过去半年，" 龙虾 " 几乎成了国内科技圈的显学。

Claude Code 走红之后，飞书、钉钉、Stripe、阿里云、字节……几乎叫得上名字的平台都在往里塞自家的 Claw。逻辑都一样：大模型跑在云端，通过一套能规划、能调度、能反思的 agent 框架，把原来需要人工拆解的复杂任务交给 AI。

但所有云端 Claw 都撞到了同一堵墙：Token 烧钱、权限滥用。Claude Code 的用户都习惯了——早上一睁眼跑两个任务，几十万 Token 就没了；一个配错的权限，可能让 agent 干出意想不到的事。

4 月 23 日下午，北京阿里巴巴朝阳科技园 B 区多功能厅，斑马智能开了一场名为 AI-TECH DAY 的发布会。这家公司没说自己要做第 N 个 Claw 平替，他们把 " 龙虾上车 " 定义为行业首创，然后把整套东西塞进了端侧。

这事本身很有意思。

改名是个信号

发布会开场第一件事，不是产品，是改名。

斑马智行，改叫斑马智能。首席产品官蔡明在台上专门解释了一句：" 我们是一家人工智能的公司，这个名字更能反映这家公司所干的事情。"

听起来像常规公关动作，但放回到这家公司过往的产品路径里看，信号很明确。斑马是 2015 年上汽和阿里合资的产物，" 智行 " 两个字里藏着 " 智能出行 " 的老命题，做的是互联网汽车、车机系统、车载服务生态。但从 2024 年中 All in AI 之后，这家公司在重新给自己找坐标。

蔡明在台上讲过一句话：车一定会成为最早 Robot 化的智能终端。这句话放在这场发布会里有战略分量——斑马把今天做的 " 智能座舱 "，看成未来 " 机器人大脑 " 的前站。改名 " 智能 "，是在给一个更大的故事提前腾位置。

这就是为什么这场发布会不像车企发布会，更像一场 AI 公司的产品日。

先把发的东西交代清楚

两年多时间，斑马已经和近 20 家主流车厂合作，包括大众、宝马、智己、东风、红旗、比亚迪。按 2024 年收入算，是中国最大的以软件为核心的智能座舱方案供应商。

这次 AI-TECH DAY 的核心发布，可以压缩成三件事：

第一，AutoOmni 升级成产品矩阵。 这是斑马去年云栖大会发的端侧全模态模型，当时是 7B 参数的单一方案。这次升级之后，支持多种参数规格、多种模型架构（包括行业首个 MoE 端模型）、多种主流芯片（高通、英伟达、紫光展锐、黑芝麻智能、芯驰），解决的是 " 交流 " 问题——让车能听、能看、能记忆。

第二，AutoClaw 正式发布。 这是行业首个 " 龙虾上车 " 实车方案。斑马给它的定义是 " 智舱 AI 协作服务解决方案 "，解决的是 " 办事 " 问题——让车能真正规划、协同、执行复杂任务。

第三，公布 AIOS 技术架构路线图。 DeviceOS → ModelOS → AgentOS → AIOS，对应底层操作系统、模型适配、agent 调度、全栈 AI 操作系统的四层演进。

发布会上的关键词 "65% 市场份额 "、"NO.1 身位 "、" 领先欧美 1-2 个代际 " 很振奋人心，司罗在台上那句 " 中国智舱 AI 应用技术领先欧美不是 1-2 年，是 1-2 个代际 " 确实有行业自豪的成分。但这些都不是这场发布会最值得关注的东西。

真正值得拆的，是 AutoClaw。

把 Claw 放进端侧，是一件反直觉的事

过去半年我们见过太多 " 龙虾上车 " 的说法。吉利和阶跃星辰搞了超级 Eva，鸿蒙座舱 5 用 MoLA 混合大模型架构做多智能体，比亚迪和阿里云联合做了 Mobile-Agent，智己接了千问做 IM Fusion Nova ……几乎每家头部车企都在把 agent 能力引入座舱。

但这些方案基本都跑在云端。模型在云端，编排在云端，外部工具调用也在云端。车端更多扮演 " 传感器 + 显示屏 " 的角色。

斑马做了一件反直觉的事：把 agent 调度系统搬到了端上。

司罗在台上讲得很直接：斑马的 AutoClaw 是端云混合架构，端侧跑的是 30B 的 MoE 模型。这是整个方案的关键。

云端 Claw 的两个核心问题—— Token 消耗和权限滥用——在端侧有了完全不同的解法：

Token：端上的推理不走云计费。配合任务压缩、反思机制、独立 Token 管理，云端 Token 用量能降下来。司罗的原话是 " 绝对不会出现一早上一上车，几十万 Token 就没了 "。

