社区

AI Agent 上车后，汽车开始从 “响应指令” 走向 “理解意图”。

文丨郭海惟

2025 年圣诞节，特斯拉在美国进行了一次大规模系统更新。通过将 Grok 与导航能力结合，特斯拉推出了 “对话式导航”：用户不再需要输入精确指令，只要用自然语言表达出行意图，车辆就可以理解上下文并最终完成路径规划。

一些媒体与资深用户把这次更新称为智能汽车行业的一个 “GameChanger”。当对话交互开始与驾驶和出行场景深度结合，一些人认为，智能汽车或将进入一个新的阶段——车机不再只是信息界面，而更像一个能够理解用户意图的 Agent。

与特斯拉的更新不谋而合的是，“对话式导航” 这类能力的迭代，已被一些中国企业写进产品规划。

今年 5 月，高德正式推出高德汽车出行 AI Agent，并在理想 L9 Livis 上首发落地。与此同时，红旗、长城、赛力斯、奔驰、宝马、广汽等汽车品牌也将陆续接入高德汽车出行 AI Agent。

汽车开始真正听懂用户的 “模糊意图”。你说 “去老地方”，它知道是去你常去的那家咖啡馆，而不是地图上任意一个叫 “老地方” 的餐厅。

对于高德来说，Agent 上车是一项战略级选择。未来车载 AI 的发展关键词或许是 “生态协同”。主机厂的操作系统之上将运行多个不同能力的 Agent，各自负责不同场景。而高德希望成为其中负责出行服务的重要 Agent。

这也是高德汽车业务经历的第三次重要的技术与商业模式转型：从卖软件包（APK），到卖开发工具（SDK），再到卖按调用计费的服务（Agent）；从 HD 地图到 HQ 地图，再到今天的 SD Pro。每一次转型，都意味着放下过去成功的模式，重新拥抱新的技术浪潮。

“忘掉自己，甚至忘掉成功的自己。” 高德副总裁江睿这样总结高德汽车业务多次成功转型的经验。

今天，无论是公司、组织还是个人，都在面对 AI 带来的巨大不确定性。野望与恐惧并存，愿景与现实拉扯。但在这场浪潮里，无论是高德，还是理想及其他一些车厂，都选择了一种更务实的态度：无论什么样的技术创新，最终都服务于当下的用户价值。

或许终点会是什么，并不那么重要，因为有一点是确定的：Agent 会改变出行，AI 会改变生活，而人们对价值的理解，总有一些共识可以穿越周期。

《晚点 LatePost》与江睿、理想汽车产品部高级副总裁范皓宇，理想汽车空间智能产品负责人胡含进行了总计超过五个小时的谈话，我们讨论了 Agent 为什么要上车？在这场新的智能座舱革命中，中国厂商如何找到自己的技术路径？车企与 AI 公司的合作关系会如何变化？以及他们各自看到的未来。”

以下为对话内容，在不改变原意的前提下，内容作部分精简和重排。

“特斯拉不会让我们焦虑”

晚点：特斯拉 12 月发布更新的时候，各位在干嘛？

江睿：我们当时有两条线。一条是 AI，就是用多条件或者模糊意图的方式做搜索，让体验更智能，比如说我去机场，想走一条 “海岸边”（随机意图）的路，这在以前是没办法实现的。

这条路其实都是在解决一个问题：如何让各种各样点状的信息拼接在一起。所以 Grok 的 demo 效果出来以后，我们内部立刻开始研究。我当时的反应是，汽车行业的 AI 浪潮将会相当迅猛，而且会加速。第二条线是，我们在做出海业务，在引擎服务、地图数据等方面做了大量优化。

范皓宇：我记得当时挺晚的，好多人给我发 demo 的视频。其实这个事儿一直在我们的 pipeline 里，当时我就猜想哥（李想）什么时候会转发到产品群里，结果不到两个小时就发了。

没过几天我跟江睿聊，说得折腾起来。他们数据是 ready 的，我们也是 ready 的。

晚点：特斯拉先上车，你们会有焦虑吗？

范皓宇：没啥焦虑，因为本来就在 pipeline 里。我们国内很多功能特斯拉其实也是没有的。我觉得大洋彼岸说不定也会做一个访谈，说理想上了这个功能，你们准备什么时候上。

