如果回看过去十几年汽车行业的技术演进，你可能会发现一个有意思的规律：真正改变行业格局的，往往不是那些最宏大的叙事，而是最先跑通价值闭环的小场景。

比如新能源汽车率先在城市通勤场景中，建立起补能成本和使用体验优势；智能座舱从导航、音乐、语音等高频功能开始，一点点培养用户习惯；智能辅助驾驶是从自动泊车、高速 NOA 等局部辅助驾驶能力开始渗透，最终完成从「尝鲜功能」到「日常使用」的跨越。

放在今天的 Agent 身上，这条规律依然成立。

Agent 不会一夜之间重构车企，真正的竞争，是谁能够率先找到那个高频、真实、可闭环的小场景，让 Agent 留下来、跑起来，并先赢下一局。

这也折射出汽车行业 AI 讨论重心的变化：

从「大模型有没有上车」，到「谁家的模型更强」，再到今天更现实的问题——Agent 到底创造了多少真实价值？企业又该如何衡量它、用好它、让它真正留下来？

01、车企 Agent 落地的三道「跃迁门槛」

今年的汽车行业，几乎每家车企都已经在做 Agent。然而，车企 Agent 的落地，并不是一道选择题，而是一次次跨越门槛的过程。

在 2026 AI 产业应用大会上，腾讯首席 AI 科学家姚顺雨表示，AI 正在进入「下半场」。

过去，更困难的是寻找有效的方法；而随着预训练、后训练等通用方法论逐渐成熟，真正困难的，反而变成了「寻找值得解决的问题」。

放在车企 Agent 上，这意味着竞争重点正在发生变化：比起「能不能做 Agent」，更重要的是找到那些真正值得被 Agent 改造、能够创造持续价值的业务问题。

从现阶段行业实践来看，车企 Agent 的落地，大致需要跨过三道「跃迁门槛」。

第一道门槛，是从工具化探索走向关键场景验证。这是大多数车企当前所处的位置。

过去一年，AI 编程工具、知识库问答、智能客服、座舱语音助手等应用快速普及。它们上手快、门槛低，也很容易在短时间内做出效果。但问题在于，很多应用停留在谁都能用一点的阶段。

看上去很热闹，却很难沉淀价值。真正跨过第一道门槛的关键，在于把零散的工具使用，收敛到具体业务场景中，回答清楚一个问题：它究竟解决了什么问题，又带来了什么结果？

第二道门槛，是从单点验证走向局部做深与复制。当某个场景被证明有效之后，真正的挑战才刚刚开始。

很多企业容易陷入另一个误区：看到一个 Agent 跑通了，就急于在全公司推广。但事实上，从「能用」到「好用」，中间还隔着大量工程化与业务融合工作。

例如，销售陪练不能只是生成几段话术，而是要进入门店培训体系；AI 编程不能只是补全代码，而是要嵌入需求、开发、测试、交付的研发链路；知识库也不能停留在问答层面，而是要参与业务决策和流程协同。

这一阶段，比拼的不再是谁率先尝鲜，而是谁能够把局部价值真正做深、做稳，并总结出可复制的方法。

第三道门槛，则是从局部复制走向体系化运营与规模复利。只有跨过这一步，Agent 才真正从「项目制试点」升级为「生产级系统」。

所谓体系化，不只是多个部门都在使用 Agent，而是不同业务线之间能够共享能力、沉淀知识、复用经验，并建立起统一的运营与治理机制。

Agent 不再依赖某个部门推动，也不会随着项目结束而消失，而是成为企业生产力的一部分。

值得注意的是，这三次跃迁并不是整家车企同步完成的。

同一家车企内部，研发团队可能已经进入第二阶段，门店培训还停留在第一阶段；座舱服务或许已经开始探索规模化，知识管理却仍处于验证期。

因此，与其简单判断「谁领先、谁落后」，不如换一个视角：哪个场景率先跨过了门槛，哪个场景就更有机会成为下一轮复制与扩展的起点。

02、三力乘法，是车企 Agent 效能的底层公式

事实上，在大量企业实践中，那些真正跑出来的 Agent，未必使用的是参数规模最大的模型；而那些最终被搁置的项目，也往往不是因为模型不够聪明。

决定 Agent 效能的，往往不是单一能力，而是多个能力的共同作用。

正如腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生，在2026 AI 产业应用大会上指出，无论技术如何变化，做产品的第一性原理始终没有改变——真正理解用户需求、解决用户痛点、创造实际价值。

