腾讯智能座舱TAI发布：元宝上车，车企主导权仍归主机厂

腾讯在汽车圈的打法很清楚：产品主导权让出去，换客户覆盖度；覆盖度再换云的收入。这套姿态背后是算过账的商业模式，也正因如此，它几乎进了每一家车企。问题是，火山和阿里的围剿之下，腾讯往后还能不能守住「永不下场」的定力，眼下不好判断。至少现阶段，它把灵魂交给车企，账单留给自己。

有人当着媒体的面说，腾讯在汽车行业的形象比较「杂乱」。

腾讯云副总裁、智慧出行负责人钟学丹没有回避这个说法，回应得同样直接：

钟学丹表示，外界看着觉得有些乱，原因在于他们和车企的合作横跨不少领域、不少维度，连一些Tier1、科技公司，以及出行服务和共享出行类企业也都在合作之列。

不过「杂乱」归「杂乱」，元宝（参数丨图片）怎么上车，腾讯画了一条很清楚的线：

「车企负责造好车，我们负责让AI用得起来、用出效果。」

01. 座舱Agent从「秀」转向「办事」

数字AI冲击物理世界，智能汽车是第一个落点，而最先被改变的是座舱。

零唤醒、画画、给小孩编故事，一轮轮「小战」「大战」打下来，那个被捧上神坛的汽车大脑，总算开始干点正事。

2025年3月，智己拉上斑马智行和饿了么推出IM AIOS生态座舱：说一句「点一份昨天的果汁」，系统就去翻历史订单，结合实时路况算出到家时间，再对上餐厅的出餐速度，做到人到、车到、餐到。同年5月蔚来牵手麦当劳，7月理想接入支付宝，到9月，肯德基里的推荐、点餐、支付、取餐预约已经能走通。

同年12月，特斯拉加上Grok导航指令，能改导航目的地，也能按语义找餐厅或超充。但特斯拉手里没有微信支付、支付宝这类能落地交易的通道，座舱里完成支付这一步走不通。

到去年年底，座舱AI能办事已经不新鲜了。新鲜的是，它只发生在少数几个品牌、少数几个商户身上。真正的问题换成了：这套能力能不能复制到一百家车企、一千家商户。

2026年，供应商开始接这个问题。它们不再只演示点单，转而讲架构怎么改。

4月24日，北京车展首日，火山引擎发布基于Agentic AI架构的新一代汽车AI方案。工作逻辑是「一个AI大脑调度整车」，感知、推理、执行、记忆、学习被串在同一条链路上。

这套方案配了三个引擎：对话推理引擎负责交流，全时免唤醒、支持多人对话、全双工可打断；目标驱动引擎负责办事，按任务目标自主调用车载工具，完成多步骤跨域任务；学习成长引擎负责沉淀，把执行经验变成可复用的Skill。

豆包就这样以产品级方案「豆包座舱助手」正式上车：常驻形象出现在车内，表情随聊天内容变化，凑成「动作＋表情＋声音」的「豆包屏」，还能与手机豆包互通、能力同步。

千里科技的节奏比火山引擎还早一步。

2025年7月的WAIC上，它联合阶跃星辰、吉利发布智能座舱Agent OS预览版。车端本地跑40亿参数多模态大模型，云端是国内首个千亿参数端到端语音大模型Step-Audio；架构上不止一个Agent——UI Agent像人一样点击任何车载应用，不依赖底层接口，出行Agent管意图与规划，多个Agent之间由一个「经理」级Agent分发任务，用MCP协议通信。

2026年3月，预览版升级为「超级Eva」，与吉利的辅助驾驶方案合流，首发落在极氪8X上；到7月的WAIC 2026，它已随极氪全系OTA上车，模糊语义导航、舱驾协同操控、订票订外卖这些「办事」能力都能实现。

两家路径不同：火山引擎从模型层往下走，卖的是可配置的AI能力；千里科技从整车层往上走，卖的是整车智能。但座舱Agent的及格线被它们共同划下——一件跨应用、跨场景的事，得从头办到尾。

这道题，腾讯同样要答。

10月29日，腾讯智慧出行发布腾讯智能座舱TAI智能体，里面集成了TAI座舱助手、TAI出行服务智能体、TAI内容娱乐智能体，底层靠腾讯地图能力/POI、微信小程序、微信支付、生态API等支撑。这个全新的TAI出行服务智能体，把腾讯拿得出手的技术和整个生态体系基本都装了进去。

