一、为什么今年开始重新算账

过去一年，多智能体协作被视作企业 AI 落地的主要突破口：让不同角色的智能体分工、互相校验，把复杂流程拆开跑。据新浪财经转载量子位的报道，openJiuwen 由华为 2012 实验室、华为云等团队联合高校与企业开发者构建，10 月 8 日发布并开源企业级 AgentOS。

与此同时试点反馈开始分化。据网易转载的行业观察，大量企业完成 POC 与小规模试点后，普遍遇到算力成本上涨、协作效率不及预期、结果难以追溯等问题。两条线索指向同一个问题：多智能体不是单智能体的简单叠加。

二、单体和多体的开销差在哪

据网易转载的行业观察，同等业务场景下，多 Agent 方案的运行成本可达单 Agent 的数倍甚至数十倍，而输出效果提升幅度有限，部分场景还出现准确率与稳定性下降。

三、AgentOS 补的是哪三块

• 协同层：通过蜂群协同与工作流编排支持任务拆解、角色分工与并行执行，并允许人在关键环节介入判断。
• 演进层：依托执行轨迹、用户反馈与记忆机制优化技能与协作方式，把有效经验沉淀为可复用能力。
• 运行底座：通过多租户隔离、安全沙箱、权限管理与安全护栏约束数据访问与工具调用，并以故障恢复机制支撑持续运行。

这三层对应的正是三类痛点：协同层解决怎么分工，演进层解决经验不复用，底座解决敢不敢放开权限。据新浪财经报道，AgentOS 同时把模型调用、工具调用、记忆管理插件化，支持按需加载与自定义扩展。

四、试点企业实际遇到什么

落地效果高度依赖场景的具体程度。在规则清晰、输入稳定的场景（合同合规、工单派发、质检），智能体之间的交接边界容易定义；在需要临场判断的场景，则更依赖人的参与。

据网易转载的行业观察，多智能体系统一旦出问题，跨角色日志繁杂、调度链路混乱，定位成本明显高于单智能体方案。这对金融、医疗等强合规行业尤其关键：能否说清这一步是谁做的、依据是什么，往往比准确率本身更难满足。

五、三个结构性问题

• 成本结构倒挂：交互次数随角色数量上升，Token 消耗成倍增长，效果提升并不成比例。
• 幻觉链式传染：单个智能体的偏差会被其他角色当作前提继续加工，形成集体错误，难以快速定位源头。
• 缺少统一标准：调度协议、任务拆解标准与异常熔断机制尚未统一，多数项目仍靠人工配置规则。

这些问题并不否定方向本身。据新浪财经报道，AgentOS 这类平台的出现，正是为了把协同、演进与治理能力收进统一底座。方向与当下成熟度是两件事。

六、什么样的业务适合先试：场景分析

【结语】多智能体的价值是真实的，但它的成本结构与失败模式与单智能体不同：交互次数带来成倍开销，偏差会在角色之间传染，日志复杂度让追溯变难。IDC 的市场规模预测描述的是行业投入趋势，不构成单个项目必然成功的依据。更务实的做法是先挑一个规则清晰、可校验、可追溯的场景做小规模验证，把角色数量压到最小，再按实测的投入产出一项一项加。

一、几款新车的座舱定位

据新浪汽车报道，长安马自达 EZ-60 主打视觉冲击，配 26.45 英寸 5K 一体屏与 50 英寸 AR-HUD，接入豆包与讯飞星火双 AI 大模型，语音响应 39 毫秒，配 23 扬声器杜比全景声。

一汽-大众 ID.AURA T6 走的是另一条路：搭载基于 CEA（中央计算 + 区域控制）架构的云栖智舱，用 15.6 英寸 2.5K 中控屏配 10.25 英寸仪表与 25.8 英寸 AR-HUD，强调的不是硬件数量而是算力调度与功能协同。

二、核心参数对照

从参数看，四款车都用了高算力平台，差异不在「有没有 4nm」，而在算力如何被调度、系统如何被组织。

三、架构层面的三条分岔

• 中央计算 + 区域控制：CEA 架构把算力集中、功能按区域分发，好处是跨域数据流打通，座舱与智驾可以共享算力与传感器数据。
• 单芯片高性能 + 多屏：EZ-60 的思路是把单颗芯片性能拉满，用更多、更大的屏幕承载信息，属于「硬件直观可见」的路线。
• 生态与系统融合：深蓝 S07 用鸿蒙 OS 实现手机与车机的流转，零跑 C11 用开放生态接入第三方应用，重点在应用层而非底层。

