2026轩辕汽车蓝皮书论坛：博泰张杰解读车联网前沿趋势

在第十八届轩辕汽车蓝皮书论坛的“作为AI Agent的智能座舱”尖峰对话中，博泰车联网CTO张杰系统阐述了AI Agent量产化的核心路径。他指出，智能座舱从技术演示走向用户依赖，必须跨越四个关键障碍：聚焦真实高频的用车场景、构建行车安全的可靠授权体系、保障弱网环境的离线服务能力，以及实现端云协同的成本精细控制。张杰特别强调，当端侧算力部署达到数百T级别时，处理Token的综合成本压力将得到显著优化。

针对智能座舱AI Agent的量产落地，张杰提出了四项核心准则：功能必须围绕用户高频刚需场景开发，杜绝华而不实；行车安全是绝对底线，需建立可靠的安全授权框架；离线服务能力不可或缺，确保网络波动下体验稳定；端云成本必须实现精细化管控。他分析，若能在车端部署数百T的算力资源，将大幅缓解大模型Token处理的成本压力。

AI Box：车载座舱的算力中枢与调度核心

AI Box已成为智能座舱的算力基石与多Agent调度平台。下一代电子电气架构本质上是为AI原生设计的。短期看，独立AI Box能快速补强现有平台的算力短板；长期而言，它正驱动整车电子电气架构的深层变革。随着AI Agent普及，车载算力需求呈指数级增长。如今，融合座舱与智驾系统的整车算力已轻松突破1000TOPS，远超移动终端算力水平。

AI域控：占据整车智能的主控地位

当前行业聚焦于AI操作系统，但未来演进方向并非系统简单升级。真正的趋势在于：基于超大规模算力平台，从硬件底层重构架构，允许多个功能操作系统并行运行，最终推动整车底层向“超级算力中心”演进。未来的汽车将演变为一体化的大型智能服务器，所有车载功能均依托这一核心算力单元实现。

博泰的双模型融合架构：端云协同，精准匹配需求

为应对车载场景特殊性，博泰构建了端云协同的双模型融合架构。车端轻量化专属大模型负责即时响应、本地记忆管理与车辆安全控制；云端通用大模型则承担深度推理、全域信息整合与生态服务联动等复杂任务，如全网信息检索、多Agent复杂任务规划等。

这一架构在数据安全、用户隐私与生态拓展、服务能力间取得了精准平衡。它既满足车载环境对安全隐私的硬性要求，又能接入丰富生态，适配多元化智能需求。目前，博泰车载算力平台已达360TOPS，可流畅运行140亿参数通用模型；采用MoE架构时，更能支撑300亿参数模型，完全满足整车智能任务编排与Agent日常运行需求。车端模型性能已能支撑智能体核心任务调度，下一步重点是持续优化其任务规划与协同能力。

独立自主：打造跨生态的通用Agent应用中台

车企选择Agent平台时，通常基于三个维度决策：自身研发能力、品牌价值主张与综合商业效益。研发积淀深厚、追求智能化自主权的车企，更看重平台开放性与定制自由度；侧重生态合作、追求快速落地的车企，则更关注伙伴的技术底蕴与成熟智能体服务能力。同时，所有车企都会理性评估开发投入、授权费用及模型调用成本等商业化要素。

博泰的定位是成为连接不同生态的兼容性桥梁。依托“软件+硬件+芯片+云端”全栈能力，并以开放协同为原则，博泰能深度兼容各类技术体系，与产业链伙伴共建车载AI Agent生态，为车企提供灵活、多元的落地解决方案。