腾讯用放弃产品主导权换客户覆盖度，用覆盖度换云的收入，这是姿态，也是算过账的商业模式，也确实让它进了几乎每一家车企。但在火山和阿里的围剿下，很难预测腾讯后续能否有坚持「永不下场」的定力。不过现阶段，腾讯选择把灵魂交给车企，企鹅抱走账单。

编辑丨浪浪山与明知山

「腾讯在汽车行业的形象比较『杂乱』。」

面对媒体如此直白地评论，腾讯云副总裁、智慧出行负责人钟学丹并没有否认，同样直白地解释说：

「大家之所以看起来好像比较杂乱，我觉得主要是因为我们确实在很多领域和很多维度上跟车企都有合作，甚至包括一些 Tier1、包括一些科技公司，出行服务类和共享出行这类公司都有在合作。」

但在这「杂乱」的背后，腾讯给 AI 元宝上车划了一条清晰的线：

「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 竞争进入「办事」时代

数字 AI 对物理世界特别是智能汽车的影响，最先落在了座舱内。

在经历了零唤醒、画画、给小孩子编故事的一系列「小战」、「大战」之后，那个被一直神化的汽车大脑，终于开始「办点正事」。

2025 年 3 月，智己联合斑马智行、饿了么发布了 IM AIOS 生态座舱，说一句「点一份昨天的果汁」，系统会调出历史订单、结合实时路况算好到家时间、再匹配餐厅的出餐速度，做到人到、车到、餐到。同年 5 月蔚来联手麦当劳，7 月理想接入支付宝，9 月就已经可以在肯德基完成推荐、点餐、支付和取餐预约。

同年 12 月，特斯拉新增 Grok 导航指令，可增改导航目的地、按语义找餐厅或超充，但由于因为特斯拉手里没有微信支付、支付宝这种能落地交易的通道，并不能通过座舱完成支付。

至去年年底，座舱 AI 能办事这件事已不再稀奇，稀奇的是它只发生在少数几个品牌和少数几个商户身上，真正的问题变成了这套能力能不能复制到一百家车企、一千家商户。

2026 年，供应商开始回答这个问题，它们不再单纯演示点单，开始讲如何改讲架构。

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，以「一个 AI 大脑调度整车」为工作逻辑，把感知、推理、执行、记忆、学习放在同一条链路之上。

火山引擎给这套方案配了三个引擎——对话推理引擎管交流，全时免唤醒、多人对话、全双工可打断；目标驱动引擎管办事，按任务目标自主调用车载工具完成多步骤跨域任务；学习成长引擎管沉淀，把执行经验变成可复用的 Skill。

至此，豆包以产品级方案「豆包座舱助手」正式上车：以常驻形象出现在车里，随着聊天内容变化不同的表情，组成「动作＋表情＋声音」的「豆包屏」，与手机豆包互通、能力同步。

千里科技的节奏比火山引擎更早。

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，车端本地部署 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 之间靠一个「经理」级 Agent 分发任务、用 MCP 协议通信。

2026 年 3 月，其预览版升级为「超级 Eva」，与吉利的辅助驾驶方案合流，并在极氪 8X 上完成首发；到 7 月的 WAIC 2026，它已经跟着极氪全系 OTA 上车，可以实现模糊语义导航、舱驾协同操控、订票订外卖等「办事」能力。

对比来看，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。但两家共同划定了座舱 Agent 的及格线：把一件跨应用、跨场景的事从头办到尾。

这也是腾讯要回答的问题。

10 月 29 日，腾讯智慧出行发布了腾讯智能座舱 TAI 智能体，它集成了 TAI 座舱助手、TAI 出行服务智能体、TAI 内容娱乐智能体，基于腾讯地图能力 /POI，微信小程序，微信支付，生态 API 等，这个全新的 TAI 出行服务智能体可以说集成了腾讯所有拿得出手的技术和整个生态体系。

但简而言之，最核心的是元宝上车了。

TAI 围绕三层能力展开：

聊得来，靠的是元宝的全双工端到端语音，延迟低、可随时打断、不需要唤醒词接力；接入元宝搜索之后，车内问答有实时信息可依，不必靠模型记忆硬答。

办得成：出行、点单、内容娱乐、车控与导航被放在同一条链上：地图负责找得到，服务生态负责能下单，小程序与微信支付把短剧、小游戏、会议日程、电影购票串起来，付款不用掏手机；内容负责听得上、看得爽，第三方生态可以接入。

跟着走，是手机—车机—手机的联接：接入手机元宝和微信小微等 C 端 Agent 服务入口，上车前在手机侧发起的服务，上车后车机接着做，离车后回到手机继续。

这套方案的背后是端云一体的基座架构：

端侧用 0.8B 的轻量化 VLM，单帧编码延迟低于 100 毫秒，负责看和快；云端接混元最新的 Hy4 preview，采用快慢思考架构，负责推理、记忆与跨应用调度；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%。系统可以自主调度多个智能体协同，落到车企是一套 Agentic AI 座舱方案——会感知、会理解、有记忆、有人格。

