从智谱MaaS爆发看汽车AI：API如何驱动软件与用户体验

2026-03-31，智谱发布2025年财报：营收超7.24亿元，同比+131.9%；更抓人的是它的MaaS（Model-as-a-Service）开放平台——年经常性收入（ARR）达到17亿元，过去12个月增长60倍。很多人把这类数字当成“AI公司赚钱能力”的故事，但我更愿意把它看成一个基础设施故事：当模型能力过线，API就会变成新的水电煤。

这件事对汽车软件与用户体验（UX）尤其关键。车企正在把“座舱+智驾+车云服务”做成长期运营的数字产品，而不是一次性交付的硬件。要把体验做得持续可迭代、可规模化、可盈利，关键不在于堆一个大模型，而在于能否把AI能力产品化成稳定、可计费、可管控的API。

在《人工智能在智慧城市建设》系列里，我们经常讨论交通治理、公共安全、城市运行等“系统级问题”。汽车其实是智慧城市的高频移动终端：每天在路上跑的每一次交互、每一次路径选择、每一次充电与维保，都是城市系统的一部分。智谱MaaS的增长给我们一个很现实的启发：智能生态的胜负手，不是某次发布会的“最强模型”，而是可持续供给高质量token的基础设施与商业闭环。

MaaS ARR 17亿元意味着什么：AI基础设施开始按“调用量”定价

答案先给：MaaS的爆发说明企业更愿意为“可用、可控、可集成”的API付费，而不是为概念付费。

智谱MaaS ARR达到17亿元，同时通过推理侧工程优化降低单token成本，带动MaaS毛利率提升到18.9%。这组数字背后是一个简单逻辑：

1. 企业要的是交付确定性：SLA、延迟、稳定性、合规、成本上限。
2. 采购与集成更偏“组件化”：用API接入，比“买断模型”更符合软件工程节奏。
3. 能力到达阈值后，模型差异会体现在“每一次调用”：好用才会高频调用，高频调用才会形成ARR。

这也是为什么文章里提到，海外Anthropic在2024年底到2025年底ARR从10亿美元到90亿美元的跃升，被视为“模型足够强以后，API是最有效商业模式”。

放到汽车行业，这相当于一个信号：未来车企的AI能力会像地图、语音、云存储一样被“服务化计费”。你不一定要自研所有东西，但你必须能把关键能力做成可运营的服务，并把成本与体验一起管住。

TAC：用“智能使用×输出质量×经济转化”评估生产力

智谱提出了一个新框架：Token Architect Capability（TAC）= 智能使用 × 输出质量 × 经济转化效率。我很喜欢这个表达，因为它逼着团队把讨论从“模型多大、多聪明”拉回到“产出是否能转化”。

在汽车里，TAC可以被翻译成更工程化的指标组合：

• 使用频率：语音/助手/导航/充电建议被触发的次数与覆盖人群
• 输出质量：一次解决率、纠错率、误触发率、满意度
• 经济转化：降本（客服、售后、研发效率）、增收（订阅、增值服务）、留存（DAU/MAU、续费）

一句话：车企需要“可算账”的AI，而不是“看起来很聪明”的AI。

API爆发对汽车软件的启示：把AI做成“可插拔能力层”

答案先给：车内体验迭代速度，取决于你把AI做成产品层还是工程层。做成能力层，才能规模化。

不少车企在做大模型座舱时容易走两条弯路：

• 弯路A：把大模型当成“一个大功能”，塞进语音助手里就结束了。
• 弯路B：把一切都自研闭环，结果迭代慢、成本高、生态难扩。

智谱的路径更像“能力层平台”：通过开放平台与API，把模型能力变成标准化供给，再由开发者与企业应用去组合出场景。这对汽车软件架构有直接参考价值：

车端需要“AI中间层”：统一调用、统一计费、统一治理

车上场景多且碎：导航、音乐、车控、能耗、维保、停车、出行服务、儿童模式、无障碍模式……如果每个场景各接各的模型，各管各的prompt与费用，最后一定失控。

更稳的做法是建立车企自己的“AI中间层”（可以在云端为主，车端为辅）：

• 统一API Gateway：路由到不同模型（自研/第三方）
• 统一策略：敏感信息脱敏、内容安全、权限分级
• 统一成本治理：token预算、熔断、缓存、批处理
• 统一评测：场景基准集+线上A/B（延迟、准确率、满意度）

这类体系一旦建立，AI就不再是“某个部门的功能”，而是汽车软件的公共底座。

“降token成本”就是汽车行业的“降BOM”：决定你能否规模化上线

智谱通过推理优化把单token成本打下去，毛利率显著提升。对车企来说，这对应的是：

• 单位交互成本：一次对话、一条总结、一段行程规划的成本
• 峰值算力成本：节假日出行高峰、早晚通勤高峰的并发
• 端云协同成本：哪些放端上，哪些上云，怎么动态切换