权限：敏感账号数据封装在 seal 里，和模型硬隔离。模型幻觉产生的 " 乱点 " 问题，碰不到真实凭证。

这两个解法听起来朴素，但只有车这个终端能做。手机算力不够，电脑没有足够的持续供电和运行环境，家用 IoT 设备没有独立的高性能芯片。只有车——第五代旗舰座舱芯片（比如高通 8397）的 AI 算力已经到 360TOPS，加上稳定供电、独立电子电气架构、强隐私需求，车是目前唯一一个能扛得住 30B 级端侧 MoE 持续运行的消费终端。

换句话说，当整个行业都在讨论 " 大模型怎么上车 " 的时候，斑马已经在讨论 "agent 怎么端侧化 "。这两件事差着一层。

真正被升级的，是任务调度系统

AutoClaw 发布里有一段容易被忽略的内容，讲的是任务调度。

蔡明在台上举了个例子：今天晚上想约朋友吃饭，人的真实做法是打电话确认时间、同时订餐厅、发消息让对方确认、对方有意见再调整、半路想喝酒再买一瓶……整个过程是边确认、边调整、边推进的并发模式。

但现在所有 AI 助手，本质上是阻塞式单任务调度：你说一句它干一件，干完才能下一个。你让它一句话说五个命令，它背后跑的仍然是顺序队列。它们不理解任务和任务之间的关系，不会在执行过程中接收新信息调整计划，更不会保存被打断的任务回头再做。

AutoClaw 重做了这一层：

从阻塞式队列换成任务池，任务可以并发、可以被搁置、可以被重新调度

大模型不再只负责 " 理解指令 "，而是作为任务编排器，判断任务之间的依赖、先后、冲突

动态接收外部信息（比如对方回信息了、出现临时变化），动态调整任务流程

碰到异常不会卡死，会继续思考、继续推进

这件事发生在 OS 层，不在应用层——让 AI 第一次真正参与到任务管理系统里。

这也是为什么斑马特意公布 AIOS 路线图。DeviceOS 是传统操作系统能力，ModelOS 用来适配和调度各种模型，AgentOS 支撑 agent 级的任务调度，AIOS 是全栈整合。是一套从底层往上重做的思路，而非在现有车机系统上加层 AI 补丁。

行业里能完整做这四层的，至少在中国，目前只有斑马一家。斑马是 " 中国仅有的两家完全自研汽车操作系统的第三方供应商之一 "，也是 " 唯一一家将系统级 OS、AI 全栈端到端和汽车平台服务无缝整合 " 的公司。

为什么车是具身智能的第一个商业化载体

把镜头拉远一点。

2026 年被很多人定义为 " 线控元年 "，也是 L3 爆发之年。当智能驾驶把驾驶权从人手里接过去，车这个物理空间剩下的，是一个可以持续几十分钟、有稳定算力、有独立网络、有完整传感器、有明确用户身份的智能空间。

人形机器人还在实验室做 demo，智能眼镜还在攻克续航，家用 IoT 缺乏统一入口。而车—— 2024 年中国前装标配智能座舱搭载率已经超过 72%，到 2026 年预计 80% 以上——是第一个具备商业化规模、具备持续供电、具备高端算力、具备强隐私需求的具身智能载体。

这也解释了斑马改名的深层逻辑。他们今天在车上积累的能力——端侧大模型运行、agent 任务编排、全栈 OS 能力、服务生态接入——几乎可以一对一映射到未来任何一个 robot 终端。

司罗在圆桌上讲过一个有意思的场景：未来 L5 之后，他太太从西雅图飞北京，车自己去机场接，自己查航班、找航站楼、联系人、接到之后根据行李调整服务、半路还能接临时任务。这个场景需要的能力，和人形机器人 " 帮你从冰箱拿瓶水并顺手收拾客厅 "，底层是同一件事——agent 能不能在物理世界里持续、可靠、安全地执行多步任务。

车是个好起点。它规模化，它有容错空间（还有方向盘），它背后的供应链成熟，它的用户付费意愿已经被验证。把端侧 agent 在车上跑通，往外迁移的路径就打开了。

尾声

发布会快结束的时候，蔡明讲了一句话：谁能率先把 AI 做成可量产、可交付、可持续迭代的系统能力，谁就更有机会拿到下一阶段产业红利。

这话翻译一下就是：AI 上车的早期阶段，拼的是 " 谁的模型更聪明 "；中期阶段，拼的是 " 谁能把 agent 端侧化、可量产地做出来 "；再往后拼的是 " 谁能把这套东西从车迁移到更多 robot 终端上去 "。

斑马今天站的位置，大概是第二阶段的起点。改名 " 智能 " 的这个动作，是一家公司在赌自己押对了方向。

至于赌对没赌对，年内陆续量产落地的那些车型，会给出答案。