对 Agent 而言也是如此。模型能力再强，如果无法回应真实业务需求，就难以沉淀为长期生产力。

正是在这样的观察基础上，贝恩公司与腾讯云在《企业级智能体效能管理指南》中提出了一个核心公式：企业智能体效能 = 场景连接力 × 工程驾驭力 × 模型驱动力。

这个公式最值得关注的地方，不在于「三力」，而在于「乘法」。

对此，贝恩公司全球合伙人陆赟做过一个直接的解释：场景连接力决定「用不用」，工程驾驭力决定「敢不敢用」，模型驱动力决定「用不用得起」。

很多企业建设 Agent，习惯于做「加法」，比如增加一个模型、一个入口、一个功能，认为能力越多，效果自然越好。

但 Agent 并不是能力堆砌。

如果模型再强，却没有进入真实业务场景，它依然只是一个 Demo；

如果场景再明确，但运行不稳定、知识不可信、权限不可控，业务部门依然不敢真正使用；

如果工程体系已经搭好，但模型能力无法支撑复杂任务，也很难完成真正的价值闭环。

三者中的任何一个短板，都可能让整体效能归零。换句话说，决定 Agent 能否「留下来」的，不是单点能力，而是三种能力是否形成合力。

首先，是场景连接力。简单来说，就是让 Agent 真正「进日常」。

对于车企而言，场景连接力意味着让 Agent 自然嵌入原有工作流。

研发侧，它可以进入代码开发、知识检索、文档协同等日常流程；

门店侧，它可以融入销售培训与客户服务；座舱侧，它则能够进入导航、娱乐、生活服务等真实出行场景。

Agent 不应该成为一个独立存在的工具，而应该像水和电一样，存在于用户原本就会经过的地方。

其次，是工程驾驭力。汽车行业天然对稳定性、安全性和可靠性有着更高要求。

一旦 Agent 真正进入生产流程，它就不能依赖偶然发挥，而必须具备知识可信、运行稳定、安全可控的能力。

这背后需要知识体系、运行体系与安全体系共同支撑。

包括基于 RAG 的知识调用能力、Runtime 和 Memory 等运行能力，以及权限管理、安全网关、审计追踪等治理能力。

最后，则是模型驱动力。过去两年，「更大的模型」几乎成为行业共识。但在企业实践中，真正重要的并不是大，而是合适。

不同业务场景，对模型能力的要求并不相同。与其一味追求「加大杯」，不如让不同模型在合适的场景里各司其职，通过智能路由实现能力与成本之间的平衡。

当然，公式只是方法，最终仍然需要落到结果。对于车企而言，评估 Agent 的价值，也不能停留在「演示效果很好」。

《企业级智能体效能管理指南》进一步提出了四个维度的效能指标：业务结果、生产力效率、体验质量与可靠合规。

内部提效场景，可以看培训覆盖率是否提升、研发效率是否提高、知识调用是否减少重复劳动；车端服务场景，则可以关注任务完成率、用户体验、服务转化与系统稳定性。

只有当 Agent 的价值能够被看见、被衡量、被持续优化，它才真正具备从试点走向规模化的可能。

03、上汽向内，零跑向外：三力乘法的两种解法

从当前汽车行业来看，Agent 应该从哪里开始切入，并不存在标准答案。

有的车企选择从组织内部切入，优先解决研发、培训、知识管理等效率问题；有的车企则把 Agent 直接带到用户面前，希望将其转化为新的产品体验与服务能力。

路径不同，但它们共同验证着同一个事实：真正跑出来的 Agent，从来不是「大而全」的产物，而是从一个高频、真实、可闭环的场景开始。