胡含：我们去年其实做了很多 Agent 的尝试，比如 “小同桌”。当时用户天然就会问：除了聊天，能不能也去干点活？

所以我们一直在想，怎么把导航、娱乐、控车这些功能都结合起来。Grok 是第一个把导航这个方向做出来的。对我们来说，可能不光是导航，完整座舱里的所有工具未来都可能要接进去。

晚点：但为什么 Grok 能先推出这个产品，这件事情的难点在哪里？

江睿：特斯拉我只能推测，它是端到端一体化的体系，好处就是速度非常快。相比之下，中国更多是开放性的生态，讲究多方合作。

高德 Agent 的工程难度，我觉得有几层：

第一，用户在车机里的表达其实是没法连贯的，中间往往是断断续续的，还会加一些语气助词；

第二，要把点状的智能体验串联在一起，是一个相当复杂的异步构建过程。背后其实是一个个不同的工具和接口，如何去编排，编排完了再验证，这个过程难度非常高；

第三，高德不喜欢做 demo，我们要做就是做量产。那量产如何保证产品交互体验的一致性。高频的简单问题是下限，复杂的 query 可能是上限，都需要处理好。这背后还有如何处理性能的问题，车机的性能场景和手机、PC 是完全不一样的。

胡含：我觉得当我们确认这是一个以量产为目标的产品时，难度就非常大了。我自己在使用过程中，有两个印象比较深的点：

一个是我家孩子最近正好在打一个中青赛。我就直接跟高德说，“给我导航到中青赛 U10 的比赛场地”，它自己就检索出来了。这肯定不是在高德数据库里已经存储的检索，而是提取了互联网内容。

另一个是 “多目的地” 的顺序编排。比如我要去 A、B、C 等多个地方，过去系统给出的顺序大概率是不对的，需要用户自己不断拖动调整。但高德现在能比较准确地完成自主编排。

“给智能一个严丝合缝的轨道”

晚点：“更强的自主编排能力，会带来什么变化？”

江睿：用户今天规划路线，习惯在 GUI 上拖动；但所谓的 VUI（VoiceUI），是没法拖拽的。这背后有一个长期趋势：交互方式会从系统 “被动响应用户需求” 变成 “大量运算在后台自动发生”。

比如你在车里的状态、周围环境，其实都可以被集合起来做计算。如果车需要补能，它也可以自动跳出来提示你去附近找充电桩。

范皓宇：说白了，（主动）特别难。因为过去十年所有人都想做一些 “主动”，但我觉得很多都是脑残的 “主动”。比如我一上车，它突然告诉我说今天这个天气怎么样——我能不知道现在是什么天气吗？

真正的主动是什么，它会有时间轴的预判，像世界模型，next token prediction，我能够判断和预测到未来。

我觉得高德本身就是一个时空网络，任何路线其实都是空间的转移，变量会非常多。

江睿：我们有团队一直在研究世界模型。

范皓宇：高德有个 case 很棒，就是前方道路出现事故车辆会提前报告。我们测了一下，发现准确度 99.9% 以上，这意味着它可以被辅助驾驶更好用到。

江睿：我们还有一个更大规模的系统，没有直接用于辅助驾驶，是和应急管理部中国安全生产科学研究院一起做的，叫 “鹰眼守护预警系统”。应急管理部在每一次大型的节假日都会推荐公众去用，可以减少重大交通事故。上一次国庆，这个系统被调起了 17.4 亿次。

晚点：过程中如何解决幻觉的问题？

江睿：我们做了一个架构，叫 “意图和事实分离架构”。

地图是唯一连接真实世界和虚拟世界的超大规模的平台，所以在整个事实世界里，我们不能给它提供虚假的信息。特别是关乎在端上执行 action 的部分，一旦出现幻觉，这个体验是灾难性的。所以我们强制让系统必须一一对应到高德底层的工具。

