2026成都车展主流车载AI智能体评价报告

2026成都车展主流车载AI智能体评价分析报告```markdown

```||CONTENTS目录01/

车载AI智能体市场发展T

HE

FIR

ST

PA

RT02

/车载AI智能体体验评价维度与指标体系

T

HE

SE

CO

N

D

PA

R

T03

/主流车载AI智能体体验评价

THE

THIR

D

PA

RT04/主流车载AI智能体总体对比与分析T

HEFO

U

RT

H

PA

RT05

/2026成都车展/热门车型盘点T

HEFIFTH

PART06

/2026成都车展/

Al

Agent盘点

T

HE

SIXTH

PA

R

T07

/2026成都车展/热门芯片盘点

THESEVENT

H

PA

R

T08

/2026成都车展/热门自研芯片

T

HEEIG

HT

HPA

RTfacecar车载AI

智能体市场发展HE

F

|

RSTPA

R

T车载AI智能体进入量产竞争阶段市场背景：车载AI智能体正从“语音助手升级”转向“座舱Al中枢”,其规模化落地的市场基础已全面夯实——依托智能

座舱的高渗透率、大模型技术的整车级应用，以及供应链

上下游的集中研发与量产投入，行业已迈入实质性竞争阶

段。趋势研判：车载Al智能体的竞争窗口已全面开启，行业评价维度需从单一的“语音交互体验”升级为对车企、Tier1供应

商、座舱方案商及大模型服务商的全产业链综合能力评

估，技术融合与生态协同将成为核心竞争力。facecar¥66.

1-75亿2030年多模态Al大模型座舱市场规模预测作为座舱智能化的高阶形态，AI智能体将成为市场价值增长的关键细分领域，预计渗透率将随算力与算法成熟快速攀升。>¥3000亿2030年市场规模预测值预计年均复合增长率(CAGR)达21.9%,随着L3+自动驾驶普及，座舱价值占比将

进一步提升。¥1290亿2024年国内智能座舱市场规模较2020年(442亿元)实现近3倍增长，市场体量稳步扩容，成为汽车智能化最大的细分市场之一。核心观点：车载AI智能体并非独立赛道，而是深度依附于智能座舱生

态、域控制器硬件、语音交互系统

及大模型服务的协同增长体系，是

座舱从“智能化”向“智慧化”演进的

核心增量引擎。趋势研判：智能座舱产业大盘已进入成熟期，Al智能体将承接技术与体验升级的核心红利，成为驱动下一轮价值跃迁的核心新增量，推动座舱从功能工

具向出行伙伴进化。市场规模：智能座舱是

智能体落地的核心载体facecarAI趋势研判：从“硬件普及”转向“体验深耕”随着座舱硬件与系统底座的规模化铺开，行业的核心矛盾已发生根本性转移。竞争焦点从过去“AI功能能否上车”的可行性问题，转向“上车后是否真正好用、能否解决用户痛点”的体验性问题。未来的竞争将不再仅仅是硬件参数的比拼，而是聚焦于大模型的场景理解力、多模态交互的自然度以及智能体的主动服务能力，用户体验将成为车企智能化差异化竞争的关键分水岭。53.1%座舱域控制器装配率(1-10月)同比提升17.7个百分点，高算力硬件底座加速普及，为AI功能提供坚实支撑。~16%→20%+Al大模型装配率(爬坡期)截至2025年6月数据，预计年底突破20%,智能化体验进入从“可用”到“好用”的关键跃迁期。76.62%基础座舱前装标配率(2025E)中国乘用车市场数据，智能化配置已成车型基础门槛，消费者接受度极高。核心观点：智能座舱已接近乘用车市场的“标配化”水平，成为车型基础竞争力；而真正具备大模型理解与智能体交互能力的车型，目前仍处于渗透率快速爬坡的早期阶段，具备广阔增长空间。装配率：基础座舱高渗透，AI大模型进入爬坡期Source:

综合企业财报、行业研报及公开数据整理，2025-2026典型落地产品与生态代表：跨界科技巨头入局百度Apollo、

腾讯智慧出行、阿里斑马等科技企业以技术赋能者身份深度参与，重塑竞争规则。HUAWEI结论：评价体系需多维化单一的“用户体验”指标已不足以反映市场全貌，评价体系必须兼顾“用户感知

体验”与“供应商平台技术能力”,以还原真实的市场竞争格局。核心洞察：车载AI智能体市场已突破单一车企的竞争范畴，演变为车企自研、Tier1供应商、Al

大模型厂商、座舱OS/AIBox

方案商及科技巨头共同参与的全产业链生态竞争格局。核心落地产品样本其中可进入核心横评池的已有量产或明确落地产品约14个，包括理想同学、NOMI、Al小P、小艺、元神AI、小度车载助手等。厂商数量：竞争主体从车企扩展到全产业链市场识别主体总量33个中国市场车载Al智能体/智能体平台/代表性架构。33

个关键启示：Tier

1厂商与AI技术服务商并非简单的硬件或软件供应商，而是决定车载AI智能体体验能否规模化落地的关键力量。头部企业凭借深厚的技术积累与规模化成本优势，将持续主导供应链的整合，成为推动智能座舱从单一功能向全

场景智能进化的核心引擎。核心洞察：智能座舱供应链已形成显著的国产主导格局，

语音交互、座舱域控、底层OS及Al计算平台等关键环节的市场份额持续向头部企业集中，产业集中度进一步提升，强者恒强的马太效应凸显。22.0%思必驰

·车载语音·

2025年市场份额·

装机量达429万套，紧随其后16.1%德赛西威·座舱域控·

2025年市场份额·

装机量达156万套，领

跑行业41.9%科大讯飞

·车载语音·

2025年市场份额·

装机量达818万套，稳居第一5.5%华阳通用

·座舱域控·

25年1-11月份额·

装机量46万套，稳步

增长供应链格局：国产Tier1与AI服务商快速集中ADAYO华阳通用AISPE3CH专

注

人

性

化

的DESAYSVBeyond

Mobility思必驰智

能

语

音×愁评价体系重构建议：摒弃单纯以“参数高低、功能多少”为核心的评价标准，转而将“复杂场景任务的实际完成度、用户对功能的理解与操作门槛、全流程体验的稳定性与一致性”作为衡量智能座舱价值的核心指标，回归用户真实使用价值。用户对智能汽车的期待已从“功能堆砌”转向“价值感知”,不再单纯追求配置的多寡，而是更看重系统是否易用、可信、稳定，以及能否在真实用车场景中切实解决问题。JDPOWER622/10002025华舆奖智能座舱车型平均得分622/1000,优秀车型接

近700分。588

分中国汽车智能化创新指数升至588分，较2024年增加38分；市场深度指数升至275分，增

加80分。用户满意度：智能化水平提升，但体验问题也在放大36%智能座舱问题中“不易理解/难用”占比升至36%,交互设计

与用户认知存在明显鸿沟。+34.8PP100但科技配置质量抱怨量大幅上升，智能化功能的可靠性与用

