跳至主要內容

赛力斯员工系列：写作素材包与 Agent 面试题

沉默王二约 4949 字大约 17 分钟

赛力斯员工系列：写作素材包与 Agent 面试题

用途：赛力斯员工 + 座舱 Agent + 打C 这一篇的写作底稿。 数据截止 2026 年 8 月，公开资料来源见文末。发布前建议再核一次销量和财报口径。

一、标题评估

你给的这版：

赛力斯员工：连续两次被打C了，辛辛苦苦用 Agent 做座舱测试，完了领导说我们不看项目结果，只看积极性，你积极性不高，所以被打C了（附Agent面试题）

方向对了。「用 Agent 做座舱测试」这个改动很自然，因为它没有改变吐槽的方向，员工还是那个受委屈的人，Agent 只是把「干项目」具体化了，不像上一版字节标题那样变成自我表扬。真实性这一关过了。

问题只有一个：太长。正文部分 66 字，加上括号 77 字，而你已发布的 11 篇正文标题都在 40 到 55 字之间。微信推送列表会截断，实际能看到的大概到「辛辛苦苦用 Agent 做座舱测试」为止，后面的「不看项目结果，只看积极性」——也就是这条爆料最扎心的那句——读者看不到。

另一个小问题是「被打C了」在首尾各出现一次。原贴里这是口语的自然重复，但标题里重复一次就浪费了 6 个字。

建议改成这版，49 字：

赛力斯员工：辛辛苦苦用 Agent 做座舱测试，连续两次被打C，领导说我们不看项目结果，只看积极性（附Agent面试题）

调整有三处：把「用 Agent 做座舱测试」提到前面，让 Agent 和具体工作在截断前露出来；「被打C」只保留一次；删掉尾部的「你积极性不高，所以被打C了」，因为「只看积极性」这五个字已经把意思说完了。

二、赛力斯公司素材

基本盘

赛力斯（601127.SH）是问界品牌的整车主体，2025 年 10 月启动港股 IPO，作价约 2150 亿港元，引入 22 家基石投资者。产品线为问界 M5、M7、M8、M9 四款，2026 年规划推出 M6 和全新一代 M9，其中全新一代 M9 交付 7 周突破 2 万台。

2026 年的经营压力

这是这篇文章「为什么员工会被打 C」最真实的背景，建议在正文里用上：

  • 2026 年上半年，问界品牌销售 16.08 万辆，同比增长 5.60%，但 6 月单月同比下降 30.19%，7 月单月销量不足 2.1 万辆。
  • 2026 年上半年赛力斯集团预亏 15 亿到 18 亿元，其中问界主体赛力斯汽车亏损 10.5 亿到 13 亿元。
  • 分季度看，一季度还盈利 7.54 亿元，二季度单季亏损 22.54 亿到 25.54 亿元。
  • 对比 2025 年同期，归母净利润是 29.41 亿元，2025 年上半年毛利率 26.5%，三季度一度达到 29.4%，在新势力中排第一。

一年之内从行业第一的毛利率掉到单季亏二十多亿，绩效名额收紧、考核转向「积极性」这类软指标，逻辑上说得通。这是把员工原声和公司处境接起来的关键一段。

与华为的钱和股权关系

  • 综合服务费约为整车收入的 10%，结构上是 8% 渠道费加 2% 技术授权费。
  • 2022 年到 2025 年上半年，赛力斯累计向华为支付约 750 亿元：2022 年 58 亿元，2023 年 72 亿元，2024 年 420 亿元，2025 年上半年 200 亿元。按 2025 年上半年 14.7 万辆交付量折算，相当于每卖一辆问界，约 13.6 万元流向华为。
  • 这笔钱买的是两类东西：一类是产品，包括智能座舱系统和智能驾驶辅助系统等零部件；一类是服务，包括开发支持、销售推广，以及约 700 家华为体验中心的渠道。
  • 2024 年赛力斯以 115 亿元取得华为车 BU 独立公司引望智能技术 10% 股权。
  • 2025 年 4 月余承东卸任车 BU 董事长后，华为形成终端 BG（鸿蒙智行）与车 BU（乾崑）独立运营的格局，问界不再独享技术，此前的定价溢价随之减弱。

