一句话定义：车载智能体（In-Car Agent）是跑在车机里的 AI 智能体，以语音为主要入口，在授权范围内调用车辆硬件、导航、娱乐和支付能力，把一句话变成一串连续动作。
它到底在干什么
一些车厂（如 Rivian）已经开始把大模型接进车机，让「你好，帮我……」从一句语音播报，变成真的会执行的动作。你可能会说：
> 「把副驾空调调到 24 度，顺路找一家能充电的咖啡店，到了帮我付停车费。」
这一句话背后，其实是三个完全不同的系统：车控 API（空调、车窗、座椅、灯光、充电口）、导航 API（搜索、途经点、路线重算）、支付 API（停车、充电、加油）。车载智能体做的事，就是听懂意图，再把任务拆给这些接口，最后把结果说回给你。
打个比方：网页上的智能体，是坐在办公桌前帮你填表的助理，填错了刷新重来；车载智能体是拿着你车钥匙的管家——他能开空调，也能开后备箱。
权限边界才是重点
| 维度 | 网页/桌面智能体 | 车载智能体 |
|---|---|---|
| 主要入口 | 键盘、鼠标、屏幕 | 语音 + 方向盘按键 |
| 可操作对象 | 页面、文档、表单 | 车辆硬件、导航、支付 |
| 出错代价 | 填错、点错，通常可撤销 | 可能影响行车安全 |
| 授权粒度 | 账号级、站点级 | 功能级 + 场景级 |
| 兜底方式 | 重试、人工修改 | 物理按键、驾驶员接管 |
最关键的差异是场景级授权：同一个「打开后备箱」，在停车场是合理的，在高速行驶中就不该被执行。所以车载智能体通常要区分行驶态和驻车态，对高风险操作加二次确认，并保留物理按键作为最终兜底——语音识别再准，也不能是唯一通道。
为什么语音优先
开车时，眼睛和手都被占用，语音是唯一安全的交互通道。代价是：它必须能处理噪音、口误、方言和打断，而且回答要短。在车里，一段三十秒的详细解释不是帮助，是干扰。好的车载智能体往往「少说话、多做事」。
对从业者和普通人意味着什么
对做产品的人：核心工作不是把模型能力堆满，而是做能力分级和最小权限——哪些事可以直接做，哪些要确认，哪些永远不能做，并且每一步都可审计、可撤销。
对普通人：车能听懂你说话，但它仍然只是执行者。方向盘后面的那个人，才是责任的兜底。另外，车内麦克风和位置数据的采集范围值得留意，具体某项功能支持到什么程度，以官方页面为准。
和相邻概念的区别：车载智能体 ≠ 车载语音助手。传统语音助手是「一问一答的指令匹配」，车载智能体是「能规划多步、能调工具、能记住上下文」。前者是遥控器，后者更像一个真的会办事的人。