摘要：4月22日，车展前夕举行的腾讯智慧出行技术开放日上，“不造车”的腾讯宣布面向汽车行业升级包括AI基础设施（AI Infra）、AI开发与应用平台（AI Platform）及AI场景化应用（AI Application）在内的全栈AI能力。

IT时报记者郝俊慧

4月22日，车展前夕举行的腾讯智慧出行技术开放日上，“不造车”的腾讯宣布面向汽车行业升级包括AI基础设施（AI Infra）、AI开发与应用平台（AI Platform）及AI场景化应用（AI Application）在内的全栈AI能力。

腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生

当日，这家互联网巨头全面展示了如何将微信生态的社交基因、腾讯云的工业级算力，以及AI驱动的数据闭环能力，综合形成一个覆盖整个出行产业链的操作系统，帮助汽车行业从模型开发、模型部署再到模型应用，全面用好AI工具箱，打造好用的AI。

其中，最为吸睛莫过于AI Agent“上车”，基于座舱端侧大模型、微信生态的独特优势以及腾讯云的强大算力支持，车载AI Agent正逐步显示出其不同于他者的优势。

上海车展期间，长城汽车与腾讯智慧出行宣布将共同打造AI座舱创新场景，将丰富、开放的车载微信生态与座舱AI智能体深度融合，打造从推荐到服务的智能场景闭环。

车载AI Agent：重新定义“人车交互”

在传统认知中，智能座舱的核心是语音助手识别率或屏幕尺寸。但腾讯给出的答案完全不同：真正决定体验上限的，是能否打通12亿微信用户的行为惯性。

坐在长城汽车的座舱内，一句“给我点一个大杯瑞幸燕麦冰咖啡”，座舱AI Agent（AI智能体）便会自动选择附近的门店，然后询问车主确定是否可以到选定门店自提，得到肯定回答后，AI Agent便一步步自动打开车载微信并下单，最终只需扫码下单即可。与此同时，二维码也被同步到手机上，车主下车后直接扫码取单即可。

一句话一杯咖啡背后，并非简单的指令执行，而是微信长达十年构建的小程序生态。

今年被称为AIAgent元年，也是手机和PC以AI之名普及的第二年。此前，同样“一句话一杯咖啡”的演示出现在荣耀手机的发布会上，但此后却似乎并未太多进展，对于使用手机的触控模式完成各种服务和体验，人们已习以为常，语音控制的模式必要性并不强，甚至有时候慢于触控模式。

如今，AIAgent似乎在座舱内更早找到了合适的位置。相较于手机，汽车对于跨应用和服务的需求更强烈，尤其在辅助驾驶的L2阶段，严格意义上，车主的手脚并不能脱离方向盘和刹车。

“我们发现，车端用户对应用的边界比手机模糊，当用户利用AIAgent在驾车时完成一些服务性的体验和选择，感知会更好。”腾讯智慧出行副总裁钟学丹表示。

腾讯座舱端侧大模型是AI Agent的核心驱动力。基于混元2B小参数模型，结合汽车行业专业数据精调和本地RAG（检索增强生成）能力，该模型在C-Eval评测中得分73.83，位居端侧模型前列。其本地推理能力实现首包延迟低于0.3秒，用户提问结束即开始回复，提供从驾驶建议到故障处理的实时服务。通过端云结合，即使面对复杂问题也能轻松应对。

同时，700万规模微信小程序生态是AI Agent实现场景的底座。在AI 手机的场景中，手机厂商面临的最大挑战，在于真实场景数据的碎片化与接口调用的复杂性。而微信小程序生态的天然属性，恰好破解了这一困境。

在面向AI的未来场景中，小程序不再是孤立的应用容器，而是演变为AI Agent的“分布式服务神经元”，每一个商业主体都可能成为数据采集、场景验证和价值交付的节点。

不过钟学丹坦承，当前最大的挑战是对于用户需求的理解和预判，由于当前打通的场景有限，座舱里的AI Agent可能面临用户各种“稀奇古怪”的要求，而这些需求的实现，都需要模型对各种场景和各种服务进行更多学习和理解。

硬核基建：“水电站式”算力底座

如果说微信生态解决了人机交互的“软需求”，那么腾讯云则承担着智能驾驶时代的“硬基建”。

IDC数据显示，截至2024年底，腾讯云在公有云市场的排名为第四，依托腾讯云高性能计算、存储、网络等基础设施，实现"一云多芯，一云多态"的稳定、高性能且高效的算力支撑，成为智能驾驶的AI Infra。

