中國車企的座艙智能體，如何學習Grok、超越Grok？

作者 |德新

編輯 |王博

去年上海車展，「全民智駕」是最熱的關鍵詞，當時車企爭先量產是端到端城區(qū)輔助駕駛，誰先把高階智駕推向更廣泛的用戶，誰就更容易抓到市場的注意力。轉眼到了 2026 年北京車展，汽車行業(yè)再次被 AI 的風暴裹挾，但注意力的焦點來到了座艙智能體。

這波座艙智能體上車，背后至少有兩層直接刺激。 第一是特斯拉在2025年推動 Grok 上車，讓汽車行業(yè)第一次較為完整地感受到，座艙大模型不只是一個更聰明的語音助手，它可以帶來新的交互、信息獲取方式，以及更強的陪伴感和情緒價值。

第二，則是2026年初智能體熱潮的迅速爆發(fā)。OpenClaw 的走紅，讓整個行業(yè)進一步意識到，AI 不應該只停留在“聊天”層，而是要進入“執(zhí)行”層，真正變成一個能理解目標、調用工具、完成任務的系統(tǒng)。

也正因此，圍繞「車載智能體」，中國汽車行業(yè)正在展開新一輪競爭。4月21日，榮威宣布與火山引擎深度合作在行業(yè)內第一家打造「AI原生汽車」，算是拉開了這輪新角逐的序幕。

如果說去年的關鍵詞是“端到端智駕”，那今年北京車展的隱藏關鍵詞就是“AI 智能體”。 座艙智能體，正在成為車企打造 AI 汽車的一道新分水嶺。

一、學習Grok，超越Grok

座艙智能體要大熱，其實早有先兆。

HiEV 獲悉，在幾個月前的美國 CES 期間，多家國內車企的 CTO 帶隊在當?shù)卦囻{特斯拉，重點體驗當時最新的 FSD V14.2，以及剛上車不久的 Grok。

期間，不少車企中層甚至專門從洛杉磯、舊金山等地驅車前往拉斯維加斯，完整體驗數(shù)百甚至上千英里的「FSD + Grok」。

特斯拉對 Grok 的接入其實還很克制，它的車端能力有限，更多是與導航結合，沒有深入車控。但即便如此，Grok 所展現(xiàn)出來的大模型能力，仍然給很多業(yè)內人士留下了很深的印象：更自然的對話、更強的檢索能力以及情緒。它展示出一種明顯不同于傳統(tǒng)車機語音助手的交互質感。 這讓行業(yè)內意識到，車內的交互入口，正在被大模型重新定義。

過去，車內語音系統(tǒng)解決的更多是“命令識別”問題：用戶一句相對標準的指令，語音助手將其映射為車控操作。但大模型帶來的變化是，系統(tǒng)開始嘗試理解更自然、更模糊的表達，并進一步接手信息獲取、任務拆解乃至行動執(zhí)行。

在這之后，追趕特斯拉「FSD + Grok」的組合，迅速成為國內激進派車企和供應鏈玩家的共識。 到了北京車展上，圍繞「中國版 Grok」和更廣義的車載智能體，已經至少出現(xiàn)了三類玩家。

第一類，是頭部模型公司與云服務商。

火山引擎發(fā)布基于AI智能體架構的新一代解決方案，目標是幫助車企打造AI大腦，通過聯(lián)通車控、導航、智駕等關鍵功能域，實現(xiàn) "感知 - 推理 - 執(zhí)行 - 記憶 - 學習" 一體化閉環(huán)。

這個AI大腦，支持以完整產品（豆包座艙助手）交付或者靈活選配（AI座艙套件）的方式與車企開展合作。

第二類，是芯片與基礎平臺公司。比如地平線，除了推出艙駕融合平臺星空，也發(fā)布了座艙智能體平臺「KakaClaw」，希望把智能體做成下一代平臺的核心能力。

第三類，則是開始自研或者半自研智能體能力的主機廠，它們的目標不是接入一個助手，而是把智能體本身，變成品牌體驗的一部分。

準確地說，北京車展上扎堆出現(xiàn)的，已經不是“中國版 Grok”，而是一個更深度接入車輛、能在真實物理世界中為用戶服務的車載智能體。人們不再滿足于 AI 只是能說會道，而是開始被要求真正“做事”。

