記得有那麼幾年，CES被叫做「披著科技展外衣的車展」，汽車廠商扎堆兒在拉斯維加斯發布概念車，汽車技術成了消費電子展上最大的展區，面積一年翻一倍。
風水輪流轉。
2026年北京車展，38萬平方米、首發新車181台、展車總數超過1400台，規模躍居全球車展首位。但具體看每一個展台，會發現AI才是主角，端到端大模型
、L3量產落地、艙駕融合、車載智能體，早代替了馬力、扭矩和百公里加速。幾乎每家車企都在講自己的AI方案，合資品牌也都在拼命補智能化的課。
在這些變化的底層，阿里雲扮演了一個非常重要的角色。過去一年，阿里雲全棧AI雲，支撐全部中國車企智能化落地和全球化升級。60%中國智能駕駛AI算力跑在阿里雲上。算力和基礎設施看似在底層，但直接決定AI的性能上限和功能邊界，也就直接了解車主的駕乘感知。
如今，兩個汽車領域的老詞，就在AI的加持下，呈現出新的內涵。一個是「人車合一」，一個是「第三空間」。具體的感知，可以從車展上的一個關鍵詞說起，千問上車。
千問上車，是阿里雲在這次車展上主打的IP。千問App這個名字大家不陌生，它是阿里巴巴面向C端用戶的移動AI助手APP，服務超過3億用戶。
但車裡的千問和手機上的千問有相同也有所不同。相同之處，底層都有千問大模型家族的承載；不同之處在於，千問上車是兩股力量的組合：一是千問智能體，它是為座艙場景重新設計的雲端AI助手，能理解意圖、調用服務、替你辦事；二是千問大模型，它不僅在雲端支撐智能體的推理，更以Qwen-Omni的形態部署在端側，讓車本身具備感知物理世界的能力。
二者聯手，才能實現接下來我們要講的新「人車合一」。
我們拿車裡最常見的場景，導航來舉個例子。大家知道，曾經的導航，其實更像是地圖的加強版，在A點和B點之間畫線。但實際上，車輛的路徑，源自於乘客的需求。這些需求，往往是模糊和不確定的，並非兩點之間直線最短。
比如一種典型的需求是 「一會去亮馬河，找個離上船碼頭最近的餐廳吃個飯，然後去三里屯太古里，但不想排隊進地庫，需要導航到附近的停車場」。
這一系列想法，人類司機自然是能理解的，但傳統汽車導航就無能為力。我們只能手動將一個個地理坐標，先後錄入到導航App中。
但千問智能體，現在已經能做到對這種模糊需求的精確理解了。
如果說導航是讓車駛到某個坐標，用戶實際上想要的是要在這個地理位置實現的某種需求，比如導航版去咖啡館不是目的，喝一杯咖啡才是目的。
那麼更進一步，智能體還能完成下一棒的接力，因為千問智能體可以調用購物技能。
具體來說，淘寶閃購能在雲端完成定位、商家篩選、商品匹配、生成訂單，再交由支付寶識別用戶聲紋完成扣款。全程用戶不用掏手機，不用跳到別的APP。從意圖到執行到支付，一整套都在車端的千問智能體裡面閉環了。
阿里雲還引入了一個「有屏無操作」的設計邏輯。
因為行車中人最稀缺的兩種資源是注意力和雙手，傳統APP那套彈卡片、手指點選、跳轉支付的邏輯直接搬進汽車的智能座艙中，是行不通的。
語音在這個場景里不是更好的選項，而是唯一的選項。「有屏無操作」，意味著用戶只要對著螢幕說話就可以了。
所以，我們過去說人車合一，說的是駕駛者踩油門車就走、打方向車就轉，是肌肉和機械之間的默契。現在這種「你說車就辦」，其實也是一種合一，只是從腳和手，換成了語言和腦。
物理世界加數字世界
一般來說，用戶端的操作越簡單，背後的架構設計就越複雜，技術含量越高。千問智能體也不例外，它由車內端側的物理智能和雲上的數字智能組合而成。
阿里雲智能集團AI汽車行業總經理李強最近在智能電動汽車發展高層論壇（2026）上，對這套架構做了非常清晰的表述：端側處理物理世界的交互需求，雲端通過千問智能體承載數字世界的能力。物理世界加數字世界，合在一起才是座艙的完整服務版圖。
先說物理世界這端。
千問上車在端側的核心是千問大模型家族的Qwen-Omni，李強稱之為「三進兩出」的模型架構。這是千問系列中專門面向多模態感知的分支，今年三月底剛發布，能同時處理語音、圖像、影片三種輸入。它的工作不只是聽你說了什麼，語義層面的理解交給雲端的大模型也行，端側真正不可替代的能力是感知物理世界。
乘客的表情、語氣、情緒，是疲憊還是興奮，當我們說「找個安靜的地方」到底是想去圖書館還是咖啡館，這些非語義信號只有在車裡、靠近用戶的端側模型才能捕捉到。
除了感知，端側模型還有調度責任，哪些是端側的工作，哪些需要雲端的配合。
顯然，當我們說「打開車窗」，端側直接就能下發指令閉環。當我們講一段模糊的導航意圖，端側判斷之後就需要交給雲端去搜索和推理。
要做到這個調度過程對用戶的無感，非常考驗端側模型的響應速度和資源分配能力。
但這裡面有一個關係容易被忽略，端側是一個根本。
