当资本还在为云端算力定价，端侧AI开始在汽车里验证价值

机器人行业历经本体突破和大小脑协同，迈入场景验证阶段。AI手机、AI平板、AI眼镜、AI汽车等新一代智能终端发展风起云涌。

“智能汽车成为具身智能最大的中试场、压测平台。”斑马智能CTO司罗在2026年云栖大会上表示，端AI开启交互新范式，从汽车到多端，迈向原生智能阶段。

车百会研究院理事长张永伟与其观点颇为相近，他认为，“智能汽车、具身机器人与部分低空飞行器正在形成共享部分技术底座、供应链和创新资源的关联产业群。‘从汽车走向具身’已进入实践验证阶段，呈现‘共性平台与专业分工同时发展’的格局。”

近两年，当越来越多车型接入大模型，行业的分水岭已经不再是“有没有AI”，而是AI能否在有限算力和车规约束下稳定运行，以类人的思考和交互能力，调用车辆与外部服务，以及这些能力最终能否转化为用户使用和持续收入。

只有当模型能够理解物理世界、理解“我的世界”，然后组织服务并完成任务，智能座舱才可能从功能集合变成新的服务入口。

斑马智能在云栖大会上试图回答的，正是大模型进入汽车之后的问题：AI如何规模化量产，超级智能体如何履约，以及车企如何参与由此产生的服务价值。沿着这条逻辑，汽车也成为观察AI价值能否从云端向终端延伸的一块重要试验场。

云端投入先行，端侧价值等待兑现

模型能力的进步，首先在云端被看见。

基础模型公司按照Token调用收费，云厂商以算力租赁承接需求，数据中心、服务器和芯片投资也有相对清晰的衡量标准。

相比之下，端侧AI很难只靠模型参数获得定价：一套模型装进设备之后，是否有人持续使用，能否稳定完成任务，是否带来服务收入或成本改善，才决定它是不是一门可持续的生意。

政策正在把产业注意力推向这一环节。《关于深入实施“人工智能+”行动的意见》提出，到2027年，新一代智能终端、智能体等应用普及率超过70%；2026年政府工作报告进一步提出，促进新一代智能终端和智能体加快推广，推动重点行业人工智能商业化、规模化应用。

中国信通院对终端AI的观察也强调，模型正从主要依赖云端推理，走向更多本地处理和端云协同，以降低时延、保护隐私，并在弱网环境下保持可用。

在手机、电脑、眼镜、机器人等终端中，汽车是条件成熟、约束也最复杂的一类。

它拥有芯片、操作系统、摄像头、麦克风和车辆状态数据，能够识别用户、环境与行程；导航、停车、充电、娱乐和本地生活服务，又提供了连续的使用场景。

与此同时，汽车对安全、稳定性和响应速度的要求远高于普通消费电子产品。一款车型需要经历较长的开发和验证周期，同一套软件还要适配不同芯片、车型和区域市场，任何一次错误执行都可能影响用户体验甚至行车安全。

这也是斑马智能CTO司罗将智能汽车称为“具身智能最大的中试场和规模化压测平台”的原因。

这里的“最大”是企业基于自身业务作出的判断，但它指出了一个真实的产业命题：汽车不是给大模型增加一个入口，而是在用车规要求、千万级装车和长期运行检验AI的工程能力。

斑马智能将2026年视为端侧AI商业化元年。

所谓“元年”，并不意味着商业模式已经成熟，而是评价标准开始变化。行业关注的重点正在从模型是否上车，转向端侧智能能否进入真实服务链，并以装机规模、调用频次、履约质量和实际收入证明价值。汽车由此成为端侧AI价值重估的重要起点。

场景化量产体系决定门槛，斑马智能成为端AI优秀样本

大模型进入汽车，首先遇到的不是功能想象力，而是工程、交互与服务边界。云端模型可以依赖庞大的算力集群，车端却受到芯片性能、功耗、内存、成本和网络条件限制，而基于车场景的服务生态同样有交互和服务边界。

模型既要识别语音、视觉和车辆状态，还要与导航、空调、车窗等车辆功能以及数字娱乐、出行生活、用车服务等生态协同。只有在有限资源中保持速度、准确性与安全性，以及面向出行场景合适的交互方式，模型能力才有可能转化为可量产的产品能力。

斑马智能的方案由端侧模型和Agent服务协作体系共同构成。AutoOmni用于处理语音、视觉、人的状态、车辆状态等全模态信息；AutoClaw以及生态智能体承担端云一体、跨端协同的服务自主调度，使座舱从回答问题进一步走向组织服务。

根据斑马智能披露的测试数据，AutoOmni端侧推理速度超过每秒130个Token，语音识别时延约为100毫秒，指令输出约为500毫秒；AutoOmni-4B的全场景平均表现较头部开源端模型提升超过20%。这些数据反映其工程目标，但属于企业测试结果，不能直接替代独立第三方评测。