说到底，最核心的一件事是元宝上车了。

TAI的能力围绕三层展开：

能跟人聊起来，靠的是元宝那套全双工端到端语音：时延压得低，随时能插话打断，也不用先喊唤醒词再接力。再叠上元宝搜索，车里问答就能调用实时信息，不用逼着模型凭记忆硬答。

办得成这一层，把出行、点单、内容娱乐、车控和导航串成了一条线。地图管找得到地方，服务生态管能下单，小程序和微信支付则把短剧、小游戏、会议日程、电影购票连在一起，付钱不用掏手机。内容这块负责听得舒服、看得过瘾，第三方生态也能接进来。

跟着走说的是手机—车机—手机这条链路：手机元宝、微信小微这些C端Agent服务入口都接进来，上车前在手机那头发起的服务，到了车上车机接着办，下车后再交回手机继续。

支撑这套方案的，是端云一体的基座架构。

端侧放的是0.8B轻量化VLM，单帧编码延迟压在100毫秒以内，管的是“看”和“快”；云端接混元最新的Hy4 preview，用快慢思考架构，负责推理、记忆和跨应用调度。记忆召回率不低于95%，单意图识别率超过95%，多意图识别率超过92%。系统能自己调度多个智能体协同干活，落到车企手里就是一套Agentic AI座舱方案——会感知、会理解、有记忆、也有人格。

三层能力当中，“办得成”才是腾讯真正拿得出手的那张牌。

点单最后总要落到支付上，而座舱里能走通的支付通道就两条：微信支付和支付宝。腾讯手里握着其中一条，市占率眼下还高过支付宝。

不过手车互联也是腾讯特意要强调的一块。手里有微信和元宝两个流量入口，固然是原因之一，但不止于此。

钟学丹的判断是，手机和车会“比较长一段时间”并存，用户上车前、下车后都有跟车内互动的需求，这就意味着数据和信息必然要在多端之间流转：

“就跟我们今天用手机和电脑的互通一样”。

可这种互通，并不意味着腾讯非得做出“手机知道我今天胃不舒服，上车后座椅自动加热”那样的连接。

李博的说法是，A2A也好、MCP也好，“技术上手段太多了”，可短期之内做不到。

问题在于，没有哪家厂商愿意把关乎企业核心安全的用户上下文交到别人手上。

更理想的形态，是让用户自己持有context：

“我用这个车用了5年，换车的时候是伴随着context一起换到下一台车”。

这一点其实左右了腾讯做座舱AI Agent的产品理念：除了伴随类功能，腾讯要的是用最短时间、最短路径把整个体验闭环走完。

李博拿腾讯做手机微信小程序的逻辑来打比方。

既然讲究迅速闭环，就又牵出那个被反复追问的问题：TAI能不能语音控车。这件事天然要求Agent随时standby。

Grok与FSD打通后，舱驾融合成了热点。李博先从AI技术层面表态“这不是一个难点”，但还有另一重门槛：车企有没有把座舱域、智驾域这些控制域里的MCP接口打通，能不能把各种标准统一起来。

钟学丹接着解释：

车控操作一旦交给智能体，行业眼下尚无统一标准可依。哪些操作放在哪种场景下才算安全、权限边界怎么划，得由车企和供应商一起定。

他判断，至少相对一段时间之内，车企与座舱AI Agent供应商之间的身份定位，主导权仍在车企手里。

这就决定了座舱Agent的竞争，不会照搬电池、智驾芯片那种头部供应商直接左右C端购车的路子。

腾讯眼下选的是做开放生态，帮主机厂按照自己的用户特性和品牌要求去搭整车体验。

腾讯的克制，从一个细节就能看出来。

座舱智能体没有取一个面向消费者的名字。华为叫「小艺」，蔚来叫「NOMI」，理想叫「理想同学」，上汽荣威更是把「豆包」直接印在车上，腾讯没有跟这一步。

舱内助手叫啥名、长什么样、用什么唤醒词，决定权都在车企手里。

这套身份定位，腾讯从2018年一直坚持到今天：「智能副驾」。

「我们永远不站在前台，我们是助手，永远不下场」。

02. Robotaxi和具身智能：同样守住「不下场」

「今天做具身智能公司的算法和相关的人，原来都是做自动驾驶的。」

李博这句话，把腾讯在具身智能和Robotaxi两块业务上的优势与边界一并说清了。

Robotaxi已经出现一定程度的规模化运营，可商业体量还小，「现在的日订单连几十万都没有」，跟网约车业务远不在一个量级。

李博表示：

「腾讯是不会做自己的Robotaxi的。」

市场并不放弃。腾讯自己手上，C端和B端两头赚钱的手段都已具备。

眼下几乎100%的网约车出行公司跟腾讯有合作，70%以上的云跑在腾讯云上。地图和出行服务这一侧，小马智行、文远知行、萝卜快跑等Robotaxi的C端入口也握在手里。

