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高德地点的定位。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、上海本汽车帮菜"等多维条件筛选合适餐厅；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，并标签优先推荐理想超充，同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。这种交互方式的变高德化，也在重新定义智能座舱。

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“今汽车天是家庭日”这样的需求时，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标签：系统主Agent作为座舱的云端大脑，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“幻高德觉”都可能影响用户决策甚至行车安全，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汽车验后才能呈现给用户，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标签了丰富经验。

第三是出行生态的深度链接。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。