車企 Agent 的新戰事：先贏一局，再談顛覆

如果回看過去十幾年汽車行業的技術演進，你可能會發現一個有意思的規律：真正改變行業格局的，往往不是那些最宏大的敍事，而是最先跑通價值閉環的小場景。

比如新能源汽車率先在城市通勤場景中，建立起補能成本和使用體驗優勢；智能座艙從導航、音樂、語音等高頻功能開始，一點點培養用户習慣；智能輔助駕駛是從自動泊車、高速 NOA 等局部輔助駕駛能力開始滲透，最終完成從「嚐鮮功能」到「日常使用」的跨越。

放在今天的 Agent 身上，這條規律依然成立。

Agent 不會一夜之間重構車企，真正的競爭，是誰能夠率先找到那個高頻、真實、可閉環的小場景，讓 Agent 留下來、跑起來，並先贏下一局。

這也折射出汽車行業 AI 討論重心的變化：

從「大模型有沒有上車」，到「誰家的模型更強」，再到今天更現實的問題——Agent 到底創造了多少真實價值？企業又該如何衡量它、用好它、讓它真正留下來？

01、車企 Agent 落地的三道「躍遷門檻」

今年的汽車行業，幾乎每家車企都已經在做 Agent。然而，車企 Agent 的落地，並不是一道選擇題，而是一次次跨越門檻的過程。

在 2026 AI 產業應用大會上，騰訊首席 AI 科學家姚順雨表示，AI 正在進入「下半場」。

過去，更困難的是尋找有效的方法；而隨着預訓練、後訓練等通用方法論逐漸成熟，真正困難的，反而變成了「尋找值得解決的問題」。

放在車企 Agent 上，這意味着競爭重點正在發生變化：比起「能不能做 Agent」，更重要的是找到那些真正值得被 Agent 改造、能夠創造持續價值的業務問題。

從現階段行業實踐來看，車企 Agent 的落地，大致需要跨過三道「躍遷門檻」。

第一道門檻，是從工具化探索走向關鍵場景驗證。這是大多數車企當前所處的位置。

過去一年，AI 編程工具、知識庫問答、智能客服、座艙語音助手等應用快速普及。它們上手快、門檻低，也很容易在短時間內做出效果。但問題在於，很多應用停留在誰都能用一點的階段。

看上去很熱鬧，卻很難沉澱價值。真正跨過第一道門檻的關鍵，在於把零散的工具使用，收斂到具體業務場景中，回答清楚一個問題：它究竟解決了什麼問題，又帶來了什麼結果？

第二道門檻，是從單點驗證走向局部做深與複製。當某個場景被證明有效之後，真正的挑戰才剛剛開始。

很多企業容易陷入另一個誤區：看到一個 Agent 跑通了，就急於在全公司推廣。但事實上，從「能用」到「好用」，中間還隔着大量工程化與業務融合工作。

例如，銷售陪練不能只是生成幾段話術，而是要進入門店培訓體系；AI 編程不能只是補全代碼，而是要嵌入需求、開發、測試、交付的研發鏈路；知識庫也不能停留在問答層面，而是要參與業務決策和流程協同。

這一階段，比拼的不再是誰率先嚐鮮，而是誰能夠把局部價值真正做深、做穩，並總結出可複製的方法。

第三道門檻，則是從局部複製走向體系化運營與規模複利。只有跨過這一步，Agent 才真正從「項目制試點」升級為「生產級系統」。

所謂體系化，不只是多個部門都在使用 Agent，而是不同業務線之間能夠共享能力、沉澱知識、複用經驗，並建立起統一的運營與治理機制。

Agent 不再依賴某個部門推動，也不會隨着項目結束而消失，而是成為企業生產力的一部分。

值得注意的是，這三次躍遷並不是整家車企同步完成的。

同一家車企內部，研發團隊可能已經進入第二階段，門店培訓還停留在第一階段；座艙服務或許已經開始探索規模化，知識管理卻仍處於驗證期。

因此，與其簡單判斷「誰領先、誰落後」，不如換一個視角：哪個場景率先跨過了門檻，哪個場景就更有機會成為下一輪複製與擴展的起點。

02、三力乘法，是車企 Agent 效能的底層公式

事實上，在大量企業實踐中，那些真正跑出來的 Agent，未必使用的是參數規模最大的模型；而那些最終被擱置的項目，也往往不是因為模型不夠聰明。

決定 Agent 效能的，往往不是單一能力，而是多個能力的共同作用。

正如騰訊集團高級執行副總裁、雲與智慧產業事業羣 CEO 湯道生，在 2026 AI 產業應用大會上指出，無論技術如何變化，做產品的第一性原理始終沒有改變——真正理解用户需求、解決用户痛點、創造實際價值。