三、华为侧技术素材

以下均出自 2026 年 4 月的华为乾崑技术大会。

乾崑智驾 ADS 5

  • 架构为 WEWA 2.0。云端世界模型引入「多智能体博弈」机制，AI 对手从固定行为的 NPC 升级为具备决策能力的对手，对抗训练强度提升 10 倍。
  • 在线强化学习采用「边生成、边学习、边验证」的方式，训练效率提升 10 倍。
  • 引入安全风险场理论，车端世界行为模型用风险热力图做实时决策，官方称可将碰撞风险降低 50%。
  • 车位到车位 3.0，支持更多非标场景下激活 NCA。
  • 驾驶员失能辅助升级，车辆可自行驶至高速服务区或收费站等安全区域。
  • 同场发布乾崑 OS，定位为面向自动驾驶的操作系统，确定性调度引擎结合灵衢总线技术，车内信号时延降低 30%。
  • 累计辅助驾驶里程突破 100 亿公里，2026 年研发投入 180 亿元。

鸿蒙座舱 HarmonySpace 6

  • AMS 舱内 AI 多模态感知系统，融合摄像头与高精度星闪传感器，官方描述可捕捉后排乘客呼吸时的胸腔起伏。
  • 小艺智能体升级到 MoLA 2.0 架构，由千亿级参数多模态大模型支撑，官方称是行业首个实现全场景跨域交互的座舱智能体，并开放 AI Agent 生态。
  • 硬件侧为双 17.2 英寸 3.4K 双联屏，LCoS 双焦面 AR-HUD，4.5 米近焦加 130 英寸远焦，可跨 3 车道显示。
  • HUAWEI SOUND 支持 260 项专业参数调节，无麦 K 歌 3.0 支持 AI 智能伴唱和人声优化。
  • 车控侧为乾崑数字底盘引擎 HUAWEI XMC，六合一全域融合，控车精准度提升 30%。
  • 生态规模：合作超 25 个车型品牌、超 50 款车型，整车搭载量突破 170 万辆。

四、写作分寸：哪些是华为的，哪些是赛力斯的

这一段很重要，写错了懂车的读者会在评论区纠正你，整篇的可信度就没了。

  • 智能座舱（鸿蒙座舱 HarmonySpace）、智能驾驶（乾崑智驾 ADS）、数字底盘（XMC）这些系统级能力由华为提供，赛力斯是采购方和集成方，账上体现为向华为支付的产品采购费。
  • 赛力斯承担的是整车制造、产线、品质、供应链、部分软件集成与适配、以及生产制造环节的数字化。
  • 产品定义和渠道销售在鸿蒙智行体系内由华为终端 BG 主导，赛力斯参与。
  • 所以标题里「用 Agent 做座舱测试」是成立的：测试与验证、场景回归、整车集成阶段的问题定位，这些活确实在赛力斯这边，用 Agent 做自动化也符合常理。但正文不要写成「赛力斯自研座舱大模型」或「赛力斯的智驾世界模型」，那是华为的。
  • 稳妥的表述是「鸿蒙智行体系下的座舱与智驾方案」，再落到赛力斯自己在整车集成、测试验证、生产和交付环节的工作。

五、Agent 面试题（12 题 + 1 道场景题）

出题标准是两条：和赛力斯的业务相关，和 AI Agent 相关，能让读者看完有收获。题目和之前几篇有重叠不要紧，车端这一批本身角度就不同。

01、座舱 Agent 应该放在车端还是云端？端云怎么切分？

答题要点：按延迟敏感度和数据敏感度两个维度切。车控类指令（空调、车窗、座椅）延迟要求在几百毫秒内，且不依赖外部知识，走端侧小模型加规则；开放域问答、行程规划、内容推荐依赖联网和大模型能力，走云端。中间层是意图识别，通常端侧先做一次快速分类，命中高频车控意图直接本地执行，未命中再上云。切分的判断标准不是「哪个效果好」，而是「断网时这个功能是否必须可用」。

02、车机算力有限，端侧模型怎么裁剪才不影响意图识别准确率？

答题要点：先做意图收敛，车内高频意图通常只有几十到上百个，不需要通用模型的全部能力。手段包括蒸馏出小参数专用模型、量化到 INT8 或 INT4、对高频指令做缓存和模板匹配前置。评估时要区分整体准确率和高频意图准确率，后者掉一个点的体感损失远大于长尾意图掉五个点。还要考虑车机是多任务环境，Agent 不能把 NPU 占满导致导航和影音卡顿，需要算力配额。

