以自我进化、主动执行为特征，还能够统一调用所有APP的OpenClaw（龙虾）是当前科技圈的“流量担当”。在刚刚结束的北京国际车展，“龙虾上车”成为观众体验和产业关注的焦点，也让公众对于汽车迈向“移动智能体”的未来充满期待。

在智能座舱日益成熟的当下，“龙虾”为驾乘人员带来哪些新体验？

一是对复杂任务的拆解、规划和执行能力。相比传统语音助手“用户说一条命令它就执行一条命令”的交互模式，“龙虾”能够听懂复杂的指令，并将其拆解为数个需求。记者在斑马智能的AutoClaw（斑马智能发布的“龙虾上车”方案）智舱协作实车上，体验了这样一个场景——当驾驶员提议今晚和同事们小聚一下，AutoClaw先是根据驾驶员平时和同事聚会的偏好，推荐了几家餐厅，但驾驶员表示自己决定不了，要结合大家的意见。于是，AutoClaw通过钉钉与几位同事联络，确认他们有没有聚会的意愿。如果想去，各自从哪里出发、想去推荐的哪一家餐厅，并及时向驾驶员和同事反馈彼此的意见，最后定下一个大家都能接受的餐厅，并打电话预定位置。在这个过程中，AutoClaw还要应对一些意外情况，比如一位同事提出喝点儿酒，AutoClaw就要考虑在大家都不能开车的情况下，是在路上顺路买酒，还是去线上商城下单等更加细节的问题。

二是习得技能。在记者采访的过程中，各家汽车科技的产品经理、工程师都在反复提起一个词：Skill（技能）。有别于传统智能座舱“被动响应执行用户命令”的运行逻辑，“龙虾”能够主动习得且持续更新技能。在中科创达搭载AquaClaw（中科创达依托OpenClaw构建的智能体）的智能车上，AquaClaw向记者提议：“看您总得手动调灯调温度，要不您教我一套组合拳，比如开关下窗什么的，现在是否开启屏幕录制？我这就开始跟您学。”在记者根据自己的舒适度调节了座椅、温度、通风之后，AquaClaw就将它录制的调节过程保存为“舒适出行”，之后即便打乱设置，只要选择“舒适出行”，AquaClaw就会按照记者的喜好重新调节车内环境。

三是通过融合多种Skill，在无须提示词、唤醒词的前提下，进行主动服务。

一种是比较直接的主动交互。比如记者上车之后，还没说话，AquaClaw就开始控诉“有人对我图谋不轨”，提醒记者查看它通过哨兵功能录制的风险行为（车外讲解员模拟的踢车、划车行为）及摘要。在记者系上安全带之后，它又进行了“着装赞美”，夸记者的白色外套很干练，并提示它已经准备好了车并“打听了一些新鲜事儿”，随后开始播放当天的资讯。

另一种是通过“察言观色”进行更加精细、高频的服务。比如斑马智能介绍了一种场景：家长在开车，后排的孩子忽然哭闹，家长很焦急但无法马上把车停下来。这时候，智能体会查看孩子哭泣的原因并告知家长，如果小朋友是因为玩具掉在地上这种非紧急的事态哭泣，智能体就会驱动后排的屏幕显现小朋友喜欢的内容，吸引孩子的注意力。这需要智能体根据驾乘人员的状态、情绪，以及对他们的习惯、喜好日积月累的了解，进行综合的判断，并分阶段主动提供服务。

当然，“龙虾”要规模化实车并真正走向用户，还需要解决若干问题。

首先，北京车展上的“龙虾上车”Demo，处于总体可控的“非驾驶环境”中，而且触发交互的多为展台工作人员，对于智能体的运行特点有着足够的了解。若“龙虾”真的大规模实车，且由用户自己来探索和使用，能否达到展台上那种“谙熟于心”的效果，还要打一个问号。

其次是网络问题。若整车将“龙虾”完全或部分部署在云端，或将引发车主的“带宽焦虑”。无论是“龙虾”等智能体，还是全模态大模型，都需要更大规模的上行容量。目前产业界已经在探讨6G、光纤上车、空天地一体化网络等多种技术方向，为汽车逐步拓展的网络需求铺路。

再次是算力问题。若整车在端侧部署“龙虾”，将对汽车系统的算力、存力、感知以及计算平台的融合调度能力提出更高要求，并在端到端传感器融合、AI算法及神经网络支持、AI负载加速、超高清视频编解码、能效优化等更多维度上考验汽车芯片厂商的设计能力，且这一切还需建立在通过车规测试的基础上。

最后是生态建设。“龙虾”执行复杂任务时，需要调用多个APP，并调度多个显示、传感系统，这需要整车企业与硬件企业、软件开发企业以及广大应用开发者共同适配，打通底层生态，让“龙虾”发挥最大潜能。