「中國版Grok上車」分水嶺：階躍交出首份量產答卷

“超級Eva的量產，第一次讓汽車具備「超級智能體」形態。”

作者丨王瑞昊

編輯丨李雨晨

自2025年7月特斯拉在座艙接入Grok并與FSD形成協同后，AI上車一夜成為風口。但熱鬧背后，當前進展更多停留在“語音交互升級”層面，人車交互范式未有本質改變。真正具備意圖理解與執行能力的“具身智能體”，依然未出現。

行業正在等待，一款真正改變現狀的產品。

4月17日，極氪8X上市，29分鐘大定量突破10000臺，其首發搭載由階躍、吉利、千里科技聯合研發的整車智能體“超級Eva”。這是一款回應行業長期期待的產品。

與以往停留在座艙層的AI不同，超級Eva被定義為“整車智能體”，嘗試打通從感知、理解到執行的整車鏈路，將AI從“對話入口”延伸至系統層能力。

過去一年，圍繞“Grok+FSD”的討論此起彼伏，但多數仍停留在追風口階段。隨著超級Eva實現量產，這一方向第一次有了具象化的落地樣本。

01

大模型上車分水嶺：

不在對話升級，而在執行任務

現在所謂“大模型上車”，本質是把類似Grok這樣的通用模型接入座艙，用來提升語音交互體驗。這種接入通常被稱為“外掛”AI，其提升的是對話交互體驗，但無法深入到規劃與控制層，距離用戶期待中真正意義上的整車級智能體體驗相去甚遠。

雖然“外掛”AI也做到了更自然的對話、更豐富的知識庫、更擬人的交互體驗。但問題在于，這些能力距離真正的汽車智能體標準仍有明顯差距。物理AI不僅要“說得更好”，更關鍵的是要“做得更好”。

換句話說，“外掛”AI的本質仍停留在人控車的輔助工具階段，而真正的整車智能體，則需要具備自主理解、決策與執行任務的能力。

正如麥肯錫在相關研究中指出，當前車載AI的主要瓶頸，并不在語音識別或對話能力，而在于“跨系統任務編排能力”的缺失。系統無法將用戶的一個復雜目標，轉化為多模塊協同執行的動作鏈路。這也是為什么，大多數所謂“AI助手”，本質上仍是被動“響應命令”的工具。

而“超級Eva”意義，就在于把目前的瓶頸突破了，讓大模型上車第一次迎來分水嶺時刻，從此前以提升交互體驗為核心的階段，邁向AI第一次作為整車大腦的智能體階段。

這也是為什么行業將超級Eva與Grok上車Tesla的體驗相提并論，因為它們都代表著一個相同的趨勢：AI正在從回答問題走向完成目標。

舉一個我們開車時的剛需場景——當你對著車機說：“帶我去接孩子放學，順便找一家麥當勞，5點前我要到學校?！?/p>

在超級Eva出現前，這句話大概率無法被直接執行。因為系統無法理解其中的多重意圖，用戶必須手動拆解成多個指令：先導航到學校，再搜索麥當勞，再設置途經點，途中還要不斷確認路線與時間。整個過程中，人仍是決策者與控制者，車只是執行工具。

但在超級Eva中，這句話會被當作一個“目標”處理，而不是一串命令。

系統會自動完成三層解析：先識別任務結構——接孩子是主任務，買麥當勞是附加任務，5點前到達是硬約束；再拆解每個任務——篩選合適門店、規劃最優路線、計算時間窗口、評估繞行成本；最后調度系統能力——調用導航、輔助駕駛、泊車等多個模塊形成閉環執行。

更關鍵的是，在執行過程中還能根據實時路況、時間變化進行動態調整。比如遇到前方堵車會提前提醒，并可以完成以達成目標為主的規劃與執行。

這背后真正發生的變化是，用戶不再替AI思考“怎么做”，只需要表達“要什么”，這可以稱得上是一次體驗范式的重構。

Gartner在其2025技術趨勢中將“Agentic AI”列為關鍵方向之一，強調其本質是“能夠自主制定計劃并執行多步驟任務的系統”，不再是傳統的對話式AI。

超級Eva的出現，本質上就是把這一能力，第一次落在了量產車上。

02

為什么是階躍能最先做成這件事？

如果說大模型上車的第一階段，是把“會說話的AI”裝進車里，那么這一階段的上限，其實已經被證明是有限的。

真正的分水嶺，在于AI是否開始具備“感知世界 + 理解意圖 + 執行動作”的閉環能力。極氪8X首發搭載的整車智能體超級Eva，第一次國內讓車載AI具備了這種閉環能力，技術層面是“語言大腦 + 語音表達 + 視覺感知”三套能力協同的結果。

而支撐這一切的底座，是階躍星辰的Step系列模型矩陣。

據我們了解，階躍星辰是國內基座模型研發最全面的公司之一，其自研的Step系列基座模型矩陣覆蓋了從千億參數到萬億參數，構建了從語言、推理到多模態，從理解到生成的全面能力。Agentic 時代，模型要真正從軟件層面走進物理世界，覆蓋了感知-推理-執行全鏈條的系統能力是必備要素。

