作者：高飛

記得有那么幾年，CES被叫做“披著科技展外衣的車展”，汽車廠商扎堆兒在拉斯維加斯發(fā)布概念車，汽車技術(shù)成了消費電子展上最大的展區(qū)，面積一年翻一倍。

風水輪流轉(zhuǎn)。

2026年北京車展，38萬平方米、首發(fā)新車181臺、展車總數(shù)超過1400臺，規(guī)模躍居全球車展首位。但具體看每一個展臺，會發(fā)現(xiàn)AI才是主角，端到端大模型、L3量產(chǎn)落地、艙駕融合、車載智能體，早代替了馬力、扭矩和百公里加速。幾乎每家車企都在講自己的AI方案，合資品牌也都在拼命補智能化的課。

在這些變化的底層，阿里云扮演了一個非常重要的角色。過去一年，阿里云全棧AI云，支撐全部中國車企智能化落地和全球化升級。60%中國智能駕駛AI算力跑在阿里云上。算力和基礎設施看似在底層，但直接決定AI的性能上限和功能邊界，也就直接了解車主的駕乘感知。

如今，兩個汽車領域的老詞，就在AI的加持下，呈現(xiàn)出新的內(nèi)涵。一個是“人車合一”，一個是“第三空間”。具體的感知，可以從車展上的一個關(guān)鍵詞說起，千問上車。

一句話辦到底千問上車，是阿里云在這次車展上主打的IP。千問App這個名字大家不陌生，它是阿里巴巴面向C端用戶的移動AI助手APP，服務超過3億用戶。

但車里的千問和手機上的千問有相同也有所不同。相同之處，底層都有千問大模型家族的承載；不同之處在于，千問上車是兩股力量的組合：一是千問智能體，它是為座艙場景重新設計的云端AI助手，能理解意圖、調(diào)用服務、替你辦事；二是千問大模型，它不僅在云端支撐智能體的推理，更以Qwen-Omni的形態(tài)部署在端側(cè)，讓車本身具備感知物理世界的能力。

二者聯(lián)手，才能實現(xiàn)接下來我們要講的新“人車合一”。

我們拿車里最常見的場景，導航來舉個例子。大家知道，曾經(jīng)的導航，其實更像是地圖的加強版，在A點和B點之間畫線。但實際上，車輛的路徑，源自于乘客的需求。這些需求，往往是模糊和不確定的，并非兩點之間直線最短。

比如一種典型的需求是 “一會去亮馬河，找個離上船碼頭最近的餐廳吃個飯，然后去三里屯太古里，但不想排隊進地庫，需要導航到附近的停車場”。

這一系列想法，人類司機自然是能理解的，但傳統(tǒng)汽車導航就無能為力。我們只能手動將一個個地理坐標，先后錄入到導航App中。

但千問智能體，現(xiàn)在已經(jīng)能做到對這種模糊需求的精確理解了。

對于用戶一口氣說完的復雜需求，智能體可以把里面的四五個地點、偏好和約束條件全部解析，導航規(guī)劃一次性完成。即使開到一半想加個途經(jīng)點，也是說一句補充就行，導航直接在當前路線上插入新地點，不用重啟。如果說導航是讓車駛到某個坐標，用戶實際上想要的是要在這個地理位置實現(xiàn)的某種需求，比如導航版去咖啡館不是目的，喝一杯咖啡才是目的。

那么更進一步，智能體還能完成下一棒的接力，因為千問智能體可以調(diào)用購物技能。

具體來說，淘寶閃購能在云端完成定位、商家篩選、商品匹配、生成訂單，再交由支付寶識別用戶聲紋完成扣款。全程用戶不用掏手機，不用跳到別的APP。從意圖到執(zhí)行到支付，一整套都在車端的千問智能體里面閉環(huán)了。

阿里云還引入了一個“有屏無操作”的設計邏輯。

因為行車中人最稀缺的兩種資源是注意力和雙手，傳統(tǒng)APP那套彈卡片、手指點選、跳轉(zhuǎn)支付的邏輯直接搬進汽車的智能座艙中，是行不通的。

語音在這個場景里不是更好的選項，而是唯一的選項。“有屏無操作”，意味著用戶只要對著屏幕說話就可以了。

所以，我們過去說人車合一，說的是駕駛者踩油門車就走、打方向車就轉(zhuǎn)，是肌肉和機械之間的默契?，F(xiàn)在這種“你說車就辦”，其實也是一種合一，只是從腳和手，換成了語言和腦。