范皓宇：你给了一个严丝合缝的轨道，水必须在这里面流。

江睿：对，没错。

胡含：听上去是说，如果大模型是 “语言的大脑”，高德是一个 “空间的大脑”。语言的大脑还能容忍幻觉，但空间大脑是绝对不能容忍幻觉。

晚点：你们未来还会有其他 agent 上车吗？

江睿：就只有出行领域的 “子 agent”。

第一，它的重要性足够高；第二，它对专业性的要求也非常高。并不是说我们很快就用 AI 解决了所有的 corner case，然后就可以进军下一个领域了。

胡含：从 Agent 能力上讲，我觉得这是一个生态问题——优质数据在哪里，能力的上限就在哪里。优质的出行数据，一定是在高德那里。

所以我也认为合作伙伴不要只服务我一家，而是要服务整个场景。只有服务整个场景，才会积累整个场景最优质的数据。如果你是这个场景里的老大，我们肯定会用你。

晚点：那高德作为 “子 agent” 和 OS 的关系是什么？

范皓宇：我们从来没讲过 OS，我们没有那么大的概念。你可以理解 OS 是发布 JD（job descripsion)，它能收集用户所有的诉求，但它本身不完成任务。它的功能是准确描述和理解需求，然后推理出一条最佳路径，最后实现业务闭环。

胡含：从技术角度来讲，肯定是尽可能用一个 Agent 来做最好。但真正落地的时候会发现很多问题。

最符合 “Agent” 的其实是基于 ReAct（推理-动作）的技术。但在这之前可能还有 workflow 的方式。有些场景如果全部扔给一个 Harness 的 ReAct 技术，可能会变慢，不一定值得。

范皓宇：上下文特别多的时候，也可能又慢又差。

胡含：Harness 这个东西我们认为是 “build to delete”。它是脚手架，甚至可以理解为补丁。未来如果模型更快了、缓存更好了、工程架构更优化了，就会把它拆掉。所以我们现在做 Harness，其实是为了以后把它拆掉。

江睿：最早我们为了杜绝幻觉也用 workflow，它有点类似最 “顶级” 的 Harness，因为把约束条件全部写上，只在部分环节用模型。我觉得这两条路至少在一段时间内会并行。

我们现在把流量导向三个模块。一个是慢思考，就是标准的 ReAct，时间比较长；第二个是快速思考，参数会往性能和速度方向优化；第三个是极快速思考。我们有对应的小模型，还有一些向量匹配机制，确保最简单的 query 能用最快的方式响应。

但随着算力和模型能力逐步变强，后面的架构可能还会继续变化。我觉得最重要的一件事情是，在某一个时间点想清楚：效果、效率、性能和成本之间的平衡。我们很多产品其实都在这四个关键词之间反复平衡。

晚点：那怎么去评价 Agent 呢？

江睿：我们自己在构建自动化的评测体系——持续抽简单和复杂的 query 去测评。但人力太贵，所以我们需要训练一个模型来当裁判，再用人去检查这个当裁判的模型。现在这件事情已经在高频运转。

范皓宇：我建议你的评测体系应该开放出来，让大家一起来试试。

胡含：从技术角度讲，切分其实有一个原则，就是上下文是否共享。任何主 Agent 和 sub-Agent 之间，上下文互通都是一个基石。过去我也遇到过大家互相防范、数据不通的情况，那肯定会带来用户体验问题。但这里不光是技术问题，也涉及企业之间的互信问题。

江睿：如果把 Agent 分成三类：PC 端、手机端、车端，其实差别很大。

PC 面向的人基本不动，它的最高任务是提升产出效率；手机承载的是生活中的你，本质上还是三个流：信息流、服务流、消费流，跟经典互联网没有太大区别。

车是最复杂的场景。第一，因为它在高速运动中，是空间智能体，所以对物理空间的感知能力要求很高；第二，在车里的体验里，司机和乘客的身份不同、速度不同，体验也完全不同。

晚点：刚才有提到 OpenClaw，也提到很多关键词，比如从被动到主动、信息流和服务流的打通、Harness 等等，好像会让人想起 OpenClaw。你觉得高德 Agent 可以从 OpenClaw 里借鉴什么思路？

江睿：其实本质上都是个人助理。它会产出 token，也会把知识变成 token。它可以用工程化的思维去完成目标，比如心跳机制、循环机制，这在车载的主动服务场景里是很重要的触发机制。比如我们在 20 分钟后要到一个地方，系统其实可以提前触发相关计算。

“云 + 端会长期存在”

