2026北京车展 | 从全民养虾到龙虾上车，车机要学会主动干活了

2026北京车展上，最热闹的当然还是新车——大六座、猎装车、方盒子、增程、插混、纯电、快充、智驾，几乎每一个展台都能找到足够多的产品卖点。

但如果把这些热闹往后拨一层，会发现这届车展还有一条更隐蔽、也更值得关注的线索：

汽车行业，正在集体把“AI Agent”请进车里。

换句话说，智能座舱的关键词正在变。

过去几年，车企讲智能座舱，核心是屏幕、芯片、语音、生态——屏幕越做越大，数量越堆越多；语音助手从“一问一答”进化到连续对话；高通8295、8155这样的座舱芯片成为卖点；音乐、视频、导航、小游戏被不断塞进车机里面。

但到了2026北京车展，一个新的问题浮出来了：如果车机只是更会聊天、更像手机，它还不够聪明。

真正的下一步，是它能不能理解你的目标，替你拆解任务，调用车辆和外部服务，把事情办完。

这就是“智能体上车”的意义。

从“全民养虾”说起：为什么说 AI Agent 比大模型更适合上车？

过去一段时间，AI圈里有个挺有意思的现象，叫“养虾”。

OpenClaw、Hermes Agent、Claude Code这类产品突然被很多人讨论。

它们和传统聊天机器人不太一样。普通大模型更多是你问一句、它答一句；而这些Agent工具更像一个可以被训练出来的数字助手：它能读文件、调用工具、整理资料、写代码、执行流程、记住偏好，甚至在边界允许的情况下主动推进任务。

这也是为什么很多AI博主会反复强调“约束先行”“规范先行”。

以卡兹克（一位长期观察AI Agent和智能体工作流的内容创作者）的说法，Agent不是简单靠一句Prompt就能变强，关键是要给它建立规则、工具、记忆和反馈。你不是在跟一个聊天框许愿，而是在养一个能长期工作的数字分身。

这件事放在电脑上，表现为AI帮你写代码、整理知识库、查资料、改文档。

放在汽车里，就变成一个更有想象力的问题：

如果一个AI助手能住进车里，它会怎样改变智能座舱？

汽车其实比电脑更适合智能体。

因为车不只是一个屏幕。

它有传感器，能知道车外环境和车内乘员状态；

它有执行器，能控制空调、座椅、车窗、灯光、导航和辅助驾驶；

它有固定场景，通勤、接娃、出差、补能、长途自驾、露营，都高度重复；

它还有天然的时间、位置、路线、电量、车况、乘员信息。

也就是说，汽车不是一个单纯的信息终端，而是一个能感知物理世界、也能影响物理世界的移动空间。

这正是AI Agent最需要的土壤。

地平线 KaKaClaw：北京车展上的“龙虾时刻”

如果说“全民养虾”让普通人第一次感受到AI Agent能干活，那么2026北京车展则让汽车行业集中展示了另一件事：

Agent正在从个人电脑走向汽车座舱。

最直接的案例，是地平线的KaKaClaw咖咖虾。

4月22日，北京车展前夕，地平线发布了整车智能体操作系统KaKaClaw咖咖虾。

它当然有星空舱驾融合芯片作为底层支撑，但芯片参数不是重点，真正值得关注的是，KaKaClaw想把车机从一个“听指令的系统”，变成一个“会组织任务的智能体”。

过去车机语音助手的典型逻辑，是用户说一句，系统做一步。

你说“导航回家”，它打开导航；

你说“打开空调”，它调整温度；

你说“播放音乐”，它切到音乐App。

每个功能都能用，但它们彼此之间是割裂的。

KaKaClaw要解决的，正是这种割裂。

按照地平线的定义，KaKaClaw是整车智能体操作系统，核心交互范式是“任务即服务”。

用户不需要把需求拆成一条条车控指令，而是可以用自然语言直接表达目标，系统再去调度智舱、智驾、车控、地图和不同技能。

比如，用户说“我今天有点累，帮我舒服点回家”，传统车机可能很难判断该做什么；

而一个车载智能体需要理解这句话背后的真实意图：它可能意味着更稳妥的驾驶策略、更安静的音乐、更柔和的空调、更少打扰的路线提醒，以及必要时推荐最近的休息点。

这就是从“执行命令”到“理解任务”的差别。

KaKaClaw还强调三个能力：有性格、记性好、会得多。

“有性格”，指的是它支持多维度人格设定，可以在“实干派”“知心友人”“全能派”等不同人设之间切换，也支持方言和不同语气。表面看这是陪伴感，背后其实是车企在尝试让座舱AI从工具变成长期相处的对象。