03、进隧道、进地库断网了，云端 Agent 调不通，怎么降级？

答题要点：分三层。第一层是预测性降级，通过导航路径提前知道即将进入隧道，提前把可能用到的信息预取到本地。第二层是请求分类，断网时车控类请求转本地执行，云端类请求给出明确反馈而不是静默失败，这一点对用户体验影响最大。第三层是请求队列与补偿，非实时请求（比如「帮我订个餐厅」）暂存，联网后询问用户是否继续执行，而不是自动补发，避免用户已经不需要了还被执行。

04、开车门、退出辅助驾驶这类不可逆操作，Agent 的安全边界怎么设计？

答题要点：把车控指令按可逆性和安全影响分级。可逆且低风险的（调空调、换歌）允许 Agent 直接执行；可逆但有干扰的（开窗、调座椅）在行驶中需要确认；不可逆或涉及安全的（解锁车门、退出辅助驾驶、调整驾驶模式）必须走二次确认，且确认方式不能只有语音，因为语音存在误识别和乘客误触发。工程上要有一层独立于 Agent 的安全网关做白名单校验，Agent 只能提出请求，不能直接下发 CAN 指令。这层网关的规则必须是确定性的，不能交给模型判断。

05、舱内多模态感知采集的数据怎么喂给 Agent？隐私边界在哪？

答题要点：摄像头和毫米波类传感器采集的是原始生物特征数据，直接进大模型上下文既浪费 Token 也有合规风险。正确做法是感知层先做结构化，输出「后排有人」「驾驶员视线偏离 3 秒」这类语义标签，Agent 只消费标签不消费原始帧。原始数据默认不出车，需要出车做训练时要脱敏并获得单独授权。还要注意乘客与车主的权限差异，后排乘客的语音不应该能触发涉及车主账户的操作。

06、开车时用户说到一半被路况打断，多轮上下文怎么恢复？

答题要点：车内的打断和 Web 端不同，用户可能几十秒后才接上，也可能永远不接。需要给未完成的对话状态设置生命周期，比如 60 秒内视为同一轮，超时则归档但保留可召回。恢复时要主动给出锚点（「刚才您说要找充电站，还继续吗」），而不是等用户重新说一遍。另外驾驶场景的打断有优先级，导航播报和安全提醒必须能中断 Agent 的输出，中断后 Agent 要能从断点续说而不是从头重来。

07、座舱 Agent 的端到端延迟预算怎么拆？

答题要点：整条链路是唤醒、拾音与降噪、ASR、意图识别、工具调用或模型生成、TTS 首字。用户体感的关键是首字响应，通常要求控制在 1 秒以内，全链路完成在 2 到 3 秒。拆解时给每一段设上限，ASR 流式化，意图识别与 ASR 并行而不是串行，TTS 采用流式合成边生成边播。工具调用是最不可控的一段，需要设超时并准备兜底话术。评估要看 P99 而不是均值，因为车内一次卡顿的负面体感远大于多次流畅的正面体感。

08、鸿蒙生态下座舱 Agent 要调手机和家里的设备，跨设备调用怎么设计？

答题要点：本质是分布式工具调用。需要解决三件事：设备发现与能力声明，每个设备把自己能做什么以标准协议注册出来；身份与权限打通，同一账号下不同设备的操作权限不同，车上不应该能操作家里的门锁；执行结果回传与失败处理，跨设备调用的链路长，中间任何一跳失败都要能明确告知用户失败在哪一环，而不是笼统报错。设计上建议把跨设备能力封装成统一的工具描述，Agent 面对的是工具列表而不是设备列表。

09、Agent 的提示词和模型版本要更新，车规环境下怎么灰度和回滚？

答题要点：车端更新和服务端不同，一旦推到车上就很难快速撤回，且用户可能长期不联网。策略上把可变部分尽量放云端配置，车端只保留兜底版本。灰度按车辆维度分批，先内部测试车，再小批量真实用户，观察窗口要覆盖完整的用车周期而不是几小时。必须有快速回滚开关，且回滚不依赖用户主动升级。另外要区分提示词更新和模型更新，前者可以做到分钟级下发，后者涉及 OTA，需要走完整的车规验证流程。