而中國市場恰恰為這個變化提供了很好的土壤。

過去幾年，新能源汽車快速發(fā)展，車內電子電氣架構不斷演進，SOA 軟件架構也逐漸成熟，這使得大模型不再只是停留在屏幕里，而是開始真正接入車控、接入服務、接入車輛狀態(tài)系統(tǒng)，新一代助手，開始第一次真正進入車里的物理世界。

二、為什么汽車成為AI落地最快的終端？

一個有意思的問題是：為什么 AI 手機還沒有普及，汽車卻成為第一批被 AI 深度改造的硬件終端？

汽車是天然是一個非常適合智能體落地的場景。手機端的人機交互體驗已經非常成熟、絲滑，火山引擎副總裁、火山引擎汽車業(yè)務負責人楊立偉認為，相比之下，汽車的人機交互還有很大的挖掘空間，如果能從50分提升到80分，用戶感知會非常明顯。

其次，AI 模型的效果，很大程度上依賴上下文。汽車恰恰是一個高上下文、高感知密度、同時又擁有明確可調用能力的終端。它知道用戶在哪、要去哪里、車里有誰、當前時間、車外環(huán)境、車端硬件設備狀態(tài)等等，這些信息都能成為 AI 理解用戶需求的上下文輸入。

最后，汽車又不是一個純粹信息終端。它擁有大量可以被調用的能力：空調、車窗、座椅、導航、娛樂系統(tǒng)、車輛狀態(tài)，未來甚至可以進一步連接泊車、行車以及外部服務。這意味著 AI 上車以后，不僅能“理解”，還更容易“執(zhí)行”。 用戶的一句話，最終可以變成空調調節(jié)、路線規(guī)劃、音樂切換、座椅聯(lián)動，甚至進一步變成一個個復雜任務的自動編排。

以這屆車展上發(fā)布的新一代豆包座艙助手為例，它所展示出來的，已經不是傳統(tǒng)語音助手那種“聽清楚一句命令，再執(zhí)行一個動作”的邏輯，而更接近一個成形的智能體。

在技術架構上，它包含了對話推理引擎、目標驅動引擎、學習成長引擎三大引擎：

對話推理引擎，可以實現(xiàn)像真人一樣自然交流，而不需要人像過去一樣以相對固定、機械的方反倒適應車端語音。通過端側的大模型拒識、VLM識別和豆包輸入法同款的ASR能力，豆包在車端的對話可以做到全時免喚醒詞和多人對話，每次交流都會在該出現(xiàn)的時候自然加入對話，也可以隨時打斷、隨時插話。

目標驅動引擎，基于任務目標和環(huán)境反饋自主調用車載的工具，讓車機能像真人一樣處理事務。它可以把復雜、多步驟、跨場景的任務，從頭到尾幫你辦完，不用你反復交代。例如，根據后排孩子的狀態(tài)和車端記憶，選用合適的多種方式：唱歌、放動畫片、講故事、做游戲、哄睡等，陪伴孩子整個旅途。

學習成長引擎，像人一樣不斷在過程中總結經驗，持續(xù)改進。這個學習的范圍不限于偏好、話題、場景類等基礎記憶能力，還能在任務執(zhí)行過程里沉淀經驗，形成可復用的Skill。

這三大引擎支持豆包的模型上車之后，能像人一樣自由交流、辦事高效有智商，并且伴隨著使用越來越好用，從而成為一個真正可以成長的AI大腦。

在北京車展之前，榮威已經與火山引擎宣布深度戰(zhàn)略合作。榮威新的家越序列，將與火山引擎聯(lián)合開發(fā)的AI大腦，榮威將其定義為新一代「AI 原生汽車」。家越序列首批一口氣規(guī)劃了三款車型09/07/06，其中第一款車07將在6月的火山引擎Force大會上展示能力預覽。

