上周，我探訪了斑馬智能。在現場實車裡，只說「劉德華和梁朝偉在天台對峙」，座艙便能找到《無間道》；告訴它「先回家拿東西，再去接朋友，最後去哈利·波特主題樂園」，系統會把一句自然語言拆解為多站路線；說「我看不清前面的路」，它需要越過字面意思，理解為開啟前擋除霧。最容易吸引眼球的，是這些看起來接近人的交互，但真正讓我感興趣的，反而是演示中那些不夠完美的瞬間。
一些小插曲比一場剪輯得天衣無縫的發布會更有價值，因為它們揭示了智能汽車研發的本質：把大模型接進車機，只是整個工程最前面的一小段；真正困難的，是讓感知、理解、決策和執行穿過作業系統、晶片平台、車輛接口與服務生態，並在弱網、多人、長生命周期和安全約束下持續穩定地工作。
一、不是把大模型裝進車裡，而是把AI變成系統
今天幾乎所有車企都在談「大模型上車」，但大模型本身並不會直接打開冷氣、選擇座位或完成支付。一條看似簡單的語音指令，至少要經過感知輸入、意圖理解、任務規劃、服務或車控接口調用、底層執行以及結果反饋六個環節。只要其中一環數據不准、接口缺失、權限不足或網路波動，用戶看到的就是「它聽懂了，卻沒辦成」。
一條指令的研發鏈路 語音/視覺感知 → 模型理解 → System Agent
規劃 → 服務與車控接口 → OS及硬體執行 → 結果反饋與失敗恢復
這也是車載AI和手機AI最大的差別。手機助手答錯一次，通常只是體驗不好；車載系統誤解「把燈關掉」、錯誤調整駕駛相關功能，可能帶來安全風險。因此，汽車研發追求的並不是模型「什麼都敢做」，而是系統知道什麼可以直接做、什麼必須確認、什麼應該拒絕，以及失敗後如何安全回退。真正的智能，不是能力沒有邊界，而是邊界清晰、過程可控、結果可解釋。
二、最不顯眼的OS，決定上層智能能走多遠
斑馬智能的特殊之處，在於它並不是從聊天機器人切入汽車，而是從汽車作業系統一路向上生長。其公開業務結構可以概括為三層：底層是以AliOS為核心的系統級作業系統，中間是元神AI所代表的AI全棧方案，上層則是車載平台服務。現場交流之後，我對智能座艙的構成有了更具體的認識。它顯然不是一塊中控螢幕或者一個語音助手那麼簡單，而是從底層的核心、虛擬化、中間件，一直延伸到上層的模型、Agent 和服務生態，一層層疊起來的完整系統。
在車輛內部，儀表、車載娛樂、導航、整車控制以及輔助駕駛等多類軟體會並發運行，但各類業務對功能安全等級、任務實時性的指標要求差異巨大。Hypervisor負責隔離不同系統，RTOS承擔實時任務，Android或Linux提供應用生態，中間件把晶片能力和車輛服務抽象成可調用接口。上層AI要想穩定工作，首先必須建立在資源可調度、故障可隔離、接口可管理的OS之上。換句話說，大模型決定一輛車「能想到什麼」，作業系統決定它「能不能可靠地做到」。
這也能說清行業里一個常被誤解的事兒：車企自研和找第三方合作，根本不是二選一的關係。
主機廠抓的是品牌體驗、產品定義和最終安全責任，技術夥伴負責把 OS、模型、Agent、平台模組這些東西做成熟、做可復用。不同車型可以挑幾個模組自己拼，也可以直接上整套方案。消費者看到的都是車企自己的界面和喚醒詞，背後誰聯合研發的，一般不會打 Logo。
斑馬官網給的數字是，智能座艙方案已經合作了 69 家主機廠，裝在超過 1000 萬輛車上。這個規模的意義不只是 "量大"，更關鍵的是同一套能力已經在不同晶片、不同車型、不同研發流程里被反覆打磨驗證過了。
三、端雲協同不是選擇題，而是動態分工