三层能力里，「办得成」是腾讯真正的优势。

点单最终要落到支付，而座舱里能落地的支付通道只有两条：微信支付与支付宝。腾讯占其一，且目前市占率已经高于支付宝。

但手车互联同样是腾讯着意强调的部分，手握微信和元宝两个流量入口当然是原因之一，但不止于此。

钟学丹判断，手机与车会「比较长一段时间」共存，用户上车前、下车后都有与车内互动的需求，这意味着数据和信息一定会在多端之间流转：

「就跟我们今天用手机和电脑的互通一样」。

但这种互通并不意味着腾讯必须要实现「手机知道我今天胃不舒服，上车后座椅自动加热」式的连接。

李博的说法是，A2A 也好、MCP 也好，「技术上手段太多了」，短期却做不到。

原因在于没有一家厂商愿意把关乎企业核心安全的用户上下文交给另一方。

更理想的形态是用户自己持有 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」。

这其实影响了腾讯在座舱 AI Agent 上的产品理念，除了伴随类的功能外，腾讯追求在最短的时间用最短的路径完成整个体验闭环。

李博将其类比为腾讯做手机微信小程序的逻辑。

既然追求迅速闭环，就引出另一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。

作为 Grok 与 FSD 打通后引发的舱驾融合热点，李博首先在 AI 技术层面表示「这不是一个难点」，但另一重门槛在于车企是否打通了包括座舱域、智驾域这些控制域里的 MCP 接口，能不能统一各种标准。

钟学丹则进一步解释说：

「智能体涉及车控操作时，目前还没有行业统一标准。权限边界的设定需要车企和供应商共同定义，哪些操作在什么上下文下是安全的。」

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，依然由车企占主导。

这就决定了座舱 Agent 的竞争，不会复制电池、智驾芯片那种头部供应商直接影响 C 端购车的格局。

腾讯当前的选择是创造开放生态，帮主机厂按自己的用户特性和品牌要求构建整车体验。

有一个细节可以看出腾讯的克制：

腾讯没有给座舱智能体设计一个面向消费者的名字，不像华为的「小艺」、蔚来的「NOMI」、理想的「理想同学」，更不像上汽荣威那样直接把「豆包」印在车上。

车辆舱内的助手叫什么、以什么形象出现、用哪个唤醒词，都归车企。

这是腾讯从 2018 年至今一直坚持的身份定位：「智能副驾」。

「我们永远不站在前台，我们是助手，永远不下场」。

02.

在 Robotaxi 和具身智能上守住「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。」

李博的这句话，同时给腾讯在具身智能和 Robotaxi 领域明确了优势和边界。

在 Robotaxi 领域，从体量上看，现在的 Robotaxi 尽管已经出现了一定程度规模化运营，可在商业体量上「现在的日订单连几十万都没有」，还远远不能和网约车业务相比。

「腾讯是不会做自己的 Robotaxi 的。」

但这并不意味着腾讯要放弃这部分市场。相反，就腾讯本身来说，已经掌握了从 C 端和 B 端赚钱的手段。

如今，几乎 100% 的网约车出行公司与腾讯有合作，70% 以上的云都跑在腾讯云上。而在地图和出行服务上，也同样占据了小马智行、文远知行、萝卜快跑等 Robotaxi 的 C 端入口。

腾讯以云图能力与出行生态服务，为车队研发与规模化运营提供支持，同时赚取云服务费和订单抽佣。

自动驾驶和具身智能同属物理 AI，技术栈高度相似，在自动驾驶验证过的能力可以直接搬过去。

但一个技术难题是，相对于自动驾驶，物理 AI 的复杂度要高一个量级：

车只有「三向」，往前、往左、往右，加上往后，是一个平面型的活；具身基于世界模型，一个灵巧手 360 °，每一根手指的触感，控制复杂度都是几何级增长。

腾讯把云、AI 等全栈能力延展至机器人研发，推出具身数据闭环套件：

一端是把机器人身上的数据接出来，通过音视频平台做到延迟低于 100 毫秒、抗丢包 30%，升级后的 Robo-suit 有一百多项原生能力；

另一端把数据造出来，用生成物理世界的大模型，把数据构建效率提升 2 到 3 倍。

其能力从自动驾驶延续，边界也同样相同。

腾讯跳出解决灵巧手、机械结构、控制算法的本体问题，坚持只做平台，依托 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。」

