今天上午，DeepSeek V4 发布，直接把这个大模型疯狂更新月推向了最高潮。

百万上下文标配，性能比肩顶级闭源模型，首发适配华为昇腾芯片，随便一个点单拎出来能写一篇爆款头条。

不过在我翻看 V4 的技术报告的时候，在训练层面看到了一个被大部分人滑过去的名词：Muon 优化器。

这个技术名词，怎么看着这么眼熟呢？

原来是前两天发布的 Kimi 2.6 里，就是通过 Muon优化器，在相同的训练量下实现了2倍的效率提升，并在 1 万亿参数规模上解决了训练不稳定的难题。

早在上个月杨植麟站在英伟达 GTC 2026 的舞台上，花了演讲中最长的一个板块讲它。Kimi 是全世界第一个发论文证明 Muon 可以用在万亿参数大模型训练上的团队。
（附APPSO解读文章链接）

杨植麟是这样说的：「用 MuonClip 而非 Adam 训练 Transformer 大模型，效果会好得多。」正确实现后，token 效率提升 2 倍。在数据墙面前，这相当于把 50 万亿 token 用出了 100 万亿的效果。

现在，这项技术出现在了 DeepSeek V4 的训练方案里。

我又回来翻了一下 Kimi K2 的架构底层，又发现了一个更有意思的细节：它用的是 DeepSeek-V3 提出的 MLA（Multi-head Latent Attention）。

DeepSeek 的技术报告写着 Kimi 的名字，Kimi 的架构底座写着 DeepSeek 的名字。 你中有我，我中有你。

这大概是中国 AI 圈最魔幻的一幕：两家被外界反复对比的开源双子星，技术底层早就长到了一起。

而且，Kimi 类似这样的巧合，已经不是第一次了。

五次「撞车」，五个拐点

算上 V4 和 K2.6 前后脚上线，这已经是 Kimi 和 DeepSeek 过去一年里的第五次「撞车」了。

五次「撞车」，如果只是时间重合，那叫巧合。但把每次发布的内容拉出来看，你会发现一条清晰的暗线：每次撞车恰好对应一个 AI 行业拐点的到来。

第一次是最戏剧性的。2025 年 1 月 20 日晚 8 点 10 分，DeepSeek R1 发布并以 MIT 协议完全开源。不到两小时后，Kimi k1.5 亮相。

两者都瞄准同一件事：让模型从「张嘴就来」变成「先想后说」，用强化学习跑通 Long-CoT 长思维链推理。

在这之后，中国的开源力量就彻底改变了整个全球 AI 的格局。

后来 OpenAI 在一篇论文中点名指出：Kimi 和 DeepSeek 是「最早复现 OpenAI-o1 Long-CoT」的两家公司。全世界只有这两家中国公司看懂了 OpenAI 在做什么，并且用自己的方式做了出来。

那是中国 AI 从「追随者」开始变成「引领者」的分水岭。

最近这次就是今天。四天之内，K2.6 带来了 SWE-Bench Pro 58.6% 的 Agent 集群并行编程能力，V4 把百万上下文做成了所有服务的标配，输出长度拉到 384K tokens。

两家同时推进国产芯片适配：V4 下半年支持华为昇腾 950，寒武纪已完成 Day 0 适配；K2.6 支持国产芯片混合推理。

Agent 能力、编程天花板、百万上下文、国产芯片适配、开源生态，全齐了。

从「学会思考」到「学会干活」，从「改 Transformer」到「改算力底座」，五次撞车其实展现出来的，是中国 AI 不再一味对标 OpenAI ，逐渐不再依赖英伟达，在开源上走出属于自己的路。

撞车背后的必然

发布撞车的巧合固然有意思，但更值得关注的，其实是巧合背后的一些必然。

让我们先回到 DeepSeek 架构里的 Muon 。

杨植麟在 GTC 演讲中讲了一个技术困难：当 Kimi 把 Muon 扩展到 1 万亿参数时，训练不稳定性成了拦路虎。最大 logits 爆炸超过 1000，正常值只有 50 到 100。

损失先降后炸，根本无法收敛。他们的解法是 QK-Clip，对每个注意力头计算最大 logit 的裁剪值，把查询和键限制在合理范围内。训练损失不受影响，但稳定性问题消失了。

K2 模型用这套技术完成了训练，创下机器学习史上最大规模 Muon 训练的纪录。

而 DeepSeek V4 的技术报告里，Muon 被直接写进了训练方案。大多数模块用 Muon 加速收敛，嵌入层和预测头仍用 AdamW，混合使用。这是对 Kimi 底层创新的一次直接引用。

反过来，Kimi K2 的底层架构采用了 DeepSeek-V3 提出的 MLA。Multi-head Latent Attention，通过压缩 KV 缓存大幅降低推理成本，是 V3 最核心的架构创新之一。

你的论文成了我的基础设施，我的创新成了你的底座。 写在引用列表里的互相成就。

在硅谷，你很难看到这种事。OpenAI 和 Anthropic 之间的技术是「护城河」，能藏则藏。但 Kimi 和 DeepSeek 之间长出了一种更原始也更健康的关系：开源社区里的正向循环。

Kimi 和 DeepSeek 是中国首批开源万亿参数模型的玩家，都相信 Scaling Law。技术路线上，DeepSeek 以推理模型见长，Kimi 以 Agent 能力著称。

底层架构上，两家都在挑战同一批「古老」的基础设施。Kimi 发了「注意力残差」论文，DeepSeek 做了 mHC 残差连接，都在改 ResNet 时代留下来的残差连接方式。

