[首發(fā)于智駕最前沿微信公眾號(hào)]最近一段時(shí)間，無論你是否關(guān)注科技圈，都會(huì)被“養(yǎng)龍蝦”的相關(guān)內(nèi)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?yàn)槟Ｐ湍芰τ辛速|(zhì)變，而是因?yàn)?a href="http://www.makelele.cn/tags/ai/" target="_blank">AI開始具備執(zhí)行能力，可以自己調(diào)用工具、操作系統(tǒng)，完成一整套任務(wù)。

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

本以為智能體最多只會(huì)在手機(jī)、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(dòng)、關(guān)系公共安全的載體，讓智能體上車，到底是進(jìn)步，還是風(fēng)險(xiǎn)？

從“會(huì)說”到“會(huì)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(zhì)都是在做一件事，把人說的話理解清楚，再反饋一個(gè)結(jié)果。

但智能體的邏輯不一樣，它中間多了一層“執(zhí)行”。OpenClaw這類系統(tǒng)的核心能力，是在接收指令后，自動(dòng)拆解任務(wù)、調(diào)用工具，并持續(xù)運(yùn)行完成目標(biāo)。

把這個(gè)能力放到汽車上，能做的或?qū)⒉辉偈呛唵蔚恼Z音交互，而是會(huì)影響整車行為。

這時(shí)候，車的角色就發(fā)生變化了。它不再只是一個(gè)執(zhí)行控制指令的機(jī)械系統(tǒng)，而是一個(gè)可以理解意圖并主動(dòng)決策的系統(tǒng)。比如同樣一句“我趕時(shí)間”，傳統(tǒng)系統(tǒng)只會(huì)調(diào)整導(dǎo)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?yán)镉腥嗽谒X”，它可以主動(dòng)降低駕駛風(fēng)格的激進(jìn)程度，以保證穩(wěn)定的駕駛。

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

智能體和傳統(tǒng)大模型的差別，不只是能力更強(qiáng)

很多人容易把智能體理解為“大模型升級(jí)版”，但這個(gè)理解其實(shí)是不準(zhǔn)確的。

大模型解決的是認(rèn)知問題，它輸出的是一段話、一個(gè)判斷這類的信息。而智能體解決的是執(zhí)行問題，它輸出的是動(dòng)作。

智能體在電腦里的具體體現(xiàn)就是可以直接操作系統(tǒng)。而在車上，若將其權(quán)限直接給足，其能做的或?qū)⑹强梢詻Q定方向盤、油門和制動(dòng)。

圖片源自：網(wǎng)絡(luò)

這時(shí)就會(huì)帶來一個(gè)非?，F(xiàn)實(shí)的問題，即系統(tǒng)的風(fēng)險(xiǎn)屬性發(fā)生了變化。

從已有的研究來看，這類具備工具調(diào)用能力的智能體，在面對模糊指令或復(fù)雜任務(wù)時(shí)，容易因?yàn)槔斫馄町a(chǎn)生放大效應(yīng)，小的誤判會(huì)被執(zhí)行鏈條放大，最終轉(zhuǎn)化為高影響行為。同時(shí)，由于其具備持續(xù)運(yùn)行能力和較高的系統(tǒng)權(quán)限，一旦被攻擊或誤導(dǎo)，影響范圍也遠(yuǎn)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(yàn)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(dòng)駕駛發(fā)展到現(xiàn)在，核心問題并不在感知，而在決策。規(guī)則系統(tǒng)可以處理確定性場景，但在復(fù)雜、模糊、需要理解語義的情況下，系統(tǒng)會(huì)變得僵硬或者保守，很難達(dá)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(bǔ)上這一層，把理解結(jié)果轉(zhuǎn)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(dòng)駕駛，而是在重寫自動(dòng)駕駛的上層邏輯。

