【深度】吉利G-ASD，讓“汽車智能機(jī)器人”的想象更進(jìn)一步

來自華為乾崑ADS 4（參數(shù)丨圖片）.0發(fā)布會(huì)來自華為乾崑ADS 4.0發(fā)布會(huì)來自華為乾崑ADS 4.0發(fā)布會(huì)

當(dāng)?shù)貢r(shí)間1月5日，在2026 CES的現(xiàn)場，吉利汽車集團(tuán)發(fā)布了全域AI 2.0技術(shù)體系。不同于以往聚焦于單點(diǎn)功能的迭代，吉利此次通過引入WAM（世界行為模型），打破車內(nèi)各域的物理壁壘。

與之同步亮相的，還有進(jìn)化為“整車智能中樞”的Eva超擬人情感智能體，以及正式命名的全新一代千里浩瀚輔助駕駛系統(tǒng)——G-ASD。

在詳細(xì)復(fù)盤吉利此次發(fā)布的技術(shù)路線后，多位行業(yè)觀察人士向寰球汽車指出：

“從底層邏輯來看，吉利G-ASD并非只是智駕能力的升級，而是在華為的技術(shù)高墻之外，利用AI另辟蹊徑——它不再局限于‘培訓(xùn)好司機(jī)’，而是通過全域融合，讓吉利真正觸及了‘汽車智能生命體/機(jī)器人’的終極形態(tài)變革。”

作為新汽車革命的終極構(gòu)想，“汽車機(jī)器人”的概念雖迷人，卻因?qū)φ噮f(xié)同的極高要求，一度被嚴(yán)肅的工程師們束之高閣。在底層技術(shù)路線尚未收斂、未來形態(tài)未有定論的迷茫期，絕大多數(shù)企業(yè)選擇了更為務(wù)實(shí)的路徑——聚焦于高階輔助駕駛的功能性堆疊，而非整車智能的系統(tǒng)性重構(gòu)。

但站在2026年的節(jié)點(diǎn)，情況發(fā)生了質(zhì)的變化。隨著大算力芯片的持續(xù)迭代量產(chǎn)上車以及通信協(xié)議的高效統(tǒng)一，讓車內(nèi)多個(gè)曾經(jīng)獨(dú)立的智能系統(tǒng)開始具備了被統(tǒng)一討論的物理基礎(chǔ)。

當(dāng)然，更重要的是，AI迸發(fā)出來的強(qiáng)勁競爭力，讓這一暢想開始具備現(xiàn)實(shí)的討論基礎(chǔ)。

因此，本文將試圖剝離復(fù)雜技術(shù)語言的迷霧，聚焦于當(dāng)下——在通往“汽車智能機(jī)器人”的十字路口，究竟是哪些技術(shù)路徑正在把汽車推向“更像一個(gè)整體智能體”的方向？在這一輪明顯的技術(shù)分化中，吉利所選擇的“全域融合”路徑，究竟成色幾何？

大分流：智能駕駛走向“系統(tǒng)級分化”

要理解吉利此次發(fā)布G-ASD的深層邏輯，我們首先需要將視野拉長，審視整個(gè)智能駕駛產(chǎn)業(yè)正在經(jīng)歷的、從“功能實(shí)現(xiàn)”到“系統(tǒng)重構(gòu)”的深刻轉(zhuǎn)型。

對于這一階段性的變化，產(chǎn)業(yè)界并非毫無共識。

中國工程院院士、清華大學(xué)車輛與運(yùn)載學(xué)院教授李克強(qiáng)在多個(gè)公開場合指出，當(dāng)前智能駕駛技術(shù)已經(jīng)從“單點(diǎn)功能比拼”逐步進(jìn)入到“系統(tǒng)架構(gòu)能力競爭”的新階段。其核心矛盾，不再只是感知是否足夠精準(zhǔn)，而在于不同子系統(tǒng)之間是否具備統(tǒng)一的決策邏輯與協(xié)同能力。

在他看來，隨著高階輔助駕駛逐漸成為底座能力，真正拉開差距的，將是整車智能系統(tǒng)在復(fù)雜場景下的整體行為表現(xiàn)，而非某一個(gè)算法模塊的參數(shù)領(lǐng)先。

基于此，我們回顧一下最近幾年智能駕駛領(lǐng)域，大家都在干什么，可能會(huì)更明白為什么今天我們?nèi)绱司劢辜鸊-ASD。

1）智能駕駛的上半場：把“車開好”的軍備競賽

回顧過去5到8年的智能駕駛發(fā)展史，其實(shí)是一部各大廠商努力“把車開好”的血淚奮斗史。

無論是特斯拉激進(jìn)的純視覺路線，還是中國智駕方案堅(jiān)守的激光雷達(dá)融合路線，實(shí)際上整個(gè)行業(yè)的共識高度統(tǒng)一：