在长文本这条线，Kimi 探索线性注意力（Kimi Linear），DeepSeek 探索稀疏注意力（DSA），殊途同归。

所以当它们撞车时，与其说是巧合，不如说是对同一个方向的必然趋同。

用中国的芯片，跑中国的模型，对全世界开源

在 OpenRouter 上，Kimi 和 DeepSeek 稳居中国模型调用量前两名。

Cursor 接入了 Kimi，日本乐天 Rakuten AI 3.0 基于 DeepSeek 开发。被海外产品「套壳」这件事，放在两年前是耻辱，现在是勋章。

Meta 新模型 Muse Spark 发布时，官方 Blog 做的对比基准线里，Kimi 和 DeepSeek 跟 GPT-4、Claude 并排站着。英伟达 GTC 上，黄仁勋用来展示芯片性能的中国模型就是这两家。

海外认可之外，更值得注意的是国产芯片这条线。H20 芯片已断供一年，高端推理芯片短期内只有国产一个选项。两家公司同时在做同一件事：让中国模型跑在中国芯片上。

上周黄仁勋在播客访谈里说了一句话：「如果当初 DeepSeek 先在华为平台上发布，那对我们来说非常可怕。」

今天，V4真的首发适配华为昇腾，工程团队把整个技术栈从 CUDA 迁移到了华为 CANN 框架，从算子库到通信原语到内存管理，V4 的混合注意力、MoE 专家并行、FP4 量化训练，几乎每层从头实现。寒武纪也在 Day 0 完成了 V4 全系列的 vLLM 推理适配，代码已开源。

黄仁勋一语成谶。

而 Kimi 在国产芯片上走的路更早，也更深。为了给国产芯片「铺路」，Kimi 在架构创新上掏出了两个杀手锏。

Kimi Linear 混合注意力架构把线性注意力层与全注意力层以 7:1 配比混合，将 KV 缓存体积压缩到极低水平。实测数据很直观：32K 上下文下，混合架构模型 KV 吞吐量仅 4.66 Gbps，同规模稠密模型高达 59.93 Gbps。

KV 缓存传输需求被压到了普通以太网可承载的范围，RDMA 高速网络从「必选项」变成了「可选项」。

在此基础上，Kimi 联合清华大学发布了 PrFaaS（预填充即服务）论文，把推理的 Prefill 阶段和 Decode 阶段彻底解耦，调度到不同异构硬件集群上。实测吞吐量提升 54%，首词延迟降低 64%。

这套方案打破了「大模型推理必须绑定同一种高端 GPU」的前提：算力强的国产卡做 Prefill，带宽强的国产卡做 Decode，各司其职。

DeepSeek 用 V4 证明了国产芯片能跑万亿参数的旗舰模型，Kimi 用架构创新证明了国产芯片可以跑得好、跑得省。

一个从工程适配切入，一个从架构设计切入，终点都是同一个：让英伟达不再是唯一选项。

以前的国产 AI 叙事是「用英伟达的卡，追 OpenAI 的模型」。现在这对双子星同时在写另一个剧本：用中国的芯片，跑中国的模型，服务全世界的开发者。

你的 MLA 是我的基础，我的 Muon 是你的加速器

回看这一周AI 行业的疯狂更新，我们已经处在了一个新的转折点。

同一周内，两个中国团队各自发布了万亿参数级开源模型，性能逼近甚至持平美国顶级闭源模型。这在一年前是不可想象的。

当闭源模型的价格是开源模型的 50 倍，开源阵营每隔几个月就推出一个新的万亿参数选手，竞争天平正在发生微妙的倾斜。

这不是「赢了」或「超越」这么简单的胜负之分。闭源模型在复杂推理和系统可靠性上仍然有明显优势，Opus 4.6 的思考模式依然是 V4-Pro 追赶的目标。但开源阵营的速度、成本优势和生态覆盖面，正在改变这场竞赛的规则本身。

除了这五次撞车发布，这两家公司还有一个巧合。梁文锋来自广东湛江，杨植麟来自广东汕头。两个广东人，撑起全球开源 AI 半边天。

梁文锋像工程师哲学家，相信开源和底层创新，V4 发布公告结尾引的是荀子，「不诱于誉，不恐于诽，率道而行，端然正己。」

至于杨植麟在我看来像产品科学家，他认为用户体验和技术突破可以兼得，在 K2.6 发布时他提到了 Linux 之父 Linus Torvalds 那句「Talk is cheap. Show me the code.」

一个古典，一个极客。就是这两个风格迥异的创始人，一起定位了中国开源模型在世界坐标系的位置。

你的 MLA 是我的基础，我的 Muon 是你的加速器。这大概也是中国在能在短时间内引领全球开源 AI 的重要原因之一。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

过去几年，A 级纯电 SUV 是新能源市场里最典型的主流品类之一。

它不像高端车型那样承担品牌技术展示的任务，也不像微型车那样主要解决短途代步问题。对大多数年轻用户和年轻家庭来说，A 级纯电 SUV 往往是第一辆新能源车，也是日常通勤、周末出行、家庭使用之间的平衡选择。

因此，这个市场的竞争逻辑一直很现实：空间要够用，续航要安心，补能要高效，配置要有诚意，同时价格不能脱离主流消费区间。但随着纯电车型越来越多，单纯强调参数已经不太够了。用户不仅要一台好用的车，也希望它在设计、色彩、座舱氛围和使用细节上，能够更贴近日常生活。

4 月 24 日，北京国际车展上，第三代元 PLUS 正式首发亮相。作为比亚迪首款全球战略乘用车，元 PLUS 此前已经积累了较大的市场基础。官方数据显示，元 PLUS 全球累计销量已经突破 110 万辆。对于这款车来说，第三代产品的任务并不只是常规换代，更是在原有规模优势之上，继续回应年轻用户对纯电 SUV 的新需求。

从产品信息来看，第三代元 PLUS 的变化首先体现在车身尺寸上。新车长宽高为 4665×1895×1675mm，轴距达到 2770mm，相比此前车型进一步放大。对于一台 A 级纯电 SUV 来说，尺寸提升直接关系到乘坐空间和储物能力，也会影响它在家庭使用场景中的适应性。

