350TPS推理上車：極氪8X的"超級Eva"藏著什么野心

車載AI喊了兩年"大模型上車"，真正量產交付的卻屈指可數。4月17日極氪8X上市，一個關鍵數字浮出水面：階躍Step 3.5 Flash的單請求推理速度達到350 TPS——這意味著什么？你的語音指令從說出口到系統開始執行，延遲被壓縮到了人類幾乎無感知的區間。

為什么是階躍先跑通？

過去一年，國內車企發布會上的AI demo不少，但實驗室到量產之間隔著三道坎：模型響應速度、多模態融合穩定性、與整車控制系統的原生對接。階躍、吉利、千里科技三方聯合研發的超級Eva，選擇了一條更重的路徑——不做簡單的語音助手疊加，而是直接打通智能座艙、輔助駕駛、數字生態，與底盤、動力等底層控制體系原生融合。

這種架構設計，與特斯拉Grok的對話式操控理念高度相似。區別在于，特斯拉的FSD+Grok組合尚未在中國市場落地，而極氪8X成為首個將類似體驗交付到消費者手中的車型。

技術層面的關鍵突破來自三項核心模型。Step 3.5 Flash專為Agent場景設計，能解析"帶我去接孩子放學，順便找家麥當勞，5點前到學校"這類模糊指令，自動拆解為路線規劃、途經點插入、輔助駕駛激活等步驟。階躍語音大模型跳過了傳統的ASR-LLM-TTS三段式架構，用端到端設計降低延遲并增強情感表達。視覺理解大模型則讓系統能同時感知車內外環境——識別車位和判斷路況不再是兩個割裂的功能。

350TPS背后的工程取舍

大模型上車最大的悖論是：參數規模與推理速度此消彼長。Step 3.5 Flash能在保持能力的同時跑到350TPS，說明階躍在模型壓縮和端側部署上做了針對性優化。這對用戶體驗是決定性的——沒人愿意在開車時等AI"思考"兩秒鐘。

更值得注意的信號是時間節點。今年3月，Step 3.5 Flash剛在開源社區登頂OpenRouter周調用量全球榜首；一個月后，同一套模型體系就完成從開源驗證到終端商用的跨越。這種節奏暗示了階躍的技術路線：用開源社區的真實調用壓力測試模型穩定性，再向工業場景復制。

行業人士將2026年定義為通用大模型"入端"的關鍵年份。超級Eva的量產，驗證的不僅是單一車型的競爭力，而是一套可復制的部署路徑——高實時性、多模態融合、與硬件深度耦合。

從"車內伙伴"到"智能樞紐"的跳躍

超級Eva的遠期規劃透露了更大的野心。按官方披露，能力升級將沿著兩條線展開：一是接入吉利自有的售后、租車等生態；二是打通外部生活服務，訂餐廳、點外賣、機票門票預訂都納入自然對話的指令范圍。

這本質上是在重新定義車載AI的邊界——從被動響應工具，轉向主動理解場景需求的智能樞紐。如果執行順利，用戶將告別多個App來回切換的繁瑣流程，行車場景中的服務入口被大幅收斂。

但挑戰同樣明顯：服務生態的整合深度、跨平臺賬號體系的打通、支付安全的閉環設計，每一步都需要重投入。極氪8X的首批用戶反饋，將成為驗證這套模式可行性的關鍵樣本。

對科技從業者而言，超級Eva的量產提供了一個觀察窗口：當大模型從云端走向端側，技術競爭的核心變量正在從參數規模轉向工程化能力——誰能在嚴格的延遲、功耗、安全約束下交付穩定體驗，誰就能在下一階段的智能硬件滲透中占據先機。階躍這一步，測出的是中國大模型團隊在汽車這一復雜工業場景中的真實水位。