三种路线的差别会在长期使用中显现：架构重构决定能不能持续升级，硬件堆叠决定当下的观感，生态融合决定跨设备体验的顺畅度。

四、交互体验的实际差异

据新浪汽车实测描述，ID.AURA T6 的四音区语音可同时识别主驾、副驾与后排指令，支持川、粤、沪、闽等九种方言免切换，一句话可并行执行多条指令，例如同时关闭车窗、设定空调温度、播放音乐与导航，无需反复唤醒。

EZ-60 的亮点在响应速度与影音配置，39 毫秒的语音响应接近即时反馈，23 扬声器则为车内影音提供了硬件基础。两款车的取向不同：一个强调「说一次就懂」，一个强调「听见就回应」。

五、三个需要权衡的地方

• 屏幕数量与信息过载：多块大屏能带来科技感，但交互逻辑若未理顺，驾驶中反而增加分心风险。
• AI 的长期表现：双模型接入在演示时响应快，长期使用后的自进化能力、方言识别准确率仍需时间验证。
• 生态依赖性：鸿蒙流转、第三方应用接入等能力，与用户手上的设备品牌强相关，换机成本会影响体验连续性。

另一个现实问题是 OTA 节奏。座舱能力越来越依赖软件更新，厂商的推送频率与支持年限，实际决定了三五年后这套座舱还剩下多少功能。

六、不同使用习惯的适配分析

【结语】座舱竞争走到今天，堆屏幕和堆芯片已经很难拉开差距——4nm、8295P 这些配置正在快速普及。真正决定体验的是两件事：交互逻辑是否顺、架构是否支撑长期升级。前者试驾半小时就能感觉出来，后者要看厂商的 OTA 记录。买车时不妨问一句：这套座舱三年前的车还在更新吗。

一、政策与市场的双重变化

据新浪报道，2026 年 6 月发布的《智能网联汽车 自动驾驶系统安全要求》报批稿首次明确，系统安全水平「应至少达到正在承担驾驶任务的合格且专注驾驶人的水平」；碰撞不可避免时，以「合格且专注的司机能否躲开」作为判断标准。国家标准 GB 47955-2026 已于 7 月获批发布。

市场端同步变化。据新浪汽车报道，城市 NOA 已下探至 12 万元级车型，上汽大众 ID. ERA 5S 作为大众全球首款搭载城市 NOA 的轿车，把这个门槛拉到 12 万元级别；10 万级燃油车也出现了搭载城市 NOA 的车型。

二、几组关键指标

把这几个时间点放在一起看：国标先立标准，配套标准 2027 年落地，中间的窗口期正是各家调整产品与宣传口径的阶段。

三、技术路线的三个转向

• 从高精地图到无图化：理想、小鹏、华为问界、特斯拉等聚焦纯感知路线，车辆在陌生城市也能自动跟车、变道、过路口，摆脱了对高精地图的依赖。
• 从模块化到端到端：以地平线芯片为基础的端到端大模型成为主流方案，上汽大众 ID. ERA 5S 搭载的酷睿程 HS8 即为此类，实现从感知到决策的融合。
• 从众测到前置验证：国标明确车企不得以「百万用户帮忙训练」替代量产前测试，须在交付前完成封闭环境验证。

第三个转向的影响最大。过去智驾能力的迭代很大程度依赖真实用户数据回流，新规把验证责任前移到厂商，意味着长尾场景的收集成本上升，迭代速度可能放缓。

四、真实路况下的表现差异

据新浪报道，不同供应商的城区 NOA 方案实际表现参差不齐。在重庆「8D 魔幻路况」实测中，部分车辆能应对高低立交、复杂匝道、无保护路口左转与行人博弈；也有用户反馈部分方案在路口「犹犹豫豫」，车道清晰、路况简单的场景表现更好。

为检验真实能力，行业已举办多届智驾大赛，要求使用量产交付版本而非内测版。这个约束很关键：内测版本往往针对测试路线做过优化，量产版的稳定性才代表用户实际拿到的能力。

