摘要：需求已经摆上台面，用户受够了反应迟钝、功能无聊的死板型语音助手，亟需聪明的 Agent 改善体验。而车企们把「第三空间」的概念打出去后，要让车不再是车，而是丰富的生活载体，破局方式还是 Agent。

智能座舱，到了拼「Agent」的时刻了。

没有意外，车企进入智能化新赛段后，举起的差异化武器就是智能座舱。

需求已经摆上台面，用户受够了反应迟钝、功能无聊的死板型语音助手，亟需聪明的 Agent 改善体验。而车企们把「第三空间」的概念打出去后，要让车不再是车，而是丰富的生活载体，破局方式还是 Agent。

Agent 是今年 AI 届最热概念，它代表智能体，AI 系统能主动感知、推理、服务，它有「活人味儿」。

但让 Agent 上车、好用也不是件容易事，它要求端云协同，归根结底，还是看大数据、大算力、大模型的底层支撑能力，这都指向了资源禀赋型选手。

只不过，淘金的方式不止一种。除了自己辛苦下矿、挥镐挖金，也可以直接去找「卖铲人」，比如腾讯。

腾讯是最称职的「卖铲人」，基于云、图服务的一体化能力，在 AI 赋车企智驾、智能座舱等层面，其份量颇重。而这次生态大会上，腾讯智慧出行发布 TAI 6.0 智能座舱，又再度刷新了 Agent 的能力上限。

一是智舱，Agent 打通小程序生态，主动服务能力得到质性提升；

二是智图，Agent 结合 LBS 信息，打开更丰富和精准的服务场景。

AI 这块宝藏田，当腾讯生态牌一打出来，就充满了想象力。

01、座舱 Agent 最高段位，是「伙伴」

Agent 迎来上车潮，如果把现有 Agent 产品横向对比，可以划分出三大段位。

基础段位是功能执行型 Agent。它可以解放用户双手，按照语音指令完成多任务车控，并调用基础娱乐、导航等功能，完成一些简单对话。

这一层级的 Agent，只被开发到初级形态，和用户还是上下级关系，相当于「工具人」。

中阶段位是场景感知型 Agent。系统多了视觉感知能力，能够基于时间、地点、用户习惯主动触发建议，并支持上下文理解，可以接入点餐、停车缴费等部分应用生态。

这也是目前多数 Agent 所处位置，从「工具人」变成了「生活助手」。

高阶段位则是认知智能型 Agent。它具备丰富的推理、感知能力，可以做到个性化、情感化交互，在场景覆盖下，可以跨品牌服务融合，与智驾系统、导航深度协作，打造出沉浸式第三空间。

你会发现，高阶段位的 Agent 更加拟人化，它从一个相对受限的「生活助手」变成了无所不能的「情感化出行伙伴」。

另外，从基础到高端段位的进阶，其实也是生态服务能力的扩充，Agent 能力强不强，本质上，关系到它能精确调用多少软件，执行多复杂的任务。

腾讯智能座舱 TAI 6.0，是将 座舱 Agent，与微信生态、地图服务深度融合。

用腾讯副总裁钟翔平的话来说，过去 App 上车的成本很高，也缺乏主动提供服务的机会。我们希望用 AI 的方式广泛释放自由度，在座舱内让人结合场景，既能够把场景作为输入，也能够把人的指令作为输入，然后再去调用到大量的生态服务，打破服务的边界。

TAI 6.0 的核心升级，在于打造两位可靠的出行伙伴：有趣贴心的助理与聪明的领航员。同时，腾讯还一口气推出五大智能体，把出行这件事拆解到不同场景里，深度打磨，让它们都能既聪明又懂人情味。

归纳起来，这些智能体其实在释放两种核心能力：

一是主动服务。它们不只是等你下指令，而是能感知、推理、记忆：知道你爱吃啥，能听懂你说话里的情绪，还能直接帮你把复杂任务执行到底。

二是跨域连接。各个场景可以随时调用导航、社交、支付、娱乐等接口，背后依托微信小程序生态，让一切衔接得顺滑自然。

如果把时间线往前拉，你会发现，早在 TAI 3.0 把微信生态搬进车机的时候，腾讯 AI 座舱的棋局就已经铺开。

一路走来，从「人找服务」到「服务找人」，从「功能座舱」到「智慧第三空间」，逻辑一直在升级。

正如腾讯智慧出行副总裁、智慧出行负责人钟学丹认为，真正的智能，是要能够深入理解、并高效满足真实应用场景下「人」的需求。

由此，智能座舱要先有「活人感」，才能成为用户可靠的出行伙伴。

02、从上车到好用，Agent 拼的还是基建

从工程化角度看，Agent 想要真正跑起来，要先过两关：

一是「上车快不快」，二是「好不好用」。

这两个问题，最终都要回到 Agent 的底层逻辑：端云协同。具体分工为：

一句话总结：端侧追求即时性与安全性，云端提供智能的深度与广度。两者协同，才能让 Agent 既「反应快」，又「越用越懂你」。

因此，Agent 上车快不快，关键看端侧模型够不够轻巧；好不好用，就看云端大模型够不够强，协同做得够不够顺滑。

目前市面上的智能座舱大多采用高通骁龙 8295P，AI 算力为 30 TOPS（INT8）。受限于算力和功耗，端侧模型不能太大，否则就会带来延迟高、发热严重等问题。

