--- title: "車企 Agent 的新戰事：先贏一局，再談顛覆" type: "Topics" locale: "zh-HK" url: "https://longbridge.com/zh-HK/topics/42220598.md" description: "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..." datetime: "2026-06-26T02:15:14.000Z" locales: - [en](https://longbridge.com/en/topics/42220598.md) - [zh-CN](https://longbridge.com/zh-CN/topics/42220598.md) - [zh-HK](https://longbridge.com/zh-HK/topics/42220598.md) author: "[汽车之心](https://longbridge.com/zh-HK/profiles/3726156.md)" --- # 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) ### 相關股票 - [00700.HK](https://longbridge.com/zh-HK/quote/00700.HK.md) - [TCTZF.US](https://longbridge.com/zh-HK/quote/TCTZF.US.md) - [80700.HK](https://longbridge.com/zh-HK/quote/80700.HK.md) - [TCEHY.US](https://longbridge.com/zh-HK/quote/TCEHY.US.md) - [HTCD.SG](https://longbridge.com/zh-HK/quote/HTCD.SG.md) ## 評論 (1) - **新用户_sODTiB1 · 2026-06-26T03:14:12.000Z**: 你能幫我優化電腦 ma