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 CloudA ModelAn AgentA ContextA SpaceA 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 facea fleeta wara mana thoughta 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 clouda modelan agenta contexta spacea 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。CloudModelAgent。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 clouda modelan agenta contexta spacea 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 clouda modelan agenta contexta spacea 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。