對 Agent 而言也是如此。模型能力再強，如果無法回應真實業務需求，就難以沉澱為長期生產力。

正是在這樣的觀察基礎上，貝恩公司與騰訊雲在《企業級智能體效能管理指南》中提出了一個核心公式：企業智能體效能 = 場景連接力 × 工程駕馭力 × 模型驅動力。

這個公式最值得關注的地方，不在於「三力」，而在於「乘法」。

對此，貝恩公司全球合夥人陸贇做過一個直接的解釋：場景連接力決定「用不用」，工程駕馭力決定「敢不敢用」，模型驅動力決定「用不用得起」。

很多企業建設 Agent，習慣於做「加法」，比如增加一個模型、一個入口、一個功能，認為能力越多，效果自然越好。

但 Agent 並不是能力堆砌。

如果模型再強，卻沒有進入真實業務場景，它依然只是一個 Demo；

如果場景再明確，但運行不穩定、知識不可信、權限不可控，業務部門依然不敢真正使用；

如果工程體系已經搭好，但模型能力無法支撐複雜任務，也很難完成真正的價值閉環。

三者中的任何一個短板，都可能讓整體效能歸零。換句話説，決定 Agent 能否「留下來」的，不是單點能力，而是三種能力是否形成合力。

首先，是場景連接力。簡單來説，就是讓 Agent 真正「進日常」。

對於車企而言，場景連接力意味着讓 Agent 自然嵌入原有工作流。

研發側，它可以進入代碼開發、知識檢索、文檔協同等日常流程；

門店側，它可以融入銷售培訓與客户服務；座艙側，它則能夠進入導航、娛樂、生活服務等真實出行場景。

Agent 不應該成為一個獨立存在的工具，而應該像水和電一樣，存在於用户原本就會經過的地方。

其次，是工程駕馭力。汽車行業天然對穩定性、安全性和可靠性有着更高要求。

一旦 Agent 真正進入生產流程，它就不能依賴偶然發揮，而必須具備知識可信、運行穩定、安全可控的能力。

這背後需要知識體系、運行體系與安全體系共同支撐。

包括基於 RAG 的知識調用能力、Runtime 和 Memory 等運行能力，以及權限管理、安全網關、審計追蹤等治理能力。

最後，則是模型驅動力。過去兩年，「更大的模型」幾乎成為行業共識。但在企業實踐中，真正重要的並不是大，而是合適。

不同業務場景，對模型能力的要求並不相同。與其一味追求「加大杯」，不如讓不同模型在合適的場景裏各司其職，通過智能路由實現能力與成本之間的平衡。

當然，公式只是方法，最終仍然需要落到結果。對於車企而言，評估 Agent 的價值，也不能停留在「演示效果很好」。

《企業級智能體效能管理指南》進一步提出了四個維度的效能指標：業務結果、生產力效率、體驗質量與可靠合規。

內部提效場景，可以看培訓覆蓋率是否提升、研發效率是否提高、知識調用是否減少重複勞動；車端服務場景，則可以關注任務完成率、用户體驗、服務轉化與系統穩定性。

只有當 Agent 的價值能夠被看見、被衡量、被持續優化，它才真正具備從試點走向規模化的可能。

03、上汽向內，零跑向外：三力乘法的兩種解法

從當前汽車行業來看，Agent 應該從哪裏開始切入，並不存在標準答案。

有的車企選擇從組織內部切入，優先解決研發、培訓、知識管理等效率問題；有的車企則把 Agent 直接帶到用户面前，希望將其轉化為新的產品體驗與服務能力。

路徑不同，但它們共同驗證着同一個事實：真正跑出來的 Agent，從來不是「大而全」的產物，而是從一個高頻、真實、可閉環的場景開始。

以上汽的 AI 佈局為例，就屬於典型的體系化推進。

