过去半年，"龙虾"几乎成了国内科技圈的显学。

Claude Code走红之后，飞书、钉钉、Stripe、阿里云、字节……几乎叫得上名字的平台都在往里塞自家的Claw。逻辑都一样：大模型跑在云端，通过一套能规划、能调度、能反思的agent框架，把原来需要人工拆解的复杂任务交给AI。

但所有云端Claw都撞到了同一堵墙：Token烧钱、权限滥用。Claude Code的用户都习惯了——早上一睁眼跑两个任务，几十万Token就没了；一个配错的权限，可能让agent干出意想不到的事。

4月23日下午，北京阿里巴巴朝阳科技园B区多功能厅，斑马智能开了一场名为AI-TECH DAY的发布会。这家公司没说自己要做第N个Claw平替，他们把"龙虾上车"定义为行业首创，然后把整套东西塞进了端侧。

这事本身很有意思。

改名是个信号

发布会开场第一件事，不是产品，是改名。

斑马智行，改叫斑马智能。首席产品官蔡明在台上专门解释了一句："我们是一家人工智能的公司，这个名字更能反映这家公司所干的事情。"

听起来像常规公关动作，但放回到这家公司过往的产品路径里看，信号很明确。斑马是2015年上汽和阿里合资的产物，"智行"两个字里藏着"智能出行"的老命题，做的是互联网汽车、车机系统、车载服务生态。但从2024年中All in AI之后，这家公司在重新给自己找坐标。

蔡明在台上讲过一句话：车一定会成为最早Robot化的智能终端。这句话放在这场发布会里有战略分量——斑马把今天做的"智能座舱"，看成未来"机器人大脑"的前站。改名"智能"，是在给一个更大的故事提前腾位置。

这就是为什么这场发布会不像车企发布会，更像一场AI公司的产品日。

先把发的东西交代清楚

两年多时间，斑马已经和近20家主流车厂合作，包括大众、宝马、智己、东风、红旗、比亚迪。按2024年收入算，是中国最大的以软件为核心的智能座舱方案供应商。

这次AI-TECH DAY的核心发布，可以压缩成三件事：

第一，AutoOmni升级成产品矩阵。 这是斑马去年云栖大会发的端侧全模态模型，当时是7B参数的单一方案。这次升级之后，支持多种参数规格、多种模型架构（包括行业首个MoE端模型）、多种主流芯片（高通、英伟达、紫光展锐、黑芝麻智能、芯驰），解决的是"交流"问题——让车能听、能看、能记忆。

第二，AutoClaw正式发布。 这是行业首个"龙虾上车"实车方案。斑马给它的定义是"智舱AI协作服务解决方案"，解决的是"办事"问题——让车能真正规划、协同、执行复杂任务。

第三，公布AIOS技术架构路线图。 DeviceOS → ModelOS → AgentOS → AIOS，对应底层操作系统、模型适配、agent调度、全栈AI操作系统的四层演进。

发布会上的关键词"65%市场份额"、"NO.1身位"、"领先欧美1-2个代际"很振奋人心，司罗在台上那句"中国智舱AI应用技术领先欧美不是1-2年，是1-2个代际"确实有行业自豪的成分。但这些都不是这场发布会最值得关注的东西。

真正值得拆的，是AutoClaw。

把Claw放进端侧，是一件反直觉的事

过去半年我们见过太多"龙虾上车"的说法。吉利和阶跃星辰搞了超级Eva，鸿蒙座舱5用MoLA混合大模型架构做多智能体，比亚迪和阿里云联合做了Mobile-Agent，智己接了千问做IM Fusion Nova……几乎每家头部车企都在把agent能力引入座舱。

但这些方案基本都跑在云端。模型在云端，编排在云端，外部工具调用也在云端。车端更多扮演"传感器+显示屏"的角色。

斑马做了一件反直觉的事：把agent调度系统搬到了端上。

司罗在台上讲得很直接：斑马的AutoClaw是端云混合架构，端侧跑的是30B的MoE模型。这是整个方案的关键。

云端Claw的两个核心问题——Token消耗和权限滥用——在端侧有了完全不同的解法：

• Token：端上的推理不走云计费。配合任务压缩、反思机制、独立Token管理，云端Token用量能降下来。司罗的原话是"绝对不会出现一早上一上车，几十万Token就没了"。
• 权限：敏感账号数据封装在seal里，和模型硬隔离。模型幻觉产生的"乱点"问题，碰不到真实凭证。