腾讯没有推出自己的具身智能，而是跳出竞争，选择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。

但它们都是下一代入口的期权，而腾讯卖的是期权里的铲子：机器人公司要的是算力和数据闭环，车队要的是云和流量。

两样东西都不需要腾讯自己下场，也就都不需要跟客户抢生意。

不下场是腾讯一贯的姿态，但保持姿态不等于放弃机会：前两块业务里，腾讯是等客户上门；而在腾讯长长的合作业务里，有一块反常识的卖方市场：出海。

与智驾研发碰到的「监管墙」不同，座舱和地图承受的压力反而要小很多。

李博先纠正了一个刻板印象：从数据合规的严格程度看，海外很多地区反而比国内宽松，最严的是欧洲。

欧洲是例外，但也有解。

中国车企的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作为第一站。

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」。

供应链也在往欧洲挪。

2025 年 9 月，地平线在慕尼黑成立欧洲总部，它与欧摩威合资的智驾大陆同期开启欧洲多地全场景路测，适配当地场景、驾驶习惯和交通法规。

最硬的一关先啃下来，剩下的则都不是问题：在国内被地理信息数据合规反复打磨过的能力，到了海外反而成了存量优势。

所以到了座舱和地图这一层，尽管「合规」的阻碍依然存在，但市场更需要供货。

首先以地图为例，地图本身并不缺乏竞争者，Google、HERE、TomTom 都在。但在「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，因为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。

而座舱内，包括 Spotify、YouTube 同样没有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没有。

「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。」

一边是需求明确，一边是供货人少，中间的空白就落在这里。窄需求里没有价格战，这就是卖方市场的由来。

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

其中，海外智驾云方案覆盖数据回传、数据处理、模型训练、仿真回灌及合规工具链等环节。腾讯也在与头部车企共建云原生跨境合规网关，支持智驾研发中的跨境数据合规管理。

此次发布的腾讯智驾地图海外版，以「舱驾一体」连接海外座舱与智驾场景。海外座舱图提供导航、算路和动态信息，并支持在线与离线协同。

海外智驾图采用轻量化地图引擎，支持智能驾驶的感知、定位与规控，结合腾讯云全球部署及本地生态服务，支持车企接入和落地。首个版本正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：

授权费按年付，省下来的是每年都省；开发成本一次付，省下来的是当下。海外地图每年每辆车要交出去几百块到上千块，按年收，车在跑就一直交。

在这出海业务上，腾讯赚的不是技术的钱，是需求窄、供货人少的钱。

04.

提效：客户资产才是护城河

出海卖的是整合能力，是对外的生意。

还有一块生意在车企内部，卖的是效率，这是腾讯给汽车行业创造的一个「新增量」。

汽车行业的 AI 投入一直在持续加码，很多企业已经把 AI 战略提到 CEO 的议程上。

但腾讯云副总裁孙燕给出的观察是：个人效率提升了，能真正转化成企业效率的案例非常少。

局部提效和整体收益之间，横着一道落差。这道落差怎么填？孙燕的答案有四件事，且有先后。

个人提效是基础，流程重构是主线，组织转型是保障，再加持续迭代和一层平台托底。

其中基础是人，人一换，能力其实就跟着走了，个人方法沉淀不下来，提效就是一次性的。

所以流程重构才是主线，而它的第一步不是上模型，是选场景。

孙燕给了个四象限：

高价值高可行，优先落地；高价值低可行，先做数据治理和小范围验证，当战略储备；低价值高可行，看复用性，有就做成通用工具，前提是不占战略资源。

「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。」

关于组织如何转型，她又把同一件事说了一遍：「模型进旧的流程只会让旧的流程跑得更快。」

两条加起来是一个意思：AI 不是加速器，是放大器。流程本身有问题，它只会把问题放得更快。

而衡量的标准是：不看上线了多少智能体，而看研发周期有没有缩短、质量问题有没有改善、用户体验有没有提升。

「脱离业务去谈提效，其实是没有意义的。」

面对汽车行业，腾讯此次发布了一套「AI 组织效能解决方案」的完整形态，由三部分组成：

底下一层是 AI 生产力平台，连接数据、知识、工具与治理，提供信息可见、能力可调用、协同可自动化、智能可进化四方面支撑；

中间是产品，WorkBuddy、CodeBuddy 面向员工提效，企业 Agent 平台面向长期运行、多人协作的业务流程，个人验证有效的方法沉淀为技能和专家能力，在组织内复用；

上面一层是 FDE 与业务共创，技术人员、业务顾问与车企业务团队一起选高价值场景，明确人机协同边界、风险控制与评价指标。

腾讯首先为这套方案选定了四个场景：

一家车企集团基于腾讯智能体平台做了车型规划助手，初步数据分析从按周计算变成按小时计算，调研报告生成有效率提升 95%。

另一个案例更完整：一家品牌在车型上市后用 WorkBuddy 打通垂媒、官媒和私域数据做分析，结论回补到需求和开发环节，改造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。」

