1913 年，美國密西根州的福特
Highland Park 工廠里，工程師們進行了一項看起來有些簡陋的實驗：他們用繩索和卷揚機牽引汽車底盤，讓它緩緩經過不同的裝配工位。如此這樣，工人們就不再需要圍繞靜止的汽車來回移動，而是在自己的位置上等待底盤經過，進而完成手頭的裝配任務。
這個實驗起初甚至談不上精密，但效果十分驚人，經過不斷改進，到 1914 年的時候，福特 Model T 車型底盤的裝配用工時間，從最初的 12.5 小時縮短到了 93 分鐘。
▲ 最早的福特汽車工廠流水線
這就是後來寫進了歷史書，改變了汽車工業的移動裝配流水線。
一個多世紀過去，汽車工業滄海桑田早已不同往日，從內燃機到電機，從機械控制到軟體定義汽車，今天的汽車與當初的福特 Model T 已經大相徑庭。
但「流水線」的巧思依舊不過時，10 月 29 日，在深圳舉行的騰訊全球數位生態大會智慧出行專場上，騰訊發布了全新的智能座艙 TAI 智能體，以及面向汽車行業的 AI 組織效能解決方案，同時公布了智能駕駛、汽車出海、具身智能和 Robotaxi 等領域的最新進展。
騰訊智慧出行橫跨 BC 兩端，這些業務看起來相距甚遠，一端是車主用一句話預訂餐廳、規劃旅程，另一端則是汽車企業利用 AI 完成研發、生產和經營決策。
▲ 騰訊集團副總裁、騰訊智慧出行總裁鍾翔平
不過依舊可以找到一些內在聯繫：過去需要人在不同軟體、部門和系統之間反覆溝通的工作，正在被 AI 重新組織。騰訊集團副總裁、騰訊智慧出行總裁鍾翔平將其概括為：
產品進化牽引組織變革，組織變革支撐產品進化。
TAI 智能體方案，讓汽車學會自己把事情辦完
都說有了車之後，生活半徑就會擴大許多，假如用戶準備在周五晚開車去跨省 4 個小時車程的陌生城市度過一個周末，事情就有趣又複雜了。
在過去，這是一項體力和腦力都耗費不少的勞動密集型的娛樂活動。
我們需要先在社交平台搜索攻略，打開地圖研究路線，找餐廳、查營業時間、訂酒店、買門票，再把各種地址保存到手機里。
出發之後，還得在導航、音樂、電話和其他服務之間不斷切換。即便坐進一輛擁有高性能晶片、幾塊大螢幕幕和語音助手的智能汽車，大部分事情依然需要人來完成。
在今年北京車展期間，騰訊已經發布了覆蓋點單、嚮導、娛樂、車主服務等場景的智能體矩陣，嘗試把汽車與現實世界的服務連接起來。在這次生態大會上，騰訊又往前走了一步：讓智能體從理解需求、調用服務，進一步走向執行任務。
此次升級的 TAI 智能體方案，由 TAI 座艙助手、TAI 出行服務智能體、TAI 內容娛樂智能體，以及跨端接續服務共同組成。
首先升級的是汽車與人交流的能力。
TAI 座艙助手融合了元寶全雙工端到端語音、元寶搜索和混元大模型，能夠支持低延遲、多音區的自然語言交互，並通過上下文記憶和車端感知，更準確地理解駕駛員的意圖。
這裡有一個不得不提的重要前提：汽車是一個對安全和注意力有特殊要求的場景。
在發布會前的採訪中，騰訊雲副總裁、智慧出行負責人鍾學丹特別強調：
車內的 AI 需要真正理解用戶，同時儘可能減少駕駛過程中的分心。資訊來源的準確性和交互效率，比單純追求聊天的趣味性更重要。
為此，騰訊將元寶搜索引入車端，元寶搜索已接入出行、金融等 13 個垂直行業的 157 個權威信源，試圖減少 AI 在真實服務場景中出現的資訊錯誤。
AI 在手機上講錯一個不好笑的冷笑話，頂多讓人尷尬；但在駕駛過程中提供錯誤的道路資訊，後果可能嚴重得多。
交流能力之外，另一項變化發生在任務執行上。
▲騰訊雲副總裁李博
騰訊雲副總裁李博在發布會上解釋了這種任務分工：
騰訊地圖負責找得到、騰訊生態負責連接服務、微信支付負責交易閉環。
看起來很簡單，實際上鏈條還挺長，並且這事兒基本上也只有騰訊能做。
