从语音对话到全场景Agent，腾讯如何用“小龙虾”重构座舱灵魂？

从语音对话到全场景Agent，腾讯如何用“小龙虾”重构座舱灵魂？

回想一下，自2011年Siri问世，手机助手在很长一段时间里，似乎都只是个“高级闹钟”——设个提醒、发个信息，基本就是单向指令的响应。那种能够跨应用、像真人一样处理复杂任务的智能体能力，直到2024年后才真正在移动端和PC端崭露头角，并迅速向一个更重要的空间蔓延：汽车座舱。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

早在2015年就布局车联网的腾讯，最近有了新动作。他们推出了一个名为“出行全场景智能体开放平台”的东西。简单来说，它把元宝搜索、微信支付乃至空间智能等能力打包整合，构建了诸如随行点单、随行向导、随行逛逛等七大核心场景智能体。这不再是简单的语音对话，而是一套试图理解并执行你复杂意图的“座舱副驾”。

举个例子就明白了。比如在通行路上突然想喝杯咖啡，随行点单智能体要做的，可不止是帮你打开外卖APP。它能根据你的实时行程位置和个人口味偏好，筛选出沿途合适的门店，甚至推算出餐时间，确保你到达时刚好能取餐，完成从“想”到“得到”的闭环服务。

另一个更典型的痛点：手机和车机的信息流转。为此，随行互连智能体深度打通了“龙虾”能力。想象一个场景：你只需在微信对话框里对车机发一句指令：“乘客上车后打开座椅按摩，播放欢迎语，并把车载微信调成隐私模式。”背后的CarBot会自动拆解这个复杂任务，判断副驾座椅是否被占用，然后逐一自动执行。这背后，是从“对话”到“执行”的关键一跃。

据透露，在AI深度合作层面，腾讯已经与长安、上汽、广汽等超过40家车企展开了联合探索，目标很明确：共同推动这些智能体技术在具体场景中真正落地。

那么，智能体上车能否实现规模化？在腾讯智慧出行副总裁钟学丹看来，这主要取决于两个关键因素：车企是否具备系统化的平台基础，以及最终能否切实提升用户体验。而腾讯的核心优势，恰恰在于其扮演的“生态连接器”角色——庞大的服务生态和连接能力，是智能体得以“执行”而非空谈的基础。

可以确定的是，智能化下半场的竞争，早已脱离了单纯功能堆砌的初级阶段。真正的核心在于，谁能率先将大模型、整车控制能力与丰富的服务生态，有机地组织成一个可规划、可执行且能持续进化的智能中枢。以下是《新智驾》等媒体与腾讯智慧出行副总裁钟学丹、李博的部分对话，从中或可窥见腾讯的思路与布局。

规模化落地：平台与体验缺一不可

Q：最近行业有很多Agent上车的发布，当前座舱Agent到了规模化落地阶段吗？有哪些布局特点？

钟学丹：行业向这个方向演进是明确的趋势。车企正在从系统层面思考与模型的结合，这与过去的座舱系统设计思路已经截然不同。

智能体能否规模化上车，取决于几方面：首先是车企自身的系统平台是否成型。如果平台能力不完整，那么规模化就会受限，可能只是零散的功能点，而非完整的体验。其次，关键在于能否在真实使用场景中改善用户体验。智能体不是简单地把现有应用改成对话模式，而是需要结合场景需求，重塑整个交互与服务流程。

这也是为什么腾讯会先自己开发一些场景智能体作为样本——让大家更直观地看到它能如何发展，这将是推动智能体大规模成长的重要基础。

从对话到执行：技术底座与生态连接的双重进化

Q：为什么腾讯出行选择现在推出智能体平台？相比其他厂商的类似产品，核心优势是什么？今年AI上车是否普遍呈现从“对话”向“执行”转型的趋势？

钟学丹：从对话转向执行，确实是当前的大趋势。这依赖于两个条件的成熟：一是技术底座的能力。车载语音对话发展多年，大模型首先优化了对话体验，但要实现“可知即可行”，就需要模型本身Agent能力的进化，这是近半年来的技术焦点。例如，Harness Engineering等工程化能力的提升，保障了任务执行的稳定输出，这离不开底层工程能力的支撑。

第二个条件，是生态连接能力。即便技术具备了，如果没有丰富的服务生态可供调用，执行也就无从谈起。腾讯在模型工程方面近期进行了多次升级，确保了响应与实现的稳定性。更重要的是，在生态连接上，腾讯凭借广泛的合作基础，在打通各方服务生态方面具备天然优势。

李博：过去一年，大模型上车多停留在概念阶段，并未真正解决实际场景问题。必须认识到，大模型本身难以直接解决问题，必须通过Agent实现场景化落地。因此，腾讯将精力聚焦在Agent与微信小程序等具体场景的连接上。现阶段，如果不能结合车辆传感器、车辆功能及相关场景实现Agent落地，那么其体验与手机端无异。只有基于车端特有信息打造的Agent应用，对汽车行业才具有独特价值。