不过，第三代元 PLUS 并没有把设计重点放在单纯的「大」上。新车通过流畅腰线、同色轮眉、贯穿式侧裙、刀锋 D 柱和悬浮车顶等设计，尽量削弱大尺寸带来的厚重感。尾部采用环抱式形面和全新能量回路尾灯，并提供 18 英寸光环轮毂和 19 英寸箭羽轮毂两种选择。整体来看，它依然希望维持元 PLUS 过去偏年轻、轻快的视觉取向。

颜色也是第三代元 PLUS 这次比较明确的年轻化表达。新车带来了 6 款全新车色，包括幻梦粉双色、潮玩蓝双色、气场绿双色，以及线条灰、境遇青、空境白三款单色。相比传统家用 SUV 常见的黑白灰银，这套配色明显更强调个性和情绪表达。

这种变化背后，其实是年轻用户买车逻辑的变化。车不再只是一个交通工具，也会在一定程度上成为个人审美和生活方式的一部分。尤其是在 15 万级纯电 SUV 市场，车辆既要足够实用，也要避免过于工具化。第三代元 PLUS 把色彩和造型作为重点，正是为了回应这一层需求。

座舱部分，第三代元 PLUS 提出了「流体生态舱」的概念。新车内饰以圆润线条、流畅曲面和自然生态为设计核心，中控台采用层叠悬浮式立体曲面设计，并配备全新两幅式多功能方向盘和集成式电子怀挡。相比外观，座舱的重点不只是视觉新鲜感，也包括日常使用的便利性。

例如，新车设计了 39 处储物空间，覆盖手机、钥匙、眼镜、充电线、水杯等高频物品的收纳需求。对家庭用户和年轻用户来说，车内储物往往是高频但容易被忽略的体验点。一个顺手的储物格，有时候比一项不常用的配置更能影响日常好感。

此外，第三代元 PLUS 还设计了「手办妙妙屋」，可以用来摆放手办、潮玩、立牌等物品。这一设计看起来并不传统，但它对应的是年轻用户更个性化的车内空间表达。智能座舱和大屏系统之外，用户也希望车内有一些属于自己的小空间，这种细节会让车辆更像生活场景，而不只是出行工具。

在核心使用能力上，第三代元 PLUS 也进行了升级。根据官方信息，新车将提供 630km 续航，并支持闪充能力。对于主流纯电 SUV 用户来说，续航和补能依旧是影响购买决策的重要因素。尤其是在家庭用车场景里，用户需要的不只是城市通勤够用，也包括跨城出行、周末短途和临时补能时的确定性。

配置方面，新车还提供云辇-C、远端气囊、TBC 高速爆胎稳行系统、电动前备箱、迪声 16 扬声器音响系统、女王副驾等配置。从这些信息看，第三代元 PLUS 希望在 15 万级 A级 SUV 市场里，继续通过较完整的配置组合提升产品价值感。

第三代元 PLUS 还与全球知名 IP 小马宝莉展开合作，并在车展现场展出了以「紫悦」形象打造的「元气痛车」。这种跨界合作和产品本身的年轻化定位比较一致。对于车企而言，IP 联名并不能替代产品力，但它可以强化车型的情绪标签，也更容易在车展和社交平台形成传播记忆点。

在今天的 A 级纯电 SUV 市场，竞争已经不只是「有没有电」「续航多少公里」这么简单。对用户来说，一辆车既要解决现实问题，也要在审美和情绪上提供一点额外满足。第三代元 PLUS 试图做的，就是在主流家用和年轻表达之间找到平衡。

新车预计将在今年上半年上市。最终它能否延续元 PLUS 此前的市场表现，还要看上市价格、具体配置分布，以及同级竞争车型的变化。但至少从北京车展首发信息来看，第三代元 PLUS 已经把自己的方向表达得比较明确：它仍然是一台面向主流市场的纯电 SUV，但不希望只以「实用」来定义自己。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

智能座舱过去几年的变化，很大程度上是从屏幕和语音开始的。

更大的中控屏、更流畅的车机系统、更丰富的应用生态，以及可以控制空调、导航、音乐的语音助手，构成了上一阶段用户对智能座舱的主要感知。它们确实改善了车内体验，但本质上仍然是「人发出指令，系统完成任务」的交互逻辑。

进入大模型时代之后，汽车座舱开始出现新的变化。座舱不再只是一个车控入口，也不只是手机生态在车内的延伸，而是有机会成为一个能够理解场景、记住偏好、主动响应的智能空间。尤其是在端侧模型逐渐成熟之后，智能座舱正在从单一语音助手，走向更复杂的车载 Agent。

4 月 24 日，在第十九届北京国际汽车展览会上，面壁智能发布了 SuperMate 端侧智能座舱方案的全新升级版本，主要围绕全场景 Agent 服务、全模态交互能力和多芯片平台适配三个方向展开，并在车展现场提供了实车搭载体验。

如果说过去的智能座舱更强调「能做什么」，那么 SuperMate 此次升级试图回答的是另一个问题：座舱 AI 如何在合适的时间、以合适的方式介入用户的用车生活。

面壁智能对这次升级的描述，是让座舱 AI 从「好记性」进一步走向「真正懂你」。这背后涉及的不是单一能力，而是感知、记忆、推理和执行之间的闭环。车内 AI 需要知道用户是谁，记住他的偏好，理解当前的场景，再决定是否需要主动执行某个动作。

这也是座舱 Agent 和传统语音助手之间的区别。语音助手通常等待用户下达明确指令，而 Agent 更强调连续感知和主动服务。但在汽车这个场景中，主动并不意味着频繁打扰。相反，真正有价值的座舱智能，往往体现在一种有分寸的「无感」之中。

例如，SuperMate 基于量产级端侧多模态感知能力，可以在不依赖云端的情况下，完成「感知—记忆—推理—执行」的完整闭环。用户上车后，系统可以通过身份识别和多用户记忆自动加载个人偏好；行程中，当用户说出「去接孩子」这样的模糊指令时，系统可以结合历史习惯补全目的地并规划路线；在用车过程中，系统也可以根据环境和乘客状态，自动联动车窗、空调和座舱应用。