一切圍繞“感知—決策—控制”這根核心鏈條展開。在這一階段，所有的技術(shù)投入都指向了顯性的駕駛指標(biāo)。感知算法在拼命提高對障礙物的識別率，試圖看清每一個(gè)雪糕筒和每一只橫穿馬路的小狗；決策算法在不斷優(yōu)化變道和超車的邏輯，試圖在繁忙的高架橋上像老司機(jī)一樣見縫插針；控制算法則致力于讓方向盤轉(zhuǎn)得更順滑，剎車更線性。

所以可以看到的是，過去很長一段時(shí)間，L2+輔助駕駛和NOA（導(dǎo)航輔助駕駛）成為了主戰(zhàn)場。工程師們夜以繼日地解決“Corner Case”（長尾場景）：如何識別側(cè)翻的卡車？如何應(yīng)對鬼探頭？如何處理雨雪天氣的傳感器噪點(diǎn)？

概括來講，這一階段/時(shí)期的核心任務(wù)，是解決“車能不能在復(fù)雜環(huán)境下完成駕駛?cè)蝿?wù)”的問題。這是一場關(guān)于“及格線”的戰(zhàn)爭，誰能處理的場景多，誰的接管率低，誰就是王者。

智能駕駛專家表示，在這種思考的邏輯中，車輛本質(zhì)上還是一個(gè)

“被程序控制的機(jī)械工具”。

它的智能是局部的、功能性的，就像一個(gè)裝了攝像頭的掃地機(jī)器人，雖然能避障，但它并不理解“駕駛”的深層次含義，更不懂得如何配合主人的生活節(jié)奏。

一位長期從事自動(dòng)駕駛系統(tǒng)研究的高校教授在接受行業(yè)媒體采訪時(shí)曾直言：“當(dāng)前很多高階輔助駕駛系統(tǒng)，在技術(shù)上已經(jīng)非常接近‘優(yōu)秀司機(jī)’，但這并不意味著車輛已經(jīng)具備真正的智能性。”

在其看來，現(xiàn)階段多數(shù)方案依然停留在駕駛?cè)蝿?wù)本身的最優(yōu)解，而缺乏對整車狀態(tài)、乘員體驗(yàn)以及跨域目標(biāo)的統(tǒng)一理解。“從系統(tǒng)工程角度看，這更像是一個(gè)性能極強(qiáng)的子系統(tǒng)，而不是一個(gè)具備整體判斷力的智能體。”

2）當(dāng)“能開”逐漸成為底座能力，割裂感開始浮現(xiàn)

然而，隨著行業(yè)頭部廠商的能力逐漸逼近實(shí)用邊界，行業(yè)開始出現(xiàn)一種“邊際效應(yīng)遞減”的焦慮。

當(dāng)一輛車已經(jīng)能夠在99%的路況下自己開得不錯(cuò)時(shí)，用戶開始對那剩下的1%以及整體的乘坐體驗(yàn)提出了更高的要求。

此時(shí)，舊的分布式架構(gòu)問題開始暴露，一種深層的“割裂感”開始困擾用戶。

最典型的場景莫過于“暈車”。當(dāng)智駕系統(tǒng)為了避讓前方突然出現(xiàn)的障礙物而進(jìn)行急剎車時(shí)，它只管下達(dá)“減速”指令。但此時(shí)，負(fù)責(zé)車身姿態(tài)的底盤系統(tǒng)（懸架、減震）對此一無所知，只能在車輛出現(xiàn)“點(diǎn)頭”動(dòng)作后，被動(dòng)地進(jìn)行物理阻尼調(diào)整。這就導(dǎo)致了即便智駕很安全，但乘客卻感到暈車、不適。

這就好比兩個(gè)系統(tǒng)在極限的撕扯中互相抱怨：

智駕系統(tǒng)覺得自己很冤：“我明明安全剎停了，怎么還說我不好”；底盤系統(tǒng)也很委屈：“你沒提前告訴我，我怎么配合？”

針對當(dāng)前高階輔助駕駛中頻繁被用戶提及的“暈車”“不適感”等問題，多位底盤與車輛動(dòng)力學(xué)領(lǐng)域的專家指出，其根本原因并不在于智駕技術(shù)的成熟與否，而在于決策層與執(zhí)行層之間缺乏足夠前瞻的協(xié)同。

一位曾參與多家主機(jī)廠智能底盤項(xiàng)目的技術(shù)負(fù)責(zé)人表示——

如果駕駛決策無法提前與懸架、制動(dòng)、車身控制系統(tǒng)形成統(tǒng)一規(guī)劃，即便算法本身再精準(zhǔn)，車輛在動(dòng)態(tài)響應(yīng)上的“生硬感”也難以徹底消除。這類問題，本質(zhì)上已經(jīng)超出了單一駕駛系統(tǒng)能夠獨(dú)立解決的范疇。因?yàn)樵趥鹘y(tǒng)的架構(gòu)里，座艙域和智駕域是兩個(gè)獨(dú)立的王國，彼此之間只有極其有限的信號握手，不存在深度的意圖共享。