物理世界加數(shù)字世界

一般來說，用戶端的操作越簡單，背后的架構(gòu)設計就越復雜，技術(shù)含量越高。千問智能體也不例外，它由車內(nèi)端側(cè)的物理智能和云上的數(shù)字智能組合而成。

阿里云智能集團AI汽車行業(yè)總經(jīng)理李強最近在智能電動汽車發(fā)展高層論壇（2026）上，對這套架構(gòu)做了非常清晰的表述：端側(cè)處理物理世界的交互需求，云端通過千問智能體承載數(shù)字世界的能力。物理世界加數(shù)字世界，合在一起才是座艙的完整服務版圖。

先說物理世界這端。

千問上車在端側(cè)的核心是千問大模型家族的Qwen-Omni，李強稱之為“三進兩出”的模型架構(gòu)。這是千問系列中專門面向多模態(tài)感知的分支，今年三月底剛發(fā)布，能同時處理語音、圖像、視頻三種輸入。它的工作不只是聽你說了什么，語義層面的理解交給云端的大模型也行，端側(cè)真正不可替代的能力是感知物理世界。

乘客的表情、語氣、情緒，是疲憊還是興奮，當我們說“找個安靜的地方”到底是想去圖書館還是咖啡館，這些非語義信號只有在車里、靠近用戶的端側(cè)模型才能捕捉到。

除了感知，端側(cè)模型還有調(diào)度責任，哪些是端側(cè)的工作，哪些需要云端的配合。

顯然，當我們說“打開車窗”，端側(cè)直接就能下發(fā)指令閉環(huán)。當我們講一段模糊的導航意圖，端側(cè)判斷之后就需要交給云端去搜索和推理。

要做到這個調(diào)度過程對用戶的無感，非?？简灦藗?cè)模型的響應速度和資源分配能力。

但這里面有一個關(guān)系容易被忽略，端側(cè)是一個根本。

李強也講過一個極限場景：弱網(wǎng)環(huán)境下的體驗保障。隧道里、地庫里、信號差的山路上，云端可能斷了，但端側(cè)的基本交互不能中斷，“在保障用戶隱私與安全的同時，必須確保在弱網(wǎng)環(huán)境下依然能處理物理世界的交互需求”。

另外，端側(cè)感知如果不準，云端給出的服務就全部失配。打個比方，端側(cè)像一位貼身管家。如果管家翻譯錯了，后面會全錯。因此，端側(cè)模型的質(zhì)量，決定了整個體驗鏈條的下限。

數(shù)字世界那端就是云端，決定了智能座艙體驗的上限。

云端除了更大尺寸的模型推理和意圖理解，還有一個不可或缺的能力拼圖，是阿里的生態(tài)服務。

前面說的淘寶閃購、支付寶聲紋支付，都是云端在接到端側(cè)傳過來的意圖之后完成的生態(tài)組合拳。

以前我們講“人車合一”，更多是人如何去理解車，實現(xiàn)更完美的駕駛；現(xiàn)在我們講“人車合一”，更多是車如何更好理解人，交付更完美的體驗。

一半是Hermes，一半是OpenClaw在和阿里云座艙的相關(guān)專家交流之后，我發(fā)現(xiàn)，這套體系，似乎還可以用今年AI圈最火的兩個開源項目來類比。

一個是OpenClaw，一個是Hermes Agent。

我們先說后者。

Nous Research今年二月發(fā)布了Hermes Agent，兩個月內(nèi)GitHub星標突破九萬，是2026年增長最快的AI Agent框架之一。它跟其他Agent框架最大的區(qū)別在于一個閉環(huán)學習機制：Hermes解決一個問題之后，會自動把解決過程沉淀為一個可復用的skill，下次遇到類似問題直接調(diào)用。

根據(jù)Nous Research的內(nèi)部測試，積累了20個以上自建skill的Hermes Agent，完成同類研究任務的效率比全新實例快40%。越用越強。