这些能力并不一定需要被用户明确感知。很多时候，用户感受到的可能只是温度更合适、路线更顺手、座舱状态更自然。对于车载 AI 来说，这种低打扰的体验，可能比单纯展示复杂功能更重要。

SuperMate 此次升级中，也强调了对车内关键人群的照护能力。比如系统可以实时识别儿童危险行为并进行自动介入，在识别儿童哭闹后联动车内环境进行安抚；也可以主动捕捉舱内外的高价值瞬间并自动保存。离车后，智能哨兵功能还可以持续监测周边环境，并在安全性和低功耗之间做动态平衡。

更具体的垂直场景，是事故处理 Agent。

按照面壁智能的介绍，当车辆发生事故时，SuperMate 可以实时识别事故状态，快速介入并安抚驾驶员情绪，同时引导用户完成现场处理流程。在定责、定损等更专业的环节，SuperMate 将调用面壁智能旗下道路交通事故陪伴智能助手「松果有理」的能力，为驾驶者提供处置建议和理赔指引。

这个功能将覆盖车机端和手机端，未来也会接入车载小艺和手机小艺平台。在车险理赔环节，面壁智能还将与太平保险共建车事故多智能体场景，并计划在太平保险北京分公司试点，尝试打通从事故识别到理赔服务的全链路智能化体验。

这类应用值得关注的地方在于它让座舱智能不再停留于娱乐、导航、车控等高频但相对轻量的场景，而是进入了事故处理、保险理赔这类低频但高压力的场景。对用户来说，事故发生后的情绪安抚、流程指引和专业建议，往往比日常功能更能体现 AI 的实际价值。

在交互能力上，SuperMate 此次升级也与面壁智能最新发布的 MiniCPM-o 4.5 全模态模型相关。

MiniCPM-o 4.5 具备原生全双工交互能力。简单来说，它在输出内容的同时，仍然可以持续感知视觉和听觉输入，不需要等待用户完整说完一句话之后再被动回应。这让座舱 AI 有机会从传统「一问一答」的回合制对话，进入更接近自然交流的状态。

对于车载场景而言，全双工和全模态能力的意义很直接。驾驶过程中，用户的注意力不可能完全交给车机系统，车内也会同时存在语音、动作、视线、车外环境等多种信息。座舱 AI 如果只能听懂一句明确指令，能做的事情就很有限；如果它能够同时理解语音、视觉和环境变化，就可以更自然地判断什么时候该回应，什么时候该保持安静。

面壁智能也在基于 MiniCPM-o 4.5 的全模态能力，与合作伙伴共同探索下一代智能座舱平台。这里的变化，不只是交互方式从语音走向多模态，更重要的是座舱 AI 的角色正在改变：它不再只是一个功能型助手，而是逐渐具备对驾驶环境、乘客状态、声音和视觉信号的持续理解能力。

车展现场，面壁智能还展示了 EmbodiedClaw。这是一套面向车载与具身场景的 Agent 运行与编排框架，作用是打通用户个人设备、车端算力、端侧模型和云端模型，让数据和任务可以在不同设备之间协同流转。

这背后有一个更长期的想象：汽车不只是行驶中的交通工具，也可以成为一个具备算力、传感器和个人数据入口的 AI 节点。尤其是在大量停放时间里，车辆是否可以继续处理任务、提供服务，甚至延伸出新的「离车价值」，会成为智能汽车下一阶段值得讨论的问题。

当然，要让这些能力真正上车，只有模型和场景是不够的。端侧 AI 面临的现实约束非常复杂，不同车型有不同的芯片平台、成本区间和功耗要求。一个方案如果只能运行在少数高算力车型上，就很难实现规模化普及。

因此，SuperMate 此次升级的另一项重点，是多芯片平台适配。面壁智能表示，SuperMate 已经完成对高通、联发科、英特尔、瑞芯微、英伟达、AMD 等主流芯片平台的适配，支持从轻量语音交互到全模态理解的多规格模型运行，以覆盖不同量产车型的配置梯度。

面壁智能还展示了与英特尔联合开发的 AI Box 解决方案。这一方案基于英特尔 Core Ultra 系列平台，官方称可提供最高 180 TOPS 稠密 AI 算力，并适配面壁智能 MiniCPM 全系模型。它的意义在于，为大模型在车端本地运行提供了新的硬件载体，也让部分车型可以通过 AI Box 的方式获得端侧算力能力。

目前，SuperMate 已经在吉利、长安马自达等车企的多款量产车型中实现搭载交付。面壁智能 CEO 李大海在车展期间表示，预计到 2026 年底，将有 30 万辆汽车搭载面壁的端侧模型。

除了产品发布，面壁智能还联合清华大学车辆与运载学院、中国汽车报共同发布了《智能座舱：定义 AGI 时代的汽车新范式》白皮书，围绕端侧 AI 在智能座舱领域的技术路线、场景方法论和产业趋势进行梳理，并举办了专题研讨会。

从行业角度看，SuperMate 的升级反映了智能座舱正在发生的一条清晰路径：从车机系统，到语音交互；从语音助手，到多模态模型；再从单点功能，走向能够理解场景和主动执行任务的座舱 Agent。

这条路径并不意味着所有功能都会迅速成熟。车载场景对稳定性、安全性、隐私保护和功耗控制都有更高要求，端侧模型能否在真实量产环境中长期稳定运行，也需要更多车型和用户规模验证。尤其是主动服务类功能，既要足够聪明，也要足够克制。否则，智能很容易变成另一种形式的打扰。

但趋势已经比较明确。汽车正在从一个移动空间，逐渐变成一个由传感器、算力、模型和用户数据共同构成的智能终端。座舱也不再只是驾驶员和车辆之间的操作界面，而是用户生活、出行和数字服务之间的连接点。