車載大模型的發展正在同時沿著兩個方向前進：雲端模型越來越大，端側模型越來越精簡；與此同時，車載晶片算力與內存頻寬持續提升。最終不會是「只用雲」或「全部在車端」的二選一，而是根據任務、網路、時延、隱私和成本進行動態分工。
雲端能幹複雜的事兒，比如多輪推理、查實時資訊，但沒網就抓瞎，而且用一次算一次的錢。端側模型就實在多了 —— 地下車庫沒信號也能用，數據不用傳出去，常用功能反應快，也不用一直為 Token 費用買單。斑馬智能的 AutoOmni 走的就是端側這條路線，主打全模態感知、長期記憶和主動服務。按官方說法，90% 的 "感知 — 決策 — 執行" 鏈路都能在車機本地直接跑完，不需要繞一圈上雲。但端側模型上車絕不等於把一個壓縮後的模型文件拷進車機。研發團隊還要處理模型量化與裁剪、不同SoC適配、功耗與散熱、攝影機和麥克風時序、車內多人識別、車輛總線接口、UI反饋和異常恢復。模型在實驗室里跑起來，只能證明「可行」；在數十種硬體平台上長時間穩定運行，才叫產品。端雲協同真正考驗的，是系統在每一刻都能選擇合適的執行位置，並在切換時不讓用戶感到割裂。
四、Agent的難點不在會聊天，而在把事情辦完
大模型解決的是「聽懂」，Agent解決的是「行動」。在現場體驗中，影音搜索不再要求用戶記住片名或歌名，系統可以根據劇情、台詞和人物進行模糊檢索；訂電影票時，它需要繼續完成影院篩選、場次選擇、座位調整和支付確認；多目的地出行則需要調用地圖、地點知識和路線規劃。斑馬智能的架構是由System Agent統籌多個場景Agent，AutoClaw進一步面向跨任務、跨服務的動態規劃。其目標可以概括為一句話：從一次只做一件事，走向圍繞一個目標連續辦成多件事。
斑馬交流的時候提到，他們更願意走 API 直接對接這條路，而不是讓 AI 在後台模擬手指一下下點 App。前者反應更快，狀態也更清楚，在車上更容易把事兒辦完整。
但 API 對接也不是接上就萬事大吉了。片源有沒有、庫存準不準、會員通不通、位置對不對、賬號登沒登、支付走不走得通、隱私授權給沒給、網路穩不穩，哪一環出問題都可能斷。到了車控這塊就更麻煩，不同車型的接口不一樣，軟體版本也有差異，這些都得一個個搞定。一個Agent的可靠性，往往取決於整條鏈路里最弱的數據、最弱的接口和最弱的異常處理。
因此，「No Touch, No App」不是一句把App入口藏起來的口號，而是一次服務入口的遷移：用戶不再先想該打開哪個App，而是直接表達目的，由系統級Agent決定調用誰。誰手裡的服務更多、授權關係更清楚、質量也穩定，誰就更有可能搶到車內那個 "幫你辦事" 的入口位置。
所以往後看，智能座艙的競爭，光比模型好不好使已經不夠了，很大程度上得比誰能把更多服務聚合進來、誰能把流量和資源分配明白。
五、越主動、越懂你，越需要清晰的安全與隱私邊界
端側視覺和長期記憶讓座艙有機會「常聆聽、常觀察、善記憶」：系統可以識別車內有人、理解乘員偏好，在用戶感到熱時同時照顧副駕，或根據歷史習慣主動提醒。可汽車不是一部只屬於單個賬號的手機，它會載家人、同事和臨時乘客，也會記錄位置、對話、影像和出行軌跡。越是個性化，數據就越敏感。
我在自己的智能車上也遇到過類似問題：一句「為什麼零重力座椅打不開」，系統只能告訴我無法執行，卻不能說明究竟是座椅後方有障礙、當前姿態不滿足，還是某項安全條件沒有達成。真正成熟的智能座艙，不只要會執行成功，也要解釋為什麼不能執行。記憶功能也是一個道理，得先掰扯清楚：到底是誰同意你記住這些的？駕駛員的授權是否覆蓋副駕？哪些數據只存車端，哪些會上雲？用戶能否查看、刪除或一鍵關閉？