10、智驾的世界模型和座舱 Agent 是两套系统，边界在哪？能不能共用？

答题要点：不能共用，也不应该共用。智驾是实时安全系统，要求确定性、有明确的时延上界、失效后果是安全事故，运行在独立的域控制器上；座舱 Agent 是体验系统，允许不确定性，失效后果是体验变差。两者在计算资源、操作系统、认证标准上都是隔离的。可以共享的是感知结果的只读订阅，比如座舱 Agent 可以知道当前处于 NCA 辅助驾驶状态从而调整交互策略，但座舱 Agent 绝不能反向下发指令干预智驾决策。回答这题时能说清「隔离的理由是失效后果不同」，比背架构图更能体现理解。

11、供应商提供的座舱方案和自研 Agent 能力并存，边界和数据怎么处理？

答题要点：这是整车厂真实面对的问题。供应商方案是黑盒，能拿到的是它开放的接口和事件，拿不到内部状态。自研部分应该建在供应商开放能力之上，做整车厂独有的场景编排、用户运营和售后服务，而不是重复造一个语音助手。数据上要在合规前提下约定回流范围，明确哪些交互日志整车厂可用于改进自己的场景。工程上最容易踩的坑是两套助手同时响应用户，需要在唤醒层就做仲裁，规定什么场景归谁。

12、一辆车一年的 Token 预算怎么控？

答题要点：这题和标题呼应，可以放在最后。车端 Agent 的成本结构和 To C 应用不同，车是一次性卖出去的，云端调用成本要摊到整个用车周期，通常按年做单车预算。控制手段有四层：意图收敛，高频简单请求不上云；上下文精简，车内对话不需要携带完整历史，只保留当前任务相关状态；模型分级，简单请求走小模型，复杂请求才走大模型；缓存，同一车主的重复问法和同一地理位置的公共信息可以复用。监控要做到单车维度，能定位到异常高消耗的个体，通常是被异常唤醒或者陷入了循环调用。

场景题：整车集成阶段的测试用 Agent 自动化，怎么做才靠谱？

答题要点：这题最贴合标题里的员工身份。整车测试的痛点是场景组合爆炸，人工回归覆盖不全。Agent 能做的三件事：一是把自然语言描述的测试场景转成可执行的用例脚本；二是在测试执行后自动做日志归因，把一次失败关联到具体的模块和时间窗口；三是做回归筛选，根据代码或配置变更范围推荐需要重跑的用例子集。要说清楚 Agent 不能做什么：安全相关用例的通过与否不能由模型判定，必须由确定性断言决定，模型只负责生成和归因，不负责裁决。这个边界感是加分项。

六、正文结构建议

  1. 开头贴员工原声，不加评论。
  2. 接一段公司处境：从 2025 年毛利率第一到 2026 年二季度单季亏二十多亿，绩效名额为什么会收紧。这段用财务数据说话，比空谈职场情绪有说服力。
  3. 讲清赛力斯和华为的分工与分成，回答读者的第一疑问「问界不是华为做的吗，赛力斯的人在干什么」。
  4. 落到座舱和智驾的技术侧，用乾崑技术大会的素材，说明这套系统复杂在哪，测试和集成的工作量为什么真实存在。
  5. 转到 Agent 面试题。
  6. 结尾回到考核这件事：AI 提效之后，考核标准该怎么变，这是所有行业都面临的问题，不只是赛力斯。

七、发布前的核验清单

来源

  • 华为乾崑技术大会官方稿：https://auto.huawei.com/cn/news/2026/2026-04-23-jishu
  • 新华网 2026 华为乾崑技术大会报道：http://www.news.cn/auto/20260426/f779d41eea1f4b1b88a631fd7fc5be2f/c.html
  • 凤凰网汽车 ADS 5 与鸿蒙座舱 6 解读：https://auto.ifeng.com/c/8sZCISinEcm
  • 腾讯新闻 问界销量与赛力斯亏损：https://news.qq.com/rain/a/20260714A06M5600
  • 新浪财经 半年亏了18亿：https://finance.sina.com.cn/wm/2026-07-16/doc-inihzfcu7617363.shtml
  • 量子位 每卖一辆问界13.6万流向华为：https://www.qbitai.com/2026/01/369479.html
  • 量子位 赛力斯港股 IPO：https://www.qbitai.com/2025/10/346514.html
  • 证券时报 全新一代问界M9交付：https://www.stcn.com/article/detail/4056778.html