户体验成为新痛点。J.D.Power2025中国汽车智能化体验研究显示：竞争格局重塑：车载Al的竞争维度已从单一功能的“点”状比拼，全面升级为“模型底座+工程化交付+开发者生态+运营工具”的平台化“面”状竞争。技术服务商凭借其全栈能力与规模化优势，正成为推动汽车产业智能化转型的关键引擎。Source:

综合企业财报、行业研报及公开数据整理，2025-2026100+家/1800万腾讯已服务超过100家车企及出行科技公司；腾讯智能座舱解决方案累计搭载车辆超过1800万辆；与40多家

车企探索AI智能体合作。核心洞察：Al大模型厂商与互联网平台正完成从“模型接口供应商”到“全栈式车载智能体平台服务商”的角色跃升，不再仅提供技术能力，更输出完整的场景解决方案与生态支持。截至2025年底合作车企超30家，覆盖车型达188款，累计出货量近550万

辆。搭载豆包大模型的智能汽车数量突破700万辆，实现了模型能力与车载场景

的规模化深度融合落地。30+

家

/

1

8

款

车

型700万+辆行业现状一：技术服务商爆发facecar火山引擎腾讯智慧出行行业现状二：体验落后于宣传核心洞察：

尽管行业对车载AI智能体的宣传口径高度趋同，但终端用户的真实体验却呈现显著分化。当前用户的核心痛点仍集中在交互易用性不足、语义理解准确性偏差，以及场景服务无法形成有效闭环，这构成了智能化体验升级的主要瓶颈。报告评价建议：需建立严格的“去伪存真”评价标准，重点甄别具备主动服务、多模交互与场景闭环能力的“真智能体”,与仅依赖预设话术、无自主决策能力的“包装型Al助手”,还原产品真实的智能化水平。行业趋势：实用至上智能座舱正从“功能冗余”转向“实用主义”。竞争焦点从“有什么功能”转向“功能好不好用”,回归到解决用户真实用车场景中的高频需求，而非简单

的功能叠加。现实痛点：基础薄弱当前语音交互的核心短板依旧突出：识别准确率受环境干扰大，对复杂指令、口语化表达的理解能力有限，且

缺乏上下文记忆，导致高频场景下的交互体验依然生硬割裂。用户认知：价值回归据J.D.Power

研判，智能化进入第二阶段后，用户不再为硬件参数买单，转而聚焦系统的流畅度与功能实用性。体验优化取代配置堆砌，成为车

企赢得市场的关键抓手。facecar行业现状三：标准体系正在建立，但仍不充分核心观点：国家与行业正加速补齐智能座舱与Al终端的基础标准框架，但针对车载AI智能体的场景化评测、复杂任务能力界定、全链路数据安全规范及用户体验分级体系，目前仍处于探索与初步建设阶段，尚未形成成熟的行业共识。总结与展望：行业标准已从“空白期”迈入“建设期”,基础框架逐步完善。但核心短板依然突出：仍缺少面向真实用车场景的AI智能体横向评价框架，无法有效衡量其在复杂路况、多任务并行及情感化交互中的实际表现，这将是下一阶段标准化建设的攻坚重点。体系痛点洞察(2026)2026年发布的汽车智能座舱团体标准体系研究指出，行业存在标准滞后、标准分散割裂，多模态交互、座舱大

模型、数据安全、场景测评等核心标

准缺失。分级标准落地(国标发布)《人工智能终端智能化分级第7部分：汽车座舱》GB/Z

177.7-2026已发布，为汽车座舱AI智能化分级提供国家标准基础。政策指引先行(2025)《2025年汽车标准化工作要点》提出：推进智能座舱功能评价、交互安

全、生物滞留监测等标准研制，并开

展车用人工智能标准预研。facecar下一步方向：构建科学的评价维度与指标体系下一部分应进入“评价维度与指标体系”,重点解决：哪些产品是真正的车载AI智能体，以及它们在场景理解、任务规

划、执行调用、体验可信度和生态协同上的差距。市场已进入“产品爆发、体验分化、标准缺失”的关键窗口期，对主流车载AI智能体产品开展横向评测，不仅是行业发展的客观需求，更是推动技术迭代与用户体验升级的必经之路。阶段性结论：车载AI智能体市场已具备横评必要性¥7亿+2025年多模态AI座舱市场规模33个本轮深度核验AI智能体/平台76.6%智能座舱市场渗透率53.1%座舱域控车型装配率AI大模型标配装配率车载Al智能体体验评价维度与指标体系H

E

SEC

○

ND

PART0

4

主动智能与个性化能力交互体验与人机关系能力打破机械指令式交互，实现类人际的自然对话与情感共鸣，构建平等、信任的协作式人机关系。生态融合与持续进化能力06

打通车内外服务壁垒，支持OTA模型迭代与能力升级，让智能体验随场景覆盖与服务价值能力从单点功能向「人-车-场」一体化延伸，深度绑定出行全场景，创造

超越代步的生活服务价值。多模态感知与认知能力融合视觉、语音、触控等多维输入，精准识别用户情绪与环境变化，实现对用户意图的深层理解。智能决策与任务执行能力具备自主规划与分步执行能力，能够动态应对突发状况，确保复杂用车任务的完整闭环与结果交付。核心观点：车载AI智能体的评价重心，需从单纯考核「功能数量」,转向全链路的「真实任务体验」与「场景价值交付」,关注系统能否稳定、准确地解决用户实际用车问题。车载AI智能体体验评价维度与指标体系总览2026J.D.Power创新指数658分

技术应用持续丰富，但用户体验的“质”并未随“量”同步提升。基于用户习惯与场景预判，从“被动响应”转向“主动服务”,打造千人千面的专属用车记忆。用户抱怨核心痛点集中在“系统不稳定、指令识别不准确”,

稳定性是当前用户体验的最大短板。功能表现指数预警四年以来的首次下降，揭示了“重堆砌、

轻体验”的行业模式已触及天花板。0102032026年J.D.Power

中国汽车智能化体验研究显示：05首次下滑使用时间持续增值。48%核心定义：聚焦智能体对真实用车需求的场景覆盖广度，以及从单一功能响应向全链路场景化服务演进的核心能力，是衡量车载AI体验跃升的关键标尺。关注指标：标杆案例：华为乾崑小艺智能体基于MoLA2.0架构与千亿级参数多模态大模型，定义为“全场景跨域交互的座舱智能体”。它不仅能理解复杂指令，更能用自然聊天方式串联出行规划、娱乐、点餐等需求，实现从被动响应到主动服务的质变。全场景覆盖度覆盖导航、泊车、娱乐、补能及生活服务等核心用车场景，构建无死角的服务

生态闭环。趋势洞察：高阶车载AI智能体正从“车控入口”进化为整合导航、娱乐、生活服务的“连续场景服务中枢”,这是未来人车交互价值跃迁的核心方向。具备对连续任务、多模态指令及复杂场景的深层语义理解，打破传统单一指令的交互局限。超越指令执行，主动预判用户潜在需求，创造个性化、情感化的增值服务与

体验惊喜。服务价值创新维度一：场景覆盖与服务价值能力复杂需求理解标杆案例：小鹏Al天玑系统(小鹏G7搭载)小鹏G7配置表显示，其AI天玑系统支持VLM,

包含“全场景智能体、全场景自由对话、个性化主动服务、OMS