靠云图能力和出行生态服务，腾讯为车队研发与规模化运营提供支持，收入来自云服务费和订单抽佣。

自动驾驶与具身智能都属于物理AI，技术栈相似度高，自动驾驶上验证过的能力可以直接搬过去用。

不过技术上有道坎：物理AI比自动驾驶复杂一个量级。

车只分「三向」，往前、往左、往右，再加往后，是平面型的活；具身基于世界模型，一只灵巧手360°，每根手指都有触感，控制复杂度几何级增长。

云、AI等全栈能力被腾讯延展到机器人研发上，具身数据闭环套件随之推出：

一头是把机器人身上的数据接出来，经音视频平台做到延迟低于100毫秒、抗丢包30%，升级后的Robo-suit具备一百多项原生能力；

另一头是把数据造出来，用生成物理世界的大模型，数据构建效率提升2到3倍。

能力从自动驾驶延续过来，边界也划得一样。

灵巧手、机械结构、控制算法这些本体问题，腾讯不去碰，只做平台，由RoboticsX实验室提供云、数据闭环和仿真能力，服务本体公司和算法公司。

「一旦下场做算法、做本体，就跟客户变成竞争关系，合作立刻变质。」

自家具身智能产品没有推出，腾讯绕开竞争，让机器人公司少走智驾已经走过的弯路。

具身智能的规模化还没开始，Robotaxi的日订单还在几十万量级。

不过，这些说到底都是下一代入口的期权，腾讯卖的是期权里的铲子。机器人公司缺的是算力和数据闭环，车队缺的是云和流量。

这两样，腾讯都不必自己下场，自然也不用跟客户抢生意。

03.

反常识的卖方市场

不下场是腾讯一贯的姿态。可保持姿态不等于放过机会：前两块业务里，腾讯是等客户上门；到了腾讯长长的合作业务清单里，有一块属于反常识的卖方市场——出海。

智驾研发撞上的是「监管墙」，座舱和地图承受的压力则要小得多。

李博先纠正了一个刻板印象：论数据合规的严格程度，海外不少地区反倒比国内宽松，最严的是欧洲。

欧洲是例外，不过也有解。

中国车企出海，第一站大多选在欧洲：小鹏 2020 年从挪威起步，蔚来 2021 年进挪威，比亚迪的自研智驾也把欧洲当作第一站。

李博的解释是，其他区域的法律法规没有欧洲严，「只要欧洲过了，后期在其他区域的问题不大」。

供应链同样在往欧洲挪。

2025 年 9 月，地平线把欧洲总部设在了慕尼黑。同一时间，地平线与欧摩威合办的智驾大陆在欧洲多地铺开全场景路测，针对当地路况、驾驶习惯和交通法规做适配。

最硬的一关先啃下来，剩下的就好办了：在国内被地理信息数据合规反复打磨过的能力，到了海外反倒成了存量优势。

所以到了座舱和地图这一层，「合规」的阻碍依然存在，市场却更缺供货的人。

先看地图。这一行本身不缺竞争者，Google、HERE、TomTom 都在。可落到「中国车企出海、国内国外一套地图」这个具体需求上，能供货的屈指可数——本地图商没有理由为中国车企改数据规格，也没有理由陪着做合规认证。

座舱里也一样，Spotify、YouTube 同样没动力为中国车企做适配。李博的判断是「价值点太少了」。

没有平台，车企就得自己一样一样去谈；而在海外，连愿意陪车企把这些零散服务对接起来的集成商都找不到。

「现在海外没有所谓的生态公司在做这件事情，只是说我们做集成和攒的过程。」

「海外很多市场的智驾和座舱水平，还停留在国内一两年前的状态。」

一头是需求明确，一头是供货人少，中间的空白就落在这里。窄需求里打不起价格战，卖方市场就是这么来的。

面向海外市场，腾讯在海外基础云、车联网云方案之上，升级出智慧出行海外方案集，覆盖海外智驾、营销服务、海外地图和效率智能体四大场景，支持车企从基础上云走向全域智能化。

海外智驾云方案这一块，涉及数据回传、数据处理、模型训练、仿真回灌以及合规工具链等环节。腾讯同时在与头部车企联合搭建云原生跨境合规网关，让智驾研发过程中的跨境数据合规管理有支撑。