汤道生介绍，腾讯云为车企提供了全链路的解决方案，在强大的算力调度基础上，可充分发挥每一张卡的效能，混合算力集群利用率可达98.4%。此外还通过训推加速套件，将推理场景GPU利用率提升了60%。

据了解，腾讯云打造了算、存、网、数一体化的云原生高性能智算底座。计算方面，万亿参数大模型最快仅需4天即可完成训练，千卡单日故障数低至0.16次，为业界平均水平的三分之一，无中断智能驾驶模型训练时长突破300小时。网络方面，千卡集群的通信时间缩短到6%，是业界一半，大幅提升模型并行、数据并行效率，实测数据显示，智能驾驶大模型训练加速达到30%。存储方面，1分钟内可以完成万卡Checkpoint写入，数据读写效率是业界10倍，大幅缩短Checkpoint对智能驾驶模型训练时长的影响。针对智驾训练PB级数据调用的需求，单链接速度轻松达到 GBps 级别，逼近硬件资源极限。

目前，腾讯拥有国内最大规模的智能驾驶云专区，目前已在上海、河北怀来拓展了四个云专区，云专区之间，可以实现高效的跨区传输、能够灵活支持远程容灾,为智能驾驶的业务连续性提供基础支撑。

为响应很多中国企业出海需求，腾讯云正加大海外布局，不久前刚刚宣布将新建位于沙特的首个中东数据中心、印尼的第三个数据中心和日本的第三个数据中心。截至目前，腾讯已在全球范围运营21个地理区域，56个可用区，拥有3200个加速节点，可以为遍布全球的智能汽车，提供高质量的就近接入服务。车企也可以在同一朵云下，为各国用户提供服务，降低运维成本。如今腾讯已为30多家车企和出行科技公司提供海外云服务。

让AI从“能用”到“好用”

“汽车产业进入到深度、全面应用AI大模型的阶段。腾讯希望通过全栈AI能力，助力汽车行业像用水用电一样，‘用好’AI工具，打造‘好用’的AI应用。”钟学丹表示。

尽管每家车企都在All In AI，但在AI技术转化为AI应用的过程中，车企依然面临重重挑战。

在数据闭环工程方面，“规模—效率”悖论是令车企最头疼的问题之一，数据规模增大时，效率反而降低了。如何将企业内部繁杂的数据，转化为可被大模型利用的数据？如何充分利用车端感知的海量数据和地图数据，来加速智能驾驶算法训练？

同样，在模型能力方面，车企普遍在基础设施和工具链上的布局不够全面。在模型优化方面，传统Pre-Training（预训练模式）面临数据瓶颈和效率问题，如何加速Post-Training（后训练）、Test-Training（测试训练）环节的效率，成为必然需求。在AI应用方面，要不断优化用户体验，需要对场景有更加精准地理解，从而更有针对性地接入AI能力。

钟学丹所言的全栈能力，除了前文提到的AI Infra，还有AI Platform层的完整智能驾驶数据闭环服务体系，这个体系覆盖了数据采集、合规、训练、测试验证和量产全链路。

腾讯采用开源开放的合作模式，为汽车企业提供数据采集和管理工具，动静态4D标注、云端预标注大模型和数据修订工具、基于多模态大模型的场景标签化和检索工具以及高并发云仿真工具等，覆盖了整个数据闭环链路。

同时，全面升级的腾讯云大模型知识引擎，可以帮助企业结合汽车行业专有数据，以知识问答、知识总结等应用范式，打造更懂汽车的大模型应用。

腾讯云大模型知识引擎支持MCP协议，开发者可灵活调用精选插件或自定义开发，极大降低AI应用构建门槛。一汽丰田借助腾讯云大模型知识引擎全面升级了智能客服，对用户的问题独立解决率从37%提升至84%。

在AI Application层面，腾讯智能座舱、腾讯地图等产品也深度融入了AI大模型，为用户带来响应更快、更智慧的出行服务体验。

如今，腾讯已经构建起全栈AI能力矩阵，为汽车企业落地大模型提供一站式服务。

腾讯集团副总裁、腾讯智慧出行总裁钟翔平表示：“AI技术的深度应用，正在逐步改变汽车市场原来‘大鱼吃小鱼’的传统竞争规则，让能够掌握技术趋势、通过创新获得先机的‘快鱼’，有更大机会抢占新市场、吃掉‘慢鱼’。”

在这场由AI驱动的产业剧变中，腾讯正在重新定义自己的价值。

来源：IT时报一点号