全舱视觉感知”;同时支持四音区识别、

声源定位、本地对话、连续对话和并行指令。核心定义：评价智能体融合语音、视觉、车辆状态和用户行为等多源信息，对驾驶环境、用户潜在意图及出行任务进行综合理解与智能决策的能力，是实现主动式、拟人化智能服务的底层基础。关注指标：趋势洞察：多模态感知是车载Al进化的关键分水岭，它正在将智能座舱从“执行命令的终端”重塑为“能看懂环境、理解情绪、预判需求的出行伙伴”。突破单一语音交互，深度融合视觉识别、手势感知与语义理解，构建全方位的人机交互感知网，消除信息盲区。场景化认知推理基于长程上下文记忆与复杂语义解析，不仅“听懂指令”,更能预判用户意图，实现从被动响应到主动服务的跨越。多模态输入融合车境状态协同关联车辆实时数据(车速、能耗、故障)与外部环境(天气、路况、POI),为用户需求提供场景化的决策支撑。维度二：多模态感知与认知能力标杆案例：比亚迪“迪迪虾”超级智能体依托AIOS底座与Agent开放架构，实现从需求理解到任务闭环的全流程自动化。面对“去机场+途中补能+寻找最优停车”的复合需求，系统可自动拆解任务链路，联动导航、充电桩网络及泊车服务，无需人工分步操作，真正实现“一句话搞定复杂出行”。核心定义：评价智能体将用户复杂需求转化为可执行的服务流程，自主拆解任务步骤、协调车辆功能与第三方应用服务，并动态应对执行过程中突发状况，最终闭环完成任务的综合能力。关注指标：价值跃迁：从“信息问答”到“任务执行”:

车载A的核心价值正在发生本质转变：不再局限于被动的信息检索与问答，而是转向主动的服务编排者与任务执行者。这种转变意味着智能座舱将从“交互界面”进化为“出行管家”,成为连接用户需求与出行服务的智能中枢，重新定义人车关系。复杂任务拆解将包含多目标、多约束的用户需求，自动解析并拆解为逻辑连贯的子任务序列，明确执行优先级与依赖关系。跨域资源协同打破车机功能、第三方应用与云端服务的

壁

垒

，实现导航、补能、泊车、支付

等多模块的协同调度与资源整合。基于车辆状态、环境信息与实时数据，动态选择最优执行路径与方法，而非仅

执行预设指令。维度三：智能决策与任务执行能力自主路径规划标杆案例：广汽

ADiGOIntelligence基于超375万辆车的真实运行数据，构建端侧多模态感知、记忆协同与情感表达三大核心引擎。实现端侧响应<1.6秒、车内目标识别准确率超95%,并能精准记忆用户出行习惯与餐饮偏好，记忆召回准确率同样超95%,实现从“车适应人”到“主动懂你”的跨越。趋势洞察：主动智能的本质是“低打扰、高相关”。关键在于在合适的时间与场景下，自然地调用长期记忆，提供非侵入式的个性化服务，而非频繁的信息推送。核心定义：评价智能体基于用户习惯、历史行为和实时状态主动提供服务，并形成长期个性化体验的能力，是实现“千人千面”智能服务的核心基石。关注指标：用户长期记忆动态策略适配主动感知与预测维度四：主动智能与个性化能力基于环境与用户状态，主动触发提醒或服务建议，超越被动响应模式。根据实时情境与记忆数据，动态调整服务优先级，实现服务的场景化适配。持续存储并更新用户偏好、行为模式与场景习惯，构建可进化的用户画像。facecar标杆实践：蔚来

NOMIGPT的“伙伴式进化”作为车载智能体的标杆，

NOMI

历经超130次版本迭代与2000余项功能优化。

GPT

版本上线3个月内即实现超1500万次用户交互。它不仅具备多模态感知与认知能力，更通过“情感引擎”与“多专家Agent”

架构，实现了从“指令执行者”到“懂你、陪伴你”的移动伙伴的转变，极大地提升了人车交互的情感深度。趋势洞察：未来，车载智能体的核心竞争力将从“功能的丰富度”转向“关系的连接度”,能够提供个性化、情感化、陪伴式体验的智能体，将成为智能座舱差异化竞争的关键分水岭。核心定义：本维度聚焦智能体在人机交互中的自然度、反馈质量，以及建立用户信任与情感连接的深层能力，是衡量智能体从“功能性工具”向“情感化伙伴”进化的核心标尺。对话自然与连续模拟人类语言习惯，保持上下文逻辑连贯，减少机械感，

实现类人化的流畅沟通。反馈透明可理解清晰解释决策逻辑与执行依据，避免“黑盒”操作，增强

用户对智能体的信任感。多模态交互体验融合语音、视觉、触控等多感官输入输出，打破单一指令交互，实现沉浸式体验。情感化陪伴体验具备情绪感知与表达能力，从被动响应转向主动关怀，形成长期的情感联结。维度五：交互体验与人机关系能力关注指标：核心定义：

评价智能体连接车端、云端和第三方生态，

并通过模型升级持续扩展能力边界的潜力，是衡量其能否突破单一功能限制、构建全域服务生态的核心标尺。关注指标：趋势洞察：生态融合能力决定智能体能否从“车内助手”进化为“移动生活服务中枢”。未来的竞争将不再是单一模型的较量，而是对车端硬件、云端大脑与第三方服务的资源整合与组织效率的竞争。标杆案例：腾讯出行开放平台技术架构与能力集成：采用三层架构设计，深度集成元宝搜索、微信支付、空间智能等核心能力，提供智能体编排、扩展与运营工具箱，降低车企开发成本。生态开放架构支持多Agent协同与第三方开发者接入，构建可扩展的开放式

服务生态，避免系统封闭化。全维连接能力打通车端系统底层协议与第三方服务接口，实现硬件、软件与

服务的无缝对接与数据互通。持续迭代升级基于用户行为反馈与模型优化，实现功能的OTA快速迭

代与服务能力的动态扩展。跨域协同服务打破设备壁垒，实现车、家、移动终端的服务无缝流转，提供一致的用户体验。规模化落地验证：已服务超过100家车企，累计搭载车辆超过1800万辆，实现了从技术平台到规模化商用的

闭环验证，证明了生态融合的商业价值。维度六：生态融合与持续进化能力腾讯智慧出行核心观点：

车载AI智能体的体验评价应回归真实用车场景，以能否高效解决实际出行任务为标尺，而非陷入模型参数、技术名词或功能堆叠的误区。06生态融合：释放扩展潜力打破车机孤岛，实现与手机、智能家居、生活服务生态的无缝联动，成为移动智能终端的核心枢纽与服务入口。05人机关系：构建信任与陪伴从冰冷的工具属性转向有温度的伙伴属性，通过自然交互与情感化反馈，建立用户对智能体的长期信任与情感联结。02多模态感知：理解用户与环境融合视觉、语音、车辆状态及用户行为等多维信息，从被动听令转向主动感知，实现对场景与意图的深层理解。03智能决策：实现任务闭环不仅理解需求，更能自主规划执行路径、协调车辆功能，独立完成复杂的出行任务，而非仅提供信息检索与建议。04主动个性化：沉淀长期价值基于用户习惯持续自我进化，从“千人一面”的通用服务转向“千人千面”的主动适配，形成不可替代的专属体验。01场景覆盖：定义服务边界超越单一指令响应，覆盖从出行规划、途中服务到目的地联动的全链路用车场景，衡量服务的广度与完整性。小结：从“Al助手”到“车载智能体”的评价转向03T