面壁智能 SuperMate 此次升级的意义，正在于它把端侧大模型、全模态交互、车载 Agent 和产业适配放在了同一个框架中。对车企而言，这是一套面向量产的智能座舱方案；对用户而言，它最终要回答的仍然是一个很朴素的问题：车能不能更懂我，并且在我真正需要的时候，少一点复杂操作，多一点恰到好处的帮助。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

1975 年，位于美国亚利桑那州 Sierra Vista 的麦当劳开创了一种新的取餐模式：顾客驾车进入购餐车道，不需要下车就可以进行点餐、付款、拿取产品，之后驾车驶离购餐车道。

这就是麦当劳（drive-through）得来速服务。对于开车的上班族来说，在不下车的前提下花几十秒就能买到早餐是一种如德芙般丝滑的体验。因为需要专用车道和专用窗口建设，所以目前国内有得来速服务的麦当劳门店也仅有 300 家左右，这种丝滑体验并不多见。

但实际上，店，路，车，人这几个要素如果能够联系得更聪明更紧密，「得来速」服务其实可以无限复制，这就是腾讯出行要做的事情。

北京车展前夕的 2026 TIME DAY·腾讯智慧出行技术开放日上，腾讯出行发布了「随行点单智能体」，在通勤场景里，用户可以通过语音和 AI 助手交流，在结合用户的偏好记忆与实时行程偏好的前提下，系统理解用户意图，筛选最优门店，然后根据车辆实时 ETA（Estimated Time of Arrival，预计到达时间）反向推算出餐时间，确保用户到达时餐品刚好新鲜出炉。取餐时，订单能够直接关联车牌，专人送餐到车，全程无须下车。

另外，这个智能体还可以打通品牌账户，自动领券、用券，保证价格最优，当然作为腾讯的服务，打通微信支付也不在话下，最终实现选品、下单到取餐的完整闭环。

这就是 AI 智能体加持下的「得来速 Ultra」体验。

这样的智能体，腾讯智慧出行有 7 个

「随行点单智能体」展示的其实是一种把汽车与现实世界服务链路重新编排的能力，是一个点的话，那么这次 2026 TIME DAY·腾讯智慧出行技术开放日展示的由点及面汽车座舱智能体能力。

换句话说，就是腾讯出行试图回答「汽车里应该出现什么样的智能体」这个问题，为此，腾讯这次发布和升级的智能体，有 7 个。

必须要给智能体祛魅的是，诸多智能体做的事情往往不是从零到一，因为就像「随行点单智能体」实现的功能，在零零散散的设备上，繁繁杂杂的沟通中，也能完成个七八成，但体验会割裂。

所以，在腾讯的定义里，智能体肯定不是传统意义上的车机功能堆砌，也不是把一堆小程序简单搬进中控屏。他们想做的是围绕真实出行场景，重新把信息、服务、支付、导航、内容乃至手机与车机之间的关系组织了一遍。

在这个大前提下，我们就可以再来看这七类座舱智能体：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，以及导航场景智能体。它们覆盖的，正是通勤、长途、本地游、手机车机联动、娱乐消费和能源补给这些最常见、也最容易让人感到麻烦的环节。

长途场景里的「随行向导智能体」，就不只是「给你讲讲沿途景点」这么简单，它能结合实时位置和用户偏好，主动推送沿途资讯、景点介绍、攻略和服务信息，还能把跨车的实时语音群聊与位置共享组织起来，让车队中的 AI 从「解说员」升级成「领队」。

「随行逛逛智能体」则更像是把到一个城市临时起意想转转这件事做成了轻负担服务。过去这类需求最麻烦的地方不是找不到信息，是信息太多：小红书，马蜂窝等等平台上的攻略，路线纷繁复杂，选路线买门票订餐厅等等工作一琢磨就是一个不眠之夜，这种负担和随便逛逛的预期恰好背道而驰。所以这个智能体把导航、停车、步行接驳、购票订座和手机续接整合进一条链路里，本质上是在缩短「我想去」和「我真的去了」之间的距离。

「随行互连智能体」弥合了车上车下两个世界的裂隙。用户可以在微信里，用自然语言给 CarBot 下一个跨时段、跨条件触发的复杂任务，比如很多用户的用车习惯是 A 需求 B 动作 C 爱好一连串的且日常循环的，上车之后再一一调试，只有人工没有智能。但是在随行互连智能体里，直接在微信里说话，给 CarBot 下需求说「乘客上车后打开座椅按摩，播放欢迎语，并将车载微信设置为隐私模式」，CarBot 就会自动拆解需求和任务，再接着判断出副驾座椅被占用，自动执行以上一连串的任务。

这里最关键的变化，是交互入口不再局限于车机本身，借助微信这样一个更高频、更熟悉的容器，把任务延伸到用户的连续生活里。

至于车载娱乐生活智能体和车主服务智能体，它们看上去没有前几个那么新奇，不过是触手可及且高频次的。前者的重点是让音乐、新闻、视频、短剧等不同内容 Agent 协同响应，依据时间、行程状态和历史偏好去「编排陪伴」；后者则把加油、充电、洗车、救援、代泊等车主服务组织成一个可被统一调用的服务矩阵，系统甚至能依据油量、目的地、停车条件等信号主动预判需求。

地图本身就是最天然的出行入口，但过去地图理解的是道路，不太理解人。现在腾讯出行在强调的，是把「找一家能充电不排队的咖啡店」「避开高速顺路吃饭」这种混合意图一次性拆解成偏好理解、路径规划和服务编排的问题。

导航场景智能体开始从「告诉你怎么走」，变成「理解你为什么要这样走」。

一言蔽之，这 7 个智能体开始把汽车看成一个持续理解场景、调用资源、完成任务的「执行节点」，当然，汽车还是汽车，它依旧可以跑起来，载着用户前往目的地。

或者可以反过来说，这些智能体做的工作不是「从零到一」，创造过往不存在的功能，制造过往没想到的体验，而是有点像「从一到零」：未来汽车里的智能，体现为它能替你少做多少次决策、少切多少次界面、少消耗多少注意力，并非体现打开多少个入口。

