高德最近给行业开了个好头，用AI重构底层技术栈，建立主-从Agent架构，把千问大模型和空间智能结合起来，效果相当惊艳。

一条最快的通勤路线，一份详细的全家旅游攻略……过去需要一系列操作，全网到处搜索需求，现在动动嘴，一句话就搞定了。出行和生活，有AI Agent加持以后，原来可以这么简单。

这也意味着高德地图从出行工具变成了智能体，重塑了人机交互方式，猜得懂人心，办得了实事。应用不再是被动等待，而是主动出击，全程自主拆解用户需求，智能体自主决策和执行任务。

出行场景下首个AI原生应用就此诞生，用户超10亿的高德率先全面AI化，给行业转型提供了新的参考范式。

输入一句话，秒办一堆事？高德是怎么做到的？

自从高德更新智能体后，已经离不开主智能体小高老师了，打开App就是唠，空间智能直接调，方便懂我会办事。

比如说日常市区通勤，开车不一定是最快方式，坐地铁可能更快。以前如果想知道哪种方式更好，需要填好地点，然后选择开车记下通勤时间，接着再选公共交通，对比两条路线哪条花的时间更短，最后自己决定是开车还是坐地铁。

一通操作又慢又繁琐。现在只需要一句话就搞定了，直接就跟小高老师说：

现在我要去故宫，开车和地铁哪个更快。

小高老师就会主动对比路线的时间差别，然后给到咱们最快的路线，不需要自己手动输入地点和切换了。

不仅如此，小高老师在给结果的同时还会提供预见性服务。比如说早上6点起来赶飞机，告诉他要去首都机场，小高老师就会根据历史数据，结合实时路况，提醒你7点20开始可能会拥堵，提前做好准备。

除了个人城区出行好用，如果全家想出趟远门，也可以找小高老师帮忙，仍然只需要一句话：

我要带爸妈和老婆孩子去苏州，请给我制定一个旅行计划。

小高老师立即安排，交通助手、景点达人和美食达人等多个智能体协作，很快检索了多条路线和多个景点。

最终形成了一个完整的计划，3天逛完14个景点。

总得来看，空间智能加持的小高老师，既看得懂大千世界，也看得透复杂人心，在出行场景下首次实现自动拆解多步骤用户意图，还能自动调用各种工具。交互方式也从触控变成了语音对话。

方方面面都区别于传统App，高德怎么做到的？

出行场景首个主-从Agent架构曝光？高德的底层逻辑是什么？

App能听得懂话、办得成事的秘诀在于高德用AI重构了整体架构，应用融入千问大模型，在出行场景首创了主-从Agent架构。

新架构主要分为Agent层、模型层和工具层三层，高德分享了背后清晰的运行逻辑。

以前面提到的“开车和坐地铁去故宫”问题为例，用户输入的这句话就是一条查询，首先会进入Agent层给到主Agent小高老师。

小高老师并不是一个简单的路由，他会先调用模型层的意图理解模型（源自千问大模型），对用户这句话进行初步的意图分析并拆分为3个子任务，同时重写查询，然后将子任务下发给对应的从Agent。

从Agent再对分配的子任务做最终意图理解，比如“规划到故宫的路线和用时”这个子任务，就对应导航出行从Agent。

导航出行从Agent接到两个子任务后，分别提取出关键参数，如“{“当前位置”:”家”,”终点”：”故宫”,”交通工具”：”开车”}”，然后调用模型层的工具匹配模型，从工具层中找出匹配的工具。这里匹配到的工具是出行路线规划工具，传参到工具层并调用即可。

工具层负责执行具体的子任务，目前主要面向出行、本地生活和跨场景三大类需求，接受参数执行任务后，将“到故宫的地铁线路和用时”结果返回给从Agent。

因为还需要比对驾车子任务的结果，所以这两个子任务的返回情况会传给服务总结Agent，该从Agent汇总处理后将结果交给主Agent，主Agent最终将结果呈现给用户。

在整个运行过程中，还有两个关键模块起到了支柱作用：

生态数据和通信协议。

高德通过自有生态沉淀了海量的多样化需求，包括时空信息、餐饮评价、文娱信息等，这些数据原本独立，如今打通整合后，成为高德能提供跨场景服务的基础，也持续优化了模型。

然后是通信协议，高德在架构中没有设置专门的交互模块，而是基于MCP和ATA协议定义了各个模块间的标准化接口，还支持第三方服务接入。

高德利用二十年物理世界数据沉淀，用AI重构底层技术，融入通义大模型，打造了出行场景下首个Agent协同系统、AI原生应用。

这让高德地图不再是简单的出行工具，而是变成了能理解用户需求的智能助手。

10亿用户，意味着覆盖场景广，并发流量高，开发难度大。高德推出的全新架构，扛得住10亿用户访问，能满足10亿用户的各种需求，其他体量的应用自然可以参考着来。

高德在技术架构上，给行业从传统应用转向AI原生应用打了个样，提供了参考答案。

另外，这也是一种信心。

AI时代确实在带来技术重塑，但有场景有用户的产品一旦行动起来，确实如虎添翼。