這也是為什么車企會(huì)在這個(gè)階段開始嘗試這條路線。因?yàn)槿绻蛔?，現(xiàn)有架構(gòu)將很難繼續(xù)往上突破，無人駕駛也將遙遙無期。

真正的分歧，不在技術(shù)，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(shí)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(shí)不在能力，而在控制邊界。

汽車和其他終端最大的區(qū)別，是它必須在任何情況下都可以保持確定性安全。傳統(tǒng)控制系統(tǒng)之所以復(fù)雜，是因?yàn)樗拿恳粋€(gè)行為都需要可驗(yàn)證、可約束。

而智能體的決策機(jī)制，本質(zhì)上是概率驅(qū)動(dòng)的。它可以在大多數(shù)情況下做出合理選擇，但很難保證在所有情況下都符合預(yù)期。

這就帶來一個(gè)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(diào)整策略等高層決策，那風(fēng)險(xiǎn)是可以通過規(guī)則系統(tǒng)兜住的。但如果它直接參與軌跡生成甚至直接控制執(zhí)行等底層控制，那就不得不面對一個(gè)問題，當(dāng)AI的不可預(yù)測行為，闖進(jìn)了汽車的安全閉環(huán)系統(tǒng)，我們該怎么辦？

而這件事目前沒有成熟答案。

或許智能體上車短期內(nèi)會(huì)呈現(xiàn)出一種狀態(tài)，那就是能力展示很激進(jìn)，實(shí)際使用很保守。

你可能會(huì)看到很多演示場景中智能體有非常突出的表現(xiàn)，比如智能體可以依據(jù)一句話完成變道或自動(dòng)選擇駕駛策略。但在量產(chǎn)環(huán)境中，大概率還是會(huì)采用分層結(jié)構(gòu)。

譬如智能體負(fù)責(zé)理解和決策建議，底層仍然由傳統(tǒng)控制系統(tǒng)執(zhí)行，并保留嚴(yán)格的約束條件。這種結(jié)構(gòu)本質(zhì)上是給智能體套上了安全殼。因?yàn)橐坏┓砰_控制權(quán)限，系統(tǒng)驗(yàn)證難度將會(huì)呈指數(shù)級(jí)上升。

智駕最前沿認(rèn)為，智能體上車到底是好是壞，其實(shí)取決于怎么用

把問題簡單歸結(jié)為“好還是壞”并不準(zhǔn)確，智能體帶來的價(jià)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(tǒng)對復(fù)雜規(guī)則的依賴。從長期看，這是自動(dòng)駕駛走向更高階能力的必經(jīng)階段。

但它也引入了一個(gè)不可完全解釋、不可完全預(yù)測的決策機(jī)制，而汽車恰恰是一個(gè)對確定性要求極高的系統(tǒng)，現(xiàn)在依然要以“安全”作為最重要的評(píng)價(jià)指標(biāo)。

所以智能體上車真正關(guān)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(gòu)？

如果只是把智能體疊加在原有架構(gòu)上，而沒有重新設(shè)計(jì)安全邊界，那么它帶來的不確定性，會(huì)遠(yuǎn)大于它帶來的收益。

最后的話

“龍蝦”的爆火，其實(shí)已經(jīng)說明了一點(diǎn)，那就是AI的價(jià)值正在從“信息處理”轉(zhuǎn)向“行動(dòng)能力”。而當(dāng)這種能力進(jìn)入汽車，事情就變得不一樣了。

車不再只是執(zhí)行系統(tǒng)，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(yàn)升級(jí)，而是系統(tǒng)性質(zhì)的變化。從這個(gè)角度看，智能體上車既不是單純的進(jìn)步，也不是簡單的風(fēng)險(xiǎn)，它更像是一次結(jié)構(gòu)性的轉(zhuǎn)折。

而對于智能體上車，我們真正要考慮的或許是在一個(gè)必須絕對安全的系統(tǒng)里，應(yīng)該允許其能夠多智能。

審核編輯 黃宇