我见过不少团队做AI座舱“Demo很惊艳”，但一算账就卡壳：用户越用越亏。当你把体验做成长期服务，成本结构会反过来定义产品边界。

开放平台 vs 封闭体系：对照特斯拉，车企该怎么选？

答案先给：汽车AI需要“关键能力自控 + 非关键能力平台化”。全封闭会慢，全开放会散。

文章建议我们用智谱的API化路径，对照特斯拉更偏内部闭环的软件生态。两者各有优势：

• 封闭体系（类似特斯拉思路）：体验一致、数据闭环强、端云协同深；代价是研发压力大、生态扩展慢。
• 开放平台（类似MaaS思路）：接入快、场景扩展快、开发者活跃；代价是体验一致性与安全治理更难。

对大多数中国车企与城市交通生态而言，更可行的是混合路线：

1. 安全与控制相关能力自控：车控、驾驶相关、人机安全、隐私与合规策略。
2. 高频但非致命场景平台化：文案生成、知识问答、行程总结、用车教程、客服与工单摘要。
3. 用API把生态串起来：与充电、停车、商圈、城市交通信息系统打通，让车成为智慧城市的“可编排节点”。

一句话立场：车企别把“是否自研大模型”当成分水岭，把“是否拥有可治理的AI能力层”当成分水岭。

从“开发者高频调用”到“车主高频使用”：AI UX要抓住三条主线

答案先给：真正能带来线索与收入的，是可持续的高频体验；高频体验来自少数关键场景的持续打磨。

智谱的增长很大一部分来自开发者高频调用：付费开发者24.2万人、token使用量半年15倍增长，甚至在涨价与取消折扣后需求仍旺。这提醒我们：频率是商业模型的发动机。

落到车内UX，我建议优先打穿三类高频链路（也最容易形成可量化指标）：

1）“一次说清楚”的多意图语音与车控

别追求能聊哲学，先追求三件事：

• 车控意图识别稳定（空调、座椅、窗户、驾驶模式）
• 多步指令（“开到24度，风量2档，打开座椅加热”）
• 异常兜底（听错、网络差、儿童误触发）

衡量指标要硬：一次解决率、纠错轮数、平均响应延迟。

2）导航与能耗：把“建议”变成“可执行方案”

车主不缺信息，缺的是低成本决策。AI可以输出：

• 充电/加油策略（排队概率、价格、预计到达SOC）
• 途经点推荐（结合偏好与时间窗口）
• 城市交通事件解释（事故、管制、施工带来的绕行原因）

这与智慧城市交通治理天然一致：车辆端的“解释与建议”越清晰，城市系统的拥堵治理越有效。

3）售后与客服：用AI把成本砍掉，同时提升满意度

这是最容易算ROI的一环：

• 工单自动摘要与分类
• 故障现象对话式排查（与车端诊断码结合）
• 维保方案与费用解释

很多车企做线索（LEADS）时忽略了：售后体验是最强的复购与转介绍入口。

实操清单：车企落地“API化AI能力”的5个步骤

答案先给：先建治理与评测，再谈大规模上线；先让成本可控，再谈全量开放。

1. 建立场景优先级：按“频率×价值×风险”排序，先做10个高频场景。
2. 搭建AI能力网关：统一鉴权、路由、日志、内容安全、限流与缓存。
3. 做一套可复用评测体系：离线基准集 + 线上A/B + 红队测试（越狱、注入、隐私）。
4. 成本模型先行：把每个场景的token预算、峰值并发、降级策略写进PRD。
5. 端云协同落地：端上小模型做唤醒与简单指令，云端大模型做复杂推理；网络差时自动降级。

可被引用的一句话：AI体验做得越像“服务”，就越需要像云产品一样管理：SLA、成本、治理、迭代节奏缺一不可。

结尾：智慧城市的下一步，是“可调用的智能”进入每一辆车

智谱MaaS ARR冲到17亿元，最重要的不是数字本身，而是它验证了一条路径：当高质量token变得稀缺，能稳定供给它的人就拥有定价权；当API成为主入口，生态就会围绕调用量与集成效率重组。

对汽车软件与用户体验来说，这意味着竞争焦点会从“谁的演示更炫”转向“谁的AI能力更像基础设施”。把AI做成可插拔、可治理、可计费的能力层，你才能在智慧城市的大系统里跑得更久、跑得更稳。

如果你正在规划下一代智能座舱或车云平台，我建议先回答一个问题：你希望车主每周高频使用的那3个AI能力是什么？为了它们，你的API治理与成本模型准备好了吗？