騰訊發布了 7 個座艙智能體，汽車的意義從「空間位移」走向了「時間價值」

1975 年，位于美國亞利桑那州 Sierra Vista 的麥當勞開創了一種新的取餐模式：顧客駕車進入購餐車道，不需要下車就可以進行點餐、付款、拿取產品，之后駕車駛離購餐車道。

這就是麥當勞（drive-through）得來速服務。對于開車的上班族來說，在不下車的前提下花幾十秒就能買到早餐是一種如德芙般絲滑的體驗。因為需要專用車道和專用窗口建設，所以目前國內有得來速服務的麥當勞門店也僅有 300 家左右，這種絲滑體驗并不多見。

但實際上，店，路，車，人這幾個要素如果能夠聯系得更聰明更緊密，「得來速」服務其實可以無限復制，這就是騰訊出行要做的事情。

北京車展前夕的 2026 TIME DAY·騰訊智慧出行技術開放日上，騰訊出行發布了「隨行點單智能體」，在通勤場景里，用戶可以通過語音和 AI 助手交流，在結合用戶的偏好記憶與實時行程偏好的前提下，系統理解用戶意圖，篩選最優門店，然后根據車輛實時 ETA（Estimated Time of Arrival，預計到達時間）反向推算出餐時間，確保用戶到達時餐品剛好新鮮出爐。取餐時，訂單能夠直接關聯車牌，專人送餐到車，全程無須下車。

另外，這個智能體還可以打通品牌賬戶，自動領券、用券，保證價格最優，當然作為騰訊的服務，打通微信支付也不在話下，最終實現選品、下單到取餐的完整閉環。

這就是 AI 智能體加持下的「得來速 Ultra」體驗。

這樣的智能體，騰訊智慧出行有 7 個

「隨行點單智能體」展示的其實是一種把汽車與現實世界服務鏈路重新編排的能力，是一個點的話，那么這次 2026 TIME DAY·騰訊智慧出行技術開放日展示的由點及面汽車座艙智能體能力。

換句話說，就是騰訊出行試圖回答「汽車里應該出現什么樣的智能體」這個問題，為此，騰訊這次發布和升級的智能體，有 7 個。

必須要給智能體祛魅的是，諸多智能體做的事情往往不是從零到一，因為就像「隨行點單智能體」實現的功能，在零零散散的設備上，繁繁雜雜的溝通中，也能完成個七八成，但體驗會割裂。

所以，在騰訊的定義里，智能體肯定不是傳統意義上的車機功能堆砌，也不是把一堆小程序簡單搬進中控屏。他們想做的是圍繞真實出行場景，重新把信息、服務、支付、導航、內容乃至手機與車機之間的關系組織了一遍。

在這個大前提下，我們就可以再來看這七類座艙智能體：隨行點單、隨行向導、隨行逛逛、隨行互連、車載娛樂生活、車主服務，以及導航場景智能體。它們覆蓋的，正是通勤、長途、本地游、手機車機聯動、娛樂消費和能源補給這些最常見、也最容易讓人感到麻煩的環節。

長途場景里的「隨行向導智能體」，就不只是「給你講講沿途景點」這么簡單，它能結合實時位置和用戶偏好，主動推送沿途資訊、景點介紹、攻略和服務信息，還能把跨車的實時語音群聊與位置共享組織起來，讓車隊中的 AI 從「解說員」升級成「領隊」。

「隨行逛逛智能體」則更像是把到一個城市臨時起意想轉轉這件事做成了輕負擔服務。過去這類需求最麻煩的地方不是找不到信息，是信息太多：小紅書，馬蜂窩等等平臺上的攻略，路線紛繁復雜，選路線買門票訂餐廳等等工作一琢磨就是一個不眠之夜，這種負擔和隨便逛逛的預期恰好背道而馳。所以這個智能體把導航、停車、步行接駁、購票訂座和手機續接整合進一條鏈路里，本質上是在縮短「我想去」和「我真的去了」之間的距離。

「隨行互連智能體」彌合了車上車下兩個世界的裂隙。用戶可以在微信里，用自然語言給 CarBot 下一個跨時段、跨條件觸發的復雜任務，比如很多用戶的用車習慣是 A 需求 B 動作 C 愛好一連串的且日常循環的，上車之后再一一調試，只有人工沒有智能。但是在隨行互連智能體里，直接在微信里說話，給 CarBot 下需求說「乘客上車后打開座椅按摩，播放歡迎語，并將車載微信設置為隱私模式」，CarBot 就會自動拆解需求和任務，再接著判斷出副駕座椅被占用，自動執行以上一連串的任務。