晚点：手机、PC、车机，有什么思路理念上是相似的吗？

江睿：Longmemory。而且只能是在云端的。因为你面向的用户是一个人，所以可以把他在不同生活场景、工作场景里的行为融会贯通，形成一个独特的 profile。每个人的 AI Agent 要做什么事情、核心目的是什么，肯定都是完全不一样的。

晚点：那云和端，未来场景会如何划分？

江睿：云 + 端的架构未来一定会长期存在。我们刚刚一直在说 reasoning and acting（ReAct）。Reasoning 这件事情，大部分是 “云” 完成的；但 acting 对响应时效性要求非常高，是要在 “端” 进行强交互的。

未来 reasoning 也有可能往端迁移，比如把 70B 的大模型移植到车上。

范皓宇：我也能给你跑起来，但占内存，内存好贵。

江睿：对，我理解现在 7B、10B 还能在车上跑起来。“端” 也能节约一些服务器上的成本。从长期演进的角度来看，厂家还是在思考效果、效率、性能和成本之间的平衡。

胡含：这次合作，以后可能会成为终端型公司和 AI 生态公司之间的一种范式。

你看收费模式，我们最开始其实很保守，想用 license 或者 NRE。后来皓宇跟江睿聊，既然是 AI，那可以用 AI 的收费方式，用 token 来结算。

这背后代表了一个 belief。如果你觉得这个东西只是 “秀”，那你最好这笔钱赶紧收完；但如果你觉得大家会一直使用它，雪球会越滚越大。

晚点：但你们对客户是不会按 token 收费的，所以你们来承担 token 的成本。

胡含：我们对用户不收费，用户每次使用 token，都是理想向高德支付费用。

江睿：我是坚信 token 的。AI 时代，token 是一个新货币。

汽车过去是一次性的支付物，很少再去支付更多的增值服务。但过去汽车领域的工作者，都在用最大的努力，把汽车变成一个智能的产品体验。而体验是需要持续构建的。

我们的目标是用高性价比的产品，持续给用户提升体验。只要有体验，就会有用户付费，就会有新的商业模式形成——就像今天很多人会买视频会员，因为里面有你喜欢的节目综艺，体验更好了。

未来一定会有人愿意支付极致的价格，来获得更极致的体验，让汽车更高频地为自己服务。可能我也会去设置一个 token 消耗量（额度），就像大家在用 OpenClaw 一样。

我们目前还是支持 license 的。因为高德要支持整个行业，必须适配每一家的采购体系。但我坚信未来会变成 token。

“打碎过去的自己”

晚点：在座舱发展中，高德经历了 APP、SDK 再到 Agent 的很多形态。这其中发生了哪些变化？

江睿：我其实经历了完整周期。最开始叫 Amap Portal，是一个 APK。我记得 2015 年，当时还叫 “SOP 保卫战”。那个阶段更偏向于移植的逻辑——把 Amap 核心能力封装，再去适配不同屏幕，移植到车机上。

但很快我们发现，车厂之间其实不能接受所有人的导航都长一样。所以很快在 2018 年，我们推出了 AutoSDK。

SDK 的逻辑就是把产品乐高化，最后拼成客户想要的形状。高德提供算路、搜索、定位、引导等一系列底层能力，上面的 UI、UE 开放给客户定制。我还挺自豪的，因为很多海外的大型科技公司后来也开始学这种产品形态。

到了 2025 年，我们开始考虑 AI 作为下一个产品形态。因为 AI 浪潮是不可逆的，而且技术曲线比互联网时代更陡峭。我们当时思考 AI 时代的产品范式，有三个关键词。

第一是准确的意图识别。

第二是主动服务。这个在 AutoSDK 时代其实也尝试过，但更多是代码式的，泛化能力没有那么强。现在是 GUI 为主、VUI 为辅；未来智舱发展得更好，也可能是 VUI 为主、GUI 为辅。

第三是生态协同。我们坚信在车载场景里，最终会是系统级的 OS 去对接不同的子 Agent，以生态协作的方式长期演进。每一个 Agent 各司其职，尽量把自己的事情做到最好。因为任何一个 Agent 都不可能把所有场景细化到极致，工作量实在太恐怖了。