以上汽的 AI 布局为例，就属于典型的体系化推进。

目前，上汽在多个方向同步布局：智己推出 IM Ultra Agent，尝试将智能体能力带入产品体验；

人形机器人进入量产线，探索制造环节的具身智能应用；

延锋与银河通用合作，将机器人能力进一步延伸至零部件制造；

研发体系则持续推进「4+X」AI 战略，完成多个场景验证与应用上线。

显然，上汽并不缺少面向未来的想象力。但在与腾讯的合作中，它选择了一条更务实的路径：先从内部提效切入。

最先被改造的，是汽车门店培训。长期以来，汽车销售培训一直面临几个共同难题：产品更新快、培训成本高、优秀经验难沉淀、不同门店之间服务水平参差不齐。

基于腾讯乐享与企业微信，上汽打造了 AI 陪练智能体，目前已覆盖超过 5000 名一线门店销售人员。

相比于传统「人教人」的模式，AI 陪练能够提供标准化、高频次的训练，让优秀销售经验得到复制，也让新员工拥有更低门槛的成长路径。

第二个切入口，则是研发。随着汽车越来越像「移动智能终端」，软件研发的重要性持续提升。

上汽已经有近千人规模团队使用 CodeBuddy，覆盖智能座舱、车联网、企业 IT 等多个业务场景。

Agent 不再只是简单生成代码，而是逐渐进入需求理解、开发协同、测试验证等研发流程，缩短从需求到交付的链路。

第三个切入口，是知识管理。大型车企天然拥有海量知识资产，但这些知识往往分散在不同系统与部门中。

通过腾讯云智能体开发平台ADP，上汽开始探索把研发文档、培训资料、产品知识等沉淀为可问答、可调用的生产知识，让知识不再只是存起来，而是真正用起来。

如果用「三力乘法」来拆解，上汽的路径非常典型。

• 场景连接力，来自乐享、企微等入口深入门店与办公体系；
• 工程驾驭力，来自知识治理、安全管理与运行机制；
• 模型驱动力，则来自混元大模型等底层能力支撑。

最终，上汽验证的是一条「内部提效」路线。先从销售培训、研发辅助、知识管理等高频场景开始，完成单点验证，再逐步向更多业务线复制，最终沉淀为集团级 AI 能力。

如果说上汽代表的是向内求效率，那么国内的新势力销量冠军零跑，代表的则是向外做体验。

零跑一直坚持全域自研路线。

截至目前，零跑核心零部件自研比例超过 65%，并拥有 17 家自建零部件工厂。

旗舰车型 D19 搭载双骁龙 8797 舱驾一体平台，具备 1280TOPS 算力，可同时运行端侧大模型与 VLA 智驾模型；

同时也是行业首批实现 DeepSeek 模型上车的车企之一，并自建数千卡智算中心支撑模型训练。

相比内部提效，零跑更希望把 Agent 直接转化为用户可感知的产品能力。

腾讯切入的，正是这一层。

2026 年，腾讯发布七大座舱智能体与出行全场景智能体开放平台。其中，零跑 D19 成为座舱智能体首批量产落地车型之一。

在这套体系下，座舱 Agent 不再只是「会聊天」。过去的语音助手，更像一个功能入口：打开空调、播放音乐、导航回家。

而现在，用户只需要说一句：「帮我点一杯昨天那家咖啡。」

系统便会自动调用历史偏好、导航路线、ETA、LBS 信息、停车便利性以及优惠信息，完成推荐、选店与下单。

这背后，是腾讯在座舱领域多年积累的工程化封装能力在起作用。

零跑D19搭载的腾讯座舱智能体，并非简单地将手机端的Agent「搬上车」，而是基于腾讯对车载场景的深度理解，将微信支付、地图导航等核心能力与车机体验做了深度融合。

