“龍蝦”上車，到底是好是壞？

[首發于智駕最前沿微信公眾號]最近一段時間，無論你是否關注科技圈，都會被“養龍蝦”的相關內容刷屏，所謂“龍蝦”，指的是開源智能體框架OpenClaw。它之所以突然爆火，并不是因為模型能力有了質變，而是因為AI開始具備執行能力，可以自己調用工具、操作系統，完成一整套任務。

智能體延伸出去的場景其實可以非常特殊，當智能體可以操作軟件，自然就可以進一步操作硬件。在此之前，智駕最前沿還專門針對此進行了一番討論（相關閱讀：OpenClaw是圖新鮮，還是真需求？）。

本以為智能體最多只會在手機、電腦等載體上搭載，但就在最近，卻看到有些車企嘗試在車輛上布局智能體。汽車作為高速移動、關系公共安全的載體，讓智能體上車，到底是進步，還是風險？

從“會說”到“會做”，車的角色正在變化？

過去這些年，大模型的能力主要集中在理解和生成。無論是語音助手還是智能座艙，本質都是在做一件事，把人說的話理解清楚，再反饋一個結果。

但智能體的邏輯不一樣，它中間多了一層“執行”。OpenClaw這類系統的核心能力，是在接收指令后，自動拆解任務、調用工具，并持續運行完成目標。

圖片源自：網絡

把這個能力放到汽車上，能做的或將不再是簡單的語音交互，而是會影響整車行為。

這時候，車的角色就發生變化了。它不再只是一個執行控制指令的機械系統，而是一個可以理解意圖并主動決策的系統。比如同樣一句“我趕時間”，傳統系統只會調整導航，而智能體有可能改變跟車距離、加速策略甚至路線選擇。再比如“車里有人在睡覺”，它可以主動降低駕駛風格的激進程度，以保證穩定的駕駛。

這類能力的本質，是可以把“語義”直接映射到“駕駛行為”。這一步，是傳統架構做不到的。

智能體和傳統大模型的差別，不只是能力更強

很多人容易把智能體理解為“大模型升級版”，但這個理解其實是不準確的。

大模型解決的是認知問題，它輸出的是一段話、一個判斷這類的信息。而智能體解決的是執行問題，它輸出的是動作。

智能體在電腦里的具體體現就是可以直接操作系統。而在車上，若將其權限直接給足，其能做的或將是可以決定方向盤、油門和制動。

圖片源自：網絡

這時就會帶來一個非常現實的問題，即系統的風險屬性發生了變化。

從已有的研究來看，這類具備工具調用能力的智能體，在面對模糊指令或復雜任務時，容易因為理解偏差產生放大效應，小的誤判會被執行鏈條放大，最終轉化為高影響行為。同時，由于其具備持續運行能力和較高的系統權限，一旦被攻擊或誤導，影響范圍也遠大于普通對話模型。

在汽車這種高安全場景中，影響的就不是體驗問題，而是安全問題。

為什么車企要讓智能體上車？

對于車企來說，智能體上車并不是“嘗鮮”，而是一種路徑選擇。

自動駕駛發展到現在，核心問題并不在感知，而在決策。規則系統可以處理確定性場景，但在復雜、模糊、需要理解語義的情況下，系統會變得僵硬或者保守，很難達到人類駕駛員的程度。

大模型的引入，本來是為了解決“理解問題”，但它本身無法直接參與控制。智能體正好補上這一層，把理解結果轉化為行為策略，從而打通從感知到控制的鏈路。

換句話說，智能體并不是在替代自動駕駛，而是在重寫自動駕駛的上層邏輯。

這也是為什么車企會在這個階段開始嘗試這條路線。因為如果不做，現有架構將很難繼續往上突破，無人駕駛也將遙遙無期。

真正的分歧，不在技術，而在邊界

如果只從能力的角度看，智能體上車一定是必然，它確實能讓車更“懂人”，也更靈活。但影響智能體是否可以上車的其實不在能力，而在控制邊界。

汽車和其他終端最大的區別，是它必須在任何情況下都可以保持確定性安全。傳統控制系統之所以復雜，是因為它的每一個行為都需要可驗證、可約束。

而智能體的決策機制，本質上是概率驅動的。它可以在大多數情況下做出合理選擇，但很難保證在所有情況下都符合預期。

這就帶來一個很直接的問題，它到底能控制到哪一層？

如果智能體只參與理解用戶意圖、調整策略等高層決策，那風險是可以通過規則系統兜住的。但如果它直接參與軌跡生成甚至直接控制執行等底層控制，那就不得不面對一個問題，當AI的不可預測行為，闖進了汽車的安全閉環系統，我們該怎么辦？

而這件事目前沒有成熟答案。

圖片源自：網絡

或許智能體上車短期內會呈現出一種狀態，那就是能力展示很激進，實際使用很保守。

你可能會看到很多演示場景中智能體有非常突出的表現，比如智能體可以依據一句話完成變道或自動選擇駕駛策略。但在量產環境中，大概率還是會采用分層結構。

譬如智能體負責理解和決策建議，底層仍然由傳統控制系統執行，并保留嚴格的約束條件。這種結構本質上是給智能體套上了安全殼。因為一旦放開控制權限，系統驗證難度將會呈指數級上升。

智駕最前沿認為，智能體上車到底是好是壞，其實取決于怎么用

把問題簡單歸結為“好還是壞”并不準確，智能體帶來的價值是明確的，它可以讓車更貼近人的需求，提升決策的靈活性，也可能降低系統對復雜規則的依賴。從長期看，這是自動駕駛走向更高階能力的必經階段。

但它也引入了一個不可完全解釋、不可完全預測的決策機制，而汽車恰恰是一個對確定性要求極高的系統，現在依然要以“安全”作為最重要的評價指標。

所以智能體上車真正關鍵的不是“上不上車”，而是智能體參與到什么程度？還有就是安全體系是否隨之重構？

如果只是把智能體疊加在原有架構上，而沒有重新設計安全邊界，那么它帶來的不確定性，會遠大于它帶來的收益。

最后的話

“龍蝦”的爆火，其實已經說明了一點，那就是AI的價值正在從“信息處理”轉向“行動能力”。而當這種能力進入汽車，事情就變得不一樣了。

車不再只是執行系統，而是開始具備一定程度的自主決策能力的載體。這一步帶來的不是簡單的體驗升級，而是系統性質的變化。從這個角度看，智能體上車既不是單純的進步，也不是簡單的風險，它更像是一次結構性的轉折。

而對于智能體上車，我們真正要考慮的或許是在一個必須絕對安全的系統里，應該允許其能夠多智能。