H

E

TH

|R

DP

A

RT主流车载AI智能体体验评价AI智能体介绍理想同学在理想i8

上正式从智能语音助手升级为“智能体”,核心能力包括自主使用工具、完成复杂任务、专属记忆理解。理想已将车内几乎全部功能进行工具化改造，形成500+可调用功能；同时通过美团、支付宝等生态，实现点餐、停车缴费等数字服务闭环。03智能决策与任务执行

评级：强500+功能工具化，并可自主调用美团完成点餐、导航到店取餐；还能调用摄像头识别停车场缴费二维码，根据记忆填写车牌、选择优惠券并完成支付。趋势洞察：理想同学目前是“工具调用型Agent”的典型代表。

其优势不只是模型对话，而是将500+车端能力与生活服务统一转化为Al可调用工具，并进一步叠加长期记忆，代表车载Agent从“功能入口”向“个人数字执行助手”演进。深度覆盖行车、驻车及生活服务全场景，将车机能力转化为高频刚需的实际服务价值，实用性强。1.理想同学

Agent:

从车控助手向“数字世界智能体”演进具备长期记忆基础，能够记住用户及家庭成员、地址别名、历史偏好，并根据不同乘员自动调整座椅与环

境。强调口语化表达和上下文理解，用户无需学习标准车控指令；“桌面大师”还可通过AI代码生成，根据一句

话直接生成个性化功能卡片。已打通美团、支付宝，并实现车机与理想App

之间的记忆流转；Agent

能力从车内工具进一步延伸至数字

生活服务。依托MindGPT,并结合Face

ID、声纹/家庭账号和车外摄像头等信息理解用户及环境；能够识别用户身份、家庭关系和场景上下文。06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强01场景覆盖与服务价值

评级：强02多模态感知与认知

评级：强04主动智能与个性化

评级：强六维能力综合评估趋势洞察NOMI

的核心壁垒不是单一任务能力，而是

“长期关系”。

它代表车载AI从工具交互向人

格化、情感化、陪伴式关系发展的路线；下

一阶段的竞争点在于如何进一步把这种关系

优势转化为更强的外部服务执行能力。2.NOMIGPT/NOMIIntelligence:

情感化人机关系最具代表性的路线AI智能体介绍NOMIGPT是全球首创情感引擎的车载AI,通过记忆、学习与用户长期陪伴，能发展出

契合用户的性格人设。它用有温度的对话与

表情，将冰冷的工具变为懂你的情感伙伴。这是NOMI最鲜明的竞争优势：实体化NOMI形象、情感引擎、自然语言与情绪表达共同构建人格化体验，产品目标并非纯效率工具，而是“陪伴式智能伙伴”。NOMI内部跨车辆功能和蔚来服务体系整合较深，迭代频率高；但与腾讯、阿里等开放平台型方案相比，

目前对大规模第三方Agent

生态开放的相对较少。NOMI

GPT建立多模态感知和认知中枢，可综合舱内环境、用户状态和对话上下文判断需求，而非仅依赖

语音关键词。持续学习用户习惯，并结合用户身份和历史状态提供提醒、日程与场景化服务，是其从语音助手转向长期

伙伴的重要能力。覆盖车控、导航、媒体、电话、知识问答、用车服务

、Al

场景生成等高频场景，并从单一语音控制扩展至跨域服务组织。05交互体验与人机关系

评级：强02多模态感知与认知

评级：强03智能决策与任务执行

评级：强06生态融合与持续进化

评级：较强04主动智能与个性化

评级：强01场景覆盖与服务价值

评级：强其认知中枢包含任务调度、跨域继承和多Agent

仲裁，可调用车辆控制、媒体、导航、电话等不同系统facecar六维能力综合评估完成任务。AI智能体介绍2026款小鹏G7的AI座舱搭载一颗有效算力750

TOPS

的图灵AI芯片及高通SA8295P,并

配

备OMS

舱内摄像头。Al

小

P已支持四音区识别、声源定位、本地对话、连续对话、并行指令以及车端VLM

大模型。05交互体验与人机关系

评级：强支持离线本地对话、连续对话、

并行指令、四音区识别、自由对话，并保留“小P”

长期形成的人格化IP。03智能决策与任务执行评级：较强支持并行指令、自然语义车控和多场景联动，但目前类似理想、美团或智己阿里生态的复杂第三方交易闭

环案例相对较少。趋势洞察：A小P正从“语音助手”向“车端智能体”进化，依托强大的本地算力与视觉感知能力，实现从“听懂指令”到“看懂场景、主动服务”的跨越，重新定义智能座舱的交互边界与价值。除导航、车控、娱乐外，已形成冥想、睡眠、宠物、

露营、洗车、充电、小憩等大量场景模式，座舱服务

明显由单功能向情境化组织发展。3.AI小P:多模态感知与主动服务正在成为核心能力“小P管家”明确提供全天候主动服务，包括上车问候、导航推荐、环境调节、媒体推荐、充电推荐，并

提供X_ID个人配置云同步。支持HUAWEI

HiCar、ICCOA

Carlink以及第三方App地址流转和整车OTA,

但目前更偏设备互联与座

舱生态，开放Agent

生态能力不是其最突出卖点。06生态融合与持续进化

评级：较

强01场景覆盖与服务价值

评级：强02多模态感知与认知

评级：强04主动智能与个性化

评级：强车端VLM+OMS

摄像头+四音区声源定位构成核心感知基础，并提供“小P看世界”等视觉理解能力。facecar六维能力综合评估01场景覆盖与服务价值评级：强从座舱交互进一步向整车跨域任务发展，并强调“人

一车一环境”协同。02多模态感知与认知评级：强趋势洞察Eva的演进印证了行业正从“座舱智能体”向“整车智能体”跨越，其竞争维度已从单一交互扩展至整车全域协同。这不仅是技术的升级，更是对智能汽车核心价值与未来竞争格局的重新定义。AI智能体介绍吉利Eva基于Flyme

Auto

2和全域AI体系打造。2025年版本已具备自主判断、规划和执

行能力；2026年全域AI2.0进一步通过

“1+2+N”

多智能体协同和WAM世界行为模

型，将Eva升级为整车级感知一决策一执行

中枢。4.Eva:

从情感智能体进一步走向“整车智能中枢”WAM

上层进行宏观任务规划，下层通过ActionExpert

与世界模型进行推演和决策；

Eva

可处理复

杂、模糊的出行需求并完成完整执行链。采用统一AI

OS、统

一Agent、统一ID,

并将整车SOA服务MCP

化，同时构建Al

Agent生态与智能体

广场。05交互体验与人机关系

评级：强03智能决策与任务执行

评级：强06生态融合与持续进化

评级：强04主动智能与个性化

评级：强拥有端侧多模态模型，并通过全域感知引擎统一调用不同车辆域的信息，认知边界已超出传统座舱。“流动记忆/动态记忆”结合One

