自 2025 年 7 月特斯拉在座舱接入 Grok 并与 FSD 形成协同后，AI 上车一夜成为风口。但热闹背后，当前进展更多停留在 " 语音交互升级 " 层面，人车交互范式未有本质改变。真正具备意图理解与执行能力的 " 具身智能体 "，依然未出现。

行业正在等待，一款真正改变现状的产品。

4 月 17 日，极氪 8X 上市，29 分钟大定量突破 10000 台，其首发搭载由阶跃、吉利、千里科技联合研发的整车智能体 " 超级 Eva"。这是一款回应行业长期期待的产品。

与以往停留在座舱层的 AI 不同，超级 Eva 被定义为 " 整车智能体 "，尝试打通从感知、理解到执行的整车链路，将 AI 从 " 对话入口 " 延伸至系统层能力。

过去一年，围绕 "Grok+FSD" 的讨论此起彼伏，但多数仍停留在追风口阶段。随着超级 Eva 实现量产，这一方向第一次有了具象化的落地样本。

大模型上车分水岭：不在对话升级，而在执行任务

现在所谓 " 大模型上车 "，本质是把类似 Grok 这样的通用模型接入座舱，用来提升语音交互体验。这种接入通常被称为 " 外挂 "AI，其提升的是对话交互体验，但无法深入到规划与控制层，距离用户期待中真正意义上的整车级智能体体验相去甚远。

虽然 " 外挂 "AI 也做到了更自然的对话、更丰富的知识库、更拟人的交互体验。但问题在于，这些能力距离真正的汽车智能体标准仍有明显差距。物理 AI 不仅要 " 说得更好 "，更关键的是要 " 做得更好 "。

换句话说，" 外挂 "AI 的本质仍停留在人控车的辅助工具阶段，而真正的整车智能体，则需要具备自主理解、决策与执行任务的能力。

正如麦肯锡在相关研究中指出，当前车载 AI 的主要瓶颈，并不在语音识别或对话能力，而在于 " 跨系统任务编排能力 " 的缺失。系统无法将用户的一个复杂目标，转化为多模块协同执行的动作链路。这也是为什么，大多数所谓 "AI 助手 "，本质上仍是被动 " 响应命令 " 的工具。

而 " 超级 Eva" 意义，就在于把目前的瓶颈突破了，让大模型上车第一次迎来分水岭时刻，从此前以提升交互体验为核心的阶段，迈向 AI 第一次作为整车大脑的智能体阶段。

这也是为什么行业将超级 Eva 与 Grok 上车 Tesla 的体验相提并论，因为它们都代表着一个相同的趋势：AI 正在从回答问题走向完成目标。

举一个我们开车时的刚需场景——当你对着车机说：" 带我去接孩子放学，顺便找一家麦当劳，5 点前我要到学校。"

在超级 Eva 出现前，这句话大概率无法被直接执行。因为系统无法理解其中的多重意图，用户必须手动拆解成多个指令：先导航到学校，再搜索麦当劳，再设置途经点，途中还要不断确认路线与时间。整个过程中，人仍是决策者与控制者，车只是执行工具。

但在超级 Eva 中，这句话会被当作一个 " 目标 " 处理，而不是一串命令。

系统会自动完成三层解析：先识别任务结构——接孩子是主任务，买麦当劳是附加任务，5 点前到达是硬约束；再拆解每个任务——筛选合适门店、规划最优路线、计算时间窗口、评估绕行成本；最后调度系统能力——调用导航、辅助驾驶、泊车等多个模块形成闭环执行。

更关键的是，在执行过程中还能根据实时路况、时间变化进行动态调整。比如遇到前方堵车会提前提醒，并可以完成以达成目标为主的规划与执行。

这背后真正发生的变化是，用户不再替 AI 思考 " 怎么做 "，只需要表达 " 要什么 "，这可以称得上是一次体验范式的重构。

Gartner 在其 2025 技术趋势中将 "Agentic AI" 列为关键方向之一，强调其本质是 " 能够自主制定计划并执行多步骤任务的系统 "，不再是传统的对话式 AI。

超级 Eva 的出现，本质上就是把这一能力，第一次落在了量产车上。

为什么是阶跃能最先做成这件事？

如果说大模型上车的第一阶段，是把 " 会说话的 AI" 装进车里，那么这一阶段的上限，其实已经被证明是有限的。

真正的分水岭，在于 AI 是否开始具备 " 感知世界 + 理解意图 + 执行动作 " 的闭环能力。极氪 8X 首发搭载的整车智能体超级 Eva，第一次国内让车载 AI 具备了这种闭环能力，技术层面是 " 语言大脑 + 语音表达 + 视觉感知 " 三套能力协同的结果。

而支撑这一切的底座，是阶跃星辰的 Step 系列模型矩阵。

据雷峰网了解，阶跃星辰是国内基座模型研发最全面的公司之一，其自研的 Step 系列基座模型矩阵覆盖了从千亿参数到万亿参数，构建了从语言、推理到多模态，从理解到生成的全面能力。Agentic 时代，模型要真正从软件层面走进物理世界，覆盖了感知 - 推理 - 执行全链条的系统能力是必备要素。