这也是为什么「小模型」在车机上更受欢迎。由于对硬件要求低，更容易在不同价位车型上铺开，车企部署和维护的成本也更可控。换句话说，端侧模型必须做减法，但减得足够精密。

腾讯的思路是：基于混元大模型，深度定制出 1.8B 小尺寸 LLM，相比上一代体积缩小了 37.8%，推理速度反而提升 81%，上下文理解准确率超过 97.5%。

小体量、强推理，两者兼顾。

同时，考虑到用户数据保护和实时响应的需求，有些场景必须由端侧模型独立完成，比如碰撞后及时通知车主、检测车内遗留物品等。这类场景需要多模态识别能力。

对此，腾讯还推出了 VLM 多模态模型，在部分场景下，可实现舱外环境感知准确率达到了 98%，处于行业领先水平。

至于云端，腾讯则是「大力出奇迹」。依托混元全系模型，持续强化 LLM 大模型、VLM 多模态大模型、端到端语音模型的能力，覆盖更复杂的推理与生成场景。

更重要的是，在端云一体的模型矩阵之上，腾讯还构建了一个可扩展、易接入的 Agent 架构：提供标准化接口协议，车企和第三方开发者都能轻量化接入，多种方式快速集成，真正做到「开箱即用」。

目前，腾讯这套最新座舱方案已经与广汽昊铂、红旗、零跑等多家车企合作，即将量产。

03、快鱼吃慢鱼的时代，更需要生态型玩家助力

AI 这股浪潮，车企主动或被动，都必须跟上节奏。

最直观一点，车企不再只是车企，而是 AI 企业，都卷起了 AI 浓度。

除了在智能驾驶、智能座舱这些用户感知最明显的层面推陈出新，也不乏在内部研发、影响、管理环节引入 AI，试图提质增效。

在快鱼吃慢鱼的大环境下，组织调整往往先行，几乎所有车企都在设立用户洞察部门，或尝试用 AI 构建智能分析平台，以更快理解用户、响应市场。

但在大数据时代，好用、可靠又足够垂直的 AI 工具并不好找。越来越多的车企意识到，必须根据自身业务搭建专属应用，才能真正解决问题。

腾讯在此提供了一套 AI 工具箱。

在研发环节，它推出「智能体开发平台 + ChatBI」组合。前者基于 MCP 能力整合市场数据并生成规划报告，后者能一键接入企业数据库，辅助车型规划，大幅缩短数据对接与分析周期。

在销售环节，腾讯上线「线索—销售全链 AI 中台」，将 AI 主播、线索分派和 AI 销售助手打通，提升销售转化与效率。

为降低门槛，腾讯还发布智能体开发平台 3.0，支持 Agent、RAG、工作流等多样化应用的快速搭建，并能结合企业专属数据部署个性化大模型应用。

目前，腾讯已与多家车企共建 30+ 业务场景，覆盖研发、生产、营销和办公。

在汽车行业，腾讯的确扮演了一个不可替代的共建者角色。

一方面，腾讯在 AI 基础设施上的长期投入，使其能够较早捕捉并推动前沿技术落地。

另一方面，它又善于将 AI 能力工具化和产品化，从智能座舱、智驾地图到云服务出海，均已形成可规模化复制的方案。

目前腾讯已与 100 家车企、出行科技公司合作：

九成车企选择腾讯云，30 多家使用了海外云服务。智能座舱落地 60+汽车品牌、超过 1600 万车辆。

在 AI 领域，腾讯也与长安、广汽、上汽等 40 多家车企展开合作，为超过 20 家车企及 Tier 1 提供智能驾驶云图服务。

所以，不同于单纯的算力或模型供应商，腾讯的核心价值在于兼具底层技术与生态入口。云、图、AI 与微信生态等关键能力的结合，为车企提供了更能敏捷响应市场变化的能力组合。

在车企全面加速的节点，行业其实不缺概念，缺的是能把技术变成用户感知的落地能力。腾讯就像一辆为车企「高速上加油」的服务车，随时接入，上车就能跑。

往长远些看，而在智能化这场漫长马拉松上，对于车企而言，找到能稳定输出、长期并肩的伙伴，或许比盲目追逐下一项风口，更加重要。

来源：汽车之心Autobit一点号