這里最關鍵的變化，是交互入口不再局限于車機本身，借助微信這樣一個更高頻、更熟悉的容器，把任務延伸到用戶的連續生活里。

至于車載娛樂生活智能體和車主服務智能體，它們看上去沒有前幾個那么新奇，不過是觸手可及且高頻次的。前者的重點是讓音樂、新聞、視頻、短劇等不同內容 Agent 協同響應，依據時間、行程狀態和歷史偏好去「編排陪伴」；后者則把加油、充電、洗車、救援、代泊等車主服務組織成一個可被統一調用的服務矩陣，系統甚至能依據油量、目的地、停車條件等信號主動預判需求。

地圖本身就是最天然的出行入口，但過去地圖理解的是道路，不太理解人。現在騰訊出行在強調的，是把「找一家能充電不排隊的咖啡店」「避開高速順路吃飯」這種混合意圖一次性拆解成偏好理解、路徑規劃和服務編排的問題。

導航場景智能體開始從「告訴你怎么走」，變成「理解你為什么要這樣走」。

一言蔽之，這 7 個智能體開始把汽車看成一個持續理解場景、調用資源、完成任務的「執行節點」，當然，汽車還是汽車，它依舊可以跑起來，載著用戶前往目的地。

或者可以反過來說，這些智能體做的工作不是「從零到一」，創造過往不存在的功能，制造過往沒想到的體驗，而是有點像「從一到零」：未來汽車里的智能，體現為它能替你少做多少次決策、少切多少次界面、少消耗多少注意力，并非體現打開多少個入口。

汽車不僅要承載「空間位移」，還要思考「時間的意義」

早年的手機本質上是「移動電話」，電話和短信幾乎就是它存在的全部意義。今天我們手上的「智能手機」，真正被高頻使用的往往是社交、拍照、支付、導航、短視頻、外賣和各種各樣的內容服務，這正是騰訊崛起成為大型互聯網和科技企業的前提。智能手機里的電話和短信沒有消失，并且依舊是決定這個設備是手機，還有可聯網小平板的分水嶺，但這兩個功能已經占據不了多少用戶的使用時長了。手機仍然是手機，只是它的內涵早就不再等于「打電話的工具」了。

汽車也正在經歷類似的時刻。

當然，汽車的「空間位移」價值不會像電話和短信在手機里那樣被邊緣化。人買車、坐車、開車，首先仍然是為了從 A 點抵達 B 點，這個基本屬性不會變。

問題在于，當電動化和智能化把「開起來快」和「坐起來舒服」這些指標逐步拉平之后，行業的思考勢必會轉向新的問題：用戶在車里的時間，究竟能不能變得更有價值。

汽車未來的發展方向，除了繼續服務于空間的移動，還要開始放大時間的價值。

今天越來越多車企和科技公司開始討論「第三空間」「移動生活」「在途體驗」這類概念。因為中國用戶每天通勤、接送孩子、周末短途、節假日長途，自駕已經占據了大量生活時間，更別說大城市還有節假日的擁堵時間了。過去這些時間往往是被默認浪費掉的：堵車時煩躁、等人時發呆、找車位時焦慮、長途時疲憊、多人出行時混亂。

過往汽車智能化的能力還不夠，車企的用戶思維和制造業背景也很難去思考「時間」對于汽車的意義，現在端云兩邊的算力，各種模型的能力，互聯網和科技企業對各種設備的滲透，汽車行業的自我迭代速度，多種因素疊加，終于有機會讓行業思考時間的價值了。

過去的三五年時間里，汽車行業對這個問題也有初步的思考，解題思路統一成了「冰箱彩電大沙發，加長加大更像家」，伴隨的硬件變化就是屏幕更大，算力更強，喇叭更多，沙發更軟......

現在，非要上一些價值的話，騰訊這次發布的一系列座艙智能體解決的問題當然不是本不該他們思考的「車能不能開」，這次要回答的是「人在車里這段時間應該怎樣被服務」。

通勤路上，它可以幫你提前點單，讓早餐成為一種被安排妥當的節奏；到陌生城市，它可以把攻略、停車、步行接駁和門票串起來，把原本碎片化的決策成本吸收掉；甚至在內容場景里，它也不只是「放點什么」，新的任務是試圖依據環境、時段和心境，把陪伴做得更貼合......

