惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Stack Overflow Blog
Stack Overflow Blog
Y
Y Combinator Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
M
MIT News - Artificial intelligence
GbyAI
GbyAI
A
About on SuperTechFans
T
The Blog of Author Tim Ferriss
雷峰网
雷峰网
Blog — PlanetScale
Blog — PlanetScale
J
Java Code Geeks
IT之家
IT之家
Microsoft Azure Blog
Microsoft Azure Blog
V
V2EX
爱范儿
爱范儿
N
Netflix TechBlog - Medium
U
Unit 42
博客园 - 三生石上(FineUI控件)
WordPress大学
WordPress大学
博客园 - 叶小钗
G
Google Developers Blog
Jina AI
Jina AI
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
The GitHub Blog
The GitHub Blog
腾讯CDC

InfoQ - 促进软件开发领域知识与创新的传播

Meta 收购 Manus 这事儿泡汤了 5.5万 Star 开源项目 Ghostty 被迫出走,GitHub 正在终结一代技术人的乌托邦 Slack 长时运行多智能体系统的上下文管理方案 从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台 谷歌云推出 Agents CLI,简化 AI 智能体开发全流程 Claude官方击穿高薪、高学历的安全防线!Anthropic点名10大高危职业,但有群人暂时稳了 亚马逊云科技终止 WorkMail 服务,并将 App Runner 转入维护模式 OPPO小布记忆:全模态碎片化内容的理解与智能整理实践|AICon上海 模力工场038周AI应用周榜:工具在消失,工作流在出现 Akamai CEO Tom Leighton:Agent 时代来临,云基础设施正从“中心化”转向“分布式边缘” 日均数百亿入库背后:从“人肉调度”到K8s弹性架构,度小满金融基于OceanBase重构入库架构实践 百度文库网盘发布GenFlow 4.0:月活用户超1亿,要把网盘变成全端AI工作台 Altman 投的 Agent 终端 Warp 开源了!斩获3.5万star 哪些客户需要拒, 敢让龙虾决定吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从开发到生产:为什么越来越多的机器学习团队纷纷迁移到 Snowflake | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 探索多智能体工作流:LangGraph Snowflake Cortex AI | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 腾讯云分布式缓存数据库:AI Agent - 从提示词工程到 Harness 工程 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 基于 Streamlit 为 CSV 数据构建分析智能体 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 AI 智能体:告别文档缺漏 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 构建 AI 驱动的数据管道:深度探讨 Snowflake Openflow 与非结构化数据 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 云端太贵、本地不够聪明,英特尔押注“端云混合AI”:智能体PC会替人完成工作 不到10%的存储投入,可能拖垮90%的GPU投资!IBM把AI Agent塞进存储系统,算清企业最容易忽略的一笔账 Snowpark 上手实战 | BUILD 2025_大数据_王玮_InfoQ精选视频 ClickHouse + Langfuse,构建 Agent 可观测基石 腾讯云分布式缓存数据库:Cluster Proxy 共享连接架构深度解析 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 AI 写代码太烧钱了:Copilot、Claude 一起涨价,不如把程序员请回来? 英特尔发布至强600系列工作站处理器与锐炫Pro B70 GPU,全新AI工作站来了 腾讯云分布式缓存数据库:从 Redis 到 Valkey - 开源社区如何快速创新 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 印奇这次要“从0重做”智驾模型!首谈阶跃和千里双公司布局:中国AI商业闭环要靠车跑出来 从Cursor返聘归来,90后华裔女高管带Claude开启日更模式:token成本比工程师工资低多了!
王兴兴亲测后点赞!这家AI公司提前半年把“龙虾”能力带上车,...
华卫 · 2026-05-01 · via InfoQ - 促进软件开发领域知识与创新的传播

作者 | 华卫

几天前,宇树科技创始人王兴兴坐进了宝马刚刚全球首发的新世代 i3,并亲自体验了其最新一代智能座舱。这更像一场临时起意的特别“面试”:他在对话中不断抛出复杂需求与路线规划,都被妥善解决且整个交互过程流畅自然,王兴兴频频称赞。