這種割裂感的存在，意味著單純堆砌智駕算法的深度，已經(jīng)無法解決整車體驗(yàn)的瓶頸。討論的焦點(diǎn)，開始從“單一功能的強(qiáng)弱”，轉(zhuǎn)向了“系統(tǒng)組織的合理性”。

3）從“駕駛系統(tǒng)”到“整車智能”的分水嶺

這正是當(dāng)前技術(shù)路徑出現(xiàn)分水嶺的時(shí)刻。

一旦我們將優(yōu)化的目標(biāo)，從單一維度的“駕駛動(dòng)作（轉(zhuǎn)向、加減速）”，擴(kuò)展到多維度的“整車狀態(tài)（姿態(tài)、能耗、交互、安全、駕駛）”，技術(shù)問題的層級就發(fā)生了本質(zhì)變化。

行業(yè)專家指出，面對這一變化，行業(yè)路徑大概開始分化：

路徑A：追求極致的“模范司機(jī)”。繼續(xù)深挖駕駛?cè)蝿?wù)，追求在駕駛技術(shù)上超越人類，通過極其強(qiáng)大的駕駛能力來掩蓋系統(tǒng)間的割裂。這就像是雇傭了一個(gè)擁有F1賽車手技術(shù)的司機(jī)，雖然他不怎么和你說話，但他開得實(shí)在太好了，讓用戶挑不出來毛病。

路徑B：統(tǒng)一的“智能生命”。嘗試重構(gòu)整車決策邏輯，試圖打造一個(gè)統(tǒng)一的“大腦”，將智駕、座艙、底盤納入同一個(gè)決策閉環(huán)，通過系統(tǒng)的整體協(xié)調(diào)來提升體驗(yàn)。這就像是培養(yǎng)了一個(gè)貼身的“大管家”，他不僅會(huì)開車，還懂得察言觀色，能在你皺眉的一瞬間就把車開穩(wěn)。

需要強(qiáng)調(diào)，其實(shí)這兩條路徑?jīng)]有絕對的優(yōu)劣之分，也沒有絕對的對立之分，但它們指向了完全不同的未來形態(tài)。目前從行業(yè)來看，也有部分的企業(yè)在此之間進(jìn)行探索。

不過，在行業(yè)技術(shù)的權(quán)威趨勢報(bào)告看來，隨著技術(shù)方案從功能堆疊走向統(tǒng)一架構(gòu)、系統(tǒng)效率優(yōu)化，自動(dòng)駕駛技術(shù)正在跨越傳統(tǒng)感知—控制鏈條，向更高階整車智能化架構(gòu)進(jìn)化。

特斯拉Autopilot

此前某國內(nèi)高級駕駛技術(shù)負(fù)責(zé)人也對寰球汽車表示，通過多模態(tài)融合與世界模型等技術(shù)推動(dòng)“汽車智能體”進(jìn)化，是當(dāng)前產(chǎn)業(yè)發(fā)展的關(guān)鍵。

拋開理論的探討，回到吉利此時(shí)此刻的全域AI多模態(tài)融合的現(xiàn)實(shí)技術(shù)路徑，想要看清吉利的選擇，必須先理清行業(yè)內(nèi)另外一個(gè)智能駕駛代表企業(yè)華為對這一問題的思考。

參照系：將“駕駛智能”推向工程極限的華為

聚焦國內(nèi)市場，在高階智能駕駛領(lǐng)域，華為是領(lǐng)軍企業(yè)之一，代表了“專業(yè)化分工”與“極致工程化”的巔峰。

理解華為的技術(shù)邏輯，可能是理解吉利G-ASD的最佳參照系。

來自華為乾崑ADS 4.0發(fā)布會(huì)

若要提煉華為高階智駕體系的精髓，其核心指向十分明確：將駕駛?cè)蝿?wù)進(jìn)行極致的工程化拆解。

華為 ADS 的演進(jìn)史，實(shí)則是一部貫徹‘工程師實(shí)用主義’的進(jìn)化史。

從ADS 1.0到4.0，其戰(zhàn)略定力從未動(dòng)搖——死磕中國復(fù)雜的真實(shí)路況，攻克每一個(gè)長尾難題。正是這種對工程邊界的極致探索，構(gòu)成了華為智駕在用戶端實(shí)現(xiàn)“全場景覆蓋”與“高魯棒性”的底層邏輯。在面對紅綠燈倒計(jì)時(shí)、外賣小哥逆行、無保護(hù)左轉(zhuǎn)等高難度博弈場景時(shí)，致力于讓“駕駛自動(dòng)化”這件事在現(xiàn)實(shí)物理世界中盡可能地可靠。