汽车不仅要承载「空间位移」，还要思考「时间的意义」

早年的手机本质上是「移动电话」，电话和短信几乎就是它存在的全部意义。今天我们手上的「智能手机」，真正被高频使用的往往是社交、拍照、支付、导航、短视频、外卖和各种各样的内容服务，这正是腾讯崛起成为大型互联网和科技企业的前提。智能手机里的电话和短信没有消失，并且依旧是决定这个设备是手机，还有可联网小平板的分水岭，但这两个功能已经占据不了多少用户的使用时长了。手机仍然是手机，只是它的内涵早就不再等于「打电话的工具」了。

汽车也正在经历类似的时刻。

当然，汽车的「空间位移」价值不会像电话和短信在手机里那样被边缘化。人买车、坐车、开车，首先仍然是为了从 A 点抵达 B 点，这个基本属性不会变。

问题在于，当电动化和智能化把「开起来快」和「坐起来舒服」这些指标逐步拉平之后，行业的思考势必会转向新的问题：用户在车里的时间，究竟能不能变得更有价值。

汽车未来的发展方向，除了继续服务于空间的移动，还要开始放大时间的价值。

今天越来越多车企和科技公司开始讨论「第三空间」「移动生活」「在途体验」这类概念。因为中国用户每天通勤、接送孩子、周末短途、节假日长途，自驾已经占据了大量生活时间，更别说大城市还有节假日的拥堵时间了。过去这些时间往往是被默认浪费掉的：堵车时烦躁、等人时发呆、找车位时焦虑、长途时疲惫、多人出行时混乱。

过往汽车智能化的能力还不够，车企的用户思维和制造业背景也很难去思考「时间」对于汽车的意义，现在端云两边的算力，各种模型的能力，互联网和科技企业对各种设备的渗透，汽车行业的自我迭代速度，多种因素叠加，终于有机会让行业思考时间的价值了。

过去的三五年时间里，汽车行业对这个问题也有初步的思考，解题思路统一成了「冰箱彩电大沙发，加长加大更像家」，伴随的硬件变化就是屏幕更大，算力更强，喇叭更多，沙发更软……

现在，非要上一些价值的话，腾讯这次发布的一系列座舱智能体解决的问题当然不是本不该他们思考的「车能不能开」，这次要回答的是「人在车里这段时间应该怎样被服务」。

通勤路上，它可以帮你提前点单，让早餐成为一种被安排妥当的节奏；到陌生城市，它可以把攻略、停车、步行接驳和门票串起来，把原本碎片化的决策成本吸收掉；甚至在内容场景里，它也不只是「放点什么」，新的任务是试图依据环境、时段和心境，把陪伴做得更贴合……

当年的智能手机，之所以最后重塑了人的日常生活，是因为它把「打电话」这件事做到了极致吗？是因为它让原本大量无意义的碎片时间被重新利用了。吃饭排队等位时开一把《王者荣耀》、通勤时听一听知识播客，坐飞机无网时看一看缓存的电影，智能手机把这些过去无法承载复杂行为的时间，全部变成了可消费、可连接、可完成任务的时间片。

汽车的逻辑并不完全一样，但方向大差不差，把用户从 A 点带到 B 点的「空间位移」功能依旧会往更快更安全更舒适的方向走，而在 AB 之间的这段时间，甚至是 A 之前，B 之后的时间，汽车也终于有机会去好好重构了。

为什么这事儿适合腾讯来做？

只要多看看几场现在的汽车发布会，其实会发现大模型、Agent、车机、生态、服务闭环这些词也不新鲜了，先 PPT 发布，再 OTA 更新是行业常态。做智能体，上大模型一旦离开 PPT，马上就会面对实的问题：能调动多少资源，又能把多少链路真的打通？

腾讯的服务和智能手机的耦合程度不需要多说，在汽车行业，它也已经不是一个旁观者，身份已经是一个基础设施提供者。按腾讯披露的数据，其出行服务目前已经覆盖 100% 的头部车企和泛出行公司，与超过 100 家车企、出行科技公司展开合作，并与 40 多家车企在 AI 领域落地合作；智能座舱解决方案在头部车企中的渗透率超过 80%，累计搭载超过 1800 万辆车。

腾讯没有从零开始谈「智能体上车」，因为它有这大量量产合作关系、云服务能力和既有车载产品，「智能体上车」是一个更进一步的事情。

前面之所以先聊 7 个智能体，是因为这些智能体可以提供的服务是 ToC 用户可以直接感受的，但腾讯这次发布的，更官方的说法，或者更 ToB 的说法，是「出行全场景智能体开放平台」。

腾讯想做是提供一整套从底层大模型架构、到平台工具、再到应用生态的能力框架。这个平台涵盖基础设施层、平台工具层与应用生态层：底层是端云协同的大模型架构和原子能力，中间是 Agent 编排、Skill 扩展和运营工具，上层则是围绕真实场景构建的智能体矩阵。

打个比方，砸向牛顿的苹果不是凭空出现的，而是挂在树上的，树有根茎枝叶花，而后才有果子，当我们看到作为消费者可以用到的 7 个智能体果实的时候，其实是因为腾讯准备了根茎枝叶花这些基础设施。

腾讯既有云，也有地图；既有内容，也有支付；既有社交入口，也有小程序生态。很多公司也许能做出一个聪明的车内助手，但很难把任务真正执行下去。腾讯手里的微信、微信支付、腾讯地图、内容生态，以及小程序能力，天然更适合把「理解意图」推进到「完成服务」这一层。

随行点单能做成闭环，随行互连能把微信对话变成车端任务，导航能和目的地服务串起来，本质上都依赖这种跨生态调度能力。

再往下一层看，腾讯这次也强调了它的端云协同架构：端侧基于 0.8B 轻量化 VLM 与座舱世界模型，单帧编码延迟低于 100 毫秒；云端则承载更复杂的语义理解、记忆检索和内容生成，单意图识别能力超过 95%，多意图识别能力超过 90%。这些能力才能满足既要快，又要准；既要弱网可用，又要有复杂推理；既要本地响应，又要持续进化的需求。