五、争议与三个局限

• 责任边界：目前量产车的城市 NOA 均属 L2 级辅助驾驶，驾驶员是第一责任主体，必须全程关注路况并随时准备接管。
• 判定标准待细化：「可合理预见」「合格且专注」这些定语的具体判定仍在完善中，实际执行效果有待观察。
• 体验与宣传的落差：监管明确要求不得作虚假、夸大或引人误解的宣传，也不得诱导驾驶人忽视安全驾驶责任。

还有一层容易被忽略：安全里程门槛。据新浪报道，小米汽车基于安全考量设定 1000 公里智驾安全里程门槛，帮助用户熟悉功能后再应对复杂路况。这类设计说明厂商也清楚，功能可用与用户会用之间还有距离。

六、不同使用场景的适配分析

【结语】城市 NOA 正在经历一个从「卖点」变成「配置」的过程：价格下探让更多人用得上，国标落地让宣传有了边界。但无论版本怎么迭代，现阶段它仍是 L2 级辅助驾驶，责任在驾驶员。对用户来说，判断一套智驾好不好，最直接的办法是拿自己每天走的那条路去试，而不是看评测视频里的极端场景。

一、价格：从59.34万元到2.99万元

财联社从招股书里取的是另一组数：2025 年营收 16.99 亿元，综合毛利率自 44.75% 升至 60.44%。降价与毛利同时上行，靠的是自研件占比。

二、版本：少掉的六个关节在哪

新浪科技补了两档差异：AIR 配单目视觉，标准版双目、头部 10TOPS 算力、单臂负载 2 公斤，选配 Jetson Orin 最高 100TOPS，续航约 1.5 小时。6 个关节的差值全在上半身——两臂各减 1 个，腰部 2 个与头部 2 个直接取消。

官网标价 4,900 美元起不含税费运费，与 2.99 万元的国内价不是同一张账单。

三、口径：2.5万台与1.91万台

同一个上半年，两家机构的总量对不上：IDC 口径全球接近 2.5 万台、同比增长 432.1%，中国厂商超 1.9 万台、占约 77.9%；SAG 口径约 1.91 万台、增长 272%，中国厂商贡献 97% 以上（第一财经）。

位次也有两套数：21 财经引 SAG 称智元约 8,400 台、份额 44%，宇树约 5,900 台、份额 30.9%；第一财经引智元方面称上半年出货超 8600 台。

预测更分叉：SAG 认为 2030 年全球突破 50 万台，高工机器人产业研究院给的是 100 万台（财联社）——同一个节点差一倍。

四、成本：万元机靠什么撑住

• 自研件：新浪科技称 R1 核心零部件实现 90% 国产化自研，电机、减速器、控制器自产配套。
• 共线生产：四足与人形共用部分零组件，2025 年人形机器人营收占比 51.78%（财联社）。
• 产能：宇树 2026 年目标出货 1 万至 2 万台，募投基地规划年产 7.5 万台人形（证券时报）。

工信部数据：四足机器人全球销量份额接近 70%，人形整机达 400 余款、超全球半数（财联社）。

五、场景：两家机构的占比是反的

IDC 说 2026 上半年科研教育、表演展示、政府数采三类场景合计占比已由 2025 全年的 83.8% 降至 69%（第一财经）；SAG 说工业与商业用途已占其统计出货量的超过 70%（21 财经）。同一时间，两家给出的结构几乎相反，差别在分母与场景划分。

厂商侧说法更接近前者。财联社采访的业内判断：本体到了万元级，但 3D 岗位仍是主战场，家庭服务需三年以上验证。

六、买不买：需求适配分析

2.99 万元买到的是双足行走、可编程结构和开放接口，家务能力不在这份参数表里。

【结语】价格与版本是确定的：59.34 万元到 2.99 万元，26 个关节到 20 个关节。行业口径是不确定的：2.5 万台与 1.91 万台、77.9% 与 97%、非生产场景 69% 与工商业超 70%。买机器看前者，看行业得把后者分清楚——截至 2026 年 10 月，官网挂的是美元定价，2.99 万元的国内起售价来自 6 月报道；只报总量不报机构的数，建议回原页对一遍。

