在传统车载导航中，用户需要清楚地告诉系统要去哪、怎么走，系统会忠实但机械地执行，更像是 " 人适应系统 "。而 Agent 化的变化在于，系统开始具备理解、推理、记忆与主动服务的能力。用户可以用日常语言甚至模糊表达触发出行任务，系统会将这些需求转化为可执行的路线规划，并在行程中持续感知环境变化、主动提出优化建议，从而 " 让系统适应人 "。
因此，这不仅是一次产品升级，也意味着智能座舱正在迈向 AI Agent 原生的新阶段。
复杂出行，一说都懂
高德汽车出行 AI Agent 的核心能力可以概括为模糊语义精确搜索、复杂行程一句话串联、动态空间路线推理和多轮对话式路线编辑。
例如，一位北京用户这样描述自己的行程：" 我要去有变形金刚那个游乐园吃冰淇淋，然后去世贸天阶买那个小熊蛋糕，然后去一个大大的公园滑滑梯，然后再吃一个冰淇淋，然后回家 "。
高德汽车出行 AI Agent 给出的行程规划是：" 北京环球度假区——多乐之日（世贸天阶南街店）——朝阳公园—— iGELATO 意大利手工冰淇淋（朝阳公园店）——家 "。
再例如，一位上海用户这样描述需求：" 走走走，去那个圆形的湖，我忘了叫什么，我想去那里玩帆船。顺便在湖附近吃个评分高，有停车场的上海本帮菜餐厅 "。
此外，一位理想车主可能这样描述长途出行需求：" 去青岛，沿途帮我规划一下充电，最好在服务区，用超充，每次充到 80% 就走，中间顺便吃个饭 "。
与此同时，出行计划往往不是一次性确定的，而是会随着用户想法不断变化。假如一位北京用户与车机进行了这样三轮对话：" 导航去荟聚，走北六环。"" 哎呀不行，这样走太远了，换一条快一点的路吧。"" 烦死了，还是不行，再帮我找一条不拥堵的路。"
面对这样的多轮对话式调整，高德汽车出行 AI Agent 可以实时重新计算路线并完成切换。这不仅依赖高德原有的导航能力，也需要 Agent 能够理解 " 走太远了 "" 快一点 "" 不拥堵 " 等带有情绪色彩的表达，并把这些模糊需求转化为具体的路线优化策略。
通过打通从意图理解到路线执行的完整链路，高德汽车出行 AI Agent 让复杂出行变得更简单——用户只需表达自己的想法，系统就能理解需求并生成完整的出行方案。这种交互方式的变化，也在重新定义智能座舱。
在高德看来，智能座舱真正的范式跃迁，是系统具备在用户开口之前主动服务的能力。其核心在于持续感知用户当前的时间、空间和情境，并据此进行主动预判与提前响应。
例如，当检测到当前电量不足以支撑整段行程时，系统会主动在路线中插入充电节点，并提示预计补能时间，确保不影响整体到达；当发现前方道路出现事故、施工或异常拥堵时，也可以提前计算绕行方案，在用户尚未察觉之前完成路线调整；
而当用户表达 " 今天是家庭日 " 这样的需求时，系统还能理解背后的出行偏好，例如更适合儿童的景点、适合家庭用餐的餐厅或具备母婴设施的商场，并据此重新组织整段行程推荐。
智能座舱交互方式的变化，也将深刻影响车企的研发方向。未来，智能座舱研发的重点将从 " 语音识别和指令映射 " 转向 " 意图理解和能力协同 "，车企与地图的关系也将从传统的 SDK 集成演进为更深层次的 Agent 能力融合。
在这一体系下，一种 " 云端决策 + 端侧执行 " 的协同模式正在形成：系统主 Agent 作为座舱的云端大脑，负责理解用户的全局意图并进行任务拆解，再将具体任务分发给最专业的执行模块；而高德则以出行子 Agent 的角色负责出行任务的执行，将用户的出行意图在真实世界中精准落地。
过去十年，智能座舱一直在追求 " 千人千面 "，但受限于传统互联网的规则逻辑，很多系统真正实现的只是 " 千人百面 " 甚至 " 千人十面 "。
进入 AI Agent 时代，这个局面正在被打破。高德汽车出行 AI Agent 会根据每一次出行行为、路线选择和自然表达，不断更新对用户偏好的理解，例如逐渐知道用户更偏好走主干道还是小路，早高峰时是否愿意多花几分钟换一条不拥堵的路线。
这种个性化不再依赖固定标签，而是随着使用不断演进，使同一辆车、同一套系统也能为不同用户提供截然不同的出行体验，实现从 " 服务用户画像 " 到 " 服务具体个人 " 的转变。
空间智能，出行 Agent 的能力底座
不同于纯语言模型，出行场景中的意图理解必须建立在真实世界之上。任何 " 幻觉 " 都可能影响用户决策甚至行车安全，例如推荐已关闭的餐厅或规划施工中的路线。
为此，高德汽车出行 AI Agent 构建了 " 语言大脑 + 空间大脑 " 的双引擎架构：前者负责理解用户表达，后者负责在真实世界中验证意图是否可执行，并完成路径与资源匹配。
这一架构的核心原则是意图与事实严格分离。大语言模型只负责理解用户意图并生成查询请求，所有地理信息，包括 POI、路线和充电桩位置等，都必须通过高德数据库获取并经过空间大脑校验后才能呈现给用户，从而确保结果在真实世界中成立。
支撑这一能力的，是高德在出行领域长期积累的三类核心资产。
首先是数据资产。高德拥有高质量、高覆盖、多维度的 POI 数据，以及持续更新的道路信息和海量真实场景的出行语料，这些数据构成了高德空间智能的基础，也形成了难以复制的数据壁垒。
其次是认知积累。长期深耕出行场景，使高德在 " 顺路 " 的计算逻辑、" 附近 " 的空间定义、多点行程排序以及用户口语化表达理解等方面沉淀了丰富经验。
第三是出行生态的深度链接。高德连接着人、车、路、场，并与主机厂、充电网络、商业 POI 及交通管理部门形成深度协同，这让高德汽车出行 AI Agent 可以调用的不只是静态数据，而是一个持续更新的真实世界出行网络。
数据、认知与生态三者结合，构成了高德打造出行 Agent 的核心能力基础，也支撑起对时间、空间与人的深度理解，使 " 顺路 "" 附近 "" 沿途 " 等复杂空间概念能够在真实路网中被准确计算。
在此之上，强大的基座模型决定了意图理解能力的上限。高德汽车出行 AI Agent 以千问大模型为底座，其持续进化的语言理解与推理能力，使系统能够不断提升对用户出行需求的理解深度。
当语言智能与空间智能结合，用户不再需要逐条下达指令，只需表达想法，系统就能理解需求并完成整段行程的规划与执行。在这一过程中，出行 Agent 也正在成为智能座舱能力体系中的关键基础设施。