所谓善战者无赫赫之功，腾讯做出行全场景智能体开放平台的前提，还是它不需要整车厂那样必须把一切都封闭在自己的品牌宇宙里，因为在这个行业里，它的角色「连接者」。这没法让它拥有一个像兰博基尼劳斯莱斯这样的汽车品牌形象，反而让它更适合做智能体时代的基础层和中间层。毕竟智能体能力最需要的，是腾讯过往多年构建的既 ToB 又 ToC 的全栈服务能力。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

过去很长一段时间里，越野车在汽车市场中一直是一个相对独立的品类。它的价值判断标准很清楚：车身结构是否足够坚固，动力储备是否足够充沛，底盘通过性是否可靠，能不能在铺装路之外继续稳定前进。

这套逻辑至今没有过时，真正的越野场景，仍然需要机械结构、底盘系统、动力系统和可靠性共同支撑。但随着新能源和智能化技术进入更复杂的用车场景，越野车也开始面对新的问题：智能驾驶、数字底盘、感知系统和能量管理，能不能在非铺装路面上发挥作用？它们只是城市通勤的附加配置，还是能够真正改变越野体验？

4 月 24 日，北京国际车展上，猛士汽车带来了猛士 M817 Ultimate。这款车由猛士汽车与华为乾崑联合打造，定位为高性能智能越野车型。相比单纯强调越野参数，M817 Ultimate 更值得关注的地方在于它试图把智能化能力带入传统越野车过去最依赖经验、判断和机械冗余的场景中。

猛士汽车此次以「智能越野新纪元」为展台主题，M817 Ultimate 是其中的核心车型。从官方信息来看，这款车延续了猛士品牌的硬派越野定位，同时搭载了猛士汽车全新一代智能越野架构、磐石底盘 2.0、极猛动力 2.0，以及华为乾崑智驾相关技术，包括 896 线激光雷达和华为乾崑智驾 NCA 越野版。

从合作路径看，猛士汽车与华为乾崑的关系也在进一步加深。2024 年 2 月，双方签署战略合作协议，此后合作从单一产品共创，逐步扩展到技术、产品、渠道等多个维度。官方资料显示，双方已经围绕 M817 相关车型完成了包括吐鲁番夏测、漠河寒测在内的多轮极端环境验证。

对于一款越野车而言，极端环境测试本身并不稀奇。真正的变量在于，智能系统能否在高温、低温、沙石、泥泞、非结构化道路等复杂条件下保持稳定。相比城市 NOA 或高速辅助驾驶，越野场景的不确定性更高，道路边界不清晰，障碍物形态也更加复杂。这也是智能越野和普通智能驾驶最大的区别之一。

M817 Ultimate 在底盘和控制层面的变化，主要集中在猛士汽车全地形控制算法与华为乾崑 XMC 数字底盘引擎的融合。官方说法是，这套系统可以让车辆从「被动响应」向「主动预判」进化，结合磐石底盘 2.0，实现更细致的路面识别和更快的控制响应。

这类技术的意义并不只是让车辆在越野时通过能力更强，也包括降低驾驶者在复杂路况中的判断压力。过去，越野更多依赖驾驶者经验：什么时候给油，什么时候收油，如何选择路线，如何判断轮胎附着力。智能化系统如果能够参与到底盘、动力和路面感知之中，越野车的使用门槛就有可能被进一步降低。

动力方面，M817 Ultimate 搭载极猛动力 2.0，其综合马力提升 49%，综合扭矩提升 30%，并支持平均时速 140km/h 不掉电以及 6C 快充技术。这些参数对于新能源越野车来说有一定现实意义。因为新能源越野车过去经常被讨论的问题，不只是动力强不强，还包括持续输出能力、补能效率，以及在长距离高负荷场景下的能量管理。

如果一辆车只能在短时间内提供高性能，却无法在复杂工况下保持稳定输出，那么它很难真正承担高强度越野任务。M817 Ultimate 强调高速不掉电和快充能力，实际指向的是新能源越野车在长途穿越、持续高负载驾驶场景下的可用性。

智能感知部分是这款车最容易与传统硬派越野车拉开差异的地方。M817 Ultimate 首搭华为乾崑 896 线双光路图像级激光雷达，并配合智驾感知系统使用。其路面感知精度可提升至 95% 以上，能够稳定探测最远 120 米、14 厘米高的障碍物。

这一套软硬件对应的是越野场景中非常具体的问题：城市道路的障碍物通常更规则，道路边界也更清晰；但在山路、沙地、碎石路或者林间小路上，车辆面对的往往是坑洼、石块、沟坎、坡度变化和低矮障碍。能不能提前识别，决定了底盘和动力系统是否有足够时间做出响应。

华为乾崑智驾 NCA 越野版的加入，也让 M817 Ultimate 的智能化能力不再局限于城市通勤。按照官方描述，这套系统希望实现从城市道路到山野小路的领航辅助衔接。对于用户而言，这未必意味着越野驾驶可以完全交给系统，而更像是让智能系统成为驾驶者的辅助判断层，在复杂场景中提供更多信息和控制冗余。

猛士汽车还宣布基于 M817 Ultimate 核心技术平台打造的赛车，将代表猛士车队出征 2026 环塔拉力赛。环塔拉力赛长期被视为国内高强度越野赛事之一，对车辆动力、底盘、散热、可靠性和车队保障能力都有较高要求。

如果 M817 Ultimate 的相关技术平台能够在环塔这样的赛事环境中积累有效数据，再反哺量产车的可靠性、底盘控制和智能化策略，那么赛事就不只是营销动作，也可能成为产品迭代的一部分。

