以自我進化、主動執行為特徵，還能夠統一呼叫所有APP的OpenClaw（龍蝦）是當前科技圈的“流量擔當”。在剛剛結束的北京國際車展，“龍蝦上車”成為觀眾體驗和產業關注的焦點，也讓公眾對於汽車邁向“移動智能體”的未來充滿期待。
在智能座艙日益成熟的當下，“龍蝦”為駕乘人員帶來那些新體驗？
首先是對複雜任務的拆解、規劃和執行能力。相比傳統語音助手“使用者說一條命令它就執行一條命令”的互動模式，“龍蝦”能夠聽懂複雜的指令，將其拆解為數個需求。記者在斑馬智能的AutoClaw(斑馬智能發佈的“龍蝦上車”方案)智艙協作實車上，體驗了這樣一個場景——當駕駛員提議今晚和同事們小聚一下，AutoClaw先是根據駕駛員平時和同事聚會的偏好，推薦了幾家餐廳，但駕駛員表示自己決定不了，要結合大家的意見。於是，AutoClaw通過釘釘與幾位同事聯絡，確認他們有沒有聚會的意願。如果想去，各自從那裡出發、想去推薦的那一家餐廳，並及時向駕駛員和同事反饋彼此的意見，最後定下來一個大家都能接受的餐廳，並打電話預定位置。在這個過程中，AutoClaw還要應對一些意外情況，比如一位同事提出喝點酒，AutoClaw就要考慮在大家都不能開車的情況下，是在路上順路買酒，還是去線上商城下單等更加細節的問題。
二是習得技能。在記者採訪的過程中，各家汽車科技的產品經理、工程師都在反覆提起一個詞：Skill（技能）。有別於傳統智能座艙“被動響應執行使用者命令”的運行邏輯，“龍蝦”能夠主動習得且持續更新技能。在中科創達搭載AquaClaw（中科創達依託OpenClaw建構的智能體）的智能車上，AquaClaw向記者提議：“看您總得手動調燈調溫度，要不您教我一套組合拳，比如開關下窗什麼的，現在是否開啟螢幕錄製？我這就開始跟您學。”在記者根據自己的舒適度調節了座椅、溫度、通風之後，AquaClaw就將它錄製的調節過程保存為“舒適出行”，之後即便打亂設定，只要選擇“舒適出行”，AquaClaw就會按照記者的喜好重新調節車內環境。
三是通過融合多種Skill，在無需提示詞、喚醒詞的前提下，進行主動服務。
一種是比較直接的主動互動。比如記者上車之後，還沒說話，AquaClaw就開始控訴“有人對我圖謀不軌”，提醒記者查看它通過哨兵功能錄製的風險行為（車外講解員模擬的踢車、劃車行為）及摘要。在記者係上安全帶之後，它又進行了“著裝讚美”，誇記者的白色外套很乾練，並提示它已經備好了車並“打聽了一些新鮮事兒”，隨後開始播放當天的資訊。
另一種是通過“察言觀色”進行更加精細、高頻的服務。比如斑馬智能介紹了一種場景：家長在開車，後排的孩子忽然哭鬧，家長很焦急但無法馬上把車停下來。這時候，智能體會查看孩子哭泣的原因並告知家長，如果小朋友是因為玩具掉在地上這種非緊急的事態哭泣，智能體就驅動後排的螢幕展現小朋友喜歡的內容，吸引孩子的注意力。這需要智能體根據駕乘人員的狀態、情緒，以及對他們的習慣、喜好日積月累的瞭解，進行綜合的判斷，並分階段主動提供服務。
當然，“龍蝦”要規模化實車並真正走向使用者，還需要解決若干問題。
首先，北京車展上的“龍蝦上車”Demo，處於總體可控的“非駕駛環境”中，而且觸發互動的多為展台工作人員，對於智能體的運行特點有著足夠的瞭解。若“龍蝦”真的大規模實車，且由使用者自己來探索和使用，能否達到展台上那種“諳熟於心”的效果，還要打一個問號。
其次是網路問題。若整車將龍蝦完全或部分部署在雲端，或將引發車主的“頻寬焦慮”。無論是龍蝦等智能體，還是全模態大模型，都需要更大規模的上行容量。目前產業界已經在探討6G、光纖上車、空天地一體化網路等多種技術方向，為汽車逐步拓展的網路需求鋪路。
其三是算力問題。若整車在端側部署龍蝦，將對汽車系統的算力、存力、感知以及計算平台的融合調度能力提出更高要求，並在端到端感測器融合、AI演算法及神經網路支援、AI負載加速、超高畫質視訊編解碼、能效最佳化等更多維度上考驗汽車晶片廠商的設計能力，且這一切還需建立在通過車規測試的基礎上。
其四是生態建設。龍蝦執行複雜任務時，需要呼叫多個APP，並調度多個顯示、感測系統，這需要整車企業與硬體企業、軟體開發企業以及廣大應用開發者共同適配，打通底層生態，讓龍蝦發揮最大潛能。 (中國電子報)