阶跃最新发布的 Step 3.5 Flash，是整个超级 Eva 的 " 大脑 "，其不是一个单纯的大语言模型，而是一个面向 Agent 场景设计的推理与规划引擎。

Step 3.5 Flash 有三个关键能力。

第一是速度与稳定性。模型推理速度最高达到 350TPS，在复杂任务中仍能保持低延迟响应，这意味着它可以支撑更流畅的车端实时交互。

第二是复杂任务推理能力。在 OpenRouter 全球调用榜中登顶，这一成绩证明了 Step 3.5 Flash 具备稳定处理多步逻辑链的能力，在现实 Agent 场景中被大量开发者所选用。

三是长上下文与记忆能力。支持 256K 级别上下文处理，让 " 连续任务 " 成为可能，这是车载 Agent 能够记住用户偏好，更 " 懂人 " 的基础

这三点能力决定了当前车载 AI 最关键的一个变化：AI 第一次能够 " 理解一个目标 "，而不只是 " 理解一句话 "。得益于这一能力，例如你提出 " 我要去看演唱会 " 这一目标，超级 Eva 便能自动拆解为出发、路线、停车、订酒店、订饭店等多个子任务，并在执行过程中根据路况与时间动态调整。

这不再是简单的导航或推荐，而是一次完整的任务编排与执行，体现出大模型在复杂场景下的推理深度与系统级调度能力。

如果说 Step 3.5 Flash 这一大脑解决的是 " 想清楚 "，那么语音模型解决的是 " 说清楚 "。

传统车载语音的问题是交流不拟人，输出往往是功能播报式的—— " 已为您规划路线 "" 空调已开启 "。而超级 Eva 接入阶跃的语音大模型，改变的正是这种表达方式。

该模型具备几个能力：情绪理解（识别用户语气背后的紧迫性或松弛感）；语义重构（将机械指令转化为自然表达）；对话连续性（支持上下文中的持续交流，而不是一次性问答）；知识库（支持智能搜索，什么都能聊）。

举一个例子，你说 " 我累了，好想回到小时候 "，它会像一个知心朋友一样陪你聊天。

换句话说，这一模型能力解决的是 " 人愿不愿意继续说 "，而不是 " 说得像不像人 "，后面的能力此前的车载 AI 助手就已具备。

如果说 Step 3.5 Flash 和语音模型是大脑和嘴巴，那么视觉模型就是智能体的眼睛。

这是当前大多数车载 AI 的短板，Grok 也不例外。

超级 Eva 接入视觉能力，使车辆第一次具备了基础的环境理解能力，能识别车位是否被占用，还能感知环境变化并调整策略……。

值得一提的是，超级 Eva 的多模态协同能力，是目前类似 Grok 也仍未完全覆盖的方向。Grok 强于语言与数字世界理解，但在物理感知与执行闭环上仍处于演进阶段。

对于汽车这一最具想象力的物理 AI 终端来说，超级 Eva 让它不再是工具，而开始成为一个可以协助人类完成任务的超级智能体。

原生 AI 时代，需要怎样的造车模式？

过去 AI 上车慢和体验不及预期，症结在于三方能力的互相割裂：模型公司懂 AI，但不一定懂整车系统；车企懂整车，但不一定有最前沿的模型能力；中间工程落地和场景编排，常常缺少一个足够强的承接方。

这造成的结果就是：模型很强，但上不了车；上了车，但调不动整车系统；功能做出来了，但难以快速量产和稳定交付。

而超级 Eva 的快速量产，验证了一条新的可行路径：AI 基座模型公司、汽车厂商、汽车科技公司三方联手的深度共创，最终呈现的效果最优。

这种 " 你中有我 " 的深度融合，让三方从第一天起就围绕 " 整车智能体 " 目标做联合定义和联合开发。

数据佐证了这一模式的效率，Step 3.5 Flash 于 2 月 2 日发布并开源；3 月 16 日即接入超级 Eva 并开启预售；4 月 17 日随极氪 8X 正式上市。从模型发布到量产上车，仅用了两个多月。

而且，这并非阶跃在汽车领域的首次亮相。此前，阶跃已联合吉利、千里打造了智能座舱 Agent OS，并率先在吉利银河 M9 上实现了端到端语音大模型的上车。此次超级 Eva 的量产，标志着阶跃 "AI+ 终端 " 的商业化链路已完全跑通，并且进入了加速期。

因此，车上智能体要想真正做深、做快、做成量产，不能只靠车企单打独斗，也不能只靠模型公司技术输出。阶跃、吉利和千里科技的合作，可谓是为行业打造了一个商业范本。

写在最后

雷峰网认为，超级 Eva 随极氪 8X 量产上市，不能看作是一个简单功能的加入，它最大的意义在于宣告汽车正式进入 " 整车智能体 " 时代。

很多车企都在布局大模型上车，但阶跃、吉利、千里联合研发的超级 Eva，可以说是首个真正实现量产落地、性能强、真可用的 " 中国版 Grok 上车 "。

以此为起点，超级 Eva 将不再只是车内的伙伴，更是连接出行、生活服务的智能枢纽。从理解一句话到搞定一整件事，阶跃 AI+ 终端的商业化进程，正进入全面加速的快车道。