ID,使用户偏好能够跨吉利、领克、极氪、银河等品牌和车型持续流转。端到端语音、拟人级情感计算和超拟人交互人格共同构成核心差异化，强调像家庭成员一样主动关怀。facecar六维能力综合评估AI智能体介绍比亚迪于2026年发布超级智能体“迪迪虾”,深度赋能DiLink

Al智能座舱。其核心可概括为“聊得来、搞得定、玩得转”,旨在打破传统指令式交互，实现自然对话、任务自主执行与全场景主动服务，构建开放的智能体生态体系。趋势洞察：迪迪虾代表传统大车企开始正式进入“Agent

原生座舱”阶段。相比单纯升级语音模型，比亚迪更值得关注的是Agent

开放平台和整车能力调度；后续需要通过实车横评验证其复杂任务稳定性和多模态能力。覆盖导航、补能、停车、酒店、餐饮、娱乐等场景，强调把多个单点功能组合成完整出行服务。5.迪迪虾：Agent调度正在替代传统App操作逻辑官方明确提出由“被动响应”转向“全场景主动服务”;相关公开演示也包含结合乘员状态主动调整座舱环境的方向。用户一次提出“去机场一找最近停车场一途中补能一后续去酒店”等多个需求，迪迪虾可自动拆解并完成

路线和充电规划。具备整车AI环境与全舱智能基础，但现阶段对智能体视觉输入、识别准确率等具体多模态指标少于小鹏、

广汽、红旗。06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强03智能决策与任务执行

评级：强01场景覆盖与服务价值

评级：强02多模态感知与认知

评级：较

强04主动智能与个性化

评级：强采用

AIOS+

超级智能体引擎+

Agent

开放平台，第三方服务不是单独App,

而由智能体统一调度。“聊得来”突出自然语言与陪伴属性，同时加入可定制、可进化的数字形象，提高智能体人格感。六维能力综合评估AI智能体介绍奇瑞于2026

Al之夜推出的超级AI智能体，核心在于“新一代AI

架构+类人记忆+情感交互”的三位一体设计。通过与火山引擎的深度

合作，成功融合豆包大模型能力，使其具备持续学习与情感感知的潜力，旨在打造超越传统车机的智能伙伴。02多模态感知与认知

评级：中等(证据有限)目前宣传重点集中在自然语义、记忆和情感，对视觉感知、环境融合等多模态Agent能力缺少。05交互体验与人机关系评级：强趋势洞察：小奇同学当前更像“记忆与关系导向型Agent”

。个性化和情感交互方向明确，但复杂任务执行。多模态感知等公开证据仍相对较少，后续量产体验会决定它能否从“懂用户”进一步走向“替用户办事”。面向智能座舱和用户日常服务，并向联网搜索、内容服务等扩展；但目前具体复杂场景数量和闭环案例相对有限。接入豆包，并在灵犀智舱联网搜索中打通抖音、今日头条内容生态；且合作方案将适配奇瑞现有及未来车型。定位“需求直达服务”,具备Al架构和Agent

能力，但尚缺少类似理想点餐缴费、长安购票导航这样的复杂跨应用任务演示。6.小奇同学：以“类人记忆”构建差异化06生态融合与持续进化

评级：较

强03智能决策与任务执行

评级：较强01场景覆盖与服务价值

评级：较

强04主动智能与个性化

评级：强强调自然语义理解、主动需求预判和情感化交互，产品目标是“有生命、有温度、有情感”的智能伙伴。类人记忆是其核心差异点，强调“记忆不断档、常用常新”和“千人千面”;豆包进一步强化长时记忆。六维能力综合评估AI智能体介绍广汽于2026年发布该架构，构建了多模态感知、基于记忆的多智能体协同及情感表达三大核心能力。其开发基于超过375万辆真

实运行数据，实现了从感知、认知到决策的全链路智能化，是智能体技术在汽车场景的深度实践。趋势洞察：ADiGO

Intelligence的突出特点是“能力已经开始数据化”。相比只描述“大模型更聪明”,广汽公开了1.6秒、95%、375万辆等可比较指标，为未来建立智能体评价标准提供了较好的产业参考。03智能决策与任务执行

评级：强通过基于记忆的多智能体协同，将路线规划、餐厅服务、停车等多个Agent组织为连续任务链。05交互体验与人机关系

评级：强多模态情感引擎结合用户表情、声音及行为状态调整反馈，强调从“功能交互”升级至“情绪响应”。7.ADiGO

Intelligence:

多智能体协同已有较完整量化指标覆盖导航、餐饮、停车、出行、安全提醒等场景，从信息查询进一步进入生活服务协同。端侧多模态感知引擎响应延时<1.6秒，车内目标识别准确率>95%,可支持遗留物提醒、

下车安全提醒

等主动场景。06生态融合与持续进化

评级：强01场景覆盖与服务价值

评级：强02多模态感知与认知

评级：强04主动智能与个性化

评级：强长期记忆用户出行习惯和消费偏好，并结合实时环境进行主动服务。采用端云协同和多Agent

架构，可持续增加垂域能力，并与外部AI模型及生活服务生态结合。六维能力综合评估01场景覆盖与服务价值评级：强从基础车控延伸到出行、生活、娱乐等服务，目标由“控制汽车”转为“服务用户完整需求”。02多模态感知与认知评级：较强趋势洞察OneAgent的价值在于把“App操作”转化为

“意图执行”。影院选择一购票一导航的案例已经清晰展示出Agent

相对传统语音助手的

服务增量，也是评价任务闭环能力时很有代

表性的样本。CHANGANAI智能体介绍长安天枢智能座舱深度融合AI

大模型与Agent能力，构建“全域智能中枢”。2025年

前10个月，累计精准响应语音指令超7250万

次，实现从被动响应到主动服务的跨越。05交互体验与人机关系评级：较强自然语言可直接触发服务，无需逐层进入App;7250万次语音响应说明其已有较大规模真实用户使用基

础。8.OneAgent:

以AppAgent打通“需求一服务一执行”代表案例：“带孩子看《长安的荔枝》”,系统可以自主完成影院选择

→

在线购票

→

导航设置，形成明显的跨服务闭环。长安整体定位为“贴心、懂你的AI数智汽车”,逐步提供AI出行、AI补能等主动服务，但长期记忆机制相对有限。App

Agent的核心正是把第三方应用能力转化为Agent

可执行服务；同时长安计划开放软件接口与SDK,

推动开发者生态。04主动智能与个性化

评级：较

强03智能决策与任务执行

评级：强06生态融合与持续进化

评级：强天枢体系具备多源感知与AI大模型底座，但针对OneAgent

本身的视觉/多模态识别指标不多。facecar六维能力综合评估AI智能体介绍红旗灵犀座舱深度融合九章大模型，打通“视、听、嗅、触、知”五觉感知体系，将座舱内上百类传感器与执行器能力原子化。2026年将接入千问智能体作为云端决策中枢，实现从“被动响应”到“主动规划”的质变，构建起端云协同的下一代智能座舱架构。核心洞察：红旗的差异化在于“物理座舱感知+云端Agent