具体来说，系统在完成一次点单任务时，需要同时处理多个维度的信息：用户的咖啡偏好来自历史订单和记忆能力，门店筛选需要结合实时LBS与导航ETA，最优优惠匹配依赖支付生态的深度打通，而最终的下单动作则要调用小程序的交易链路。

这些原本分散在不同系统中的能力，通过腾讯出行全场景智能体开放平台的工程化封装，被拉平为一次自然对话即可完成的统一体验。

目前，零跑 D19 上已经实现麦当劳、瑞幸等品牌的随行点单服务，车主通过自然语音即可完成从选品、匹配优惠到一键下单的全流程。

未来，腾讯还将进一步拓展餐饮消费类品牌合作，接入机票预订、酒店、短剧、游戏等更多服务，持续丰富座舱AI生态。

用户感知到的，是一句自然对话。但在背后，Agent 已经完成了一次跨地图、小程序、支付与服务系统的任务编排。

因此，零跑验证的是另一条路线：从车机语音升级为座舱 Agent，再进一步走向全场景出行生活服务生态。

回过头来看，上汽与零跑其实代表了两种截然不同的 Agent 落地思路。

前者选择从组织内部切入，优先解决销售培训、研发协同、知识管理等效率问题；后者则把 Agent 直接带到用户面前，希望通过座舱服务重塑出行体验，探索新的产品价值。

一个向内，一个向外；一个强调组织提效，一个强调体验创新。

但两条路径背后，却指向了同一个答案——Agent 落地，从来不是简单地「上模型」。

04、先赢一局的关键，是让三力形成乘法合力

无论是内部提效，还是车端服务，真正跑通的场景，都具备几个共同特征：高频使用、真实需求、价值可感知、效果可衡量。

它们都没有试图一步到位重构整个体系，而是选择先找到一个具体场景，让 Agent 先留下来、跑起来，再逐步扩展到更多业务与更多用户。

这也是「三力乘法」的意义所在。只有场景连接力，Agent 才能真正进入研发、门店与座舱等核心流程；

只有工程驾驭力，企业才敢把关键业务交给 Agent 持续运行；只有模型驱动力，Agent 才能理解复杂需求、完成任务闭环。

三者缺一不可，也决定了 Agent 最终是停留在试点阶段，还是成长为生产级系统。

未来，车企 Agent 的演进方向或许不会是「大爆发」，而是「深扎根」。短期来看，AI 编程、销售陪练、知识调用、座舱生活服务等已经验证价值的场景仍将持续做深。

中长期来看，Agent 将逐步嵌入研发、销售、服务与座舱体系，成为企业流程和用户体验的一部分，推动汽车行业从「能力验证」走向「原生融合与系统重构」。

对于车企而言，Agent 的意义，也不只是增加一个 AI 功能，而是一种新的生产力组织方式。

第一日上岗，要进入真实场景；第一阶跃迁，要完成价值验证；第一年运营，要形成可复制的规模复利。

这些判断与方法论，是来自贝恩公司与腾讯云联合发布的《企业级智能体效能管理指南》。

该指南首次提出「企业智能体效能 = 场景连接力 × 工程驾驭力 × 模型驱动力」的量化框架，并以上汽、零跑等出行行业案例为实证，为车企提供了一套从单点验证到体系化运营的完整路径。

对于正在寻找Agent落地方向的车企决策者与技术负责人而言，这份指南的价值或许在于：

它不是告诉你Agent能做什么，而是帮你回答一个更现实的问题——如何让你的Agent先赢一局。

汤道生认为，AI 是一场长跑，模型会不断迭代，用户需求也会不断变化。

放在车企 Agent 的语境里，这意味着「先赢一局」不是一次性胜利，而是在真实场景中持续验证、持续迭代，并把一次次局部胜利积累成长期优势。

最终真正能够「先赢一局」的，不一定是最早喊出 Agent 概念的企业，而是最早把 Agent 管起来、用起来、算清楚账，并最终沉淀为长期竞争力的企业。