晚点：从 PC 到移动互联网，再到 AI，高德是如何穿越时间周期的？做了哪些调整，让你们更适应 AI 时代变化？

江睿：本质还是认知问题——你如何忘记过去的自己。所谓过去的 “自己”，其实是那个成功的自己、成功的经验和模式。穿越周期里很核心的一点，是要对抗自己过去的成功认知。我们阿里有一个价值观，叫 “拥抱变化”。

刚才说了 AutoSDK 到 Agent，我再举一个地图的例子。最早高级辅助驾驶用的 HD 数据是我们做的。

面对后来行业的巨大变化，一般企业会有两种选择：一种是我已经花了这么大成本做出来高精度产品，那就继续推进业务；另一种是打碎自己，承认市场变化太快。

我们做的是后者——我们做了 HQ 地图。要素减少了、精度降低了、鲜度上升了、成本下降了。我们以为这次成功了，但时代跑得比我们更快。后来又出现了两条岔路，我们再次打碎自己，于是出现了基于 AI 的新地图，现在的 SDK Pro。

第二，高德一直在押注数据采集。最早用的是特别昂贵的采集车，一台车一年的成本接近千万。到了 HQ 时代，这种车成本太高，我们就开始自研设备，也研究中包设备。再到今天，我们和车厂合作做采集项目，同时积极使用 AI 技术。

所以高德不仅积累了大量地图资产，还有在出行领域的认知资产，最终都可以被 token 化，再转移给客户。

第三，高德其实是一个连接虚拟世界和真实世界的、时空覆盖非常广的智能平台。在这个平台里，有大量商家和业务产生了紧密连接。

我们一直在思考不确定性。有三个不确定性我一直记在心里：一个是环境的不确定性，比如商业环境；第二是竞争的不确定性，而且不能只看直接竞争者，还要看会不会有横空出世的对手；第三是技术的不确定性。这个反而是最容易掌控的，因为阿里有很强的 AI 生态体系可以支撑我们。

晚点：所以你觉得地图可以成为 AI Native 的产品吗？

江睿：完全有可能，我们也在往这个方向走。我们一直在把 AI 融入产品和底层框架里，但在系统里你会发现还有大量非 AI 的产品设计。但到了真正 AI Native 的时代，当用户规模起来之后，需求会源源不断回传到以 AI 为中枢的产品体系。如果这个体系足够智能化，可以直接承接这些需求，那 AI Native 就完成了。

范皓宇：base 在数据上的公司，转型 AI Native 其实是最容易、也最快的。我对高德的数据是非常钦佩的。这么大的数据体系，AI 进来是乘法效应；一旦 plus 出好的结果，就会形成飞轮。

晚点：高德能穿越周期，跟数据也有很强的关系。

江睿：其实我刚才举的例子，本质也是以数据为载体的小案例。网络发展规律里有一个概念叫 “强连接” 和 “弱连接”。高德在出行领域绝对是强连接，很多生态都会连接到高德，成为一个关键节点。

过去我们会用比较传统的方式演化自己，速度不够快。现在我们希望用 AI Native 的方式，再次革自己的命。

晚点：怎么看待阿里的 AI 生态能力？

江睿：阿里的生态位其实和 Google 很像。Google 有 Gemini，有 Google Maps；在阿里内部，就是千问和高德，这是一个融合互补的关系。

高德今天已经接入了千问。不仅是模型层，在底层基础设施上，我们所有服务也都是架构在阿里云上，而阿里云和千问之间也是紧密联系的。

未来我们和千问的关系更像是：千问是一个通用智能，而我们是一个领域里的专业智能。

晚点：你们自己的 AI 能力怎么搭建呢？

江睿：我们有非常专业的 AI 团队，绝大部分在做 AI Agent 建设。其中也包括内部工具协同——以前是 API，现在变成 MCP，中间加入了大量出行领域的经验和认知。

“Taste 就是理解和判断”

