自研大模型的马斯克，把豆包装进了特斯拉

（本文作者为 听风译码，钛媒体经授权发布）文 | 听风译码7月31日，特斯拉中国推送了一条看似普通的OTA更新。2026.14.13版本，覆盖Model 3、Model Y、Model S、Model X全系车型。已开始分批次推送，新交付车辆优先搭载。更新说明里有一条不太起眼的内容：接入豆包大模型。一款智能语音助手，不仅能提供实时信息，还能展开自然流畅的对话。支持多款精品音色，可搭配"万事通"、"音乐爱好者"、"故事会"等个性化角色。需要开通高级车载娱乐服务才能使用。看起来就是个语音助手升级。但这件事的真正分量在于：马斯克一直在全球讲"特斯拉是AI公司"的故事，一直坚持AI必须全栈自研。他说过，不用自研AI的车企，是"没有灵魂的组装厂"。美国市场的特斯拉，用的是马斯克旗下xAI的Grok大模型。而在中国市场，他的车用的是字节跳动的豆包。这不是一次简单的技术采购。这是特斯拉成立以来，第一次在车机系统中接入第三方大模型。而且接入的是中国的大模型。一、马斯克的AI自研执念马斯克对AI自研的执念，几乎写进了特斯拉的基因。从Autopilot到FSD，从Dojo超算到Grok大模型，他一直坚持一个逻辑：核心技术必须握在自己手里。2025年7月，特斯拉在美国率先启用了AI大语言模型。用的是马斯克旗下xAI推出的Grok。车主需要订阅每月9.9美元的"高级车载娱乐服务包"才能使用。仅支持搭载AMD Ryzen芯片的车型。Grok是马斯克的心血之作。据IT之家报道，马斯克7月30日在社交平台X上宣布，Grok 4.6将于8月7日发布，参数规模1.5万亿。几周后还将推出Grok 4.7，参数规模2.1万亿。在LM Arena的ELO排行榜上，Grok 4以1495分排名全球前列，与Claude、Gemini等顶尖模型同台竞技。马斯克对Grok的定位很明确：特斯拉的AI大脑，必须是自己造的。他甚至在各种场合强调，AI必须全栈自研，否则就是"没有灵魂的组装厂"。这个逻辑在全球大部分市场都成立。但在中国，行不通了。二、合规高墙：Grok为什么进不来最硬的约束来自监管。据中国日报报道，中国对生成式AI服务有严格的备案和数据安全要求。已上线的生成式AI应用必须在显著位置公示已备案的模型信息，注明模型名称及备案号。还要根据《人工智能生成合成内容标识办法》添加生成合成内容标识。Grok的服务器部署在美国。数据跨境流动、内容审查、算法备案，条条都是硬门槛。Grok系列模型未在中国大陆地区正式开放服务，也未通过国家网信办生成式人工智能服务备案。简单说，不是Grok不想来，是它根本进不来。即便特斯拉愿意投入巨额资金为Grok做本地化改造，想要完成国内全套备案、数据本地化部署，周期长、风险高、成本难以估量。而且就算改好了，效果也不一定好。Grok的训练语料以英文为主，对中文语境的理解天然存在短板。中文的多义性、省略式表达、方言变体，都是英文模型难以攻克的壁垒。你让Grok理解"帮我把后面那个弄小点"，它大概率不知道你在说空调温度还是座椅角度。但豆包能。而豆包大模型已经完成了国内完整备案。整套服务依托火山引擎本土算力运行，所有交互数据闭环留在国内。从根源上满足了监管要求。这不是特斯拉可以谈判的条件，而是进入中国市场的入场券。Grok过不了这道门。豆包已经在门里面等着了。时间线拉长看，这次合作并非突然。2025年8月，特斯拉与字节跳动旗下火山引擎达成合作，由后者为智能座舱提供大模型服务。2026年4月，特斯拉车机语音大模型服务在上海完成备案。6月的火山引擎FORCE原动力大会上，双方正式官宣合作。直到7月底，才通过OTA正式落地到用户车上。整个过程低调而务实，与特斯拉以往的发布会风格截然不同。三、特斯拉语音助手为什么"听不懂人话"合规只是入场券。真正让特斯拉下决心的，是本土化体验的巨大差距。开过特斯拉的人都知道，它的语音助手一直是个槽点。唤醒了不一定执行对，只能识别固定句式。连续说两句就懵了。用四川话让它找火锅店，可能给你导到加油站。中国用户说话什么特点？口语化、碎片化、还带方言。而特斯拉之前的语音系统，本质上是个指令识别器，不是对话伙伴。据界面新闻报道，中国新能源车企已经全面普及本土车载大模型。华为乾崑AI、小米澎湃AI、理想MindGPT深度融入座舱。流畅自然的语音交互已经成为消费者购车的核心参考指标。特斯拉的语音助手长期饱受诟病，连续对话、复杂指令识别能力落后一众国产车型。在同价位25到40万的赛道上，如果智能座舱体验持续落后，客户会持续流失。据搜狐报道，2026年特斯拉在中国新能源市场份额已跌至4.9%，对比2023年峰值7.8%大幅下滑。连续五个季度销量同比下滑。Model 3单月最低交付不足4000台，被小米SU7持续反超。