腾讯提速“上车”！AI大模型落地战事再升级

来源：华夏时报

（腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生）

本报（chinatimes.net.cn）记者卢晓 北京报道

智能汽车正成为AI大模型的兵家必争之地。

4月23日，腾讯出行面向汽车行业推出“出行全场景智能体开放平台”。腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生当天提出，汽车产业竞争正在被AI重新定义。未来车企之间的差距，将不再取决于是否拥有智能化本身，而是谁能更快实现AI规模化、系统化落地。

不只是腾讯，阿里、字节、百度等大模型厂商都在加速“上车”，生态已是决定这场大模型“上车”大战胜负的核心关键之一。

建立AI出行生态

“汽车智能化竞争的下半场，拼得不是AI功能堆砌的数量多少，而是谁先把大模型、整车能力与服务生态，组织成一个可感知、可规划、可执行、可持续进化的智能中枢。”腾讯智慧出行副总裁、腾讯智慧出行负责人钟学丹在4月23日的发言中这样说。

据《华夏时报》记者了解，腾讯“出行全场景智能体开放平台”涵盖基础能力层、平台能力层及应用生态层，依托全栈技术能力，加速智能体在出行全场景落地应用，同时，平台还打造了随行点单、随行向导、随行逛逛等七大核心场景智能体，为用户提供更智能、更个性化的座舱体验。

需要提及的是，“出行全场景智能体开放平台”还率先接入了Hy3 preview大模型。本报记者从腾讯方面了解到，Hy3 preview是自今年2月混元重建预训练和强化学习等基础设施后发布的第一个模型，也是混元迄今最智能的模型。

腾讯布局汽车智能化赛道由来已久。公开资料显示，早在2015年，腾讯便成立“腾讯车联”部门，并发布腾讯车联开放平台。2018年7月，腾讯将车联网操作系统与技术底座业务独立分拆，与长安汽车合资成立梧桐车联，腾讯当时持股51%。

钟学丹当天还梳理了腾讯出行业务的迭代路径：早期智能座舱的核心诉求是实现“互联网生态上车”；大模型普及后，车载语音能力大幅升级，但单纯接入通用大模型，很难打造优于手机端的用车体验，因此模型需要围绕车载场景专项强化训练；而随着工程化能力持续迭代，智能座舱正式迈入AI智能体时代。

目前，腾讯已搭建起完善的AI出行生态体系。

根据腾讯披露数据，其业务已全覆盖头部车企及泛出行企业，头部车企智能座舱解决方案渗透率超80%，累计搭载车辆突破1800万辆，与40余家主流车企达成AI深度合作；海外市场方面，已服务50余家主流车企及自动驾驶科技公司。

钟学丹当日接受《华夏时报》等媒体采访时表示，推出开放平台，是为了让合作伙伴以轻量化方式快速入驻，更好实现服务体验闭环；在为用户提升出行便捷性的同时，保障合作伙伴商业价值，还可通过流量赋能，为合作方创造新增收益。

火热“上车”大战

不只是腾讯，从智能座舱到自动驾驶，从整车研发到汽车营销，各大厂大模型的车载落地之战已全面铺开。

公开信息显示，4月24日北京车展开幕首日，长安、东风、北汽等多家车企集中宣布接入阿里千问大模型。字节跳动同样加速入局，除携手赛力斯推动豆包大模型上车外，另有行业消息显示，特斯拉车机语音服务或将接入豆包大模型与DeepSeek。

盘古智库高级研究员江瀚对《华夏时报》记者表示，AI大模型正从技术研发走向产业深度落地，逐步具备基础设施属性。单纯比拼模型参数的红利已经消退，产业价值正向手握国民级应用、拥有完整商业闭环的生态型企业倾斜。而智能座舱作为高频、高价值的C端场景，是AI下沉为生态底层能力、巩固企业业务壁垒的核心入口。

除此之外，汽车搭载海量车载传感器数据，是继手机、电脑之后，物理世界智能化程度最高的核心终端入口，对大模型厂商具备极强战略价值。

腾讯智慧出行副总裁李博受访时直言，通用大模型单独落地没有实际意义，核心在于能否针对性解决细分场景痛点：“车载场景下，AI Agent必须结合车辆传感器数据、整车控制功能、车载专属场景定制落地，才能真正发挥价值。”

对于这场车载大模型竞赛，江瀚分析，腾讯的核心优势在于依托微信、QQ等国民级超级流量入口，叠加企业微信等B端产品深度整合，构筑了差异化生态壁垒。但他同时担忧，过度依赖消费级生态，或将在一定程度上反噬腾讯自有大模型的专业品牌价值。

眼下，AI智能体上车的产业浪潮已然开启，但距离为用户带来可感知的实质性便利，仍存在较大差距。

钟学丹坦言，智能体规模化上车，核心取决于车企自身整车平台的成熟度，以及能否依托智能体切实优化用车体验。“智能体是长期深耕的方向，绝非简单照搬移动端应用、套入对话交互模式，就可以定义为车载智能体。”

深度科技研究院院长张孝荣认为，AI出行产业的核心落地机遇集中在三大方向：智能座舱订阅服务导流、政企智慧交通项目、封闭园区与干线物流自动驾驶。

他表示：“行业最大落地瓶颈并非技术噱头，而是企业壁垒割据、数据孤岛严重，最终造成生态碎片化。其次，技术成熟度尚未达到消费级标准，AI决策黑箱、法规责任界定空白等问题突出；厂商盲目堆砌硬件推高整车成本，消费者不愿为同质化的伪AI功能付费，行业商业化难以形成良性自循环。”

责任编辑：黄兴利 主编：寒丰