目前，上汽在多個方向同步佈局：智己推出 IM Ultra Agent，嘗試將智能體能力帶入產品體驗；

人形機器人進入量產線，探索製造環節的具身智能應用；

延鋒與銀河通用合作，將機器人能力進一步延伸至零部件製造；

研發體系則持續推進「4+X」AI 戰略，完成多個場景驗證與應用上線。

顯然，上汽並不缺少面向未來的想象力。但在與騰訊的合作中，它選擇了一條更務實的路徑：先從內部提效切入。

最先被改造的，是汽車門店培訓。長期以來，汽車銷售培訓一直面臨幾個共同難題：產品更新快、培訓成本高、優秀經驗難沉澱、不同門店之間服務水平參差不齊。

基於騰訊樂享與企業微信，上汽打造了 AI 陪練智能體，目前已覆蓋超過 5000 名一線門店銷售人員。

相比於傳統「人教人」的模式，AI 陪練能夠提供標準化、高頻次的訓練，讓優秀銷售經驗得到複製，也讓新員工擁有更低門檻的成長路徑。

第二個切入口，則是研發。隨着汽車越來越像「移動智能終端」，軟件研發的重要性持續提升。

上汽已經有近千人規模團隊使用 CodeBuddy，覆蓋智能座艙、車聯網、企業 IT 等多個業務場景。

Agent 不再只是簡單生成代碼，而是逐漸進入需求理解、開發協同、測試驗證等研發流程，縮短從需求到交付的鏈路。

第三個切入口，是知識管理。大型車企天然擁有海量知識資產，但這些知識往往分散在不同系統與部門中。

通過騰訊雲智能體開發平台 ADP，上汽開始探索把研發文檔、培訓資料、產品知識等沉澱為可問答、可調用的生產知識，讓知識不再只是存起來，而是真正用起來。

如果用「三力乘法」來拆解，上汽的路徑非常典型。

• 場景連接力，來自樂享、企微等入口深入門店與辦公體系；
• 工程駕馭力，來自知識治理、安全管理與運行機制；
• 模型驅動力，則來自混元大模型等底層能力支撐。

最終，上汽驗證的是一條「內部提效」路線。先從銷售培訓、研發輔助、知識管理等高頻場景開始，完成單點驗證，再逐步向更多業務線複製，最終沉澱為集團級 AI 能力。

如果説上汽代表的是向內求效率，那麼國內的新勢力銷量冠軍零跑，代表的則是向外做體驗。

零跑一直堅持全域自研路線。

截至目前，零跑核心零部件自研比例超過 65%，並擁有 17 家自建零部件工廠。

旗艦車型 D19 搭載雙驍龍 8797 艙駕一體平台，具備 1280TOPS 算力，可同時運行端側大模型與 VLA 智駕模型；

同時也是行業首批實現 DeepSeek 模型上車的車企之一，並自建數千卡智算中心支撐模型訓練。

相比內部提效，零跑更希望把 Agent 直接轉化為用户可感知的產品能力。

騰訊切入的，正是這一層。

2026 年，騰訊發佈七大座艙智能體與出行全場景智能體開放平台。其中，零跑 D19 成為座艙智能體首批量產落地車型之一。

在這套體系下，座艙 Agent 不再只是「會聊天」。過去的語音助手，更像一個功能入口：打開空調、播放音樂、導航回家。

而現在，用户只需要説一句：「幫我點一杯昨天那家咖啡。」

系統便會自動調用歷史偏好、導航路線、ETA、LBS 信息、停車便利性以及優惠信息，完成推薦、選店與下單。

這背後，是騰訊在座艙領域多年積累的工程化封裝能力在起作用。

零跑 D19 搭載的騰訊座艙智能體，並非簡單地將手機端的 Agent「搬上車」，而是基於騰訊對車載場景的深度理解，將微信支付、地圖導航等核心能力與車機體驗做了深度融合。