猛士汽车 CEO 万良渝在发布会上表示，猛士 M817 Ultimate 是全系标配华为乾崑智驾的智能越野车型。华为乾崑智能汽车解决方案 BU CEO 靳玉志也提到，2026 年华为乾崑与猛士汽车的合作将进一步升级，推动智能越野技术落地。

M817 Ultimate 所代表的趋势比单一车型本身更值得关注。过去几年，智能化主要发生在城市 SUV、轿车和 MPV 上，用户感知最明显的是高速领航、城市 NOA、智能座舱和泊车功能。越野车因为使用场景更复杂、用户需求更垂直，一直不是智能化最容易落地的品类。

但也正因为如此，越野车的智能化一旦进入深水区，可能会带来比城市道路更明显的体验差异。它不只是让车辆更「聪明」，更重要的是让车辆在复杂环境中拥有更强的感知能力、控制能力和容错能力。越野车的核心价值，不会因为智能化到来就被改写。可靠性、通过性、耐久性和安全感，依旧是这个品类的底层标准。M817 Ultimate 的意义在于，它试图在这些传统标准之上，叠加一套新的技术能力。

对猛士汽车来说，这是一款展示技术合作深度和产品方向的车型。对智能越野这个细分市场来说，它则是一次比较明确的信号：越野车的竞争，正在从单纯的机械能力，走向机械能力、能源系统、感知能力和数字控制能力共同决定体验的新阶段。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

文｜张子怡

编辑｜袁斯来

在SaaS行业普遍面临增长瓶颈、寻求数智化转型的背景下，微盟于2026年4月22日在上海总部举办了城市峰会，正式对外呈现其“AI First”战略全景。

根据微盟2025年财报披露，其AI相关业务收入已首次突破亿元大关，且2025年下半年的环比增长率达到130%。在此财务数据基础上，微盟试图通过战略升维，将AI从原有的产品辅助插件地位提升至业务底座高度。

微盟此次提出的“AI First”战略，核心覆盖了AI+SaaS、AI+营销、AI+出海及AI To C等方向。

在技术架构层面，微盟将其升级为“Agent+Skills”。这一转变的底层逻辑在于：将原本复杂的SaaS系统功能（Skills）封装成更易交互的形态，由智能体（Agent）调用，从而降低商家操作复杂系统的门槛。

微盟集团执行董事兼集团总裁游凤椿表示，AI正在从简单的对话交互向自主执行演进。

目前，这一逻辑已在微盟的“小龙虾”生态等业务中尝试落地。例如，商家不再需要通过后台多级菜单查找数据，而是直接通过对话方式调取当日交易量。这种从“点状功能”到“系统性赋能”的跨越，是微盟试图重构生意底层逻辑的开始。

不过，将这一宏大战略推向实际商业场景时，SaaS厂商必须面对一个残酷的现实：To B业务对技术的确定性要求远高于To C。

尽管消费端人人都会用AI，但在实际运用层面B端客户远比C端要求与需求都更严格。

微盟技术副总裁肖锋肖锋指出，C端用户对AI的幻觉具有较高的心理容忍度。如果一个AI工具在回答常识性问题时出错，C端用户通常只会认为产品“不够聪明”，并尝试调整提问方式。但B端客户是付费用户，AI的每一个动作都与经营场景、财务结果直接挂钩。

“只要出现一个坏案例（bad case），B端客户就会认为整个AI模块都是不可用的。”肖锋举例说明了这种差异：在AI试衣场景中，如果模特照片中存在靠墙或手拿重物的情况，识别效果会受到干扰。对于C端用户，客服解释后用户通常愿意配合换个姿势；但B端商家则会直接质疑技术效能并拒绝买单。这种对稳定性的近乎“零容错”的要求，决定了微盟在推行AI First战略时，必须在安全性检查和场景适配上投入更多研发资源，而非盲目追求技术指标的华丽。

基于这种审慎的考量，微盟在推出面向龙虾生态的Weimob Admin Skill等功能时，首先聚焦于安全Check机制。其目的并非急于变现，而是通过对原有API的封装，先解决商家在经营场景下的操作稳定性问题，通过“顺畅感”逐步建立B端用户对AI的信任。

这种对“确定性”和“稳定性”的追求，也直接影响了微盟在新兴业务领域的扩张节奏。

以近期推出的GEO（生成式引擎优化）解决方案“星启”为例，随着AI搜索逐渐重构用户获取信息的路径，如何让品牌信息在AI的回答中获得更高的可见度，成为了营销业务的新机会。

但在肖锋看来，GEO技术本身并不难，难点在于如何在快速变化的流量红利中保持合规。他透露，微盟在内部为GEO业务设立了极其严密的审核机制：每一笔订单都需要经过三道审核，最后一关由法务部门把控。

肖锋明确表示，微盟曾拒绝过预算很高但涉及传销或存在合规风险的产品。这种在商机面前的“克制”，反映出B端AI服务商的底层逻辑——在技术转型期，保护业务的健康和可持续性远比短期的营收爆发更重要。

目前，包括GEO及AI Work365在内的多款产品，均源自微盟内部的创新中心机制，这套机制鼓励员工孵化具备市场前景的AI原生应用，同时在制度框架内进行小步快跑的尝试。

在业务向外探索的同时，微盟内部的研发管理模式也在适配AI First战略。在代码编写环节，微盟已经引入AI辅助编程，但肖锋强调，目前的AI仍无法独立承担大规模、跨模块的开发任务。

为了确保底层业务的稳定性，微盟会选择选择采取片段式生成的渐进路线，确保技术底座在转型过程中不受冲击。

从财务表现来看，微盟AI收入的破亿意味着AI在SaaS业务中的融合已初步获得市场验证。然而，从“辅助工具”到“业务引擎”的跃迁，意味着微盟需要处理更复杂的B端交付关系。

未来，微盟在AI First战略下的表现，将很大程度上取决于其能否在B端客户极高的质量要求与AI技术的边界之间找到最优的平衡点。