高德汽車出行AI Agent發(fā)布：從被動響應到主動理解，智能座艙邁入AI Native時代

4月22日，高德正式發(fā)布汽車出行AI Agent，車載導航由此從“被動響應指令”邁向“主動理解意圖”的新階段。不同于傳統(tǒng)“導航+語音助手”，這一系統(tǒng)不再只是執(zhí)行用戶指令，而是能夠理解用戶需求并完成整段行程規(guī)劃。

在傳統(tǒng)車載導航中，用戶需要清楚地告訴系統(tǒng)要去哪、怎么走，系統(tǒng)會忠實但機械地執(zhí)行，更像是“人適應系統(tǒng)”。而Agent化的變化在于，系統(tǒng)開始具備理解、推理、記憶與主動服務的能力。用戶可以用日常語言甚至模糊表達觸發(fā)出行任務，系統(tǒng)會將這些需求轉(zhuǎn)化為可執(zhí)行的路線規(guī)劃，并在行程中持續(xù)感知環(huán)境變化、主動提出優(yōu)化建議，從而“讓系統(tǒng)適應人”。

因此，這不僅是一次產(chǎn)品升級，也意味著智能座艙正在邁向AI Agent原生的新階段。

復雜出行，一說都懂

高德汽車出行AI Agent的核心能力可以概括為模糊語義精確搜索、復雜行程一句話串聯(lián)、動態(tài)空間路線推理和多輪對話式路線編輯。

例如，一位北京用戶這樣描述自己的行程："我要去有變形金剛那個游樂園吃冰淇淋，然后去世貿(mào)天階買那個小熊蛋糕，然后去一個大大的公園滑滑梯，然后再吃一個冰淇淋，然后回家"。

高德汽車出行AI Agent給出的行程規(guī)劃是："北京環(huán)球度假區(qū)——多樂之日（世貿(mào)天階南街店）——朝陽公園——iGELATO意大利手工冰淇淋（朝陽公園店）——家"。

在這一過程中，高德汽車出行AI Agent首先要將口語化、碎片化的描述映射到具體POI，完成從模糊表達到真實地點的定位。隨后再將這些地點合理串聯(lián)，一次性完成POI檢索、沿途搜索、途經(jīng)點排序、路徑規(guī)劃以及導航發(fā)起等一整套操作。

再例如，一位上海用戶這樣描述需求："走走走，去那個圓形的湖，我忘了叫什么，我想去那里玩帆船。順便在湖附近吃個評分高，有停車場的上海本幫菜餐廳"。

在這一場景中，高德汽車出行AI Agent需要同時完成多項判斷：首先是根據(jù)“圓形”“帆船”等線索識別目標湖泊；其次是根據(jù)"評分高、有停車場、上海本幫菜"等多維條件篩選合適餐廳；最后再進行空間順序推理，確保路線是真正順路而非繞行。

此外，一位理想車主可能這樣描述長途出行需求："去青島，沿途幫我規(guī)劃一下充電，最好在服務區(qū)，用超充，每次充到80%就走，中間順便吃個飯"。

相比普通的多點導航，長途補能規(guī)劃要復雜得多。高德汽車出行AI Agent需要同時考慮多個因素：先根據(jù)車輛當前電量和整段行程距離，判斷在哪里補能最合適；再在高速服務區(qū)中篩選支持超充的充電站，并優(yōu)先推薦理想超充，同時查看實時樁位是否空閑；最后把充電時間和用戶的用餐需求一起安排，讓充電等待時間盡量與吃飯時間重合。

與此同時，出行計劃往往不是一次性確定的，而是會隨著用戶想法不斷變化。假如一位北京用戶與車機進行了這樣三輪對話：“導航去薈聚，走北六環(huán)。”“哎呀不行，這樣走太遠了，換一條快一點的路吧。”“煩死了，還是不行，再幫我找一條不擁堵的路。”

面對這樣的多輪對話式調(diào)整，高德汽車出行AI Agent可以實時重新計算路線并完成切換。這不僅依賴高德原有的導航能力，也需要Agent能夠理解“走太遠了”“快一點”“不擁堵”等帶有情緒色彩的表達，并把這些模糊需求轉(zhuǎn)化為具體的路線優(yōu)化策略。

從"被動響應"到"主動服務"：AI Agent重塑智能座艙體驗

通過打通從意圖理解到路線執(zhí)行的完整鏈路，高德汽車出行AI Agent讓復雜出行變得更簡單——用戶只需表達自己的想法，系統(tǒng)就能理解需求并生成完整的出行方案。這種交互方式的變化，也在重新定義智能座艙。

在高德看來，智能座艙真正的范式躍遷，是系統(tǒng)具備在用戶開口之前主動服務的能力。其核心在于持續(xù)感知用戶當前的時間、空間和情境，并據(jù)此進行主動預判與提前響應。