“记性好”，指的是长时序记忆系统。它会持续学习用户习惯，逐渐知道你常走哪条路、喜欢什么温度、什么时间更愿意听播客、孩子上车时通常需要什么内容。智能座舱要想真正主动服务，记忆是前提。没有记忆，就只能每次重新认识你。

“会得多”，则对应技能体系。KaKaClaw不仅内置多种场景技能，用户还可以零代码创建自己的专属技能，官方和用户也可以发布、分享技能，系统根据场景自动激活合适的技能组合。

这和“养虾”的逻辑非常接近。

OpenClaw、Claude Code之所以让人觉得有用，不只是模型更聪明，而是它能接入工具、遵守规则、调用技能，并在长期使用中形成更顺手的工作流。

KaKaClaw把类似的思路搬进车里：车不再只是提供一个语音入口，而是拥有一套围绕出行场景运行的技能系统。

当然，车和电脑不同。车载智能体一旦接入车控和智驾，就必须有更强的安全边界。

因此KaKaClaw也强调Skill生态运行在独立安全沙箱中，权限调用需要经过策略审核，隐私路由管控对外通道，避免云端模型、车辆控制和第三方API之间出现越权交互。

这其实说明，车载智能体不是简单把大模型塞进车机，也不是让车机“更会聊天”。

它更像是把一个有记忆、有技能、有权限边界的AI助手，嵌入整车操作系统里。

如果说过去车机像一个装在车里的平板，那么KaKaClaw想表达的是，未来车机会更像一个整车级的AI管家。

不只是地平线，供应链已经开始卷“会干活的车机”

地平线不是孤例。

本届北京车展上，商汤绝影也发布了面向“舱驾一体全场景智能体”的智能座舱与智能驾驶产品体系。

它对原有New Member智能座舱产品进行了升级，推出New Member 2.0。

核心表达很直白：从“会聊天”到“能干活”。

这句话很关键。

过去很多智能座舱已经能聊天，能讲笑话，能回答百科问题，甚至能做情绪陪伴。

但用户真正需要的往往不是一个车内聊天对象，而是一个能在具体场景里解决问题的助手。

比如出行前，它能根据历史偏好、实时路况和目的地信息规划个性化行程；车上多人同时说话，它能识别不同乘员的需求；车辆、家庭、办公设备之间，它能完成多端协同任务。

为了支撑这种能力，商汤绝影推出了Sage Box千机智盒，采用“Sage端侧大模型+Sage OS千机系统+New Member原生智能体”的三层架构。

它强调端侧部署，试图解决车载AI的两个现实问题：响应速度和云端成本。

公开信息显示，Sage Box希望实现0.5秒级响应，并通过端侧计算降低Token成本，单车日均可节省30元云端费用，万车年省超亿元。

这说明车载智能体不是一个只靠概念就能跑起来的东西。它必须面对延迟、成本、车规安全、隐私保护和量产适配。

火山引擎的路线则更像互联网大厂把C端AI助手能力带进汽车。

北京车展首日，火山引擎发布基于Agentic AI架构的新一代汽车AI解决方案，包含AI座舱套件方案和豆包座舱助手方案。

它提出一个统一的“汽车大脑”，把对话推理引擎、目标驱动引擎、学习成长引擎融入同一套架构。

对话推理解决自然交流，目标驱动负责自主调用车载工具，学习成长则在任务执行中沉淀经验，形成可复用的Skill。

一个很典型的场景是后排孩子上车。

过去车机最多根据语音指令播放儿歌或动画片；而Agentic AI想做的是，根据孩子状态和车端记忆，自主选择唱歌、放动画、讲故事、做游戏、哄睡等方式，陪伴孩子整个旅途。

这就是从“响应指令”到“完成目标”的变化。

更重要的是，火山引擎已经有规模化基础。

公开数据显示，搭载豆包大模型的智能汽车已超过700万辆，覆盖超过50个汽车品牌、145款车型，日均完成超过3000万次座舱交互和服务闭环。

这意味着，AI座舱并不只是发布会上的Demo。

它已经是一个高频入口，只是下一步要从“用起来”变成“办成事”。

而腾讯给出的答案又不一样——拼的不只是模型，而是生态。

北京车展前夕，腾讯智慧出行发布了“出行全场景智能体开放平台”，并展示了7个座舱智能体。这里最值得看的，不是腾讯又做了多少个AI功能，而是它如何把汽车和真实生活服务重新编排。

