标签: 高德汽车

云梦级汽车4月23日云梦级消息，4月22日，高德正式发布汽车出行AI Agent，车载导航由此从“被动响应指令”迈向“主动理解意图”的新阶段。不同于传统“导航+语音助手”，这一系统不再只是执行用户指令，而是能够理解用户需求并完成整段行程规划。

在传统车载导航中，用户需要清楚地告诉系统要去哪、怎么走，系统会忠实但机械地执行，更像是“人适应系统”。而Agent化的变化在于，系统开始具备理解、推理、记忆与主动标签服务的能力。用户可以用日常语言甚至模糊表达触发出行任务，系统会将这些需求转化为可执行的路线规划，并在行程中持续感知环境变化、主动提出优化建议，从而“让系统适应人”。

因此，这不仅是一次产品升级，也意味着智能座舱正在迈向AI Agent原生的新阶段。

复杂出行，一说都懂

高德汽车出行AI Agent的核心能力可以概括为模糊语义精确搜索、复杂行程一句话串联、动态空间路线推理和多轮对话式路线编辑。

例如，一位北京用户这样描述自: 己的行程："我要去有变形金刚那个游乐园吃冰淇淋，然后去世贸天阶买那个小熊蛋糕，然后去一个大大的公园滑滑梯，然后再吃一个冰淇淋，然后回家"。

高德汽车出行AI Agent给出的行程规划是："北京环球度假区——多乐之日（世贸天阶南街店）——朝阳公园——iGELATO意大利手工冰淇淋（朝阳公园店）——家"。

在这一过程中，高德汽车出行AI Agent首先要将口语化、碎片化的描述映射到具体POI，完成从模糊表达到真实地点的定高德位。随后再将这些地点合理串联，一次性完成POI检索、沿途搜索、途经点排序、路径规划以及导航发起等一整套操作。

再例如，一位上海用户这样描述需求："走走走，去那个圆形的湖，我忘了叫什么，我想去那里玩帆船。顺便在湖附近吃个评分高，有停车场的上海本帮菜餐厅"。

在这一场景中，高德汽车出行AI Agent需要同时完成多项判断：首先是根据“圆形”“帆船”等线索识别目标湖泊；其次是根据"评分高、有停车场、上海本帮菜"等多维条件汽车筛选合适餐厅；最后再进行空间顺序推理，确保路线是真正顺路而非绕行。

此外，一位理想车主可能这样描述长途出行需求："去青岛，沿途帮我规划一下充电，最好在服务区，用超充，每次充到80%就走，中间顺便吃个饭"。

相比普通的多点导航，长途补能规划要复杂得多。高德汽车出行AI Agent需要同时考虑多个因素：先根据车辆当前电量和整段行程距离，判断在哪里补能最合适；再在高速服务区中筛选支持超充的充电站，并优先推荐理想超充，同标签时查看实时桩位是否空闲；最后把充电时间和用户的用餐需求一起安排，让充电等待时间尽量与吃饭时间重合。

与此同时，出行计划往往不是一次性确定的，而是会随着用户想法不断变化。假如一位北京用户与车机进行了这样三轮对话：“导航去荟聚，走北六环。”“哎呀不行，这样走太远了，换一条快一点的路吧。”“烦死了，还是不行，再帮我找一条不拥堵的路。”

面对这样的多轮对话式调整，高德汽车出行AI Agent可以实时重新计算路线并完: 成切换。这不仅依赖高德原有的导航能力，也需要Agent能够理解“走太远了”“快一点”“不拥堵”等带有情绪色彩的表达，并把这些模糊需求转化为具体的路线优化策略。

从"被动响应"到"主动服务"：AI Agent重塑智能座舱体验

通过打通从意图理解到路线执行的完整链路，高德汽车出行AI Agent让复杂出行变得更简单——用户只需表达自己的想法，系统就能理解需求并生成完整的出行方案。这种交互方式的变化，也在重新定义高德智能座舱。