这次推出的腾讯智驾地图海外版，用「舱驾一体」把海外座舱和智驾场景连起来。海外座舱图负责导航、算路和动态信息，在线与离线可以协同工作。

海外智驾图用的是轻量化地图引擎，能为智能驾驶的感知、定位与规控提供支持；再叠加腾讯云的全球部署和本地生态服务，车企接入和落地就有了依托。首个版本计划在今年年底正式上线。

这是腾讯整块出海业务里唯一有明确时间表的新产品，也是唯一能直接算清账的一个：

授权费是一年一交，省下来的钱年年都有；开发成本只掏一次，省下来的是眼下的开销。海外地图按年收费，每辆车每年得交出去几百块到上千块，车只要还在跑，这笔钱就一直交。

出海这摊生意里，腾讯挣的不是技术钱，是需求窄、能供货的人少带来的钱。

04. 提效：客户资产才是护城河

出海卖的是整合能力，是做给外面看的生意。另有一块生意落在车企内部，卖的是效率，腾讯把它称作给汽车行业创造的「新增量」。

汽车行业往AI里投的钱一直在加，不少企业已经把AI战略摆到CEO的议程上。

腾讯云副总裁孙燕的观察却是：个人效率上去了，能真正变成企业效率的例子很少。局部提效和整体收益之间隔着一道落差，怎么填？孙燕给出四件事，而且有先后。

个人提效打底，流程重构是主线，组织转型作保障，再靠持续迭代和一层平台兜住。

这四件里，人是基础。人一换，能力就跟着人走了，个人的方法留不下来，提效只能是一次性的。

所以主线落在流程重构上，而它的第一步不是上模型，是挑场景。

孙燕画了个四象限：

高价值高可行的，先落地；高价值低可行的，先做数据治理、小范围验证，当作战略储备；低价值高可行的，看能不能复用，能就做成通用工具，前提是不占战略资源。

她说：「很多AI项目做不动不是技术不行，实际的问题是一开始就选错了场景。」

讲到组织怎么转型，孙燕把同一层意思又讲了一遍：「模型进旧的流程只会让旧的流程跑得更快。」

两句话合起来是一个意思：AI当不了加速器，它是放大器。流程本身有毛病，它只会把毛病放得更大。

衡量的尺子也换了：不看上了多少个智能体，看的是研发周期短没短、质量问题有没有改善、用户体验有没有提升。

孙燕说：「脱离业务去谈提效，其实是没有意义的。」

面向汽车行业，腾讯这次把「AI组织效能解决方案」的完整形态摆了出来，分三块：

最底下是AI生产力平台，把数据、知识、工具和治理连在一起，提供信息可见、能力可调用、协同可自动化、智能可进化四方面的支撑；

中间是产品层，WorkBuddy、CodeBuddy管员工提效，企业Agent平台管长期运行、多人协作的业务流程，个人验证有效的方法会沉淀成技能和专家能力，在组织里复用；

最上面是FDE与业务共创，技术人员、业务顾问和车企业务团队一起挑高价值场景，把人与机器的协同边界、风险控制和评价指标定清楚。

腾讯先给这套方案圈定了四个场景，头一个是研发协同：

有家车企集团用腾讯智能体平台搭了个车型规划助手，初步数据分析的节奏从按周算变成按小时算，调研报告生成的有效率提升了95%。

还有一个更完整的例子：某品牌在车型上市之后，借WorkBuddy把垂媒、官媒和私域的数据打通来做分析，结论再回补到需求和开发环节。改造之后，数据处理时间缩短70%，BUG收敛90%，分析时间缩短70%。

「这不是某个岗位变快了，而是整条价值流在重塑。」

二、数据产线：

车企自研团队也好，智驾公司、具身公司也好，模型每迭代一次，背后都有一条数据产线在跑。过去的麻烦出在流程上：采集、清洗、质检、标注、挖掘，哪个环节都得工程师手写脚本，脚本又散在个人手里，换个项目就得重写，质量出了问题还没法回溯。

腾讯的DataBuddy则从算子广场里匹配算子，生成能直接跑的处理流程，提交到弹性GPU集群，再联动质量指标自动入库。每一步人都能确认、也能改。过去要干上几天的活，现在一句话、一个确认就办完了。

三、产销协同：

销售、生产、供应、库存各攥着一部分信息，市场一变，就得靠大量会议来协同，决策周期拉得长，想从企业整体经营目标出发配置资源也很难。

「每个人拿了一块拼图，但是我们不知道全貌是什么样。」

如今这套智能体会持续感知跨部门的经营数据，把需求、库存、产能、供应里的异常识别出来，围绕共同的经营目标调用专业模型，形成多套可比较的方案，再推到WorkBuddy里由业务人员确认执行。