比如“随行点单智能体”。

用户在通勤路上想买咖啡或餐食，系统可以结合用户偏好、实时行程和车辆ETA，筛选合适门店，并反向推算出餐时间。理想状态下，用户开到门店时，餐品刚好做好，还能关联车牌送到车边。领券、下单、支付、取餐都被整合进一条链路。

这听起来并不是科幻，但它恰恰说明了智能体的价值。

单独看，导航、点餐、支付、优惠券、车牌识别都不是新东西。但过去这些能力分散在不同App、不同设备、不同流程里。智能体要做的，是把它们组织成一个围绕用户目标运转的服务闭环。

腾讯的优势也在这里。它有微信、微信支付、腾讯地图、内容生态和小程序能力。很多公司能做一个聪明的车内助手，但未必能把任务真正执行下去。智能体越往后走，越考验生态调用能力。

这也是为什么智能座舱的竞争正在从“单点能力”转向“系统组织能力”。

过去车企比谁屏幕多、谁语音准、谁芯片强；接下来要比的是：谁能把车控、导航、智驾、内容、支付、生活服务、用户记忆和安全边界组织成一个真正可用的智能中枢。

中国智能体正在倒逼全球车企重写座舱逻辑

智能体上车并不是自主品牌和中国科技公司的自嗨。本届北京车展前夕，大众汽车集团发布了“全域智能体AI（Agentic AI for All）”路线图。

按照大众的规划，今年下半年起，所有基于CEA架构打造的车型都将应用车载AI智能体，并采用本地训练的大语言模型作为自然语言交互接口。

与传统被动响应指令的语音助手不同，大众强调车载AI智能体能够主动理解用户需求，通过自然对话完成跨车身操作系统的复杂操作，并根据不同场景作出决策。同时，该系统将完全在车端运行，以保证个人隐私信息不离开车辆。

到2027年，大众计划通过CEA 2.0架构，基于更强的中央计算平台打造“驾舱一体”的统一体验，并让服务“AI驾驶”和“AI舱内及云端服务”的多个车载AI智能体协同运行。

宝马也在北京车展上展示了类似方向。

宝马基于阿里AI能力定制的座舱智能体首发亮相，以千问大模型为底座，基于斑马智能元神AI，推出“用车专家”“出行伙伴”“百科达人”三个专为中国市场定制的AI智能体。BMW iX3长轴距版将成为首款搭载车型，全新BMW 7系也将随后跟进。

其中“出行伙伴”的例子很典型。用户可以说：“帮我找3公里内的商场，配备逸安启充电桩，最好有评分高、环境好的餐厅，午餐后前往大兴机场赶下午4点的航班。”智能体需要拆解出距离、充电、餐饮、评分、环境、航班时间和路线规划等多重意图，再一次性输出方案。

这已经不是传统车机语音能够轻松完成的任务。它要求系统理解复杂目标，并调用地图、POI、充电、餐饮、导航等多种能力。

换句话说，中国市场对智能座舱的要求，正在倒逼跨国车企接受Agentic AI的产品范式。

华为、中科创达、高通，把智能体推向底层

如果说地平线、商汤、火山、腾讯、大众、宝马更多展示的是产品体验和生态能力，那么华为、中科创达、高通、英伟达等玩家，则把车载智能体继续往底层推。

华为乾崑在车展前夕发布ADS 5和鸿蒙座舱HarmonySpace 6。

ADS 5基于WEWA 2.0架构，引入云端Multi-Agent仿真、在线强化学习和车端安全风险场。

鸿蒙座舱HarmonySpace 6则升级MoLA 2.0架构，System Agent升级为千亿级端到端大模型，并支持A2A跨域调用。

全新一代小艺智能体被定义为全场景聊天型AI助理，能够穿透导航、控车、闲聊等不同场景，完成复杂意图理解和执行。

启境GT7作为华为乾崑与广汽合作的高端智能新能源车型，也首发搭载新一代鸿蒙座舱，小艺智能体可以通过语音完成百科查询、新闻播报、控车、影音娱乐、模糊地点搜索、车机在线点餐等操作。

