些。但如果座舱和智驾是两个独立的模型，“当我们识别到舱内有老人的时候，弯已经过了”。只有把舱内的感知和驾驶的执行放在同一个决策链里，这种体验才做得出来。
不过舱和驾两套系统谁来当主控？舱驾融合是趋势，但路径行业还没有共识。
出海也是汽车行业内谈及最多的话题之一。所以谈座舱不能不谈出海。
海外智能座舱的需求，大致处于国内上一个阶段的水平，这一点业内看法是比较一致。
在这种情况下，霍健认为座舱出海要优先解决车控、导航等核心功能，聊天和生态服务逐步展开。端侧与云端的部署节奏，则应根据当地网络、成本、隐私与合规要求动态选择。
冯硕也认为这件事急不得：“海外在人工智能上车方面尚未找到核心场景，先把交互和应用体验做好是更现实的选择。”杨冬生提到比亚迪在海外会严格遵守按当地的法律法规，数据会做本地化部署，愿意和阿里在海外有进一步的合作。
阿里云在海外的布局包括千问AI平台推理服务已上线新加坡、法兰克福、美东等地域，千问Omni本身支持了113种语言和方言。高德也在推进出海，甚至出海的优先级对高德来说，比AI优先级还高。
出海的复杂度也揭示了一件事：汽车办事所需要的能力不是一项孤立的技术。它是cloud、model、agent、context和space在一个特定市场环境中协同运转的结果。国内运转顺畅，因为基础设施、支付体系和服务生态经过了十多年的沉淀。搬到海外，大家如果不希望每个要素都要重新适配，就希望可以抱团出海。
姜海鹏去年在云栖大会提过一个座舱进化的四段论：相识、相知、相爱、相伴。今年他更新了进度：“相识阶段在25年、26年应该能跨过去。未来两年应该从相识走到相知，甚至产生相爱的可能性。”座舱的进化不是一个版本发布就能完成的事，它是一段需要耐心的旅程。
但是，我想智能座舱的这段旅程，无论如何也会比奥德修斯回家的速度快。此人用了10年。
座舱替人办事，智驾替人开车。今年云栖大会的4号馆把智能汽车和具身智能放在了同一个展区，我想这不是没有道理。一辆车同时做到这两件事的时候，它自己就符合了Agent的定义：感知环境，自主推理，对环境采取行动。
李强在致辞中提到一个期待：让客户即使换下一代车的时候，虽然换了车，但熟悉的那个智能体依然还在。
A cloud，a model，an agent，a context，a space，a deed。
这六个词可以用来讲述Agent进入座舱，但同样可以用来描述整辆车。
An agent in a car，是现在进行时。A car as an agent，是将来进行时。
热门跟贴