車東西（公眾號：chedongxi）
作者 ｜ Juice
編輯 ｜ 志豪

北京車展期間，騰訊智慧出行正式發布了面向全行業全場景的智能體開放平臺，全面升級了座艙的智能體產品。

▲騰訊智慧出行發布全新產品

這也意味著騰訊智慧出行也開始邁入到智能體上車的大賽道，相比于其他的玩家，騰訊有著豐富的應用生態，在智能體上車的過程中有著一定的優勢。

在發布會后，騰訊智慧出行副總裁、騰訊智慧出行負責人鐘學丹，騰訊智慧出行副總裁李博也接受了車東西在內的媒體采訪，進一步闡述了騰訊智慧出行對于智能體上車和智能座艙這一方向的思考。

以下為采訪內容，車東西在不改變的原意的情況下做了編輯：

1、最近大家都在講智能體上車，從智能體上車概念出現到真正的智能體上車落地的周期會有多長，怎么避免口號很繁榮，但是用戶側沒法感知這個問題？

鐘學丹：這個周期主要取決于車的平臺和上市周期，新技術的落地速度和這個事情強相關。

任何一種新的技術和發展可能需要一個持續的進化過程，如果一開始就很驚艷，把所有的都做好，可能還是會有比較大的挑戰。

我們目前看到一個好的趨勢，就是今天的AI普及非常快。這主要是因為AI跟用戶的交互門檻比較低，今天Agent跟用戶交互互動的門檻相對也比較低，這點其實有利于Agent持續變好，獲得用戶的認可。

2、無論車企還是一些供應商都在主動打破艙駕的區隔，對于騰訊來說，后續會不會車廠對于艙駕融合要求越來越高，出現被迫把業務越做越厚，在艙和駕駛方面投入更多，把產品做的越來越復雜？

李博：車企的艙駕融合我們看到現在分兩塊，一塊是芯片廠商把艙駕芯片做融合。第二個是車企的組織形式合作，原來很多車企的座艙和智駕是兩個部門，現在已經進行了一些合并。

對于騰訊來說，這反而是一種好事，騰訊原來在智艙和智駕都有對應的投入，做的挺割裂的，需要這邊做一點，那邊做一點。

比如說導航地圖和智駕地圖都不是同一個，還需要做匹配。

現在合并到一起的話，可以把需求拉的更通，能夠做得更順，更符合用戶的交互場景和需求。

3、從過去的軟件定義汽車到現在的AI定義汽車，在這種趨勢下能分享一下騰訊的智慧出行在組織架構、技術底座和生態合作上做出哪些調整？

鐘學丹：在每種技術變化的時候，對主機廠的沖擊都很大。

我們作為一個助力者，會在技術和底層實現上做一定的調整和增強，比如我們去加強算法模型或者AI Infra人才的引進和能力的增強。

更大的變化來自生態的合作形態。

之前我們以應用為中心的時候，各個應用相對來說比較獨立，去解決特定領域的用戶需求。但是用戶的需求可能是跨領域的，更多服務于場景化的需求。

這時候需要更開放的生態合作機制，我們今天發布這樣一個平臺，希望能把底層的平臺能力、生態能力以及第三方的生態能力如何更開放地接入和融入，給用戶創造一種更極致和融入的體驗方式。

4、現在推進智能體上車的過程中，大家對安全和用戶的隱私問題比較關注，請教一下這方面騰訊是怎么考慮的？

鐘學丹：智能體的安全性非常重要，車的安全駕駛本身就很重要。

一方面智能體會使我們駕車本身的安全性有一定的提升，它更多自然的交互方式，省掉原來交互方式帶來駕車場景下的安全性風險。

現在的智能體跟半年前有很大的不一樣，更多是工程范式的演進，比如Harness Engineering這樣的工程范式對智能體的約束和管控，使得它可以有更好的穩定性輸出，不會有很大的波動點。

另外，通過一些沙箱機制，把數據、用戶的操控掌握在合理的范圍內去做處理，也是在智能體上車中要去加強的地方。

5、您認為當前座艙Agent到了規模化落地的階段嗎？這個階段據你觀察行業里面有什么特點？大家重點布局的場景有哪些？

鐘學丹：我看到的行業大家都在往這個方向上去演進，車企從系統層跟模型的結合，跟原來的座艙系統很不一樣，這個是很大的變化，這也是一個很重要的趨勢。

智能體上車是不是可以規模化？它的規模化取決于幾方面：

一方面來自于車企本身的系統平臺，如果車企平臺不形成的話，它的規模化可能就會受制或者弱化。

第二，怎么讓用戶在使用場景當中形成用戶體驗上的改善，這是智能體要長期做的事情，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。

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，是大規模落地很重要的基礎。

6、今年AI上車有哪些趨勢？是不是都是對話向執行轉型普遍的趨勢？

鐘學丹：這是一個大的特點，從對話到執行依賴兩件事情，第一件事情是技術底座的能力，車載語音對話已經很多年了。

大模型上車第一件事情是在解決對話的優化和體驗的改善，但是它要變成可執行的話，需要對模型的能力，本身Agent能力的進化，這個也是最近半年模型能力進化的點。

最近半年像Harness Engineering工程化的能力幫助我們可以做穩定執行的輸出，這個不僅依賴于模型，還依賴于工程化的能力。Agent底層的工程能力對這個要求也非常高，工程能力的進化和模型能力的進化是基礎的技術條件。

第二個條件要有好的生態連接能力，如果我們具備能力了，但是想執行的時候發現什么都用不了，可能也會很難。