这两个解法听起来朴素，但只有车这个终端能做。手机算力不够，电脑没有足够的持续供电和运行环境，家用IoT设备没有独立的高性能芯片。只有车——第五代旗舰座舱芯片（比如高通8397）的AI算力已经到360TOPS，加上稳定供电、独立电子电气架构、强隐私需求，车是目前唯一一个能扛得住30B级端侧MoE持续运行的消费终端。

换句话说，当整个行业都在讨论"大模型怎么上车"的时候，斑马已经在讨论"agent怎么端侧化"。这两件事差着一层。

真正被升级的，是任务调度系统

AutoClaw发布里有一段容易被忽略的内容，讲的是任务调度。

蔡明在台上举了个例子：今天晚上想约朋友吃饭，人的真实做法是打电话确认时间、同时订餐厅、发消息让对方确认、对方有意见再调整、半路想喝酒再买一瓶……整个过程是边确认、边调整、边推进的并发模式。

但现在所有AI助手，本质上是阻塞式单任务调度：你说一句它干一件，干完才能下一个。你让它一句话说五个命令，它背后跑的仍然是顺序队列。它们不理解任务和任务之间的关系，不会在执行过程中接收新信息调整计划，更不会保存被打断的任务回头再做。

AutoClaw重做了这一层：

• 从阻塞式队列换成任务池，任务可以并发、可以被搁置、可以被重新调度
• 大模型不再只负责"理解指令"，而是作为任务编排器，判断任务之间的依赖、先后、冲突
• 动态接收外部信息（比如对方回信息了、出现临时变化），动态调整任务流程
• 碰到异常不会卡死，会继续思考、继续推进

这件事发生在OS层，不在应用层——让AI第一次真正参与到任务管理系统里。

这也是为什么斑马特意公布AIOS路线图。DeviceOS是传统操作系统能力，ModelOS用来适配和调度各种模型，AgentOS支撑agent级的任务调度，AIOS是全栈整合。是一套从底层往上重做的思路，而非在现有车机系统上加层AI补丁。

行业里能完整做这四层的，至少在中国，目前只有斑马一家。斑马是“中国仅有的两家完全自研汽车操作系统的第三方供应商之一”，也是"唯一一家将系统级OS、AI全栈端到端和汽车平台服务无缝整合"的公司。

为什么车是具身智能的第一个商业化载体

把镜头拉远一点。

2026年被很多人定义为"线控元年"，也是L3爆发之年。当智能驾驶把驾驶权从人手里接过去，车这个物理空间剩下的，是一个可以持续几十分钟、有稳定算力、有独立网络、有完整传感器、有明确用户身份的智能空间。

人形机器人还在实验室做demo，智能眼镜还在攻克续航，家用IoT缺乏统一入口。而车——2024年中国前装标配智能座舱搭载率已经超过72%，到2026年预计80%以上——是第一个具备商业化规模、具备持续供电、具备高端算力、具备强隐私需求的具身智能载体。

这也解释了斑马改名的深层逻辑。他们今天在车上积累的能力——端侧大模型运行、agent任务编排、全栈OS能力、服务生态接入——几乎可以一对一映射到未来任何一个robot终端。

司罗在圆桌上讲过一个有意思的场景：未来L5之后，他太太从西雅图飞北京，车自己去机场接，自己查航班、找航站楼、联系人、接到之后根据行李调整服务、半路还能接临时任务。这个场景需要的能力，和人形机器人"帮你从冰箱拿瓶水并顺手收拾客厅"，底层是同一件事——agent能不能在物理世界里持续、可靠、安全地执行多步任务。

车是个好起点。它规模化，它有容错空间（还有方向盘），它背后的供应链成熟，它的用户付费意愿已经被验证。把端侧agent在车上跑通，往外迁移的路径就打开了。

尾声

发布会快结束的时候，蔡明讲了一句话：谁能率先把AI做成可量产、可交付、可持续迭代的系统能力，谁就更有机会拿到下一阶段产业红利。

这话翻译一下就是：AI上车的早期阶段，拼的是"谁的模型更聪明"；中期阶段，拼的是"谁能把agent端侧化、可量产地做出来"；再往后拼的是"谁能把这套东西从车迁移到更多robot终端上去"。

斑马今天站的位置，大概是第二阶段的起点。改名"智能"的这个动作，是一家公司在赌自己押对了方向。

至于赌对没赌对，年内陆续量产落地的那些车型，会给出答案。