一、讨论的重心变了

企业级智能体的讨论重心，今年从能不能做转向做完之后算什么账。据中国经济新闻网报道，2026 年中国企业级 AI 智能体市场规模预计达 449 亿元，2029 年有望突破 3320 亿元，增速明显快于传统 SaaS 办公软件。

治理层面动作同样密集。据中国经济新闻网报道，《人工智能关键技术 办公大模型系统技术要求》于 8 月 1 日实施，明确合格办公大模型应具备哪些能力；8 月 27 日，《人工智能 办公大模型系统建设指南》发布，这是国内首个指导办公大模型如何规划、落地与迭代的国家标准化技术文件。两者共同把「好用」变成了可对照的条目。

二、把几个数字放在一起

把数字放在一起能看出一件事：预测斜率很陡，但基数仍集中在办公、客服、营销等少数成熟场景。从 2025 年的 212 亿元到 2026 年的 449 亿元，翻倍部分主要来自已有场景的加购与扩容，而非全新场景的爆发。

三、增长是三股力量推着走

• 需求侧：用户期待从「问一下」变成「帮忙干」，评价标准由内容生成转向任务执行，办公因此成为落地前沿。
• 供给侧：头部办公厂商把智能体嵌入既有文档、表格、会议链路，复用账号体系与数据资产，降低接入门槛。
• 治理侧：国家标准与智能体身份体系同步推进，为跨厂商协作与权限校验提供依据，缓解数据越权顾虑。

三者相互牵制：需求拉动投入，供给决定可达性，治理决定敢不敢放开权限。据中国经济新闻网报道，智能体身份码的作用是先验证对方身份、确认权限，这类基础设施直接决定了多智能体能否跨系统运行。

四、已经跑起来的案例长什么样

落地较实的案例集中在两类。一类是办公文档链路：把周报、经营分析、汇报材料从人工拼装改为一次性交付，并保留可编辑格式与过程记录。另一类是行业流程链路：把规则明确、输入稳定的环节交由智能体处理，人留在审核与判断节点。

据中国经济新闻网报道，金山办公成为国内 AI 办公行业首个拿到智能体身份码节点资质的厂商，并被 Omdia 列入通用型企业智能体厂商名录。这类资质不是效果证明，但反映了一个趋势：企业采购开始要求可核验的身份与权限体系。

五、卡住的四道门槛

• 标准门槛：办公大模型能力基线与建设指南刚落地，厂商产品对齐程度尚需验证，评价口径未完全统一。
• 身份门槛：智能体协作需验证身份与权限，节点资质与配套体系仍在建设早期，跨厂商互通尚未普及。
• 成本门槛：多智能体 Token 消耗随交互次数成倍增长，投入产出需逐场景测算，通用方案难以套用。
• 价值门槛：试点效果往往难以量化到业务指标，缺少可对比基线时，续投决策容易陷入主观判断。

四道门槛有排序讲究。标准与身份是外部条件，企业只能跟进；成本与价值是内部账，企业可以自己算清楚。先把内部的账算明白，再等外部条件成熟，比反过来更稳妥。

六、对准备投入者的影响与应对分析

【结语】449 亿元容易被读成机会很大，但它描述的是行业投入的斜率，不是单个项目的回报。与规模预测同时出现的标准体系与身份体系反而更值得关注：它们决定了智能体能否在企业内跨系统运行、出了问题能否追溯。对准备投入的团队来说，顺序或许应先把内部那两笔账算清楚，再去对接外部条件。市场热度会变，这两笔账不会。

一、十月集中亮相的几款新机

据太平洋科技报道，戴尔于 10 月 14 日在上海举办媒体品鉴会，发布新款 XPS 13，重约 1 公斤、机身厚度 12.7 毫米，搭载英特尔 Wildcat Lake 与 Panther Lake 芯片，标配 2.5K 触控屏。

同一时间，微软在 10 月 7 日推出 Surface Laptop Ultra，搭载英伟达 RTX Spark 超级芯片，起售价 2599 美元，10 月 16 日发货；华硕 ProArt 创16 RTX Spark 于 10 月 8 日开启预约，主打本地运行大模型。

二、核心参数对照

戴尔 XPS 13 走的是另一条路：Wildcat Lake 版本持续性能释放 15W，Panther Lake 版本 25W，两者峰值功耗均为 35W，面向日常负载与频繁移动，而不是本地大模型。