曾经的中型轿车销冠彻底失守。与此同时，国产车型在同价位区间标配激光雷达、城市全域智驾、大空间内饰、超长续航。特斯拉的智能化短板正在成为致命弱点。FSD入华从2022年拖到2026年，至今功能尚未全面开放。华为ADS 3.0、小鹏XNGP已是"城市领航"级别，特斯拉在中国能用的只有基础版AP。整整差了一个代差。接入豆包，是特斯拉补齐智能化短板的最快路径。不用花数年时间为中国市场单独研发适配的AI系统。省时、省力、省钱。这笔账，马斯克算得比谁都清楚。四、180万亿Token：豆包凭什么被选中特斯拉对供应商的筛选标准全球闻名。豆包能进入特斯拉供应链，不是靠关系，是靠数据。据新浪财经报道，截至2026年6月，豆包大模型日均Token调用量达到180万亿。这个数字意味着什么？豆包是全球仅有的三家达到此量级的AI企业之一，与OpenAI、谷歌并列。一年内增长超10倍，半年内从100万亿增长到180万亿。字节大模型业务ARR达到40亿美元，超过智谱、月之暗面、阿里通义千问、DeepSeek四家的ARR总和。豆包App月活用户3.82亿，超过第二名通义千问与第三名DeepSeek的总和。终端设备接入超3亿台，全球Top10手机厂商中9家接入火山引擎服务。据长沙晚报报道，火山引擎已与100%主流车企展开合作，包括奔驰、奥迪、宝马、比亚迪、奇瑞、上汽等。搭载豆包大模型的智能汽车已超过700万辆。据CNBC报道，豆包每天处理超过3000万次车内交互。这个频率说明语音控制已经从新鲜玩意儿变成了标配功能。这些数字背后，是豆包在车载场景的深度训练。支持十多种方言识别，中文语义理解能力远超海外大模型。响应速度0.5秒。对中文的理解、对本地服务的适配、对车控指令的精准执行——这些恰恰是Grok的短板。打个比方，Grok像一个只会说普通话的外国人，豆包才是地道的中国通。豆包的实时语音模型采用端到端语音交互架构，摆脱了过去"像对讲机一样轮流说话"的机械感。对话更自然、更连续、更主动。可根据用户输入的语音指令进行语气识别和情绪理解，给予高情商的恰当回复。还支持主动接话、找话题、随时打断，实现"边听边说边办事"。这些能力，不是靠堆参数堆出来的。是靠3.82亿月活用户、180万亿次日均调用、700万辆车载场景跑出来的。据新浪财经报道，火山引擎占中国大模型公有云市场调用量份额的49.5%，几乎撑起半边天。MoE架构降低推理显存60%，API调用成本仅为海外模型的五分之一到二十分之一。中国企业客户能以极低价格获得高性能模型能力，驱动调用量持续攀升。低成本加上大规模，形成了正向飞轮。用得越多，模型越聪明；模型越聪明，用得越多。五、双模型方案的精妙设计特斯拉没有只接一个豆包，而是搞了一套"双模型"方案。据看看新闻Knews和都市现场报道，特斯拉中国官网最新的《特斯拉车机语音助手使用条款》显示，车机语音系统同时接入了两款大模型。豆包大模型负责语音命令功能：导航设定、媒体播放操控、空调温度调节、语音查询车主手册。DeepSeek Chat负责AI互动功能：闲聊、天气查询、新闻资讯。两款模型均通过火山引擎接入。这个分工设计很值得琢磨。车控指令对稳定性、低延迟、零误操作有极致要求。一旦AI理解偏差发出错误指令，可能带来行车安全隐患。豆包针对车载场景做了垂类深度训练，能精准区分驾驶场景下的复杂口语指令。DeepSeek擅长开放问答和闲聊，负责满足车主的互动需求。两者各司其职，不越界。据界面新闻报道，火山引擎与车企合作时会把车控权限分为黑、灰、彩三层。彩区是空调、座椅、屏幕等可由AI直接调控的功能。灰区涉及行驶状态判断，AI给建议但执行受规则限制。黑区包括刹车、转向等核心驾驶功能，是AI的禁区。这种权限分层说明，特斯拉虽然接入了第三方大模型，但车辆底层控制权牢牢掌握在自己手里。豆包只负责"听懂"和"执行指令"，不碰驾驶核心。安全边界划分得很清晰。不过也有一个细节值得注意。据部分车主反馈，目前豆包还不能控制车辆硬件，就是说让它开空调、调座椅，暂时还办不到。现阶段更多是语音交互和信息服务，车控功能仍在推进中。这意味着豆包上车的第一步，是解决"听懂人话"的问题。"听懂之后控制车辆"是第二步。罗马不是一天建成的。六、老车主的"背刺感"和付费争议新功能上线，争议也随之而来。最直接的是老车主的"背刺感"。特斯拉客服明确表示，豆包语音大模型仅适配搭载AMD芯片的车辆。早期搭载Intel芯片的老车型不在支持范围内。不少早期车主花了同样的钱，甚至更高价买的车，却享受不到新功能。在社交平台上，不少老车主表达了不满。"我的车也是特斯拉，凭什么不能用？""买得早反而成了二等公民。"其次，高级车载娱乐服务的付费门槛也引发不满。国内订阅价格每月9.99元，美国是9.9美元。有车主觉得，语音交互本该是标配功能，现在变成了订阅制