规划”。。五觉感知提供真实环境输入，千问/高德补充外部世界知识和任务执行，体现车载Agent

从纯数字对话向“数字世界与物理座舱协同”演进。覆盖日常通勤、停车休息和娱乐，可把座舱切换为咖

啡馆、午睡间、KTV

等场景。9.九章

·灵犀智能座舱：从“五觉感知”走向跨Agent任务规划九章大模型能够自动判断用户场景和需求，“无感触发”一系列服务；Dock

栏也会根据当前任务动态预测并调整。九章承担自主座舱智能底座，同时接入千问、高德等外部Agent,

形成“云端决策一端侧执行”的协同模

式。五觉体系+上百类传感器与执行器构成明显的多模态优势，并结合时间、天气、音乐、充电状态进行环

境理解。接入千问后，可识别多模糊意图、拆解任务链，并调用高德出行Agent

。例如一句话包含“去北大一沿途找

烤鸭—17点前到T3”

三个意图，系统可完成组合规划。06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强03智能决策与任务执行

评级：强01场景覆盖与服务价值

评级：强02多模态感知与认知

评级：强04主动智能与个性化

评级：强语音助手支持约

30

dB

“

悄悄话”唤醒；官方资料显示，典型导航对话可从约15秒缩短至5秒。六维能力综合评估AI智能体介绍北汽元境智能将车辆重塑为“全域智能体”,构建“舱驾融合+跨生态AI融合+虚实融合”的

技术底座。其核心在于采用“1个中枢大模型

+

N个垂域智能体”的协同模式，打破传统车

机的功能孤岛，实现从单点智能到全场景协

同的跨越。核心洞察元境的突出特点是“车不再是Agent

唯一终

端”。1+N架构把座舱、驾驶、手机、穿戴

和家居纳入同一任务体系，代表车载智能体

进一步向“跨设备个人Agent”扩张。10.元境智能

·全域智能体：以“1+N”实现跨终端、多Agent协同1个中枢大模型负责语义理解及任务拆解，再由N个垂域Agent

执行，实现从一句自然语言到多个智能体合

作。元境被定义为持续成长的“情境引擎”,结合用户习惯、意图和当前环境从“被动执行”转向“主动理

解”。05交互体验与人机关系

评级：较

强02多模态感知与认知

评级：较

强03智能决策与任务执行

评级：强06生态融合与持续进化

评级：强01场景覆盖与服务价值

评级：强04主动智能与个性化

评级：强强调情绪理解、伴聊和暖心服务；但在对话延迟、连续对话等具体HMI指标上仍然有限。系统可综合用户意图、情绪、状态以及环境提供服务，同时通过舱驾共享模型获得车辆运行上下文。智能体横跨智舱、智驾、手机、穿戴设备和智能家电，服务边界明显超出传统车内场景。开放平台已接入豆包、电信星辰、DeepSeek

等模型，并连接手机、穿戴、家电等多终端生态。facecar六维能力综合评估AI智能体介绍零跑A10接入通义千问，车载助手“超级小零”支持多模态识别、文生图、全场景可见即可说、方言识别、声纹识别和儿童对话；零跑官方进一步定义其能够理解方言并执行复杂任务。01场景覆盖与服务价值

评级：较

强覆

盖

导

航

、车控、娱乐、儿童交互及基础AI内容服务，但复杂生活服务闭环相对较少。核心洞察：

超级小零的意义更多在于“AI智能体平权”。当多模态大模型进入6万一9万元车型，车载Agent

开始从高端智能车卖点转向大众市场基础体验；但其长期记忆与复杂服务执行能力仍与头部高阶Agent

存在差距。11.超级小零：将大模型智能体能力下探到主流价格带06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强03智能决策与任务执行

评级：强02多模态感知与认知

评级：强04主动智能与个性化

评级：中等官方明确提出可执行复杂任务，但尚缺少公开的多Agent跨服务完整案例，因此暂不评为“强”。通过通义千问获得模型能力，同时支持HUAWEIHiCar和ICCOA

Carlink,具备跨手机生态连接。声纹和儿童模式能够形成身份差异化，但长期记忆、主动预测等能力目前相对有限。方言、声纹、儿童智能对话和“可见即可说”降低学习成本，重点突出自然、普惠式AI交互。明确支持多模态识别、可见即可说、声纹和方言识别，在同价格带具有明显配置优势。六维能力综合评估AI智能体介绍CoffeeGPT作为CoffeeOS3的AI核心，于2024年首先在魏牌蓝山智驾版落地。Coffee

OS

3由2146人团队、历时612天开发，CPU

算力较此前提升2.1倍、GPU提升2.8倍。03智能决策与任务执行评级：中

等Coffee

GPT具有大模型问答和用户理解能力，但相比理想、智己、长安，其公开资料对多Agent

任务拆

解及跨应用自动执行较少。核心洞察Coffee

GPT更像“强交互智能座舱

→Agent”

的过渡型产品。

它在人机交互、多

屏、手势和个性化方面基础扎实，但按照当前Agent标准，其复杂任务自主规划与外部生态执行仍有较大的升级空间。12.Coffee

GPT:

强交互型智能座舱向Agent

过渡覆盖车控、娱乐、影音、多屏空间和基础知识服务，但现有仍更偏“智慧空间”,复杂生活服务Agent

闭环有限。除语音外，引入基于IR

红外传感器的Coffee

AirTouch

空间手势交互，通过捏合、拖拽、抓握等动作

操作功能。支持语音“无限说”、空间手势、多屏共享/传送，并通过CoffeeGPT将智能助手定位为可持续学习的“智

慧伙伴

”。官方明确提出Coffee

GPT能够根据用户使用习惯和偏好学习和进化，并结合高度可定制桌面提供个性化

体验。05交互体验与人机关系

评级：强02多模态感知与认知

评级：强01场景覆盖与服务价值

评级：较

强06生态融合与持续进化

评级：较

强04主动智能与个性化

评级：较

强Coffee

Link覆盖市面绝大多数国产手机品牌，并提供较丰富App生态；持续学习和OTA构成进化基础。facecar六维能力综合评估AI智能体介绍智己IM

AIOS通过元神AI智能体引擎和“云脑中枢”实现多模型协作。系统搭载10多种Al

模型

：DeepSeek用于核心对话、NLP模型负责车控、智谱负责车辆手册、豆包用于新闻天气百科等，由云脑统一协调。核心洞察：IMAIOS是当前“生态执行型Agent”的代表。它的差异不是模型参数，而是把阿里的地图、餐饮、支付、票务能力变成Al能够直接执行的工具，体现智能座舱从“App生态”向“Agent生态”的结构性变化。覆盖车控、导航、娱乐、点餐、票务、本地生活和移

动办公，并将重点放在“场景服务”而非单独应用。13.IMAIOS

元神Al:

阿里生活生态形成明显执行壁垒“点一份昨天的果汁”可调取历史订单、实时路况和商家出餐时间，使用户、车辆和餐品同步到达；购票则可完成选座、支付、路线规划全链路。阿里生态首次以Agent

形式深度进入车机，点餐、票务、支付、导航等服务可被元神AI统一调度，是该产

品最明显的竞争优势。06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强03智能决策与任务执行

评级：强01场景覆盖与服务价值

评级：强04主动智能与个性化

评级：强02多模态感知与认知

评级：较

强元神Al具备多模型融合、多模态交互和场景感知，但缺少类似广汽95%识别率的小颗粒度感知数据。历史订单、实时位置和行程状态共同参与决策，体现从静态用户偏好向“历史+实时场景”动态服务转变。提出

No

Touch

&No

App:

用户无需打开App或逐层操作屏幕，通过自然语言即可直接调用服务。六维能力综合评估IM智

己

汽

车01场景覆盖与服务价值评级：强可通过聊天完成出行、导航、娱乐、点餐等需求，从

车控助手逐步扩展至完整移动生活服务。02多模态感知与认知评级：强06生态融合与持续进化

评级：强华为同时开放智能座舱Al

Agent生态，并依靠鸿蒙的车机、手机及其他智能终端能力，具备天然的跨设备生态优势。核心洞察小艺的核心优势是“平台级生态能力”。MoLA2.0解决智能体的大脑问题，鸿蒙解决

设备与系统连接问题，Agent

生态进一步解决

服务扩展问题，因此其竞争逻辑已经由“车机助手”转为“跨设备、跨服务的座舱AI平台”。AI智能体介绍2026年华为将新一代鸿蒙座舱小艺定义为“全场景跨域交互的座舱智能体”。小艺升级

MoLA2.0架构，并采用千亿级参数多模态大模型提升理解、决策和执行能力。14.小艺智能体：鸿蒙生态正在从设备协同走向Agent协同由命令式语音转向“全场景聊天型AI助理”,降低用户表达门槛，并依托鸿蒙多屏、多音区和座舱硬件形成完整交互体验。05交互体验与人机关系

评级：强03智能决策与任务执行

评级：强04主动智能与个性化

评级：强MoLA2.0直接针对理解、决策、执行三阶段升级，并由Agent

生态提供实际工具和服务接口。千亿级多模态模型叠加鸿蒙座舱新一代感知体系，使小艺能够综合语义和真实座舱环境理解需求。facecar鸿蒙座舱具备场景化服务和用户个性化基础。六维能力综合评估05交互体验与人机关系

评级：强百度长期积累车载语音、语义理解和小度助手品牌认知，产品定位也明确从“语音助手”升级为“智慧助手”,未来可承接动态对话、场景满足和情感陪伴。06生态融合与持续进化

评级：较

强依托百度Apollo、文心大模型、DeepSeek

融合和地图/搜索能力，小度具备持续迭代基础。核心洞察小度车载智慧助手更适合作为“语音大厂向大

模型智能体升级”的样本。它的优势是语音交

互、知识增强和百度出行能力；短板是公开

资料中复杂任务闭环和第三方生态执行案例

还不够充分。apolloAI智能体介绍小度车载智慧助手是百度从车载语音优势向大模型座舱智能体升级的代表，核心竞争点

在语音交互、知识增强和出行智能体能力。15.百度

Apollo:小度车载智慧助手六维能力综合评估03智能决策与任务执行评级：较

强Apollo

智舱大模型和出行智能体已完成DeepSeek

融合，说明其具备向任务规划和出行执行发展的基础。01场景覆盖与服务价值

评级：较

强小度覆盖用车顾问、AI问答、出行助手、内容生成和拟人化座舱服务。04主动智能与个性化

评级：较

强小度车载强调记忆能力和拟人化助手服务，具备用户偏好理解基础。但长期记忆如何沉淀、如何主动触发服

务

，目前缺少可量化公开指标。百度强调理解、生成、推理、记忆是大模型时代座舱语音智能化的核心能力，并通过Apollo

智舱大模型与

文心模型提升语义理解。02多模态感知与认知

评级：较

强facecar核心洞察：星火汽车智能体平台代表“语音/声学优势+垂类Agent开发平台”路线。它最适合评价为车企智能体的中间层能力，而不是某个单一终端助手。横评时建议重点看其可开发性、车企适配成本和垂类Agent丰富度。AI智能体介绍星火汽车智能体平台的核心不是单一助手，而是帮助车企快速开发垂类Agent

,

是典型的智能体开发平台型方案。星火已覆盖多家主流车企和16款量产车型，具备规模化交付基础；同时“平台”形态意味着车企可继续叠加新的垂类Agent

和内容服务。讯飞长期占据车载语音核心供应商位置，星火汽车智能体平台可继承其自然语音、声音合成、车载音响和

智慧声场能力。16.科大讯飞：星火汽车智能体平台06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强01场景覆盖与服务价值

评级：强03智能决策与任务执行评级：较强02多模态感知与认知

评级：较

强04主动智能与个性化评级：较

强星火汽车智能体平台不是只做车控问答，而是围绕车内内容消费和出行生活服务构建垂类Agent。赛事、影视、美食等智能体天然依赖用户偏好和兴趣画像，具备个性化推荐空间。平台能够快速生成垂类智能体，并把内容推荐与导航等服务串联起来，例如美食推荐后一键导航。讯飞在语音识别、语义理解、多语种和声学算法上积累深，星火座舱也已进入端侧多模态方向。六维能力综合评估科大讯飞iFLYTEK腾讯智慧出行AI智能体介绍腾讯于2026年发布该平台，构建“基础能力+平台能力+应用生态”三层架构。它提供智能体编排、扩展与运营工具箱，深度集成元宝搜索、微信支付、空间智能等核心能力，

为车端智能体提供一站式技术与生态基座。核心洞察腾讯开放平台代表“互联网生态服务进入车

载Agent”

路线。它的评价重点不是某一次对话是否拟人，而是能否把真实生活服务转化为车内可执行任务闭环。03智能决策与任务执行

评级：强平台能力层提供智能体编排、扩展和运营工具箱，可把用户意图拆解后调度不同场景Agent

执行。微信支付、内容生态、位置服务、元宝搜索和空间智能都可成为座舱Agent

工具；同时腾讯已有大规模座

舱装车基础，具备持续运营和扩展新Agent的能力。腾讯方案强调服务效率和生态能力，并非强人格化助手。它的交互价值主要体现在“少操作、少跳转、少打断

”。平台面向通勤、长途、本地生活、娱乐、车主服务和导航等全出行链路，不再把汽车视为单一交通工具，

而是把车内空间连接到现实服务网络中。17.腾讯智慧出行：出行全场景智能体开放平台05交互体验与人机关系

评级：较

强02多模态感知与认知

评级：强06生态融合与持续进化

评级：强01场景覆盖与服务价值

评级：强04主动智能与个性化

评级：强腾讯升级端云协同座舱大模型架构，并使用端侧轻量化VLM和座舱世界模型增强车内环境理解。腾讯可结合用户偏好、实时行程、位置、ETA