三、三条技术路线的分野

• 统一内存架构：N1X 与 AMD 新平台都把 CPU 与 GPU 共享同一块大容量内存，减少数据搬运，这是本地跑得动大模型的前提。
• 算力单位变化：厂商开始用 FP4 算力（如 1 Petaflop）而非单纯 TFLOPS 描述 AI 能力，说明评价标准在向推理场景迁移。
• 散热与形态取舍：XPS 13 把进风口移到机身两侧、底部留平整表面，用 35W 峰值换取 1 公斤机身，属于「算力让位于便携」的思路。

值得注意的是，这批产品都强调「本地」二字。数据不出机器，既降低了延迟，也规避了敏感资料上传云端的风险，这是它们在宣传中反复提及的差异点。

四、本地跑模型的实际意义

据科技快报网报道，AMD 官方实测中，GLM-5.3-Flash 320B 模型在 4-bit 量化下本地推理达 20 tokens/s，Qwen3.8 Flash Next 125B 加 51B 组合达 42 tokens/s；128GB 机型上 Qwen3.5 35B 生成约 45 tokens/s，最高支持 26 万 token 上下文。

这组数字的含义是：本地运行中等规模模型已经可用，但接近旗舰规模的模型仍需要量化与更大内存。对开发者而言，好处是模型调试、私有智能体开发不必反复上传；对创作者而言，则是长文档与素材处理不必等待云端往返。

五、三个不宜忽视的限制

• 价格门槛：Surface Laptop Ultra 2599 美元起，属于高端定价；本地 AI 的性能优势对多数用户而言比较抽象，多花钱却是具体的。
• 生态成熟度：Arm 架构 PC 此前有过失败先例，应用兼容性、开发框架与工具链是否齐备，决定了这些算力能否被真正用上。
• 成本波动：据今日头条报道，AI 数据中心对存储芯片产能的挤占推高内存价格，有机构预测 2026 年全球笔记本出货量可能下滑超过 13%。

还有一点容易被忽略：本地算力再强，模型迭代速度仍由云端主导。买一台「能跑 120B 模型」的机器，一年后主流模型规模可能又上一个台阶，硬件生命周期需要提前考虑。

六、不同使用场景的适配分析

【结语】这代 PC 的变化不在于 CPU 快了多少，而在于把「AI 推理」从云端搬回了本地。统一内存、FP4 算力、大容量共享显存，都是为这件事服务的。但它是否值得投入，取决于你是否真的需要在本地跑模型——如果只是在浏览器里用 AI，这代硬件的溢价未必能兑现。判断标准很简单：你手上有没有一份不能上传云端、又必须用 AI 处理的资料。

一、份额跃升：41% 到 60%

中国工业新闻网引同一份报告：2025 年国产交付 165 万片、份额 41%，其中华为昇腾 81.2 万张、占国产 49.2%。凤凰网财经给的次半年口径：2026 上半年国产合计突破 60%，英伟达跌至约 37%，昆仑芯约 3.5% 居国产第三。

二、集群验证：3.2 万卡与 98%

凤凰网财经称，昆仑芯完成国内首个全自研芯片的 3.2 万卡智算集群部署，训练效率超 98%；短板也在同一篇稿里：2026 年缺新一代旗舰训练卡，面对寒武纪 MLU690 与昇腾 950 的竞争。中国工业新闻网的另一组数是天池 256 卡超节点，有效训练率 97%。

迭代节奏被当成竞争力：华为「一年一代、算力翻倍」，2026 年一季度推出推理卡 950PR 与 Atlas350 服务器；昆仑芯公开「五年五芯」——2026 年 M100 面向推理、2027 年 M300 定位顶级训练、目标 2030 年落地百万卡集群。

三、硬件瓶颈：显存与互联带宽

同一篇稿里还有对照：阿里真武芯片在智能驾驶部署超 13 万张、金融超 10 万张，同等精度下单机推理性能平均高出 50%。

四、成本：Token 产出与电价

钛媒体把 2026 年称为「Token 价值产出」大考之年，判断是「卡很多，真正干活的却没那么多」。商汤大装置的案例：异构混合推理把主流国产芯片 MFU 提升 85%~152%，同等成本下 Token 产出扩大 2.5 倍；全国产 10 万卡超集群与华为 Atlas 950 SuperPoD 解决的是把「路」修宽。