這種深度合作背后反映出，主機廠對于下一代座艙入口的判斷：誰先把 AI 內化為核心能力，誰就更有機會在下一輪競爭中占據主動。

三、座艙智能體真正的分水嶺，是能不能做事

今天大模型上車，和過去傳統(tǒng)車內語音助手最大的差別，到底是什么？ 表面上看，似乎是對話更自然、情緒價值更高，但本質上是能不能做事。

過去車內的語音助手，更加像一個基于規(guī)則的自然語言處理系統(tǒng)（NLU），因此它一般只能處理相對固定、明確的命令——比如“把空調調到22度”、“打開主駕座椅加熱”等等，這樣的系統(tǒng)在面對模糊表達、復雜上下文、多輪任務以及跨功能調度時，往往會迅速暴露出局限。

有車企軟件工程師對 HiEV 形容，過去很多車內語音系統(tǒng)，某種程度上就是「分詞器」。而今天大模型帶來的變化是，語言模型開始被接到車端的 function call（函數(shù)調用） 以及狀態(tài)系統(tǒng)上。

簡單來說，就是讓模型不僅理解用戶說了什么，還能進一步調用車上的具體能力，把語言真正翻譯成執(zhí)行動作。狀態(tài)系統(tǒng)的接入則意味著，AI 在執(zhí)行動作時，不是盲目地下發(fā)命令，而是會參考當前車輛和座艙的實際狀態(tài)：車窗是否已經打開、座椅加熱是否開啟、用戶是否處于疲勞狀態(tài)、車輛當前是否處于安全可執(zhí)行的場景。這兩者結合在一起，才讓 AI 在車上恰到好處地「提供服務」。

以火山引擎的思路為例，內部團隊大約從2023年開始就將一部分研究重心放在了用AI模型來生成 function call，而當時汽車行業(yè)大部分其他的團隊還熱衷于讓AI閑聊或者畫畫。

在能夠利用大模型進行穩(wěn)定的車端原子能力的控制之后，他們又進一步引入了環(huán)境變量和端狀態(tài)（車內的設備狀態(tài)），這樣讓模型在決策時能夠理解上下文、降低誤判，并盡量降低“幻覺”。

某種程度上，這跟輔助駕駛的端到端類似，也是一種座艙大模型的「端到端」。

四、AI上車，真正改變的是什么？

這輪車載智能體升級帶來什么變化？

首先，用戶視角下，車端的對話體驗會從聊天走向任務閉環(huán)。 過去，車機是一問一答；今天，新的車載智能體更重要的能力，是把一個目標拆解成若干動作，并推動任務走向完成。用戶一句模糊的意圖，系統(tǒng)就能夠理解、規(guī)劃、執(zhí)行，并在必要時繼續(xù)追問或調整。

功能開發(fā)的視角，類似豆包座艙助手這樣的AI大腦把智駕、座艙、車控、導航、環(huán)境感知等整車功能域打通，它越來越像一個調度中樞，那未來車機比拼的也是誰有更多、更好用的完整skill。

第三層，技術部署上，從云端智能走向端云混合。 車里的很多能力，不可能完全依賴云端，涉及實時響應、隱私和安全決策等能力，更多會放在端側；而更復雜的知識推理、長鏈條規(guī)劃和外部信息獲取，則仍然適合由云端提供支持。

未來的車載智能體，大概率不會是一個純粹的云端AI，而是一套端云協(xié)同的系統(tǒng)工程。 譬如火山引擎這次也跟與英偉達深度合作推出端側AI產品“火山聆眸”，基于英偉達的計算平臺，豆包端側模型具備視覺理解能力，能在保障用戶隱私、本地處理的前提下，提供多模態(tài)的交互體驗。

到2026年北京車展，汽車行業(yè)已經開始更普遍意識到：AI 不只是給車增加了一個助手，它更可能重寫的是車內的入口、交互方式，甚至品牌差異化的邏輯。

過去幾年，汽車行業(yè)先卷尺寸，再卷舒適配置，也卷過了輔助駕駛，從這屆車展開始，競爭正在進入一個新的階段：誰能把車載智能體做成真正的入口，誰就有機會在下一輪 AI 汽車競爭中掌握更大的主動權。