具體來説，系統在完成一次點單任務時，需要同時處理多個維度的信息：用户的咖啡偏好來自歷史訂單和記憶能力，門店篩選需要結合實時 LBS 與導航 ETA，最優優惠匹配依賴支付生態的深度打通，而最終的下單動作則要調用小程序的交易鏈路。

這些原本分散在不同系統中的能力，通過騰訊出行全場景智能體開放平台的工程化封裝，被拉平為一次自然對話即可完成的統一體驗。

目前，零跑 D19 上已經實現麥當勞、瑞幸等品牌的隨行點單服務，車主通過自然語音即可完成從選品、匹配優惠到一鍵下單的全流程。

未來，騰訊還將進一步拓展餐飲消費類品牌合作，接入機票預訂、酒店、短劇、遊戲等更多服務，持續豐富座艙 AI 生態。

用户感知到的，是一句自然對話。但在背後，Agent 已經完成了一次跨地圖、小程序、支付與服務系統的任務編排。

因此，零跑驗證的是另一條路線：從車機語音升級為座艙 Agent，再進一步走向全場景出行生活服務生態。

回過頭來看，上汽與零跑其實代表了兩種截然不同的 Agent 落地思路。

前者選擇從組織內部切入，優先解決銷售培訓、研發協同、知識管理等效率問題；後者則把 Agent 直接帶到用户面前，希望通過座艙服務重塑出行體驗，探索新的產品價值。

一個向內，一個向外；一個強調組織提效，一個強調體驗創新。

但兩條路徑背後，卻指向了同一個答案——Agent 落地，從來不是簡單地「上模型」。

04、先贏一局的關鍵，是讓三力形成乘法合力

無論是內部提效，還是車端服務，真正跑通的場景，都具備幾個共同特徵：高頻使用、真實需求、價值可感知、效果可衡量。

它們都沒有試圖一步到位重構整個體系，而是選擇先找到一個具體場景，讓 Agent 先留下來、跑起來，再逐步擴展到更多業務與更多用户。

這也是「三力乘法」的意義所在。只有場景連接力，Agent 才能真正進入研發、門店與座艙等核心流程；

只有工程駕馭力，企業才敢把關鍵業務交給 Agent 持續運行；只有模型驅動力，Agent 才能理解複雜需求、完成任務閉環。

三者缺一不可，也決定了 Agent 最終是停留在試點階段，還是成長為生產級系統。

未來，車企 Agent 的演進方向或許不會是「大爆發」，而是「深紮根」。短期來看，AI 編程、銷售陪練、知識調用、座艙生活服務等已經驗證價值的場景仍將持續做深。

中長期來看，Agent 將逐步嵌入研發、銷售、服務與座艙體系，成為企業流程和用户體驗的一部分，推動汽車行業從「能力驗證」走向「原生融合與系統重構」。

對於車企而言，Agent 的意義，也不只是增加一個 AI 功能，而是一種新的生產力組織方式。

第一日上崗，要進入真實場景；第一階躍遷，要完成價值驗證；第一年運營，要形成可複製的規模複利。

這些判斷與方法論，是來自貝恩公司與騰訊雲聯合發佈的《企業級智能體效能管理指南》。

該指南首次提出「企業智能體效能 = 場景連接力 × 工程駕馭力 × 模型驅動力」的量化框架，並以上汽、零跑等出行行業案例為實證，為車企提供了一套從單點驗證到體系化運營的完整路徑。

對於正在尋找 Agent 落地方向的車企決策者與技術負責人而言，這份指南的價值或許在於：

它不是告訴你 Agent 能做什麼，而是幫你回答一個更現實的問題——如何讓你的 Agent 先贏一局。

湯道生認為，AI 是一場長跑，模型會不斷迭代，用户需求也會不斷變化。

放在車企 Agent 的語境裏，這意味着「先贏一局」不是一次性勝利，而是在真實場景中持續驗證、持續迭代，並把一次次局部勝利積累成長期優勢。

最終真正能夠「先贏一局」的，不一定是最早喊出 Agent 概念的企業，而是最早把 Agent 管起來、用起來、算清楚賬，並最終沉澱為長期競爭力的企業。

$騰訊控股-R(80700.HK)