晚点：当高德提供了 Agent 能力之后，不同的主机厂如何做出差异化？

范皓宇：脑子要聪明。脑子不够聪明，跟这么好的产品合作会很困难，可能跟不上节奏。

江睿：差异来自变量。今天的车都有品牌使命。驾驶员本身的状态、车的状态、周围环境的状态等等，这些状态叠加在一起，其实是一个参数量非常大的变量系统。

晚点：AI 最后的竞争是 taste，不同品牌的座舱有自己的 taste。

胡含：像理想 AI 既是用户的个人助理，也承载品牌使命。主机厂的目标用户和场景不同，会影响产品设计的方方面面。比如你会发现，我们的形象好像更毛绒一点。

晚点：高德的 taste 是什么？

江睿：我觉得 taste 的核心就是理解和判断。

比如 iPhone 刚出来的时候，苹果在 SKU 的生产上是非常克制的。少 SKU 和多 SKU 之间，其实很难说谁绝对更好。

再比如互联网很多产品是靠广告变现的，我们也做过很长时间。但我当时一个很坚定的判断是：在车载场景里，高德的地图导航里一定不能出现广告，一丁点都不行。后来某个竞品放了广告，我们也看到，最终用户是非常厌恶的。

范皓宇：是愤怒。

江睿：我们团队做产品的时候，我一直很关注一点，可能听起来有点哲学——少就是多，慢就是快。因为做产品的时候，特别容易陷入 feature 堆叠。但到了 AI 时代，AI 本身就是一个超级大的 feature，可以把很多体验细化出来。

晚点：如何看待最近挺热的 “舱驾一体”？

范皓宇：我不太想扯技术名词。先翻译成用户需求：舱驾一体之后，用户到底能获得什么更好的体验？今天辅助驾驶的能力在扩大，座舱模型的能力也在扩大。当两个能力都扩大之后，会产生交集。而这个交集，就是新的用户体验产生的地方。

江睿：趋势其实已经发生了。你看芯片领域，高通在往智驾走，英伟达在往智舱走。

这两者一定会有交集，因为它们都发生在同一个空间里。未来导航其实就是高级辅助驾驶过程的一部分，是一体两面。从业务角度来看，我们一直在做双域互联之间的信息拉通，目的就是提供更好的用户体验。

范皓宇：用户场景和体验其实不会分离，趋势一定是融合的。但芯片分离其实也有好处，否则一开始就不会分开做了。

舱驾融合的代价是什么？比如行业里在推动座舱算力升级，如果做了舱驾融合，六年之后座舱可能就无法升级了；但如果分开，六年后换一颗芯片，可能还能有接近新车的体验。

从成本角度看，如果分开，每颗芯片都有更高的出货量，成本也会更低。即便是旗舰算力芯片，可以兼容一个中等级的智驾和智舱需求，但总会有公司把旗舰芯片的算力用满。

“智能竞争，是我们的种族天赋”

晚点：高德和理想都在出海，当 AI 能力上车后，我们如何在海外竞争？尤其是像特斯拉这样的对手竞争？

范皓宇：有没有 AI 都会出海，都要把好产品带到全世界，而且是跟高德一起出去。

晚点：智能竞争会成为出海竞争中重要一环吗？

范皓宇：我不知道这段会不会被剪掉（笑）。我觉得这是我们的 “种族天赋”。中国已经卷成这样了，但凡外国朋友来中国考察，坐进车里都会问：what is happening？我开着 Mega 在美国的时候，对方会说，这是 UFO 吗？所以我说这是我们的种族天赋，是我们出去竞争非常核心的手段。

江睿：从用户体验角度来看，智能化一定会逐渐拉高整个座舱体验的天花板。国外整体的平均智能化水平和中国还是有比较大的差距。

但如果真的要把整套 AI Agent 体验输出到海外，复杂度也会很高。

今天全球化其实有两种策略：一种是统一标准，比如 Google、Facebook、Twitter，很多美国公司都是这样；另一种是本土化或者区域化策略。

如果要本地化，要做出当地人更容易接受的体验，就意味着很多模块要重新拆开、重新做。所以产品的天花板会提高，困难也会提高。

晚点：所以你们会看好什么路？

江睿：首先还是选业务主题。从汽车业务的角度来说，肯定会跟主机厂一起走。但高德的 To C 业务也在出海，比如在日韩、泰国都可以打车了。所以路径其实是由业务本质决定的。

晚点：AI 会让座舱出海更难还是更容易？

范皓宇：挺难的，光合规就很难。但回头看又很有意思，全世界又都在买中国 token，因为性价比很高、速度也快。但我们不会因为困难就不去做。这里有个坎，就翻过去。困难在产品人心里是默认值。

江睿：困难的事情才能建立壁垒，简单的事情不可能。

题图来源：晚点 LatePost