具體來說，騰訊地圖提供位置搜索、路線規劃、周邊服務等基礎能力，幫助 AI 理解用戶的出行需求並找到合適的目的地；微信小程序和第三方服務生態負責連接餐飲、酒店、景區等現實世界的服務，智能體可以進一步完成預訂、購票和點單，甚至通過 AI 外呼餐廳完成訂座；微信支付則打通交易的最後一個環節。
依舊是用周末跨省游的場景來舉例，用戶只需要告訴汽車「想在 xx 市找個適合帶孩子玩的地方，最好沿途還能吃頓不錯的午飯」，AI 就可以結合實時路況、目的地資訊、用戶偏好和周邊服務，推薦合適的景點，規劃包含補能和休息的路線，尋找符合口味的餐廳，並協助完成門票購買、餐廳預訂和支付。
對用戶來說，最理想的情況就是不再需要了解這些功能究竟來自哪個 App、由什麼技術實現。「這麼近，那麼美，周末到河北」或者加個後半句「路好找，店好訂，服務全都在騰訊」。
汽車相關的智能體也可以存在於汽車之外。這次騰訊同步升級了 TAI 跨端接續服務，打通手機元寶、微信小微等入口，讓用戶可以在車外查詢車輛狀態、傳遞目的地、同步行程，部分服務在抵達目的地後還可以回到手機上繼續使用。
這就意味著，一次旅行未必是從按下汽車啟動鍵開始，也不必在熄火下車時結束。從出門前的準備，到駕駛過程中的服務，再到抵達後的活動，汽車開始成為一套連續服務系統中的組成部分。
鍾學丹在採訪里提到，未來不同汽車品牌之間的智能化差異，一方面來自車輛自身的感知、車控和硬體能力，另一方面則來自對用戶上下文、喜好和習慣的理解。
也就是說，汽車品牌們除了要學會造好車之外，去理解了解用戶是同等重要的事情。汽車的智能化價值，開始體現在它能替人完成多少工作，以及讓人少花多少精力。
汽車工廠，也需要用 AI 來排出一條新的流水線
車內的智能體正在幫助用戶減少操作把體驗自動化起來，走進汽車企業內部，AI 面對的則是另一種複雜得多的狀況。
比如一個讓不少品牌 CEO 丟掉工作的靈魂拷問，下個月應該生產多少輛汽車？
最簡單的提問背後，是最複雜的計算，想要回答準確這個問題，需要幾乎整個公司都動腦筋。銷售部門關心市場訂單，生產部門關心產能，採購部門關心供應商交付，財務部門關心庫存和現金流。更麻煩的是，各個部門都有自己的數據和工作目標。市場需求隨時可能變化，而企業的經營決策必須綜合考慮所有因素。
▲ 騰訊雲副總裁孫燕
騰訊雲副總裁孫燕在採訪里提到了一個案例，某汽車大廠原先需要通過大量跨部門會議完成產銷協同，產量的決策過程往往要持續兩三周，甚至一個月。騰訊與其合作引入智能體後，系統能夠綜合企業內部經營數據與外部市場資訊，圍繞利潤、銷量等不同目標生成決策建議。
這套流程將原先需要數周完成的決策，壓縮到了 1—2 天。當然，最終決定仍然由企業管理者作出，AI 主要的作用是承擔資訊整合、分析和輔助決策的工作。
一家大型汽車企業內部，可能有數萬名員工、數百個業務系統，每個人都在努力提高自己的工作效率，但組織的整體效率往往受制於部門之間的資訊傳遞與協作成本。
這種摩擦或許是當下中國汽車工業「卷」過頭的一個誘因，個體的效率增加未必促成整體效率的提升。
這也是騰訊此次提出 AI 組織效能解決方案的背景，今年以來，WorkBuddy、CodeBuddy 等 AI 工具已經進入不少汽車企業。騰訊表示，長安、比亞迪、廣汽、零跑等近九成國內車企，正在使用相關智能體產品及模型服務。
不僅僅是單個員工能夠用 AI 寫代碼、做表格、整理資料，還需要整個企業真正建立 AI 工作流程，騰訊希望通過企業 Agent 平台，將散落在員工個人手中的 AI 能力進一步連接到企業數據、知識庫和業務系統之中。
這裡面相當重要的部分是 Skill 的提取和復用，一個經驗豐富的工程師可能花費數年積累了一套獨特的產品驗證方法，即使他願意分享，新同事也需要經過學習、實踐和反覆溝通，才能掌握其中的訣竅。
長安汽車代表祁越就提到了一個很現實的情況：
有沒有很多知識在專家的腦子裡而不在我們的資料庫里。