无论车企自研团队、智驾公司还是具身公司，模型每迭代一次，背后都是一条数据产线在跑。过去的痛点在流程本身：采集、清洗、质检、标注、挖掘，每个环节都靠工程师手写脚本，脚本散在个人手里，换个项目就要重写，出了质量问题没办法回溯。

腾讯的 DataBuddy 从算子广场匹配算子，生成可运行的处理流程，提交到弹性 GPU 集群，联动质量指标自动入库，每一步人都可以确认、可以修改。过去要干几天的工作，现在一句话、一个确认就能完成。

销售、生产、供应、库存各掌握一部分信息，市场一变就要靠大量会议协同，决策周期长，也很难从企业整体经营目标出发配置资源。

「每个人拿了一块拼图，但是我们不知道全貌是什么样。」

现在这套智能体持续感知跨部门经营数据，识别需求、库存、产能、供应里的异常，围绕共同经营目标调用专业模型，形成多套可以比较的方案，推到 WorkBuddy 里由业务人员确认执行。

执行之后继续跟踪、动态调整。过去靠专家经验和会议摆平的事，变成了一套能积累的决策过程。

四、动态营销策略：

过去的 AI 营销讲的是外呼、话术、质检，提升的是单点执行效率；同一个客户什么时候联系、走什么渠道、说什么话，仍然靠销售顾问的个人经验，沉淀不到主机厂自己的资产里。

腾讯帮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：通过新的基座模型和研发协作方式，公司把过去约需 5 天的智驾问题处理周期可以压到约 12 小时。

研发环节直接影响智驾版本甚至车辆的迭代节奏，这难免让人质疑：研发环节压缩这么多，车是不是也造得更快了？

从披露的环节看，这些提效发生在两处：验证之前的准备，采集、清洗、标注、脚本；验证之后的协同，跨部门对齐、决策传递、问题定位。

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

按各自的说法，没有一项是「少做测试」。

10 月 10 日，工信部等四部门就《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》公开征求意见，反馈截止 11 月 10 日，22 项推荐性标准、行业标准将上升为强制性，对隐藏式门把手、虚拟操纵件、应急操纵件这类创新设计提出新的参数报送与验证要求。

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。

事实上，从现在技术进步的角度看，一台车从无到有，很多时间其实是被「浪费」掉的。

长安汽车变革效率部总工程师祁越称，在过往的工作流程中，业务部门未必能准确描述自身需求，员工能感知到问题，却很难把它变成明确的技术要求；即便工具能快速搭出演示版本，落到车间与产线还有一堆实际问题——系统是否具备足够完整的业务数据，工程专家积累的经验与知识是否完整进入了数据库。

针对这一问题，腾讯在今年 8 月与长安共建了「AI 火箭班」，孙燕的说法是「我们出一些人，客户出一些人」，围绕产品策划、产销协同、质量运营、AI Coding 做出了八大场景智能体，已经上线运营。

腾讯的目的不是让车造得更快，是把验证之外那些被白白耗掉的时间找回来。

基于这一情况，孙燕给出了反直觉的判断：传统主机厂对于 AI 的需求比新势力更明显。

以一汽 - 大众为例，它体量大、车型多、布局广，协同难度可谓几何级；而与此同时，它既握着德国制造的标准与技术经验，也接得上中国的数字技术。

现在他们正在尝试用 AI 解读来自德方的大量基础技术数据，转成可复用的 Skill 能力。

AI 让曾经的庞大的规则、标准、工程记录成了可以不断调用更新的资产。

腾讯在 10 月 29 日的出行大会上带来了新技术、新市场和新场景的升级。

整体来看，腾讯在车里做的每一个选择，其实都是主动退让——不做产品、不做车控、不争用户数据、不做 C 端品牌、不下场直接进入具身智能和 Robotaxi 产业。

同样的，它的主机厂客户也不会投入几千亿元去做 AI infra、基础模型，而「这件事情腾讯做，这也是我们的核心商业收益」。

腾讯用放弃产品主导权换客户覆盖度，用覆盖度换云的收入，这是姿态，更是通过精细筹算过的商业模式。

目前来看，这一模式是成功的，它已进入了几乎每一家车企。

「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。」

八年下来，这已经是一种稳定的选择。

但 AI 时代会带给汽车行业多大的变革现在尚没有准备的、可采信的评估。

仅从今年上半年的数据来看，在 IDC 首次把「AI 座舱解决方案」作为独立市场单独统计的《中国汽车云市场跟踪，2026H1》中，火山引擎以 45% 占据第一。

在火山和阿里的持续围剿下，很难预测腾讯后续是否有坚持「永不下场」的定力。

但现阶段，腾讯选择把灵魂交给车企，而企鹅抱走账单。