这背后其实有一个重要变化：智能体不只是一个浮在车机桌面上的应用，它正在进入座舱操作系统和整车智能架构。

中科创达发布的AquaClaw就更直接。

4月26日，中科创达宣布推出AquaClaw，这是一个基于NVIDIA NemoClaw参考软件栈的车载AI智能体操作系统。它被定义为车载多智能体AI系统的核心运行底座，支持实时交互，也支持跨多次驾驶保持连贯的“状态化智能体”。

从公开信息看，AquaClaw采用“端侧AI+云端协同+安全可控”架构，贯穿底层操作系统、AI运行时和场景适配。

中科创达提供定制化Base OS、本体知识库和智能汽车技能库；NVIDIA则提供Agent Toolkit、NemoClaw、OpenShell沙盒、Nemotron模型、TensorRT Edge-LLM推理框架以及DRIVE AGX车端计算平台。

高通生态里也出现了更明确的“龙虾上车”。

北京车展现场，斑马智能展示了基于骁龙8295的AutoClaw智舱协作服务方案，支持主动交互、端到端语音、自主确认、搜索、外呼和链接不同Skill。

中科创达的滴水AIOS 2.1也基于OpenClaw架构搭建AquaClaw汽车智能体技术底座，试图让智能座舱从“被动响应执行”走向“主动全域智能”。

所以，龙虾与汽车的相遇并不是个意外——它不是把一个网络热词硬塞进汽车里面，而是同一种技术范式正在从个人生产力工具扩散到车载操作系统。

电脑上的Agent帮你整理文件、写代码、查资料；车里的Agent则要帮你规划路线、管理座舱、调用服务、协调智驾，甚至在你开口之前提前准备。

顶尖AI人才为什么开始流向汽车？

除了产品和技术，人才流动也在说明问题。

北京车展期间，元戎启行首次设立“首席科学家”一职，由前DeepSeek多模态核心成员阮翀出任。

公开报道显示，阮翀曾深度参与DeepSeek多模态与大模型相关研发，加入元戎后首次公开亮相，分享了元戎40B参数VLA基座模型。

这个案例很值得我们关注，它说明汽车行业争夺的人才结构正在变化。

过去自动驾驶企业最需要的是感知、规控、仿真、地图等方向的工程人才；现在，具备多模态、大模型、VLA、Agent研发经验的人，正在成为新的关键资源。

元戎启行的技术路线也很能说明这种变化。

按照阮翀的介绍，过去自动驾驶研发往往依赖多个小模型，各自解决不同问题；现在行业开始向统一基座模型收敛。元戎的40B参数VLA基座模型，可以分化为驾驶模型、分析模型和评估模型：驾驶模型像AI司机，负责开车；分析模型像AI分析员，解释为什么这么开；评估模型像AI教练，判断开得好不好。

这套架构让研发闭环效率明显提升。公开信息显示，元戎单次模型迭代周期从100多个小时缩短到10多个小时，研发提效约10倍；数据闭环也从约5天缩短到约12小时。

更有意思的是，阮翀在谈“物理AI”时提到，物理AI最重要的是闭环。狭义上，它要有现实载体，比如车或机械手；广义上，AI Coding也有类似逻辑，因为代码写完后编译器会给出反馈，告诉你对不对，AI再据此调整。

这句话把“Claude Code”和“自动驾驶”之间的底层逻辑连上了。

无论是电脑里的Agent，还是汽车里的智能体，真正让它成长的都不是单次问答，而是任务、工具、反馈和迭代。区别只在于，代码世界的反馈来自编译器和测试，汽车世界的反馈来自道路、乘员、车辆状态和真实物理环境。

这也是为什么汽车会成为AI人才的新战场。

当通用大模型的边际收益逐渐递减，物理世界的复杂性、数据闭环和商业落地，反而变成了更有吸引力的方向。汽车是目前最成熟的大规模物理AI载体之一：它有海量数据，有真实用户，有明确安全边界，也有足够大的商业市场。

龙虾上车，用户最终会感受到什么？

说到底，用户并不关心一辆车到底用了多少个Agent，也不关心系统底层叫KaKaClaw、AquaClaw，还是别的什么名字。

用户关心的是：

车能不能更懂我？

能不能少让我操作？

能不能在我需要之前先准备好？

车载智能体真正落到体验上，大概会有三层变化。

第一层，是听懂话。

这不只是识别普通话，而是能理解自然表达、方言、多轮对话、多人指令和模糊需求。你不用再记固定口令，不用说“打开空调，温度调到24度，打开座椅加热，导航回家”，而是像跟人说话一样表达：“有点冷，回家吧，路上找个不堵的路线。”

