从汽车到具身智能：斑马智能押注车载大模型与意图经济

周五傍晚坐进车内，用户尚未开口，车载 AI 系统已经调出行程建议：系统知晓周六是女儿的生日、偏爱大自然，因而主动推荐了郊外的亲子农场；同时结合上周关于江浙菜的闲聊，在沿途顺路标记了高分餐馆。驾驶员只需确认一句，服务流程随即完成。

在斑马智能描绘的场景中，这是“主动智能”落地后的典型交互形态。用户不再需要将需求转化为关键词或点击操作，系统即可直接理解意图并执行闭环任务。而这种汽车座舱内的智能演变，正成为具身智能走向现实生活的重要跳板。

汽车：具身智能最大的“中试场”

具身智能在算法与实验室样机上持续取得突破，但技术进展并不等同于商业化落地。许多机器人硬件能够完成复杂的动作演示，却受制于场景小众、低频及高验证成本，迟迟无法形成规模化商业模式。

汽车则具备截然不同的特性：使用频次高、处于私密独立的物理空间，并且天然打通了数字支付链路。这些特征使智能汽车成为具身智能领域最大、最成熟的“中试场”——企业可以在其中验证产品稳定性、跑通商业模式，进而将技术能力向更多场景迁移。

目前，斑马智能座舱系统装车量已达千万级，AI 业务覆盖 68% 的主流车企，端侧智能市场渗透率为 63%，生态合作伙伴超过 400 家。真实的道路行驶、多样的家庭偏好与海量交互数据，构成了端侧智能迭代的核心支撑。

业内观点认为，智能汽车与具身机器人共享底层技术、供应链与算力资源，“从汽车走向具身”正进入实操验证阶段。随着端侧小参数模型在交互能力上逐步逼近云端大模型，端云一体的智舱云端技术架构正在加速成型。

跑通“意图经济”与 AutoOmni 2.0

过去一段时间，座舱大模型多停留在参数竞争和被动指令交互阶段。斑马智能提出，大模型时代正在推动经济范式从“关键词经济”（搜索信息）、“注意力经济”（App 货架推荐）转向“意图经济”。

在前台，AI 智能体基于上下文与长期记忆解析用户诉求；在后台，系统直接调度跨应用与跨端服务，消除传统的搜索与点击环节。

实现意图经济的关键，在于机器能否兼具对物理环境（表世界）和用户意图（里世界）的深度认知。前者依托世界模型确保物理交互安全，后者通过日常习惯与状态感知理解用户心理需求。

为了支撑这种理解力，斑马智能推出了全模态端侧大模型 AutoOmni，并在云栖大会上发布了全新的 AutoOmni 2.0-23B-A3B，重点提升了座舱文本理解、视觉场景解析与情绪识别能力。

在底层算力层面，AutoOmni 芯片生态实现了多任务并发优化与 5 至 6 倍的推理提速，运行内存占用减少一半，并快速适配了高通、NVIDIA、紫光展锐及小鹏图灵 AI 等硬件平台。通过全时免唤醒与跨端记忆整合，车载系统从短时间的语音响应转变为长周期的意图感知。

生态重构与跨端拓展

商业层面的闭环同样取决于利益分配机制。传统汽车销售以单次硬件交易为主，而在以 Agent 为核心的生态中，各方角色发生了重构：车企获得持续的服务分润，生态伙伴转为被调用的服务节点，消费者减少手动操作，系统平台则转型为生态运营商。

斑马智能通过 AliOS 结合开放系统的架构，整合用车服务与互联网生活生态。目前已有超过 50 家内容及服务提供商签署了分成与联营合作。通过融合数字娱乐、闪购配送与车载支付能力，智能服务实现了从意图识别到支付履约的一体化闭环。

座舱内跑通的服务与交互机制并非汽车专属。斑马智能正计划将端侧 AI 交互从座舱迁移至手机、智能家居与可穿戴设备，其环境理解与世界模型也将逐步应用于机器人及数字孪生领域。

在具身智能的发展路径上，相较于直接制造形态各异的机器人硬件，先在具备高频支付与物理封闭特性的智能汽车场景跑通“端侧大脑”与服务闭环，再向泛终端扩展，正在成为一条清晰可行的落地路径。