階躍最新發布的Step 3.5 Flash，是整個超級Eva的“大腦”，其不是一個單純的大語言模型，而是一個面向Agent場景設計的推理與規劃引擎。

Step 3.5 Flash有三個關鍵能力。

第一是速度與穩定性。模型推理速度最高達到350TPS，在復雜任務中仍能保持低延遲響應，這意味著它可以支撐更流暢的車端實時交互。

第二是復雜任務推理能力。在OpenRouter全球調用榜中登頂，這一成績證明了Step 3.5 Flash具備穩定處理多步邏輯鏈的能力，在現實Agent場景中被大量開發者所選用。

三是長上下文與記憶能力。支持256K級別上下文處理，讓“連續任務”成為可能，這是車載Agent能夠記住用戶偏好，更“懂人”的基礎

這三點能力決定了當前車載AI最關鍵的一個變化：AI第一次能夠“理解一個目標”，而不只是“理解一句話”。得益于這一能力，例如你提出“我要去看演唱會”這一目標，超級Eva便能自動拆解為出發、路線、停車、訂酒店、訂飯店等多個子任務，并在執行過程中根據路況與時間動態調整。

這不再是簡單的導航或推薦，而是一次完整的任務編排與執行，體現出大模型在復雜場景下的推理深度與系統級調度能力。

如果說Step 3.5 Flas這一大腦解決的是“想清楚”，那么語音模型解決的是“說清楚”。

傳統車載語音的問題是交流不擬人，輸出往往是功能播報式的——“已為您規劃路線”“空調已開啟”。而超級Eva接入階躍的語音大模型，改變的正是這種表達方式。

該模型具備幾個能力：情緒理解（識別用戶語氣背后的緊迫性或松弛感）；語義重構（將機械指令轉化為自然表達）；對話連續性（支持上下文中的持續交流，而不是一次性問答）；知識庫（支持智能搜索，什么都能聊）。

舉一個例子，你說“我累了，好想回到小時候”，它會像一個知心朋友一樣陪你聊天。

換句話說，這一模型能力解決的是“人愿不愿意繼續說”，而不是“說得像不像人”，后面的能力此前的車載AI助手就已具備。

如果說Step 3.5 Flash和語音模型是大腦和嘴巴，那么視覺模型就是智能體的眼睛。

這是當前大多數車載AI的短板，Grok也不例外。

超級Eva接入視覺能力，使車輛第一次具備了基礎的環境理解能力，能識別車位是否被占用，還能感知環境變化并調整策略……。

值得一提的是，超級Eva的多模態協同能力，是目前類似Grok也仍未完全覆蓋的方向。Grok強于語言與數字世界理解，但在物理感知與執行閉環上仍處于演進階段。

對于汽車這一最具想象力的物理AI終端來說，超級Eva讓它不再是工具，而開始成為一個可以協助人類完成任務的超級智能體。

03

原生AI時代，需要怎樣的造車模式？

過去AI上車慢和體驗不及預期，癥結在于三方能力的互相割裂：模型公司懂AI，但不一定懂整車系統；車企懂整車，但不一定有最前沿的模型能力；中間工程落地和場景編排，常常缺少一個足夠強的承接方。

這造成的結果就是：模型很強，但上不了車；上了車，但調不動整車系統；功能做出來了，但難以快速量產和穩定交付。

而超級Eva的快速量產，驗證了一條新的可行路徑：AI基座模型公司、汽車廠商、汽車科技公司三方聯手的深度共創，最終呈現的效果最優。

這種“你中有我”的深度融合，讓三方從第一天起就圍繞“整車智能體”目標做聯合定義和聯合開發。

數據佐證了這一模式的效率，Step 3.5 Flash于2月2日發布并開源；3月16日即接入超級Eva并開啟預售；4月17日隨極氪8X正式上市。從模型發布到量產上車，僅用了兩個多月。

而且，這并非階躍在汽車領域的首次亮相。此前，階躍已聯合吉利、千里打造了智能座艙Agent OS，并率先在吉利銀河M9上實現了端到端語音大模型的上車。此次超級Eva的量產，標志著階躍“AI+終端”的商業化鏈路已完全跑通，并且進入了加速期。

因此，車上智能體要想真正做深、做快、做成量產，不能只靠車企單打獨斗，也不能只靠模型公司技術輸出。階躍、吉利和千里科技的合作，可謂是為行業打造了一個商業范本。

04

超級Eva隨極氪8X量產上市，不能看作是一個簡單功能的加入，它最大的意義在于宣告汽車正式進入“整車智能體”時代。

很多車企都在布局大模型上車，但階躍、吉利、千里聯合研發的超級Eva，可以說是首個真正實現量產落地、性能強、真可用的“中國版Grok上車”。

以此為起點，超級Eva將不再只是車內的伙伴，更是連接出行、生活服務的智能樞紐。從理解一句話到搞定一整件事，階躍AI+終端的商業化進程，正進入全面加速的快車道。