生态打通：开放协作，创造共赢

Q：目前的智能体座舱展示了停车场自动缴费等功能，但在商场消费优惠与微信支付缴费之间仍存在生态连通的问题。车内的智能体能否打通微信或腾讯更多的生态？

钟学丹：以停车为例，其背后的商业逻辑、服务链路非常复杂，不同停车场的实现方式差异很大。通过发布开放平台，腾讯希望生态合作伙伴能以更轻量的方式接入，共同实现更闭环的服务体验。腾讯的思路是聚焦自身擅长的领域，同时与在特定领域有专长的伙伴展开协作。这种模式旨在为用户带来便捷的同时，保障合作伙伴的商业价值，甚至通过流量导入为其创造更多收益空间。

Agent与系统：边界何在？

Q：Agent上车对座舱芯片有何新要求？为什么目前Agent主要停留在应用层而非系统层？对于“Agent即整车操作系统”的观点，腾讯如何看待？

李博：安全是底线。目前将整车底层系统级权限交给互联网公司或Agent，仍需时间验证，现阶段应由车企或车规级芯片厂商主导。无论概念如何变化，最终都必须回归应用场景，关注能为车主解决什么实际问题。腾讯的定位很清晰：坚持“有所为，有所不为”。不追求宏大的系统叙事，而是发挥自身在用户交互、应用开发和生态连接上的长处，专注于解决具体场景问题。

Q：Agent上车会对车载芯片提出什么样的需求？

李博：在硬件与算力分配上，趋势是端侧算力与模型能力同步提升。目前端侧正从部署2B、3B模型向7B、14B模型演进。增强端侧算力既能实现低延迟响应，也能为车企节省云端Token消耗的成本。当然，更复杂的场景仍需依赖云端大模型（如200B参数以上）来处理，端侧目前尚不具备解决所有复杂问题的能力。

安全与边界：智能体的行动准则

Q：腾讯如何考虑在Agent自主规划、自主执行、交互成果方面的边界到底在哪儿？

李博：行车安全是业务的底线和红线。在与车企的合作中，模型任务被明确切分：一部分放在端侧，确保及时响应和基础安全。凡是涉及语音误操作等安全底线的反馈，系统必须进行无效判定或双重校验。这套安全逻辑应由端侧底线判断或物理层模型控制，而非交给复杂的Agent。腾讯开发的Agent主要满足应用层需求，车控领域则基于成熟的TSP体系。安全领域应由经验丰富的车企主导，互联网公司应利用AI能力辅助做好安全防护，而非过度干预。

为什么强调依赖Agent而非单纯大模型？因为Agent代表了AI的执行能力。当前AI无法完全解决问题的原因在于高度依赖数据。系统必须具备记忆和上下文理解能力，才能学习用户喜好并精准执行，否则在冷启动阶段很难满足用户预期。数据是基础，先有准确的数据把握用户喜好，才有对应的生态去执行。

钟学丹：在交互方式上，未来的智能体将不仅是响应用户指令，更趋向于“陪伴式”主动服务。例如，导游智能体可以在驾驶途中，根据场景主动推荐周边有趣的地点。技术上，当前Agent仍受限于上下文长度。考虑到长上下文在车端成本高、体验未必好，腾讯现阶段更倾向于选择像订餐这类短链路、能快速形成服务闭环的应用。

隐私与安全：智能体上车的基石

Q：现在推进智能体上车的过程中，大家对安全和用户的隐私问题比较关注，请教一下这方面腾讯是怎么考虑的？

钟学丹：车辆安全驾驶至关重要。一方面，智能体通过更自然的交互，能降低传统交互在驾驶中带来的安全风险。另一方面，智能体的可控性正在通过工程范式的演进（如Harness Engineering）得到提升，使其输出更稳定。此外，通过沙箱机制将数据和用户操控限制在合理范围内处理，也是智能体上车过程中必须加强的关键环节。

避免“上车即落灰”：门槛、权限与务实落地

Q：Agent门槛低、易成红海，如何避免上车即落灰，甚至被用户卸载的情况，确保其在车内能被持续使用？

李博：首先，训练一个有用的智能体门槛并不低，它需要成长过程。就像内部工具，初期可能无法准确理解指令，需要用户持续赋予技能、设定权限并保持耐心，最终才能从“笨拙”变得“得力”。用户需要理解如何训练自己的数字分身，并让多个智能体协作，才能真正提升效率。

其次，智能体上车的核心在于权限赋能与安全边界的平衡。在车端，如果安全底层和权限区隔问题没解决，直接移植高权限智能体存在隐患。目前更务实的落地形态是：通过移动端（如微信）作为管道连接云端智能体，指令经过安全处理后下发，形成特定的场景化应用。这样既能解决问题，又能规避直接远控车辆的安全风险。

落地周期：持续进化，体验驱动

Q：从大家讲Agent上车到真正的Agent上车落地，能给用户提供很大便利的周期需要多长时间？怎么避免大家谈起来很繁荣，但是到用户侧没有办法感知？

钟学丹：新技术落地周期与车辆平台及其上市周期紧密相关。同时，任何新技术的普及都是一个持续进化的过程，要求起步即完美并不现实。值得乐观的是，当前AI的普及速度很快，部分得益于其用户交互体验门槛较低。Agent与用户的互动门槛同样较低，这有利于它通过持续进化获得用户认可，并反过来推动服务与体验的不断提升。

原创文章，未经授权禁止转载。详情见转载须知。