“龙虾”上车，到底是好是坏？

[首发于智驾最前沿微信公众号]最近一段时间，无论你是否关注科技圈，都会被“养龙虾”的相关内容刷屏，所谓“龙虾”，指的是开源智能体框架OpenClaw。它之所以突然爆火，并不是因为模型能力有了质变，而是因为AI开始具备执行能力，可以自己调用工具、操作系统，完成一整套任务。

智能体延伸出去的场景其实可以非常特殊，当智能体可以操作软件，自然就可以进一步操作硬件。在此之前，智驾最前沿还专门针对此进行了一番讨论（相关阅读：OpenClaw是图新鲜，还是真需求？）。

本以为智能体最多只会在手机、电脑等载体上搭载，但就在最近，却看到有些车企尝试在车辆上布局智能体。汽车作为高速移动、关系公共安全的载体，让智能体上车，到底是进步，还是风险？

从“会说”到“会做”，车的角色正在变化？

过去这些年，大模型的能力主要集中在理解和生成。无论是语音助手还是智能座舱，本质都是在做一件事，把人说的话理解清楚，再反馈一个结果。

但智能体的逻辑不一样，它中间多了一层“执行”。OpenClaw这类系统的核心能力，是在接收指令后，自动拆解任务、调用工具，并持续运行完成目标。

把这个能力放到汽车上，能做的或将不再是简单的语音交互，而是会影响整车行为。

这时候，车的角色就发生变化了。它不再只是一个执行控制指令的机械系统，而是一个可以理解意图并主动决策的系统。比如同样一句“我赶时间”，传统系统只会调整导航，而智能体有可能改变跟车距离、加速策略甚至路线选择。再比如“车里有人在睡觉”，它可以主动降低驾驶风格的激进程度，以保证稳定的驾驶。

这类能力的本质，是可以把“语义”直接映射到“驾驶行为”。这一步，是传统架构做不到的。

智能体和传统大模型的差别，不只是能力更强

很多人容易把智能体理解为“大模型升级版”，但这个理解其实是不准确的。

大模型解决的是认知问题，它输出的是一段话、一个判断这类的信息。而智能体解决的是执行问题，它输出的是动作。

智能体在电脑里的具体体现就是可以直接操作系统。而在车上，若将其权限直接给足，其能做的或将是可以决定方向盘、油门和制动。

图片源自：网络

这时就会带来一个非常现实的问题，即系统的风险属性发生了变化。

从已有的研究来看，这类具备工具调用能力的智能体，在面对模糊指令或复杂任务时，容易因为理解偏差产生放大效应，小的误判会被执行链条放大，最终转化为高影响行为。同时，由于其具备持续运行能力和较高的系统权限，一旦被攻击或误导，影响范围也远大于普通对话模型。

在汽车这种高安全场景中，影响的就不是体验问题，而是安全问题。

为什么车企要让智能体上车？

对于车企来说，智能体上车并不是“尝鲜”，而是一种路径选择。

自动驾驶发展到现在，核心问题并不在感知，而在决策。规则系统可以处理确定性场景，但在复杂、模糊、需要理解语义的情况下，系统会变得僵硬或者保守，很难达到人类驾驶员的程度。

大模型的引入，本来是为了解决“理解问题”，但它本身无法直接参与控制。智能体正好补上这一层，把理解结果转化为行为策略，从而打通从感知到控制的链路。

换句话说，智能体并不是在替代自动驾驶，而是在重写自动驾驶的上层逻辑。

这也是为什么车企会在这个阶段开始尝试这条路线。因为如果不做，现有架构将很难继续往上突破，无人驾驶也将遥遥无期。

真正的分歧，不在技术，而在边界

如果只从能力的角度看，智能体上车一定是必然，它确实能让车更“懂人”，也更灵活。但影响智能体是否可以上车的其实不在能力，而在控制边界。

汽车和其他终端最大的区别，是它必须在任何情况下都可以保持确定性安全。传统控制系统之所以复杂，是因为它的每一个行为都需要可验证、可约束。

而智能体的决策机制，本质上是概率驱动的。它可以在大多数情况下做出合理选择，但很难保证在所有情况下都符合预期。

这就带来一个很直接的问题，它到底能控制到哪一层？

如果智能体只参与理解用户意图、调整策略等高层决策，那风险是可以通过规则系统兜住的。但如果它直接参与轨迹生成甚至直接控制执行等底层控制，那就不得不面对一个问题，当AI的不可预测行为，闯进了汽车的安全闭环系统，我们该怎么办？

而这件事目前没有成熟答案。

或许智能体上车短期内会呈现出一种状态，那就是能力展示很激进，实际使用很保守。

你可能会看到很多演示场景中智能体有非常突出的表现，比如智能体可以依据一句话完成变道或自动选择驾驶策略。但在量产环境中，大概率还是会采用分层结构。

譬如智能体负责理解和决策建议，底层仍然由传统控制系统执行，并保留严格的约束条件。这种结构本质上是给智能体套上了安全壳。因为一旦放开控制权限，系统验证难度将会呈指数级上升。

智驾最前沿认为，智能体上车到底是好是坏，其实取决于怎么用

把问题简单归结为“好还是坏”并不准确，智能体带来的价值是明确的，它可以让车更贴近人的需求，提升决策的灵活性，也可能降低系统对复杂规则的依赖。从长期看，这是自动驾驶走向更高阶能力的必经阶段。

但它也引入了一个不可完全解释、不可完全预测的决策机制，而汽车恰恰是一个对确定性要求极高的系统，现在依然要以“安全”作为最重要的评价指标。

所以智能体上车真正关键的不是“上不上车”，而是智能体参与到什么程度？还有就是安全体系是否随之重构？

如果只是把智能体叠加在原有架构上，而没有重新设计安全边界，那么它带来的不确定性，会远大于它带来的收益。

最后的话

“龙虾”的爆火，其实已经说明了一点，那就是AI的价值正在从“信息处理”转向“行动能力”。而当这种能力进入汽车，事情就变得不一样了。

车不再只是执行系统，而是开始具备一定程度的自主决策能力的载体。这一步带来的不是简单的体验升级，而是系统性质的变化。从这个角度看，智能体上车既不是单纯的进步，也不是简单的风险，它更像是一次结构性的转折。

而对于智能体上车，我们真正要考虑的或许是在一个必须绝对安全的系统里，应该允许其能够多智能。

审核编辑 黄宇