执行完还要接着跟踪、动态调整。过去靠专家经验和开会摆平的事，现在变成了一套能积累的决策过程。

四、动态营销策略：

以前的AI营销讲的是外呼、话术、质检，提升的无非是单点执行效率；同一个客户什么时候联系、走哪个渠道、说什么话，还是靠销售顾问的个人经验，沉淀不到主机厂自己的资产里。

腾讯给客户做了一套动态营销引擎，用App行为、企微对话、电话沟通的全旅程数据来判断客户状态，动态推荐下一步动作，每次反馈都成为下一次决策的依据。

在与媒体交流的环节，元戎启行技术合伙人、副总裁刘轩给了一个更有说服力的样本：靠新的基座模型和研发协作方式，公司把过去大约要5天的智驾问题处理周期压到了约12小时。

研发环节直接关系到智驾版本乃至车辆的迭代节奏，这难免让人追问：研发环节压缩这么多，车是不是也造得更快了？

从披露的环节来看，这些提效落在两处：一处是验证之前的准备，采集、清洗、标注、脚本；另一处是验证之后的协同，跨部门对齐、决策传递、问题定位。

产销协同省下的是会议，DataBuddy省下的是写脚本，元戎那12小时省下的是问题定位与复现。

按各自的说法，没有一项是「少做测试」。

工信部等四部门在10月10日把《关于进一步加强汽车产品创新设计和研发测试验证有关管理工作的通知》挂出来征求公众意见，截止时间是11月10日。按这份通知，22项推荐性标准和行业标准要变成强制性标准；隐藏式门把手、虚拟操纵件、应急操纵件这几类创新设计，也被要求按新参数报送并做验证。

文件点名的是「未经充分研发测试验证」的产品，不是研发速度本身。

其实从现在技术进步的角度看，一台车从无到有，很多时间是被「浪费」掉的。

长安汽车变革效率部总工程师祁越说，以前走流程时，业务部门对自己想要什么往往说不清楚；员工能感觉到哪里不对劲，可要把它转成明确的技术要求就很难。就算工具很快能搭出一个演示版本，真到车间和产线上，麻烦还是一大堆：系统里的业务数据够不够全，工程专家攒下的经验和知识有没有完整进到数据库里。

腾讯和长安在今年8月为此一起搞了个「AI火箭班」。孙燕的说法是「我们出一些人，客户出一些人」，双方围绕产品策划、产销协同、质量运营、AI Coding 打造出八大场景智能体，目前已经上线运行。

腾讯盯上的不是把车造得更快，而是验证环节之外那些白白流走的时间。

孙燕由此给出一个跟直觉相反的判断：论对AI的需求，传统主机厂比新势力还要明显。

拿一汽-大众来说，体量大、车型多、布局广，协同起来的难度是几何级往上翻；另一边，它手里有德国制造的标准和技术经验，也接得上中国的数字技术。

眼下他们正试着让AI去读德方传来的大量基础技术数据，再转成能反复调用的Skill能力。

过去那些庞大的规则、标准、工程记录，因为AI变成了可以不断调用、不断更新的资产。

10月29日的出行大会上，腾讯拿出的升级落在新技术、新市场和新场景三处。

把腾讯在车里做的选择摊开看，基本都是主动退让：产品不做，车控不碰，用户数据不争，C端品牌不树，具身智能和Robotaxi也不直接下场。

反过来，它的主机厂客户同样不会砸几千亿元去搞AI infra和基础模型。孙燕说，「这件事情腾讯做，这也是我们的核心商业收益」。

放弃产品主导权，换来客户覆盖度；覆盖度再换成云的收入。这是姿态，也是一笔精细筹算过的商业模式。

这套打法目前看来是走通了——几乎每一家车企，它都进了。

「技术会不断迭代，但衡量价值的尺度，始终是问题有没有解决、用户有没有受益。」

八年走下来，这已经是一个稳定的选择。

不过AI会给汽车行业带来多大变革，眼下还没有一份准备充分、可采信的评估。

只看今年上半年的数字：IDC首次把「AI座舱解决方案」当成独立市场单列统计，在《中国汽车云市场跟踪，2026H1》里，火山引擎以45%排在第一。

火山和阿里持续围剿，腾讯往后还有没有坚持「永不下场」的定力，很难说。

至少现阶段，腾讯把灵魂交给车企，账单自己抱走。

【关注智能汽车，关注智驾网视频号】

关注汽车的智驾时代上智驾网（http://autor.com.cn） 合作or新闻线索提供，联系邮箱：editor@autor.com.cn