和服务状态进行主动推荐。facecar六维能力综合评估腾讯智慧出行AI智能体介绍腾讯已展示7类核心座舱智能体：随行点单、随行向导、随行逛逛、随行互连、车载娱乐

生活、车主服务、导航场景智能体，覆盖通

勤、长途、本地游、手机车机联动、娱乐消

费和能源补给等场景。核心洞察腾讯7个座舱智能体的启发在于：未来车载Agent

不一定是“一个万能人格助手”,也可能是多个围绕真实出行任务的专用Agent

矩阵。这种路线更适合做规模化服务闭环。03智能决策与任务执行

评级：强随行点单是最典型案例：系统不仅推荐门店，还要结合预计到达时间反推餐品制作时间，实现选品、下单、取餐闭环。随行向导、随行逛逛、车主服务等Agent

都依赖主动推荐逻辑。系统需要判断用户当前行程、时间、兴趣和附近服务，并在合适时机给出建议，避免变成“打

扰式推荐

”。7类Agent

覆盖的是用户在真实出行中最容易产生断裂的环节：路上想点餐、到达前想取餐、本地游想找目的地、车机手机需要互连、补能与车主服务需要联动。7个Agent

背后连接腾讯支付、内容、本地生活、地图、手机互联和车主服务生态。它们可以随着腾讯生

态和车企合作持续扩展。腾讯7个Agent

更偏“场景工具型”,人格化不强，但体验价值在于服务顺滑度：用户无需在多个App

之间

切换，也不需要在车机屏幕上反复点击。18.腾讯智慧出行：7个座舱智能体05交互体验与人机关系

评级：较

强02多模态感知与认知

评级：较

强06生态融合与持续进化

评级：强01场景覆盖与服务价值

评级：强04主动智能与个性化

评级：强这些Agent依赖车辆位置、ETA、

用户偏好、服务状态和车机/手机信息协同。facecar六维能力综合评估核心洞察：小钢炮/SuperMate

适合作为端侧Agent

和GUI

Agent路线的代表。它的价值不是生态广度，而是在弱网、隐私、安全事件和已有车机界面兼容上的潜力。AI智能体介绍基于MiniCPM

驱动的纯端侧智能座舱助手，它打破了传统车机的被动响应模式，具备视觉感知、语音交互、GUI操控、融合感知及意图自主决策能力。作为车规级智能体，其核心优势在于无需依赖云端即可完成复杂的座舱任务处理。05交互体验与人机关系

评级：强MiniCPM-04.5具备全双工交互能力，能够边听、边看、边回应，支持更自然的实时人机沟通。小钢炮覆盖车机操作、座舱问答、视觉理解、事故处

理与理赔指引等场景。它不是腾讯/阿里式大生态入

口，而是更强调把AI嵌入车端设备和关键事件场景。这是其最核心优势。MiniCPM

路线强调端侧VLA/

多模态能力，可边看、边听、边理解车机界面和环境信

息。19.面壁智能：小钢炮超级助手/

SuperMate06生态融合与持续进化评级：较

强03智能决策与任务执行

评级：较强01场景覆盖与服务价值

评级：较

强04主动智能与个性化评级：较

强02多模态感知与认知

评级：强其生态路线不是大生活服务平台，而是与车企、保险、手机助手等场景合作。GUI

Agent使小钢炮具备“看屏幕一理解控件一执行操作”的潜力，可在既有车机界面上完成任务。事故处理Agent可以根据事故状态主动介入，提供理赔和处置流程指引。六维能力综合评估面壁智能ModelBest20.火山引擎：Al座舱套件火山引擎AI智能体介绍火山引擎于2026年发布基于AgenticAl架构的新一代汽车AI解决方案，其AI座舱套件是对已量产落地的豆包大模型智能座舱方案的Agentic化升级。该方案支持车企按需灵活配

置上车，兼顾技术先进性与量产落地的可行

性，是技术服务商平台化交付的典型代表。核心洞察AI座舱套件代表“技术服务商提供统一汽车AI大脑”的路线。它的优势是装车规模和工程交付能力；横评时需要额外考察不同车企集成后体验是否一致。火山将对话推理引擎、目标驱动引擎、学习成长引擎融入统—

“汽车大脑”,强调目标驱动、自主推进任务和执行结果复盘。AI座舱套件覆盖车控、导航、智驾、内容和生态服务。火山强调用统—AI大脑深度联动整车，减少不同

功能域之间的割裂。05交互体验与人机关系

评级：较

强02多模态感知与认知

评级：较

强06生态融合与持续进化

评级：强03智能决策与任务执行

评级：强01场景覆盖与服务价值

评级：强04主动智能与个性化

评级：强火山可按车企需求输出底层模型、三大引擎、交互工具、生态Agent和运营平台，具备强B端适配能力。套件本身偏技术底座，终端体验取决于车企如何集成HMI、语音形象和座舱交互。学习成长引擎意味着系统可以沉淀用户行为、根据反馈持续优化，并围绕目标主动推进任务。facecar方案依托豆包大模型、端侧大模型和端云一体能力。六维能力综合评估核心洞察豆包座舱助手代表“手机AI助手范式进入车机”。它的潜力在用户熟悉度、全双工交互和跨端延续；但能否成为强Agent,

取决于后续

车端工具调用和第三方服务闭环深度。03智能决策与任务执行

评级：较

强豆包座舱助手可把模糊自然语言拆解为对应指令并执行车控操作，意味着它已经超越传统“一问一答”。火山引擎AI智能体介绍豆包座舱助手是火山引擎推出的全栈式产品级交付方案，实现与手机端豆包App的账号互

通、能力同步与体验一致。依托大模型的持续

迭代与车规级软硬协同，该方案计划于2026

年内实现量产上车，旨在打造“端云一体、人

车家无缝衔接”的新一代智能座舱交互范式。01场景覆盖与服务价值

评级：较

强豆包座舱助手覆盖语音交互、车控、导航、内容、出行服务等场景。02多模态感知与认知评级：较强豆包座舱助手强调从过去一问一答的指令式语音，转向对模糊自然语言的理解；同时公开资料提到全双工

对话、实时交流、随时打断和免唤醒，这些都是车载语音体验升级的关键。与豆包App互联互通意味着用户偏好、内容能力和助手能力可以在手机与车机之间延续，具备个性化潜

力。06生态融合与持续进化

评级：强05交互体验与人机关系

评级：强21.火山引擎/豆包：豆包座舱助手04主动智能与个性化

评级：较

强豆包具备强模型基础，但车端多模态感知能力取决于车型硬件和车企集成。豆包App与车机互通、能力共同进化，是其相对一般车载助手的优势。facecar六维能力综合评估AI智能体介绍千问智能体作为云端决策中枢，可理解自然语义、拆解意图、规划任务链路，并调度高德出行Agent

作为专业执行工具。阿里官方也将智能座舱列为千问垂直场景，集成出行助手、智能规划、智能推荐和长期记忆能力。核心洞察：千问智能座舱代表“大模型云端大脑+专业垂域Agent

+车端执行”路线。它的强项是复杂路径规划和阿里生态协同，适合评价为平台型智能座舱方案，而不是单一语音助手。03