电价是另一条成本线：东部沿海工业电价 0.6～0.8 元/度，乌兰察布、庆阳等西北节点部分降到 0.25～0.3 元/度（钛媒体）。

五、口径：规划里的三个数字

工信部数据：截至今年 6 月底，我国智能算力规模 2185EFLOPS，围绕算力枢纽建成 70 余条大通道，整体上架率 71.4%（人民日报海外版）。

六、场景适配分析

生态仍是变量。凤凰网财经点出：天池超节点更多是飞桨生态的载体，原生 PyTorch 客户推广阻力较大。

【结语】竞争项已经从「谁的卡多」换成「每元产出多少可用 Token」，决定账单的是有效训练率、互联带宽与电价。时间表也明确：2026 年 M100、2027 年 M300，以及规划里 9800EFLOPS 与 PUE 低于 1.2 那两条硬指标。对普通用户来说，账单上的变化会比发布会更早到来。买算力这件事，问清有效训练率比问卡数有用。

一、灵犀是个什么形态的工具

灵犀是金山办公推出的办公智能体，有独立客户端，同时提供网页版与手机端。据中国经济新闻网报道，金山办公此前已发布 WPS 灵犀与 WPS Comate 两款办公智能体，并取得「智能体身份码」节点资质——相当于给每个智能体发一张身份凭据，不同 Agent 协作时可先验证身份、确认权限。

它与 WPS Office 的关系不是插件，而是独立应用加原生能力调用。以「项目」为单位组织工作，调取项目相关的历史文档与会议记录，减少每次重复交代背景。这一点决定了它的适用前提：使用者原本就在 WPS 体系内。

二、能交付什么，怎么收费

定价方面，公开资料显示灵犀通过与 WPS 365 教育版等既有订阅体系捆绑，尚未单独公布面向个人用户的收费方案。据中国经济新闻网报道，WPS 云上存储约 2900 亿份文档，这构成了它调取上下文的资源基础。

三、三层能力拆开看

• 交付层：深度调用 WPS 原生能力，产出可编辑、可审阅、格式标准的文档、表格与演示文件。
• 执行层：获得授权后可直接操作电脑与浏览器，完成跨应用的连续任务；手机端可远程下发指令。
• 沉淀层：从已有工作流中识别步骤、工具与规则，把重复流程收成可再次调用的技能。

三层的差别在可复用程度。交付层决定单次任务能不能直接用，执行层决定能不能跨系统连贯完成，沉淀层决定第二次做同样的事要不要重新交代。对高频重复的办公场景，第三层的价值通常大于前两层。

四、用起来是什么感受

据今日头条转载的 WPS 社区使用记录，日常场景集中在三类：把一周工作口述成周报大纲并转成文档；把销售数据表拖入后分析趋势并标出增长最快与最慢的品类；把已有文档整理成部门汇报 PPT。记录者提到这三类任务从原先的数小时压缩到几分钟。

另据中国经济新闻网报道，灵犀在文档识别精度上有专门投入：金山办公一项提升 AI 对文字与文档细节识别还原精度的研究，被 ICDAR 2026 同期研讨会 DAS 2026 收录，对应的是图片转文档、PDF 批量处理这类高频场景。

五、三个明显的短板

• 生态绑定明显：上下文与交付都围绕 WPS 体系组织，非 WPS 用户的使用收益会打折扣。
• 插件形态尚未补齐：公开资料显示 Office 插件仍标为即将上线，跨办公套件覆盖有限。
• 复杂逻辑需多轮纠正：长链任务中仍可能需要人工分步确认，一次交付的完成度随复杂度下降。

还有一项容易被忽略的前提：AI 生成内容需自行核实。这属于所有生成式工具的共性约束，不是某一产品的特有问题，对正式公文与上报材料尤其重要。

六、适合谁用：场景适配分析

【结语】办公智能体的价值不在会不会写，而在交出来的东西能不能直接用。灵犀把重点放在可编辑的原生格式与跨应用写回，这条路对已在 WPS 体系内的团队比较顺；代价是生态绑定较深，跨套件覆盖仍待补齐。判断是否值得投入，最实际的方法是拿出自己一周里最重复的那三件事交给它做一遍，看需要几次纠正确能定稿——这个数字比任何功能清单都更能说明问题。

