智能座舱出行助手智能体调研：从「听得见」到「听得懂」
在广汽做智能座舱实习时，我实车对标了理想同学、小米出行助手，逐场景测了一遍"出行智能体"。这篇不是参数表，而是把试驾里最有感的几件事，串成一条产品思考。
去年在广汽做智能座舱实习，我的活儿之一，是把"出行助手"从一句能听懂命令的语音，做成真正能办事的"出行智能体"。为了搞清行业做到哪了，我干了一件有点笨的事：线下试驾了 5 家新能源车企的车，把理想同学、小米出行助手当成竞品，逐个场景实车实测。这篇文章不堆参数，只讲试驾里我最想通的几件事。
一、座舱正在从"功能机"变成"任务机"
老车机是"功能集合"：地图、音乐、美食、充电各点各的。但人开车时说的明明是任务，不是功能——"我有点饿，找个附近能充电、评分还高的地方"，而不是"打开地图搜餐厅"。
三股力量把"出行智能体"推成了必然：
- 用户侧（场景约束）：开车时手眼被占，语音是唯一自然入口；可老语音只懂关键词命令（"导航到天安门"），听不懂"帮我想想附近吃什么"。
- 技术侧（能力拐点）：大模型让"听懂人话 + 多步规划"成为可能，但它自己调不动车机、调不了地图——中间必须有一层"智能体"。
- 竞争侧（不掉队）：理想同学、小米出行助手已把"对话式出行"做成核心卖点，广汽不跟进，座舱体验就掉队。
一句话：出行智能体 = 大模型（大脑）+ 工具调用（手脚）+ 记忆（长期记忆）。衡量标准也从"功能数量"变成了"任务完成率"。
二、一次"找地方"，背后至少跑了四层
以"推荐附近不用排队的充电站"为例，我反推它背后至少四层，越往上越"像人"：
关键是中间那层"编排"：把模糊意图拆成"搜桩 → 查实时空闲 → 排序 → 推荐 → 一键导航"。这里有个我印象极深的判断——
三、一线试驾里，三类"真需求"
| 用户原话（真实场景） | 背后需求 | 产品机会 |
|---|---|---|
| "别让我选，你帮我挑" | 决策减负 | 从"列表罗列"升级为"理由化推荐" |
| "刚才那句话它没懂" | 容错与追问 | 不确定时主动澄清，而非静默失败 |
| "开车时不想看屏幕" | 低视觉占用 | 用口播+语音确认替代点按闭环 |
四、最容易被忽略、却最值钱的一点：记忆
我实测时干了一件事：把公司地址设为"上班地点"，隔了几天再说"导航去上班"，它依然认得。这个跨对话、跨天数的生效，说明它不是临时上下文，而是账号级的长期记忆——"上班地点"本质上是一个"语义标签 ↔ 空间坐标"的绑定。
但这事有个坑：座舱是多人场景，驾驶者 ≠ 乘客。记忆挂在账号下，换人切账号；乘客随口说的需求，不该污染驾驶者的长期画像。更敏感的是写入时机——系统"自动学"很聪明，却最容易打扰、也最容易踩隐私红线。可看、可改、可删、可遗忘，是车规级的底线，也是不少竞品还没做好的地方。
五、下一代的分水岭：被动应答 vs 主动服务
现在的理想、小米，基本还是"你问才答"。但真正有用的智能体，应该在时机点主动出现：低电量时推荐顺路充电、饭点推一家餐厅、常堵路段提前提醒换线。从"被动"到"主动"，是下一程竞争的焦点——它对"不打扰"的分寸感要求更高，也最考验产品判断。
六、我的差异化：交通背景能往里灌什么
纯互联网产品同学讲这套架构，往往止步于"Agent"。我多了层交通底子：充电网络调度、路况预测、停车资源、智慧城市数据，本来就是出行智能体最该接的"实时工具"。我能把它讲成"我懂数据怎么驱动出行决策"——这是很多竞品谁都没提过的角度，也算我的一点独有优势。
七、给 PM 的三条启示
- 调研以"用户任务"为纲，不以"功能清单"为纲。我测的不是"它有哪些功能"，而是"真实出行意图下体验如何"。前者产出参数表，后者产出洞察。
- 从现象反推本质。不只评价"答得好不好"，还拆出它背后的实现链路。能透过体验看架构，是你和"只会抄竞品"的人之间的差距。
- 调研的落点是产品定义，不是报告。我最后沉淀的是功能清单 + 交互规范 + 账号记忆体系，而不止一份对比文档。调研 ≠ 收集信息，调研 = 为决策提供输入。
这也是我自己的秋招助手在践行的思路：工具负责"想清楚 + 给建议"，人保留最终判断——产品该给用户减负，而不是越俎代庖。