据了解,这套座舱背后搭载的核心技术,来自斑马智能的“元神 AI”。“经过两年多的深耕,我们现在已经成为中国市场智舱 AI 的 No.1,现在我们服务的车厂数是两年前的三倍多。”以这一姿态发声的斑马智能背后,是其不到两年时间快速建立起来并不断进化的全栈智舱 AI 技术体系,合作车企扩展至近 20 家主流品牌,包括大众、宝马、智己汽车、东风汽车、红旗、比亚迪等。

在前不久的 AI TECH DAY 上,斑马智能又新发布了“元神 AI 汽车机器人大脑”,同时推出 AutoOmni 全模态端模型产品矩阵与“龙虾上车”方案 AutoClaw,构成所谓的“一脑双引擎”升级。这不只是一轮产品迭代,更像在做一次预判:汽车正在从功能的集合机器,变成一个可以持续进化、还能主动协作的的智能体系统。

“我们是一家 AI 公司,定位就是做最强的机器人大脑。”现场,斑马智能首席产品官蔡明强调了将公司名字从斑马智行改成斑马智能的出发点。而在他看来,“车一定会成为最早 Robot 化的智能终端,成为最早的机器人。”

这次,斑马智能对“元神 AI”的升级,浓缩成两个非常明确的方向:交流和办事。基于这两个核心引擎,现在的元神 AI 不止提供优质的模型,还建立了优秀的模型协作系统。

“好的智舱 AI 就是能和人顺畅交流,还能协作把事办了。”蔡明对智舱 AI 的判断是,No touch No APP。在他看来,如果 AI 做得好,人与车之间的交互就不该靠触摸屏,办事也不应该再回到 APP 里。

“端侧模型是必选项”,升级 Auto Omni 为产品矩阵

在交流侧,斑马智能给出的答案是全模态端侧大模型实车方案 AutoOmni。其大脑由阿里云通义提供,Qwen-Omni 全模态大模型为 Auto Omni 提供了强大的基础模型能力;高通第五代骁龙汽车座舱平台 SA8397P 以高达 320 TOPS 的 AI 算力,支持其在车内流畅运行。

“如果一个 AI 始终不能看、不能听、不能记忆,它就不能再继续进化了。”蔡明表示,正因如此,端侧模型在斑马智能的体系里,不再是“优化项”,而是“必选项”。只有当感知、理解和记忆发生在本地,AI 才有可能形成连续性的体验,而不是一次次被打断的对话。

基于这一逻辑,他在现场宣布,Auto Omni 将从单一的技术产品升级为一个完整的产品矩阵。据介绍,Auto Omni 提供类人自然交互和全域主动智能,包含两个核心产品板块:端智能交互中枢和生成式场景引擎。

总的来说,Auto Omni 让车“竖起了耳朵,睁开了眼睛”。有了全面和丰富的记忆,让最开始像本能一样的那些单一功能出现得更合理、舒适,甚至是自动发生的,其跟人的关系也变成一种更有温度的相处。

此外,AutoOmni 产品矩阵支持 Qwen 3.5 Omni 以及 MoE 架构等不同基础模型,并广泛适配国内外主流大算力芯片。蔡明透露,当前 Auto Omni 主要支撑智能车、车机器人的演进和迭代,未来也一定会拓展到其他的智能端。

去年 9 月已启动“龙虾”类产品,全方位管控 Token

“好的 AI 办事不能靠 APP,靠什么?靠 Agent。而 Agent 多了,就一定需要一个跨 Agent 协同的组织者去解决复杂任务。”这是蔡明对于智舱 AI 应该如何办事的判断。

为此,斑马智能推出了智舱 AI 协作服务解决方案 Auto Claw,其核心能力也是两个板块:负责前台任务的智能协作中枢和指向后台管理的专属自治虾塘。据悉,早在去年的云栖大会上,斑马智能就提出了元神 AI 会覆盖规划迭代型的场景,要做的就是这几个月火的“龙虾”干的事情。