今年 8 月，騰訊與長安汽車共同組建了「AI 火箭班」，通過 FDE 模式讓技術人員深入業務場景，圍繞產品策劃、產銷協同、質量運營、AI Coding 等方向，共同開發了八大場景智能體，目前已經上線運營。
騰訊提出的組織效能方法論包含三個層次：員工提效、流程重構和組織轉型。騰訊雲副總裁孫燕說，判斷 AI 有沒有真正釋放生產力，關鍵在於業務價值是否實現。
類似的思路，也延伸到了汽車銷售環節。此次發布的騰訊企點營銷雲 MAGIC AI，嘗試將用戶洞察、內容生產、營銷觸達和銷售線索跟進連接起來。
騰訊披露的首批試點結果顯示，相對於對照組，AI 線索策略運營平台幫助門店將線索到店率提升了 24%，單條線索的跟進頻次提升了 53%。
從研發、生產到營銷，汽車企業內部原先彼此分散的工作，開始出現新的連接方式，這讓人想到前面說的福特流水線。
100 多年前，福特通過重新安排工序，讓零件與工人以更高效的方式相遇。今天，AI 則開始嘗試讓分散的數據、知識與業務需求，更快速地找到彼此。
有所不同的是，工業流水線追求的是高度確定性的重複操作，今天的 AI 要面對不斷變化的市場、目標和業務環境。它需要處理的複雜程度遠遠超出了當年那根牽引底盤的繩索……
從司機乘客，到汽車工廠，再到整個產業，AI 還可以走多遠？
把視野從一輛汽車的起點、到一家車企角度繼續放大，其實會發現騰訊此次發布的很多內容，都在圍繞一個問題展開：中國汽車市場進入了更加激烈的存量競爭階段，新的增長空間在哪裡？
騰訊雲副總裁李博在大會上給出了三個方向：國內市場的差異化體驗、汽車企業的全球化，以及具身智能和 Robotaxi 等新場景。
過去幾年，汽車行業的智能駕駛技術路線經歷了從 BEV、端到端到 VLA、世界模型的快速疊代。模型能力越來越強，隨之而來的是更龐大的訓練需求、更複雜的數據閉環，以及持續增長的算力成本。
騰訊披露，其智能駕駛雲業務在 2025 年的規模增長超過 300%。通過全鏈路智算解決方案，騰訊幫助一家國際頭部汽車零部件企業將混合算力集群利用率提高到 98.4%，推理場景 GPU 效率提升超過 60%。
節省的成本，最終還是會和消費者息息相關。
出海市場也有類似的需求。
如今，中國汽車企業已經能夠把成熟的電動車產品銷售到世界各地，同時，海外用戶需要本地化的地圖、內容和服務，智能輔助駕駛研發也需要應對不同國家的數據法規、基礎設施和運營環境。
中國市場裡已經成熟的智能化體驗，到了海外未必能夠直接複製。為此，騰訊此次升級了海外智能化解決方案，覆蓋海外智駕雲、營銷服務、地圖和效率智能體等方向。
其中，海外智駕雲提供數據回傳、處理、訓練、仿真及合規工具鏈；騰訊智駕地圖海外版則計劃在 2026 年底推出首個版本，試圖降低車企在不同市場進行智能化適配的成本。
騰訊還將部分 AI 能力延伸到具身智能與 Robotaxi。
在具身智能領域，騰訊推出了數據閉環套件，並結合 Tairos 具身智能開放平台，為機器人研發提供數據處理、生成與訓練支持。在 Robotaxi 領域，騰訊則通過雲、地圖和出行服務平台連接自動駕駛企業與用戶，小馬智行、文遠知行等企業已經接入騰訊出行平台。
汽車、機器人和 Robotaxi 所面對的技術問題並不完全相同，但它們確實擁有一些共同的基礎能力：感知真實世界、理解環境、作出決策，並在物理空間中執行任務。特別是在模型訓練、仿真、數據處理和算力管理這些環節，汽車產業多年積累的能力，有機會繼續向更多場景延伸。
鍾翔平在大會上說：
車企負責造好車，我們負責讓 AI 用得起來、用出效果。
騰訊不需要親自製造汽車，也不打算自己運營一支 Robotaxi 車隊。它希望提供的是連接不同汽車企業、技術能力與服務生態的基礎設施。
一百多年前，福特讓底盤沿著生產線前進，改變了汽車的製造方式。今天，AI 開始讓數據、知識和服務圍繞真實需求流動。
汽車工業的下一條流水線，已經不再需要一根看得見的繩索。