李強也講過一個極限場景：弱網環境下的體驗保障。隧道里、地庫里、信號差的山路上，雲端可能斷了，但端側的基本交互不能中斷，「在保障用戶隱私與安全的同時，必須確保在弱網環境下依然能處理物理世界的交互需求」。
另外，端側感知如果不准，雲端給出的服務就全部失配。打個比方，端側像一位貼身管家。如果管家翻譯錯了，後面會全錯。因此，端側模型的質量，決定了整個體驗鏈條的下限。
數字世界那端就是雲端，決定了智能座艙體驗的上限。
雲端除了更大尺寸的模型推理和意圖理解，還有一個不可或缺的能力拼圖，是阿里的生態服務。
前面說的淘寶閃購、支付寶聲紋支付，都是雲端在接到端側傳過來的意圖之後完成的生態組合拳。
以前我們講「人車合一」，更多是人如何去理解車，實現更完美的駕駛；現在我們講「人車合一」，更多是車如何更好理解人，交付更完美的體驗。
在和阿里雲座艙的相關專家交流之後，我發現，這套體系，似乎還可以用今年AI圈最火的兩個開源項目來類比。
一個是OpenClaw，一個是Hermes Agent。
我們先說後者。
Nous Research今年二月發布了Hermes Agent，兩個月內GitHub星標突破九萬，是2026年增長最快的AI Agent框架之一。它跟其他Agent框架最大的區別在於一個閉環學習機制：Hermes解決一個問題之後，會自動把解決過程沉澱為一個可復用的skill，下次遇到類似問題直接調用。
根據Nous Research的內部測試，積累了20個以上自建skill的Hermes Agent，完成同類研究任務的效率比全新實例快40%。越用越強。
千問座艙其實也有類似的邏輯。它通過持續對話學習車主畫像，你喜歡安靜的咖啡館，你習慣走某條路，你下午三點左右總想買杯奶茶，這些資訊沉澱下來之後，系統給出的建議會越來越貼合你。
這和早期的RAG知識庫有本質的區別。
RAG式的「懂」是查詢匹配，我們現在所說的「懂」是行為進化，系統理解了用戶的偏好模式和意圖習慣，主動調整自己的行為邏輯。千問座艙走的是後者這條路。
我們再來說OpenClaw，也就是龍蝦。這個大家就更熟悉了。
Peter Steinberger去年底發布的這個項目，短短幾個月拿下超過三十萬GitHub星標。如果說Hermes Agent的特徵是進化，OpenClaw的核心能力在於連接：它用標準化協議和內置skill把各種平台、各種服務串聯起來。
顯然，這個生態越大、接入越多，能辦的事就越多。某種程度上，如果不是OpenClaw在前邊的Skills開路，也就沒有之後Hermes Agent的接力爆火。
無獨有偶，生態性在千問上車的過程中也充分體現了優勢。阿里生態上的高德、淘寶、支付寶，都已通過標準化接口接進千問智能體，未來還會更多。集團在各業務領域的廣泛生態布局，使得這種連接優勢在不同場景中都能發揮作用——生態越豐富、結合越廣泛，帶來的價值就越大。車企接入千問智能體，等於接入了這整張生態網路。
2026北京車展開幕首日，長安、東風、北汽、比亞迪、吉利、長城、理想、上汽大眾、上汽智己均宣布接入千問。
3月份，一汽紅旗率先宣布接入千問，在車內可實現多模糊意圖識別與複雜路徑規劃的服務閉環；4月份，廣汽集團宣布接入千問後，座艙具備了極強的邏輯理解與長文本處理能力，並融入阿里巴巴「吃、住、行、游、購、娛」全生態，實現「一次指令、全部搞定」。
實現這個成果，背後原因，或許是單一維度的領先容易實現，但「自進化的深度」乘以「生態接入的廣度」，這個乘積才構成真正的壁壘。
如我們在前邊所講，阿里在兩端都有積累：千問APP的3億用戶沉澱了海量意圖理解數據，集團的生態提供了國內最完整的生活服務矩陣。
當車裡能做的事越來越多，點外賣、買咖啡、查藥店、訂酒店，它就不再只是一個出行工具了，它開始像一個你能在其中工作和生活的空間。
其實行業已經喊了好幾年「第三空間」，但過去這個詞約等於座艙里能聊天。加個大屏加個語音助手，能講笑話能播歌。
但那不是空間，而是一個帶輪子的音箱。車裡真的能辦事了，「第三空間」才開始有了更實質的意義。畢竟，我們在第一空間和第二空間，是要真做事，真享受生活的。
對了，最後說一個很巧合的事情。「人車合一」和「第三空間」這兩個詞都誕生在1989年。那一年，美國社會學家Ray Oldenburg出版了《The Great Good Place》，把咖啡館和公園定義為家和辦公室之外的"第三空間"，後來星巴克拿著這個概念做成了一門生意。同一年，馬自達第一代MX-5的設計師說了一句後來被引用了無數次的話：「有那麼一瞬間，我忘記了車的存在，我想這就是人車合一。」
37年後，這兩句話都有了另一層意思，並且融為一體。在千問坐進副駕，車能替你辦事、能讀你的狀態、能越用越懂你的時候，你也會忘記車的存在。只不過這一次，你忘記的不是操控的邊界，而是「車」這個概念本身。因為它不再只是一輛車了，它變成了你的第三個生活空間。