第二层，是办成事。

它不只回答你附近有什么餐厅，而是能结合路线、电量、停车、排队、支付和时间，把整个任务闭环。你说“下午四点赶飞机，路上找个能充电、能吃饭、别绕太远的地方”，系统就要自动拆成行程规划、充电筛选、餐厅推荐、时间控制和导航执行。

第三层，是提前准备。

这才是智能体和语音助手真正拉开差距的地方。

比如它知道你最近经常加班，晚上上车时自动调暗屏幕、打开座椅加热、推荐更安静的音乐；它识别到孩子上车，自动切换儿童内容、锁定后排车窗、调整空调风量；它发现你明天一早有航班，而车辆电量不足，就提前提醒你是否顺路补能；长途驾驶时，如果舱内摄像头和传感器识别到疲劳状态，它不只是提醒“请注意休息”，还可以让智驾策略更保守、调低空调温度、播放提神内容，并推荐最近服务区。

这不是车机“更会聊天”，而是车开始具备一种围绕人运转的主动服务能力。

当然，智能体上车也不能被写成一场没有阻力的技术童话。

汽车和手机、电脑不同。车载智能体控制的是真实车辆，面对的是高速移动、复杂交通和生命安全。它不能像普通聊天机器人一样随便试错，也不能因为“理解错了”就贸然执行。

所以，安全、隐私、低延迟、成本和责任边界，会成为车载智能体真正落地的五道门槛。

地平线强调Skill生态运行在独立安全沙箱，隐私路由管控所有对外通道；大众强调车载AI智能体完全在车端运行，保证用户隐私不离开车辆；华为乾崑强调确定性调度、零信任安全模型和全维冗余；中科创达和NVIDIA也把沙盒、边缘推理、安全可控作为AquaClaw的重要架构。

这些并不是发布会上的附属信息，而是车载Agent能否规模化的前提。

另一个现实问题是舱驾一体并不容易。

行业里已经讨论了很多年，但真正打通座舱和智驾，需要解决模型频率、算力分配、安全隔离、成本收益和责任划分。智驾模型需要高频推理，座舱模型则更偏语义理解和服务编排，二者强行融合可能带来算力冗余，也可能增加系统复杂度。

所以，短期内所谓“舱驾一体”，更可能先体现在体验层和任务层：座舱理解用户意图，智驾系统承担驾驶执行，二者通过安全边界和标准接口协同，而不是简单合成一个模型。

这也意味着，谁能在安全边界内把任务链路做顺，谁才真正有机会赢得用户。

写在最后：北京车展之后，车机要换一种竞争方式了

2026北京车展的智能化叙事很多。

有人看到了L3级自动驾驶的临近，有人看到了芯片算力继续上探，有人看到了大模型批量上车，也有人看到了合资品牌加速本土化反攻。

但如果从智能座舱这条线看，一个更值得记住的变化是：

汽车正在从“智能终端”走向“移动智能体”。

过去，车机的价值是把功能搬上车。导航、音乐、视频、语音、应用生态，都是在回答“车里能不能用”。

现在，车机开始回答另一个问题：它能不能像一个懂你的助手一样，把这些功能组织起来，替你完成一个真实目标。

这就是从“大模型上车”到“智能体上车”的区别。

大模型上车，让车机更会说话；智能体上车，则让车机开始学会干活。

从OpenClaw、Hermes、Claude Code带来的“全民养虾”，到地平线KaKaClaw、商汤New Member、火山豆包、腾讯出行智能体、华为小艺、中科创达AquaClaw这些北京车展案例，背后其实是同一条技术潮流：AI正在从回答问题，走向执行任务；从数字世界，走向物理世界；从桌面上的助手，走向车里的伙伴。

这对汽车行业的意义，不只是多了一个新卖点。

它意味着智能座舱的竞争方式要变了。

以后用户评价一套车机，可能不再只是“流不流畅”“屏幕大不大”“语音准不准”，而是会问：

它懂不懂我的习惯？

能不能把复杂需求一次办完？

会不会越用越懂我？能不能在安全边界内提前替我准备？

如果答案是肯定的，那么车机才真正从工具变成了助手。

而北京车展之后，这场变化已经开始了。