在高德看来，智能座舱真正的范式跃迁，是系统具备在用户开口之前主动服务的能力。其核心在于持续感知用户当前的时间、空间和情境，并据此进行主动预判与提前响应。

例如，当检测到当前电量不足以支撑整段行程时，系统会主动在路线中插入充电节点，并提示预计补能时间，确保不影响整体到达；当发现前方道路出现事故、施工或异常拥堵时，也可以提前计算绕行方案，在用户尚未察觉之前完成路线调整；

而当用户表达“今天是家庭日”这样的需汽车求时，系统还能理解背后的出行偏好，例如更适合儿童的景点、适合家庭用餐的餐厅或具备母婴设施的商场，并据此重新组织整段行程推荐。

智能座舱交互方式的变化，也将深刻影响车企的研发方向。未来，智能座舱研发的重点将从"语音识别和指令映射"转向"意图理解和能力协同"，车企与地图的关系也将从传统的SDK集成演进为更深层次的Agent能力融合。

在这一体系下，一种“云端决策+端侧执行”的协同模式正在形成：系统主Agent作为座舱标签的云端大脑，负责理解用户的全局意图并进行任务拆解，再将具体任务分发给最专业的执行模块；而高德则以出行子Agent的角色负责出行任务的执行，将用户的出行意图在真实世界中精准落地。

过去十年，智能座舱一直在追求“千人千面”，但受限于传统互联网的规则逻辑，很多系统真正实现的只是“千人百面”甚至“千人十面”。

进入AI Agent时代，这个局面正在被打破。高德汽车出行AI Agent会根据每一次出行行为、路线选择和: 自然表达，不断更新对用户偏好的理解，例如逐渐知道用户更偏好走主干道还是小路，早高峰时是否愿意多花几分钟换一条不拥堵的路线。

这种个性化不再依赖固定标签，而是随着使用不断演进，使同一辆车、同一套系统也能为不同用户提供截然不同的出行体验，实现从“服务用户画像”到“服务具体个人”的转变。

空间智能，出行Agent的能力底座

不同于纯语言模型，出行场景中的意图理解必须建立在真实世界之上。任何“幻觉”都可能影响用户高德决策甚至行车安全，例如推荐已关闭的餐厅或规划施工中的路线。

为此，高德汽车出行AI Agent构建了"语言大脑+空间大脑"的双引擎架构：前者负责理解用户表达，后者负责在真实世界中验证意图是否可执行，并完成路径与资源匹配。

这一架构的核心原则是意图与事实严格分离。大语言模型只负责理解用户意图并生成查询请求，所有地理信息，包括POI、路线和充电桩位置等，都必须通过高德数据库获取并经过空间大脑校验后才能呈现给用户，汽车从而确保结果在真实世界中成立。

支撑这一能力的，是高德在出行领域长期积累的三类核心资产。

首先是数据资产。高德拥有高质量、高覆盖、多维度的POI数据，以及持续更新的道路信息和海量真实场景的出行语料，这些数据构成了高德空间智能的基础，也形成了难以复制的数据壁垒。

其次是认知积累。长期深耕出行场景，使高德在"顺路"的计算逻辑、"附近"的空间定义、多点行程排序以及用户口语化表达理解等方面沉淀了丰富经验。

第三是出标签行生态的深度链接。高德连接着人、车、路、场，并与主机厂、充电网络、商业POI及交通管理部门形成深度协同，这让高德汽车出行AI Agent可以调用的不只是静态数据，而是一个持续更新的真实世界出行网络。

数据、认知与生态三者结合，构成了高德打造出行Agent的核心能力基础，也支撑起对时间、空间与人的深度理解，使“顺路”“附近”“沿途”等复杂空间概念能够在真实路网中被准确计算。

在此之上，强大的基座模型决定了意: 图理解能力的上限。高德汽车出行AI Agent以千问大模型为底座，其持续进化的语言理解与推理能力，使系统能够不断提升对用户出行需求的理解深度。

当语言智能与空间智能结合，用户不再需要逐条下达指令，只需表达想法，系统就能理解需求并完成整段行程的规划与执行。在这一过程中，出行Agent也正在成为智能座舱能力体系中的关键基础设施。