千問座艙其實也有類似的邏輯。它通過持續(xù)對話學習車主畫像，你喜歡安靜的咖啡館，你習慣走某條路，你下午三點左右總想買杯奶茶，這些信息沉淀下來之后，系統(tǒng)給出的建議會越來越貼合你。

這和早期的RAG知識庫有本質(zhì)的區(qū)別。

RAG式的“懂”是查詢匹配，我們現(xiàn)在所說的“懂”是行為進化，系統(tǒng)理解了用戶的偏好模式和意圖習慣，主動調(diào)整自己的行為邏輯。千問座艙走的是后者這條路。

我們再來說OpenClaw，也就是龍蝦。這個大家就更熟悉了。

Peter Steinberger去年底發(fā)布的這個項目，短短幾個月拿下超過三十萬GitHub星標。如果說Hermes Agent的特征是進化，OpenClaw的核心能力在于連接：它用標準化協(xié)議和內(nèi)置skill把各種平臺、各種服務串聯(lián)起來。

顯然，這個生態(tài)越大、接入越多，能辦的事就越多。某種程度上，如果不是OpenClaw在前邊的Skills開路，也就沒有之后Hermes Agent的接力爆火。

無獨有偶，生態(tài)性在千問上車的過程中也充分體現(xiàn)了優(yōu)勢。阿里生態(tài)上的高德、淘寶、支付寶，都已通過標準化接口接進千問智能體，未來還會更多。集團在各業(yè)務領域的廣泛生態(tài)布局，使得這種連接優(yōu)勢在不同場景中都能發(fā)揮作用——生態(tài)越豐富、結(jié)合越廣泛，帶來的價值就越大。車企接入千問智能體，等于接入了這整張生態(tài)網(wǎng)絡。

忘了車的存在2026北京車展開幕首日，長安、東風、北汽、比亞迪、吉利、長城、理想、上汽大眾、上汽智己均宣布接入千問。

3月份，一汽紅旗率先宣布接入千問，在車內(nèi)可實現(xiàn)多模糊意圖識別與復雜路徑規(guī)劃的服務閉環(huán)；4月份，廣汽集團宣布接入千問后，座艙具備了極強的邏輯理解與長文本處理能力，并融入阿里巴巴“吃、住、行、游、購、娛”全生態(tài)，實現(xiàn)“一次指令、全部搞定”。

實現(xiàn)這個成果，背后原因，或許是單一維度的領先容易實現(xiàn)，但“自進化的深度”乘以“生態(tài)接入的廣度”，這個乘積才構(gòu)成真正的壁壘。

如我們在前邊所講，阿里在兩端都有積累：千問APP的3億用戶沉淀了海量意圖理解數(shù)據(jù)，集團的生態(tài)提供了國內(nèi)最完整的生活服務矩陣。

當車里能做的事越來越多，點外賣、買咖啡、查藥店、訂酒店，它就不再只是一個出行工具了，它開始像一個你能在其中工作和生活的空間。

其實行業(yè)已經(jīng)喊了好幾年“第三空間”，但過去這個詞約等于座艙里能聊天。加個大屏加個語音助手，能講笑話能播歌。

但那不是空間，而是一個帶輪子的音箱。車里真的能辦事了，“第三空間”才開始有了更實質(zhì)的意義。畢竟，我們在第一空間和第二空間，是要真做事，真享受生活的。

對了，最后說一個很巧合的事情。“人車合一”和“第三空間”這兩個詞都誕生在1989年。那一年，美國社會學家Ray Oldenburg出版了《The Great Good Place》，把咖啡館和公園定義為家和辦公室之外的"第三空間"，后來星巴克拿著這個概念做成了一門生意。同一年，馬自達第一代MX-5的設計師說了一句后來被引用了無數(shù)次的話：“有那么一瞬間，我忘記了車的存在，我想這就是人車合一?！?/p>

37年后，這兩句話都有了另一層意思，并且融為一體。在千問坐進副駕，車能替你辦事、能讀你的狀態(tài)、能越用越懂你的時候，你也會忘記車的存在。只不過這一次，你忘記的不是操控的邊界，而是“車”這個概念本身。因為它不再只是一輛車了，它變成了你的第三個生活空間。