问题：长期以来，车载智能多以“座舱助手”的形式呈现，主要停留语音问答、基础控车和导航检索等功能，难以与智能辅助驾驶、底盘、动力等关键系统形成闭环协同。用户在真实出行中常常需要反复下达明确指令，执行链条分散，体验因此变得碎片化、响应不连贯，也在一定程度上限制了软件定义汽车向更高层级智能演进。 原因：一上，车端算力、传感器和软件架构持续升级，为更复杂的模型推理与多模态感知提供了条件；另一方面，通用基座模型与智能体技术在任务规划、工具调用和持续对话等能力上明显提升，使“理解意图—生成计划—调度执行”的路径具备落地基础。同时，开源生态的普及降低了验证门槛，加快了场景迭代，推动模型从“能用”走向工程化部署。吉利发布的超级智能体“Eva”由整车企业与技术伙伴联合研发，也反映出车企通过体系化能力整合模型、数据、软件与硬件的产业趋势。 影响：据介绍，“Eva”以整车系统为目标进行原生融合，尝试打通智能座舱、智能辅助驾驶与数字生态，实现从“能对话”向“能做事、会规划、可执行”的升级。在典型出行需求中，系统可理解并拆解包含时间约束、路径偏好与临时任务的复合指令，连续完成路线规划、辅助驾驶调度以及到达后的泊车等动作，强调从被动响应转向主动规划。其核心能力由阶跃星辰Step 3.5 Flash基座模型驱动，并结合端到端语音模型，减少传统分段链路带来的时延与表达生硬；接入视觉理解模型后，更增强对车内外环境的感知与决策能力，拓展到路况判断、车位识别等场景。业内认为，若此类整车级智能体能在安全、稳定与合规前提下实现规模化部署，将推动人机交互方式变化，并对座舱应用生态、辅助驾驶体验以及软件服务商业模式带来连锁影响。 对策：在智能体加速“上车”的同时，行业需要直面安全与治理问题。首先，应将功能安全、预期功能安全、网络安全与数据安全贯穿研发与验证全流程，确保智能体在复杂交通环境下边界可控、可解释、可回退；其次，要加强端云协同与本地化能力，在关键驾驶与隐私敏感场景提升端侧推理与离线可用性，降低对外部网络的依赖；再次，建立可持续迭代的测试评价体系，覆盖多模态输入、长链路任务执行与工具调用，避免出现“会说不会做”或“能做但不敢做”的体验落差；同时，推动开放接口与生态伙伴协同，形成可管理、可审计的技能体系，减少无序扩张带来的风险。 前景：随着通用模型能力与车端算力同步提升，“入端”趋势或将进一步加速。到2026年前后，整车智能体有望从高端车型向更广泛的产品渗透，成为座舱与辅助驾驶体验差异化的重要抓手。极氪8X作为首发量产车型开启预售，也表达出大模型从开源走向规模化终端商用的信号。可以预期，下一阶段的竞争重点不再是单点功能堆叠，而在于系统级融合能力、场景闭环效率以及安全合规的工程化水平。
汽车正从交通工具加速演变为智能移动空间；“超级Eva”系统的推出，表明了车企在模型、数据与整车工程整合上的进展，也折射出行业向整车级智能体演进的方向。面向智能化加速落地，如何在持续创新的同时守住安全与合规底线，并建立可持续的生态与商业模式，仍是产业各方需要共同回答的关键问题。