比单项跑分更关键的是适配和安全。司罗披露，AutoOmni已与10家国内外主流芯片厂商合作，可支持8路以上任务稳定并发，并通过量化和推理优化降低运行内存占用。

斑马智能还将端侧AI安全拆分为内容、框架和环境三层，分别处理内容风险、智能体权限与审计、模型加载和进程隔离等问题。对于汽车而言，这些不容易在演示视频中呈现的底层工作，往往决定一项能力能否真正装车。

量产规模为这套体系提供了进一步验证。

据斑马智能披露，元神AI在主流车企中的渗透率达到68%，端侧智能市场渗透率达到63%，覆盖宝马、比亚迪、红旗、奇瑞等车企；AutoOmni已与10余家车企合作，首款量产车型为Freelander神行者8。

值得一提的是，在斑马智能展台现场，腾势、智己、神行者、红旗的智驾分别是天神之眼、Momenta、华为乾崑、卓驭，但在智舱领域都选择了斑马智能元神AI。斑马智能倡导的“No Touch No App”产品体验，正在被越来越多车企所接受。

其港交所申请材料显示，2023年至2025年，主机厂客户从30家增至43家，年度搭载量由210万辆增至250万辆；AI全栈端到端解决方案和车载平台服务收入的复合增速分别为117.1%和19.2%。

收入变化比装车数字更能说明商业化进度。装车量证明交付能力，AI解决方案和车载服务收入增长，则说明相关能力已经开始转化为实际收入。斑马智能也在把这套能力延伸到智能眼镜、手表、电动两轮车和具身机器人，并已在小牛电动落地。

产业不缺乏模型公司，也不缺乏终端公司，同样有大量的智能体服务公司，但能够基于端模型核心技术、超级智能体服务体系以及扎实的工程能力，打穿一个场景并向更多场景延伸，斑马智能是一个独特的样本。

智能体链接服务链，意图经济驱动车载万亿级市场空间

如果说量产解决的是“能不能上车”，商业闭环回答的则是“上车之后创造什么价值”。

过去的智能座舱以应用为中心：用户打开导航寻找停车场，进入小程序完成缴费，再切换平台订餐或购买内容。服务虽然进入汽车，交互路径仍沿用手机时代的App逻辑，座舱更像另一块显示屏。

智能体试图改变这一过程。车辆可以识别即将驶离停车场的状态，获取缴费信息并完成支付；也可以理解用户对餐饮的模糊需求，结合位置、时间和偏好筛选服务，再调用后台接口下单。

用户面对的不再是一组应用图标，而是一个能够理解目标、组合服务并反馈结果的入口。“No Touch、No App”不是应用和服务商消失，而是它们退到后台，由智能体承担交互与任务组织。

斑马智能首席产品官蔡明认为，智能体承载交互与服务不能只看上车规模，更要关注活跃度。只有智能体更加懂“我的世界”，才能够提升用户粘性，从而创造更多价值。

这使汽车有机会从注意力入口变成意图入口。移动互联网主要围绕停留时长和广告流量展开，智能体更关注用户想完成什么，以及任务是否准确履约。当价值从点击和曝光转向结果，用户的付费意愿也可能指向高质量的服务结果。

不过，这种价值未必表现为新增订阅费，也可能体现为服务佣金、交易分成、软件授权或更高的产品价值。车企则可能参与服务分发和交易闭环，从一次性硬件销售之外获得新的价值回报。

以2025年67万亿元个人移动商业支付为基础，再参考汽车保有量与网络支付用户数约36%的比例，以及每天约1小时在车内、15小时在车外的时间关系。如果车内服务形成完整闭环，长期GMV空间可达1.5万亿元。

这个数字展示的是理论空间，而非已经发生的市场收入：汽车保有量不等同于车主人数，不同数据也存在统计时点差异，消费金额更不会机械地按照时间比例分布。

更接近现实的参照，是车载服务收入本身。

斑马智能援引灼识咨询预测，按收入计，中国车载平台服务市场将由2024年的7亿元增至2030年的147亿元，年复合增速为64.8%。市场目前规模不大，但一旦服务种类、用户习惯和分成机制逐步建立，其增速可能明显快于传统软件授权。

同一逻辑还可以延伸至海外。

据斑马智能披露，公司已合作中国汽车品牌进入16个国家，同时支持中国品牌及合资品牌拓展全球市场。端侧部署在数据合规、本地适配、响应速度和弱网运行方面具有现实价值。

端侧AI的价值重估不会由模型参数或市场空间测算完成，而要落实到几个具体指标：任务能否稳定完成，服务是否被持续调用，车企和软件供应商能否从中获得实际收入。

大模型上车只是起跑线。下一阶段的胜负，不在于谁先宣布接入AI，而在于谁能把一次次用户意图变成稳定交付，再把稳定交付变成可持续的商业回报。

*以上内容不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。