騰訊把微信變成車機遙控器，但車企敢不敢交鑰匙？

你剛坐進副駕，朋友發來一條微信："幫我開下座椅按摩，放個歡迎語，再把車載微信切隱私模式。"你還沒動手，車已經自己搞定了。這不是科幻片，是騰訊最新演示的座艙智能體——用微信對話框遠程控車。

但問題來了：當互聯網公司的智能體開始接管你的座椅、空調甚至支付，車企愿意把多少權限交出去？

一、從"聽懂話"到"干完活"，座艙智能體終于過了試用期

2011年Siri出道時，語音助手只會設鬧鐘、發短信。單向指令玩了十幾年，直到2024年，能跨應用、像真人一樣處理復雜任務的智能體才在移動端和PC端成熟，并迅速往車里鉆。

騰訊這次發布的"出行全場景智能體開放平臺"，集成了元寶搜索、微信支付、空間智能等能力，打包成隨行點單、隨行向導、隨行逛逛等七大場景智能體。

隨行點單是個典型例子。你在開車，系統根據實時行程和個人偏好篩選門店，推算出餐時間，完成選品、下單、取餐全流程。不是給你推薦餐廳，是把飯直接安排到手里。

更狠的是隨行互連智能體。它深度打通了騰訊內部代號"龍蝦"的能力，讓用戶通過微信對話框直接下指令控車。開頭那個場景——"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會自動拆解任務，判斷副駕座椅被占用，然后執行。

手機與車機的信息流轉，被壓縮成一條微信消息。

騰訊智慧出行副總裁鐘學丹的判斷很直接：智能體上車能不能規?；Q于車企有沒有系統化的平臺，以及用戶體驗有沒有真正改善。"不是照搬某些應用，把它變成對話就叫智能體了，智能體是結合場景的需求去重塑體驗。"

二、騰訊的底氣：工程能力+生態連接，但有個"不碰"的禁區

被問到和榮威、大眾、火山引擎等產品的區別，鐘學丹拆成兩個維度。

技術底座上，車載語音對話已經很多年了。大模型上車第一階段是優化對話體驗，但要變成"可知性"——也就是穩定執行——需要模型能力和工程化能力雙進化。最近半年，Harness Engineering工程化能力的進步，讓穩定輸出成為可能。"不僅依賴于模型，還依賴于工程化的能力。"

生態連接上，騰訊的牌面是微信支付、小程序、社交關系鏈。想執行時發現"什么都用不了"，智能體就是擺設。

騰訊智慧出行副總裁李博補了一刀：過去一年大模型上車多停留在概念層面，沒解決實際場景問題。"騰訊認為大模型本質上難以直接解決問題，必須依賴Agent實現場景化落地。"

他們的精力集中在Agent與微信小程序的連接上。李博的原話很犀利："單純的大模型已無意義，若不能結合車輛傳感器信息、車輛功能及相關場景實現Agent落地，其效果與手機端應用并無區別。"

但騰訊給自己劃了紅線。

被問到"Agent即整車操作系統"的觀點時，李博的回應很干脆：安全是底線，整車底層系統級權限交給互聯網公司或Agent仍需時日，現階段應由車企或車規級芯片廠商主導。

"無論是Agent OS還是其他概念，最終都必須回到應用場景，關注能為車主和乘客解決哪些實際問題。"騰訊的定位是"有所為有所不為"——不追求宏大敘事，發揮用戶交互、應用開發、生態鏈接的長處，幫用戶解決具體場景問題。

翻譯一下：座椅按摩可以，剎車轉向免談。

三、端側算力狂飆，但復雜場景還得喊云端救場

智能體上車對芯片有什么要求？李博的判斷是端側算力與模型能力同步提升。

目前端側正從部署2B、3B參數模型向7B、14B演進。增強端側算力有兩個好處：及時響應，以及為車企節省Token消耗成本。

但騰訊不認為端側能包打天下。"更復雜的場景仍需依賴云端大模型（如200B參數以上級）來處理，端側目前尚不具備解決極復雜問題的能力。"

這意味著未來的座艙架構很可能是分層協作：端側處理即時、安全敏感的基礎任務，云端大模型兜底復雜規劃和長上下文理解。

鐘學丹提到一個細節：當前的Agent仍受限于上下文長度?？紤]到長時或長上下文應用——這句話沒說完，但潛臺詞很清楚，技術還在進化中。

四、數據是燃料，但冷啟動怎么破？

騰訊強調依賴Agent而非單純大模型，核心在于執行能力。李博解釋：當前AI無法完全解決問題的原因在于高度依賴數據，系統必須具備記憶和上下文處理能力，才能理解用戶喜好并精準執行，"否則在冷啟動階段很難符合用戶預期"。

