车机AI智能体加速落地，不止“一句话点咖啡”

21世纪经济报道记者肖潇 杭州报道

9月24日，阿里巴巴集团CEO吴泳铭在云栖大会上抛出几个坚定的判断：AI会是下一代操作系统。AGI迟早到来，接下来要剑指ASI（Artificial Superintelligent，超人工智能）。当天，阿里巴巴港股盘中拉升，涨幅一度超过6%，创下2021年10月以来新高。

市场的即时反应，印证了当下对一个更强大AI的关注和想象。今年云栖大会的主题是“云智一体 碳硅共生”，21记者现场观察到，智能体（Agent）和具身智能，成为多个展台和分论坛的焦点。而在众多行业参与者中，车企的身影难以忽视。

在云栖大会的一项分论坛上，理想汽车空间AI负责人江会星展示了一段演示视频：车主说了一句“点一杯星巴克”，车机屏幕里的智能体“理想同学”便开始调用星巴克小程序，选择门店，确认口味，最后刷脸支付。整个视频大约持续了一分多钟。

除了理想，过去半年里，比亚迪、智己、蔚来等车企都已宣布将AI智能体引入智能座舱。车内智能体在加速落地，不少车主已经可以在行车过程中语音点餐，到达后无缝拿到餐食。

而车企的野心不仅仅是“一句话点咖啡”。江会星在前述论坛提到，理想同学agent 2.0的期望还有环境感知和全信息记忆能力。车企最终期望，用户能通过车机智能体，完成“人—车—生活”的闭环。

在大多数车企的宣传里，车机智能体的“第一步”应用场景不复杂：导航、点餐、叫代驾，核心任务还是辅助车主的日常消费活动。但要让这些功能真正跑起来，需要AI有连接外部生态的能力。

车机智能体如何完成这项工作？江会星提到，目前“理想同学”有CUA（Cockpit Using Agent）和MCP/A2A两种框架。

CUA也是目前多数车企的技术路线。简单概括，它指的是多模态大模型理解任务，生成动作，最终通过小程序或者APP执行任务。以理想7月更新的OTA7.5车机系统为例，其接入了理想智能体和支付宝车载助手，得益于支付宝的生态，车主可以通过语音唤起支付宝内的生活服务小程序。

比亚迪子品牌方程豹和吉利汽车同样联合了车载支付宝。而蔚来与麦当劳合作的车内智慧点餐，则是绑定麦当劳API，直接调用麦当劳APP的点餐、支付功能。

但CUA存在瓶颈。江会星坦言，如果需要截图识别APP，目前GUI Agent （图形用户界面智能体）准确率普遍比较低。“比如需要15步才能完成的任务，从市面上的评估来看，智能体的准确率大概也就30%左右。”这意味着，像登记停车、缴纳停车费等复杂任务，往往难以保证稳定体验。

江会星表示，理想的方案是做“多步轨迹”的拆解。具体做法是，基于当前用户的想法、页面截图和新的对话状态，预测下一步的页面动作。不断提前预测在该页面里最可能发生的点击动作，这样一来，不再是开放式猜测，而是有限的集合预测，准确率会显著提高。

另一种更具想象力的方式是MCP/A2A，即车机智能体把任务“分发”给第三方智能体来完成。

江会星假设了肯德基点单的场景，“作为一家车企，我们不可能去深入了解肯德基的业务逻辑——它如何发放优惠券？怎样把不同的餐品组合成套餐？这些都是肯德基最熟悉的部分，所以也应该由他们自己的智能体来实现。我们只需把它的能力无缝接入车内，让车主直接体验最高效的服务。”

不管选择哪种方式，最终的支付环节都是整个链条里比较敏感的一环。21记者此前试驾了多款智能汽车，大部分车企都在智能体支付时设置了额外干预：下单前需要刷脸或者语音确认，从而确保交易安全。

以理想为例，如果车主想点一杯咖啡，需要先在应用中心下载支付宝车载助手和理想同学，下单过程可由语音全程完成。到了最后一步，智能体会提示用户确认支付，车主可以在屏幕输入密码，也可以抬头完成刷脸验证。对于小额支付，则可以启用免密支付，一句语音确认即可完成交易，此时限制相对较少。

在前述论坛上，江会星发布了理想同学Agent 2.0的框架。这份未来蓝图里着墨最多的，是“全信息记忆”和“环境感知”。

所谓全信息记忆，可以说涵盖了用户的所有车内动作。它既包括用户可见的常规操作，如屏幕点击和输入（程序记忆）；也包括与环境的互动，比如每周一驶入同一停车场（情景记忆）；最后还涉及对车内人物关系的认知（语义记忆），车主、家人、朋友的姓名、性别、兴趣偏好等等，车机智能体都被期望厘清。

江会星表示，车机智能体不止步于“存档”用户行为，还应该学会模仿执行。例如，智能体识别出车主曾经在小程序里输入过车牌号，未来再遇到类似场景时，它就可以自动完成输入与提交。这让智能体从被动辅助，走向主动代劳。

与此同时，“环境感知”能力被反复强调。在上述场景中，智能体如果通过摄像头识别到一个真实二维码，应当能自动调取信息，并完成任务。

“获取到环境信息后，智能体会结合全信息记忆，分配给大模型进行规划与推理，从而完成整个任务。这种获取外界信息的能力其实非常关键。”江会星说。

这一看法也在吴泳铭的开幕式演讲中得到了呼应。吴泳铭认为，AI要实现超越人类的突破，就需要直接从物理世界获取更全面、更原始的数据。以自动驾驶为例，目前新一代的自动驾驶就是直接从原始的车载摄像头数据中学习，才实现了更高水平的驾驶能力。只有让AI与真实世界持续互动，获取更实时、更丰富的信号，才能更好地理解和模拟世界。

（实习记者蔡欣佁对本文亦有贡献）