大模型天生就是 "猜" 著來的，但車控這事兒容不得半點含糊。
比較可靠的做法是各管一攤：大模型負責聽懂你說的話、搞懂上下文；規則、狀態機和安全策略負責把關校驗；OS 把資源和權限隔離開；車控域只執行已經確認過的指令，拿不準的就交回給人來決定。
說白了，真正的安全不是指望模型永遠不犯錯，而是就算它錯了，這個錯也翻不出權限的圍牆，更不可能變成車的安全事故。
這也是ISO 26262功能安全、UN R155網路安全、UN R156軟體更新管理和Automotive SPICE開發過程評估之所以重要的原因。它們看起來不像炫目的AI功能，卻規定了軟體如何被開發、驗證、更新和追溯。斑馬智能公開資訊顯示，其Hypervisor和RTOS已通過ISO 26262 ASIL-D產品認證，元神AI也已通過Automotive SPICE 4.0 CL2評估。對車載AI而言，模型能力只是入場券，車規化才是量產通行證。
六、真正的護城河，是從演示到量產的工程能力
AI 模型可能一個月甚至幾周就更新一版，但車從立項到量產得熬好幾年，賣出去之後還得持續服務很多年。研發團隊必須在車型凍結、硬體約束、法規認證和供應鏈節奏之間，把不斷變化的模型能力封裝成可測試、可復用、可OTA的產品。所以汽車 AI 這事兒，最後不會變成幾家大模型廠商的獨角戲。真正拉開差距的，還是場景數據夠不夠多、端側適配做得深不深、系統集成穩不穩、服務生態全不全、交付體系跟不跟得上。
從這個角度看，智能汽車研發的護城河至少有四層：第一，能否貫通晶片、OS、模型、Agent和服務；第二，能否與主機廠共同定義功能，而不是只交付一個標準軟體包；第三，能否把功能做到車規級穩定，並在不同車型上規模複製；第四，能否在車輛交付之後持續運營生態、修復問題和升級體驗。前兩層決定產品上限，後兩層決定商業是否成立。
商業模式也會反向影響研發方向。現在車企都在打價格戰，用戶也沒養成訂閱付費的習慣，這種情況下光 "接個大模型" 進去，說白了就是多一筆成本。
真正能跑通的前提是，這個 Agent 得真能幫用戶省時間、解決日常高頻的問題，或者把內容、出行、本地生活、車本身的服務串成一個閉環。做到這一步，AI 才不只是配置表上多一行字，而是能持續運營、產生價值的平台。但車內服務不能複製手機網際網路爭奪注意力的老路；汽車場景的第一價值仍應是安全、效率和低打擾。
結語：智能車的科技含量，越來越藏在看不到Logo的地方
本文截稿時，在剛剛召開的第二十九屆成都國際汽車展覽會上，我們也看到斑馬智能與寶馬、智己、紅旗、奇瑞等車企合作的車型在陸續上市。
這次探訪之後，我最大的感觸是：現在看一台車智不智能，真不能光盯著晶片什麼型號、螢幕多大、語音能不能連續對話、或者接了哪家的大模型。值得追問的是三件事：它能否理解真實而模糊的需求；能否跨過數據、接口和賬號，把任務真正完成；能否在持續進化的同時，不越過安全與隱私邊界。
當這三件事都能被可靠回答，汽車才可能從「帶輪子的智能終端」進一步走向真正的輪式機器人。在此之前，行業最重要的工作不是繼續堆砌演示功能，而是把每一次感知、每一個決策、每一條接口和每一次失敗，都做成可驗證、可追溯、可安全恢復的系統能力。
未來一輛車的科技含量，或許會越來越藏在那些消費者看不到Logo的地方：作業系統的隔離與調度、端側模型的壓縮與適配、Agent背後的任務編排、服務接口的協同，以及貫穿整車生命周期的質量體系。螢幕上那句自然流暢的回答，只是最後一米；真正漫長的研發，都在它背後。