“去年 9 月我们就已经开始做相关产品的研发准备。这次‘龙虾’火了,对我们来说其实挺不约而同的,也再次证明了我们对技术趋势判断是对的。”蔡明称。

那么,AutoClaw 能做到什么?据介绍,其通过端云一体中枢系统连接全车,用 Harness 理念重塑服务组织,驱动出行生活、影音娱乐、用车服务等 SuperAgent 协同工作。现场演示案例显示,如果今晚想约几个朋友吃饭,AutoClaw 会边确认时间、边订餐厅、边调整安排,将不确定性的需求转化为主动性的服务。

也就是说,从任务上来讲,它是动态规划的,有非常强的灵活性;从流程上,它不断的获取外界信息,可以动态调整流程。蔡明谈到,AutoClaw 跃迁成为一个办事能手后,需要有一个与之相匹配的 Agent 运行环境,让它可以好用、快用、易用。为此,斑马智能为其专门准备了一套全时段、自治的和跨终端的运行系统。

值得一提的是,当 AI 真正开始“办事”,面临的问题也随之变得现实起来。蔡明在现场点出了两个最核心的挑战,一是 Token 的海量消耗,二是权限滥用。据悉,斑马智能在 AutoClaw 的运转体系里加上了针对性的管控机制。

在 Token 消耗合理化方面,他们干了三件事。第一,在做大量智能体开发的成功经验基础上,让 SKU 调用时任务信息压缩做到极致。信息任务被压缩,消耗的 Token 就会少。第二,在整个规划运行流程里加入反思和运行机制,让 AI 任务链不会因为逻辑卡死。卡死以后变成死循环,也会不停地消耗。第三是独立的 Token 管理,保证 Token 被全方位被管控。

对于权限滥用,斑马智能上的第一个标准动作是,用独立的空间加上沙箱,给用户做一个专属的安全环境。除此以外,他们将账号与服务数据封装在 seal 里面,与模型本身做硬隔离,避免因模型幻觉而导致的信息泄露。

“有了 Auto Omni 和人的感同身受,再加上 AutoClaw 的复杂办事能力,元神 AI 就能升级成汽车机器人大脑。”蔡明总结道。

“智舱 AI 成为中国智造名片”,从高配变成基础能力

“今年,AI 上车会从高配走向标配。”在 AI TECH DAY 现场,斑马智能 CTO 司罗给出了判断。在他看来,2026 年是智能座舱端 AI 技术发展的关键年份,端侧智舱 AI 首先会在旗舰车型和旗舰芯片上完成体验验证,同时会逐渐走向更加广泛的量产化车型,更加走向广泛的标配。

也就是说,端侧 AI 将不再只是“高配标签”,而会成为定义下一代智能座舱的基础能力。“智舱 AI 成为中国智造的名片,技术领先欧美不是 1-2 年,而是 1-2 个代际。”司罗直言。

按照斑马智能的节奏,端侧智舱 AI 将在这一年进入“规模化爆发期”。一个很直接的信号就是落地量:斑马智能已经拿下国内绝大部分端模型市场订单,并将在年内陆续量产交付。

“这个事确实非常不容易。”司罗在现场特别提到,斑马已经形成了一套相对标准化的 Super Agent 开发范式。这套范式的核心不是单点能力提升,而是通过流程标准化,把“应用变 Agent”的路径工程化。结果是非常直接的:传统 App 进行 Agent 智能化改造的整体开发周期,可以缩短 50%以上。“通过这一能力的赋能,我们可以帮助更多的 APP 和优质互联网内容进入到车的环境,帮助 OEM 厂商丰富自己的座舱生态,提升用户的体验。”

据介绍,斑马智能是很早就把互联网平台服务转化为原生 AI 服务的厂商。除了跟进本地生活服务上车外,他们还把拥车服务和听音乐、看视频、少儿、办公等十几个智能座舱的场景都充分地做了 Agent 化,并且接入了 System Agent 智能中枢中,实现了一键生态上车的体验。司罗表示,“这个时间点距离我们发布元神 AI 只有半年时间,所以半年时间我们构建了完整的 AI 机构以及丰富的 Agent 生态,速度非常快。”

“谁能率先把 AI 做成可量产、可交付、可持续迭代的系统能力,谁就更有机会拿到下一阶段产业红利。”