數據是AI的基礎，首先要有準確的數據，能夠把握用戶的喜好，然后才有對應的生態，能夠執行它的喜好。

這里有個雞生蛋的問題：沒有用戶數據，智能體做不好；智能體做不好，用戶不愿意用，更沒數據。

騰訊的解法是先做樣本場景。鐘學丹說："為什么最開始我們也會做一些智能體覆蓋這個場景，需要去開發出更多的樣本讓大家看到這個東西怎么去發展，相信這個也會引導智能體更好地去推廣。"

七大核心場景智能體，某種程度上是騰訊投下的誘餌——讓用戶先用起來，數據再慢慢養。

五、微信生態能打通多少？騰訊說"不損害伙伴商業價值"

停車自動繳費已經演示過了，但商場消費優惠與微信支付繳費之間的生態連通，仍是行業痛點。車內的智能體能不能徹底打通微信生態？

鐘學丹的回應很務實：停車等服務背后的商業邏輯、服務鏈路、服務復雜性、不同停車場的實現差異都非常大。騰訊發布開放平臺，希望生態合作伙伴以更輕量級的方式接入，實現更閉環的服務體驗。

他反復強調"不損害伙伴的商業價值"，甚至要通過流量支持為合作伙伴創造更多商業收益和空間。

這話的潛臺詞是：微信不是想吞掉所有環節，而是想當連接器。但連接器能不能讓各方都滿意，取決于利益分配的具體設計——而原文沒提細節。

六、40多家車企入局，但規?；€差什么？

騰訊已與長安、上汽、廣汽等40多家車企展開AI深度合作，推動智能體技術落地。

但鐘學丹對規?；涞氐呐袛嗪芾潇o。一方面需要車企本身的系統平臺形成，"如果這個平臺不形成的話，那它的規?；赡芫蜁苤苹蛘哒f有一些弱化，不是完整體，可能只是一個點"。

另一方面是用戶體驗的實質性改善。智能體不是對話包裝，而是場景重塑。

李博在安全邊界上的表態更保守：行車安全是騰訊業務的底線紅線。模型任務被明確切分，端側確保及時響應和基礎安全，涉及語音誤操作等安全底線的反饋，系統需進行無效判定或雙重校驗，"這套邏輯應由端側底線判斷或物理層模型控制，而非交給復雜的Agent"。

車控領域基于TSP體系，騰訊主張由經驗豐富的車企主導，互聯網公司"不應過度涉足或干預"，而是利用AI和Agent能力輔助車企做好安全防護。

這種分工，某種程度上是對2015年就開始布局車聯網的騰訊的一種自我限制——懂車，所以知道哪里不能碰。

七、交互方式的暗線：從"你問我答"到"我不問你也能懂"

鐘學丹提到一個容易被忽略的趨勢：目前的演示雖包含用戶主動發起，但更多功能趨向于陪伴式。

導游智能體在駕駛過程中可根據場景主動觸發，向用戶推薦周邊有趣的地點，而無需用戶發問。

這是智能體從工具向伙伴躍遷的關鍵標志。被動響應的語音助手，價值天花板很低；主動預判的Agent，才可能重構人車關系。

但主動觸發的邊界在哪里？推薦餐廳和推薦路線是一回事，推薦消費決策又是另一回事。原文沒展開，但這個問題會伴隨智能體進化越來越尖銳。

騰訊的七大場景智能體，目前看還是圍繞"服務"而非"決策"。隨行點單幫你買飯，隨行向導幫你找路，隨行逛逛幫你探店——都是執行層，還沒碰推薦算法的深水區。

鐘學丹對智能化下半場的總結是：競爭已經脫離功能堆砌的低級階段，真正的核心在于，誰能率先將大模型、整車能力與服務生態，組織成一個可規劃、可執行且持續進化的智能中樞。

這句話里，"持續進化"是最重的詞。智能體不是一次性產品，是需要數據喂養、場景訓練、生態擴展的長期工程。2015年入場的騰訊，等的就是這個工程化的窗口期。

但車企愿不愿意把進化鑰匙交給騰訊，40多家合作里有多少是深度綁定、有多少是淺層試水，原文沒給數字。智能體平臺的規?；赡芤燃夹g成熟來得更慢。

當微信對話框變成車機遙控器，你更擔心它不夠智能，還是太智能？