當年的智能手機，之所以最后重塑了人的日常生活，是因為它把「打電話」這件事做到了極致嗎？是因為它讓原本大量無意義的碎片時間被重新利用了。吃飯排隊等位時開一把《王者榮耀》、通勤時聽一聽知識播客，坐飛機無網時看一看緩存的電影，智能手機把這些過去無法承載復雜行為的時間，全部變成了可消費、可連接、可完成任務的時間片。

汽車的邏輯并不完全一樣，但方向大差不差，把用戶從 A 點帶到 B 點的「空間位移」功能依舊會往更快更安全更舒適的方向走，而在 AB 之間的這段時間，甚至是 A 之前，B 之后的時間，汽車也終于有機會去好好重構了。

為什么這事兒適合騰訊來做？

只要多看看幾場現在的汽車發布會，其實會發現大模型、Agent、車機、生態、服務閉環這些詞也不新鮮了，先 PPT 發布，再 OTA 更新是行業常態。做智能體，上大模型一旦離開 PPT，馬上就會面對實的問題：能調動多少資源，又能把多少鏈路真的打通？

騰訊的服務和智能手機的耦合程度不需要多說，在汽車行業，它也已經不是一個旁觀者，身份已經是一個基礎設施提供者。按騰訊披露的數據，其出行服務目前已經覆蓋 100% 的頭部車企和泛出行公司，與超過 100 家車企、出行科技公司展開合作，并與 40 多家車企在 AI 領域落地合作；智能座艙解決方案在頭部車企中的滲透率超過 80%，累計搭載超過 1800 萬輛車。

騰訊沒有從零開始談「智能體上車」，因為它有這大量量產合作關系、云服務能力和既有車載產品，「智能體上車」是一個更進一步的事情。

前面之所以先聊 7 個智能體，是因為這些智能體可以提供的服務是 ToC 用戶可以直接感受的，但騰訊這次發布的，更官方的說法，或者更 ToB 的說法，是「出行全場景智能體開放平臺」。

騰訊想做是提供一整套從底層大模型架構、到平臺工具、再到應用生態的能力框架。這個平臺涵蓋基礎設施層、平臺工具層與應用生態層：底層是端云協同的大模型架構和原子能力，中間是 Agent 編排、Skill 擴展和運營工具，上層則是圍繞真實場景構建的智能體矩陣。

打個比方，砸向牛頓的蘋果不是憑空出現的，而是掛在樹上的，樹有根莖枝葉花，而后才有果子，當我們看到作為消費者可以用到的 7 個智能體果實的時候，其實是因為騰訊準備了根莖枝葉花這些基礎設施。

騰訊既有云，也有地圖；既有內容，也有支付；既有社交入口，也有小程序生態。很多公司也許能做出一個聰明的車內助手，但很難把任務真正執行下去。騰訊手里的微信、微信支付、騰訊地圖、內容生態，以及小程序能力，天然更適合把「理解意圖」推進到「完成服務」這一層。

隨行點單能做成閉環，隨行互連能把微信對話變成車端任務，導航能和目的地服務串起來，本質上都依賴這種跨生態調度能力。

再往下一層看，騰訊這次也強調了它的端云協同架構：端側基于 0.8B 輕量化 VLM 與座艙世界模型，單幀編碼延遲低于 100 毫秒；云端則承載更復雜的語義理解、記憶檢索和內容生成，單意圖識別能力超過 95%，多意圖識別能力超過 90%。這些能力才能滿足既要快，又要準；既要弱網可用，又要有復雜推理；既要本地響應，又要持續進化的需求。

所謂善戰者無赫赫之功，騰訊做出行全場景智能體開放平臺的前提，還是它不需要整車廠那樣必須把一切都封閉在自己的品牌宇宙里，因為在這個行業里，它的角色「連接者」。這沒法讓它擁有一個像蘭博基尼勞斯萊斯這樣的汽車品牌形象，反而讓它更適合做智能體時代的基礎層和中間層。畢竟智能體能力最需要的，是騰訊過往多年構建的既 ToB 又 ToC 的全棧服務能力。