例如，當檢測到當前電量不足以支撐整段行程時，系統(tǒng)會主動在路線中插入充電節(jié)點，并提示預計補能時間，確保不影響整體到達；當發(fā)現(xiàn)前方道路出現(xiàn)事故、施工或異常擁堵時，也可以提前計算繞行方案，在用戶尚未察覺之前完成路線調(diào)整；

而當用戶表達“今天是家庭日”這樣的需求時，系統(tǒng)還能理解背后的出行偏好，例如更適合兒童的景點、適合家庭用餐的餐廳或具備母嬰設施的商場，并據(jù)此重新組織整段行程推薦。

智能座艙交互方式的變化，也將深刻影響車企的研發(fā)方向。未來，智能座艙研發(fā)的重點將從"語音識別和指令映射"轉(zhuǎn)向"意圖理解和能力協(xié)同"，車企與地圖的關系也將從傳統(tǒng)的SDK集成演進為更深層次的Agent能力融合。

在這一體系下，一種“云端決策+端側(cè)執(zhí)行”的協(xié)同模式正在形成：系統(tǒng)主Agent作為座艙的云端大腦，負責理解用戶的全局意圖并進行任務拆解，再將具體任務分發(fā)給最專業(yè)的執(zhí)行模塊；而高德則以出行子Agent的角色負責出行任務的執(zhí)行，將用戶的出行意圖在真實世界中精準落地。

過去十年，智能座艙一直在追求“千人千面”，但受限于傳統(tǒng)互聯(lián)網(wǎng)的規(guī)則邏輯，很多系統(tǒng)真正實現(xiàn)的只是“千人百面”甚至“千人十面”。

進入AI Agent時代，這個局面正在被打破。高德汽車出行AI Agent會根據(jù)每一次出行行為、路線選擇和自然表達，不斷更新對用戶偏好的理解，例如逐漸知道用戶更偏好走主干道還是小路，早高峰時是否愿意多花幾分鐘換一條不擁堵的路線。

這種個性化不再依賴固定標簽，而是隨著使用不斷演進，使同一輛車、同一套系統(tǒng)也能為不同用戶提供截然不同的出行體驗，實現(xiàn)從“服務用戶畫像”到“服務具體個人”的轉(zhuǎn)變。

空間智能，出行Agent的能力底座

不同于純語言模型，出行場景中的意圖理解必須建立在真實世界之上。任何“幻覺”都可能影響用戶決策甚至行車安全，例如推薦已關閉的餐廳或規(guī)劃施工中的路線。

為此，高德汽車出行AI Agent構(gòu)建了"語言大腦+空間大腦"的雙引擎架構(gòu)：前者負責理解用戶表達，后者負責在真實世界中驗證意圖是否可執(zhí)行，并完成路徑與資源匹配。

這一架構(gòu)的核心原則是意圖與事實嚴格分離。大語言模型只負責理解用戶意圖并生成查詢請求，所有地理信息，包括POI、路線和充電樁位置等，都必須通過高德數(shù)據(jù)庫獲取并經(jīng)過空間大腦校驗后才能呈現(xiàn)給用戶，從而確保結(jié)果在真實世界中成立。

支撐這一能力的，是高德在出行領域長期積累的三類核心資產(chǎn)。

首先是數(shù)據(jù)資產(chǎn)。高德?lián)碛懈哔|(zhì)量、高覆蓋、多維度的POI數(shù)據(jù)，以及持續(xù)更新的道路信息和海量真實場景的出行語料，這些數(shù)據(jù)構(gòu)成了高德空間智能的基礎，也形成了難以復制的數(shù)據(jù)壁壘。

其次是認知積累。長期深耕出行場景，使高德在"順路"的計算邏輯、"附近"的空間定義、多點行程排序以及用戶口語化表達理解等方面沉淀了豐富經(jīng)驗。

第三是出行生態(tài)的深度鏈接。高德連接著人、車、路、場，并與主機廠、充電網(wǎng)絡、商業(yè)POI及交通管理部門形成深度協(xié)同，這讓高德汽車出行AI Agent可以調(diào)用的不只是靜態(tài)數(shù)據(jù)，而是一個持續(xù)更新的真實世界出行網(wǎng)絡。

數(shù)據(jù)、認知與生態(tài)三者結(jié)合，構(gòu)成了高德打造出行Agent的核心能力基礎，也支撐起對時間、空間與人的深度理解，使“順路”“附近”“沿途”等復雜空間概念能夠在真實路網(wǎng)中被準確計算。

在此之上，強大的基座模型決定了意圖理解能力的上限。高德汽車出行AI Agent以千問大模型為底座，其持續(xù)進化的語言理解與推理能力，使系統(tǒng)能夠不斷提升對用戶出行需求的理解深度。

當語言智能與空間智能結(jié)合，用戶不再需要逐條下達指令，只需表達想法，系統(tǒng)就能理解需求并完成整段行程的規(guī)劃與執(zhí)行。在這一過程中，出行Agent也正在成為智能座艙能力體系中的關鍵基礎設施。