一、上市信息：定价与版本

腾势 Z9S 共推出三款车型，官方指导价 25.58 万至 32.58 万元，闪充尊荣型、闪充旗舰型、易三方闪充性能型。据观察者网 10 月 16 日报道，8 月预售时公布的起售价为 31.98 万元，正式售价下调了 6.4 万元。

官方公布的三档续航为 780、920、1100 公里。预售到正式售价下调幅度较大，价格带随之从原先的中大型纯电区间移到 25 万级轿车主战场。

二、核心参数：与两款同级车型的公开数据

续航是这款车被讨论最多的指标。观察者网报道给出的对比是：Z9S 闪充旗舰型搭载 122.5 千瓦时电池、CLTC 续航 1100 公里；小米 SU7 Pro 版升级后电池 96.3 千瓦时、续航 902 公里；特斯拉 Model 3 长续航后驱版电池 78.4 千瓦时、续航 830 公里。

三组数字都来自各家公布的 CLTC 工况值，工况标准相同，电池容量与续航的比值可以直接比。至于实际道路下的差距，公开渠道还没有第三方实测数据可引。

• 补能速度。官方数据显示电量从 10% 充至 97% 约需 9 分钟，零下 30℃ 环境下充电时间增加 3 分钟。
• 性能取向。易三方闪充性能型为三电机四驱，综合功率 890 千瓦，最大马力 1210Ps，零百加速 2.68 秒。
• 车身尺寸。长宽高 5090、1980、1490 毫米，轴距 3025 毫米，比 Z9GT 车长缩短 90 毫米、轴距缩短 100 毫米。

三、技术取向：超长续航想解决什么

腾势汽车总经理李慧在发布会上的表述是，1100 公里的纯电续航，用李慧的话说，是用来被忘记的。这句话指向一个具体场景：日均通勤几十公里的用户，充电频率被压到两周上下，电量不再是需要天天盯着的数字。

第二条线是把续航和闪充绑定。单纯堆电池只解决跑得远，补能速度和低温衰减仍然在。Z9S 的公开参数把 9 分钟充到 97%、低温多 3 分钟写进了同一组指标里，两件事一起讲。

Z9S 与 Z9GT 共享易三方平台与第二代刀片电池，官方把两者定位区分为 Z9GT 主打性能与远方、Z9S 聚焦智能与悦己。车身比 Z9GT 短 90 毫米、轴距短 100 毫米，全系标配云辇-A 智能空气车身控制系统与后轮转向，最小转弯半径 4.75 米。

关于后轮转向的角度，两家媒体的表述不一致。观察者网写的是双向 10°，网通社写的是顶配车型配备 ±5° 分体式后轮转向。这一项不同来源披露存在差异，暂以厂商页面为准核对。

四、补能条件：网络规模决定参数能不能落地

1100 公里的标称续航能不能兑现，跟充电网络的密度直接相关。据观察者网报道，截至 2026 年 8 月，比亚迪闪充站已建成超过 10000 座，覆盖 332 个城市；高速闪充站于 9 月下旬突破 2000 座，覆盖全国 278 条高速公路。

这组数据的口径是比亚迪体系。Z9S 的补能体验与这张网络的覆盖范围绑定得比较紧，用车路线是否落在闪充站密集的区域，会直接影响长续航和闪充两项参数的实际价值。

五、现实考量：三个待验证的地方

第一项是实际路况下的续航。CLTC 是工况测试值，与冬季开暖风、高速巡航、满载这些场景存在差距。目前公开渠道还没有 Z9S 的第三方长测数据，1100 公里在实际使用中的折扣幅度暂无可靠数字可引。

第二项是车型的市场接受度。据观察者网报道，腾势曾长期依赖 D9 一款 MPV 支撑销量，2026 年 1 月全品牌月销一度跌至 6002 辆，6 月首次突破 2 万辆，7 月为 1.9 万辆，其中 Z9 家族贡献 5675 辆。同篇报道提到，N9 从首月 5000 多辆一路回落，N7 月销长期停在几百台。

第三项是系统性能力。报道把渠道覆盖、补能体系、售后服务和用户运营列为仍需时间积累的部分。Z9S 公布后网上有说法称这车有股奔驰味儿，李慧回应时提到合作方奔驰。腾势 2010 年由比亚迪与戴姆勒以 50:50 股比合资创立，2021 年底比亚迪持股升至 90%，2024 年 9 月回购奔驰所持 10% 股权，现为比亚迪全资子公司。

六、需求适配分析

把已公开的信息和用车条件放在一起看，不同场景对应的关注点差别明显。

参数都摆在明处，选择取决于用车路线和充电条件。交付后的实测数据与口碑，目前没有可引用的公开结果。

【结语】Z9S 把 1100 公里续航、9 分钟闪充和 25.58 万元的起售价放进同一张配置表，也把腾势从依赖单一车型的结构里往前推了一步。续航数字能不能在实际路况里站得住、补能网络覆盖不到的人群体验如何，都要等交付之后的公开数据。眼下能确认的，只有厂商与媒体公布的这些参数。

一、发布节奏与上一代之间的空档

Argon 是 Gemini 4 系列首款公开发布的前沿推理模型。据钛媒体报道，Google 上一代旗舰 Gemini 3 Pro 发布于 2025 年 11 月，与 Argon 相隔约 11 个月，同期 OpenAI 与 Anthropic 保持高频迭代。

发布方式值得注意：它没有第一时间进入普通用户的 Gemini 界面，而是通过 Fairwind 项目优先开放给受信任的网络安全机构。据今日头条转引 CNBC 报道，Google 表示只有在安全护栏进一步完善后，才会逐步向开发者与企业开放。

二、几个关键参数放在一起

要区分两个概念：上下文窗口决定一次能读多少，输出上限决定一次能写多少。据钛媒体报道，同行多数模型的输出上限仍在约 12.8 万 token 量级，Argon 把主要卖点放在了后者。

三、百万输出靠这三层撑起来

• 输出侧扩容：单次解码上限抬到百万 token 级，让模型能在同一条轨迹里连续生成数十万字，减少分段请求与人工拼接。
• 推理深度配置：官方列出低、中、高三档思考强度，配合统一令牌额度，适配从快速响应到长链推理的不同负载。
• 工具与执行环境：支持函数调用、代码执行、计算机使用（预览）与搜索接地，可在长任务中调用外部工具并校验结果。

据 Google 开发者文档，上下文窗口与输出上限共用同一令牌额度，全速输出默认 65,536 token，启用长解码后可到 1,048,576。长输出与长输入之间存在额度竞争。

四、跑分与内部案例说明了什么

据钛媒体报道，Argon 在 DeepSWE v1.1 上取得 77.9%，在 Vals 指数中位列第一；同一报道指出评测成绩全部来自厂商自报，且在终端操作与科学推理两项上落后于同期竞品。

落地方面，据 Google 博客介绍，Chrome 团队用 Argon 协助把核心网页处理机制从约 600 万行的旧模块中拆分出来，原本需要数月、跨越数百个文件的架构重构在数周内推进；团队由 AI 代理提交代码的比例提升了 35% 以上。这些是厂商内部案例，缺少第三方复现。

五、三个还没解决的问题

• 成绩来源单一：核心基准由厂商自报，缺少独立第三方在同一条件下复现，跨厂商直接比较的依据不足。
• 输出长不等于质量稳：长链任务中一处偏差会被后续步骤继承，中间产物仍需人工校验。
• 可用范围受限：受控发布阶段仅面向筛选过的机构，全面开放的时间表尚未公布。

另一个容易忽略的成本项是价格。优惠期定价为输入 2 美元、输出 10 美元每百万 token，据公开报道，优惠期后将调整为 4 美元与 20 美元。长输出任务的主要成本落在输出侧。

六、什么任务适合用：场景分析

【结语】Gemini 4 Argon 把标尺从「能读多少」挪到了「能写多长」，这对长周期任务的工作流组织有实际影响：过去靠分段请求维持的连贯性，现在有机会在单条轨迹内完成。但厂商自报的成绩、受控的发布节奏与输出侧的价格结构，决定了它当下的适用范围仍有限。更可靠的判断方式不是看跑分，而是拿自己最长的任务链实测一次，看中间产物还需不需要频繁接管。