根據(jù)行業(yè)公開信息顯示，華為最新的ADS 4.0架構(gòu)采用了WEWA（World Engine + World Action Model）架構(gòu)。

不過需要注意的是，雖然也提到了World Action Model（世界行為模型），但其核心應(yīng)用場景被極其聚焦地定義在“駕駛”本身。華為利用云端的World Engine（世界引擎）生成各種極端場景（如鬼探頭、前車急剎）來訓(xùn)練AI，再用車端的模型來執(zhí)行。這是一種典型的“刷題戰(zhàn)術(shù)”——通過在模擬題庫里做海量的難題，來提升AI司機(jī)在現(xiàn)實(shí)考試中的通過率。

這一技術(shù)策略的本質(zhì)上，還是為了提升極致的駕駛能力。

所以在華為的技術(shù)架構(gòu)中，智駕系統(tǒng)（ADS）擁有極高的獨(dú)立性和權(quán)威性。這導(dǎo)致了行為決策中心是高度聚焦的。

ADS系統(tǒng)的決策目標(biāo)高度錨定于“如何開得安全、順暢、高效”。它會(huì)調(diào)用激光雷達(dá)、攝像頭等一切感知資源來服務(wù)于“駕駛”這一個(gè)核心任務(wù)。雖然華為也有強(qiáng)大的鴻蒙座艙（HarmonySpace），但在底層的決策邏輯上，座艙系統(tǒng)更像是一個(gè)服務(wù)員，它負(fù)責(zé)展示智駕的信息，負(fù)責(zé)娛樂，但在關(guān)鍵的動(dòng)態(tài)決策上，它不干預(yù)智駕的邏輯。

這種架構(gòu)的好處是顯而易見的：

智駕系統(tǒng)的邊界清晰，安全性更容易驗(yàn)證，且不受其他系統(tǒng)故障的干擾。對于追求“把車開好”這一目標(biāo)來說，這是最高效的解法。

當(dāng)然，華為并非沒有做跨域協(xié)同。華為推出的“途靈底盤”以及iTRACK動(dòng)態(tài)扭矩控制系統(tǒng)。這些系統(tǒng)確實(shí)實(shí)現(xiàn)了智駕與底盤的聯(lián)動(dòng)。

不過，根據(jù)目前的技術(shù)架構(gòu)方案，這種協(xié)同更多是“單向服務(wù)”。

比如，智駕系統(tǒng)預(yù)判到了前方有減速帶，它會(huì)提前通知底盤系統(tǒng)“準(zhǔn)備干活”。底盤系統(tǒng)接收到信號后，調(diào)整懸架軟硬。這是一種“增強(qiáng)式”的協(xié)同——底盤的存在是為了讓智駕開得更穩(wěn)，是為了服務(wù)于“駕駛”這個(gè)核心目標(biāo)，而非改變決策的主體對象。底盤系統(tǒng)本身并不具備對整車行為的最高定義權(quán)，它依然是執(zhí)行機(jī)構(gòu)的智能化延伸。

從技術(shù)邏輯上來看，這種“模塊化最強(qiáng)”的打法，使得華為可以迅速賦能不同的車企（問界、智界、享界等），只要裝上華為的ADS單元和鴻蒙座艙單元，就能立刻獲得頂級的體驗(yàn)。

但這同時(shí)也劃定了一個(gè)隱形的邊界：在華為目前的架構(gòu)敘事中，討論的重點(diǎn)依然被嚴(yán)格限定在“駕駛系統(tǒng)”的范疇內(nèi)。它是在造一個(gè)完美的“駕駛員”和一個(gè)完美的“座艙”，并將它們?nèi)M(jìn)車?yán)铩＿@種物理上的組合固然強(qiáng)大，但在系統(tǒng)生物學(xué)的層面上，它依然是離散的。尤其是在未來對AI強(qiáng)大賦能的利用暢想空間上，這樣的離散邏輯顯然是不科學(xué)的。

我們假設(shè)認(rèn)為，華為是在攀登“駕駛技術(shù)”的珠峰，那么吉利此次G-ASD的發(fā)布，則是在嘗試?yán)L制一張全新的“系統(tǒng)地圖”。

重構(gòu)下一代智駕底層邏輯

如果說華為代表了“專業(yè)分工”的極致，那么吉利全域 AI 2.0 以及G-ASD的核心，則在于“統(tǒng)一”。

在吉利這次CES的技術(shù)發(fā)布中，我們看到了一個(gè)非常關(guān)鍵的轉(zhuǎn)折點(diǎn)：

決策層級的上移。

吉利認(rèn)為，全域AI 1.0時(shí)代（也就是現(xiàn)在的大多數(shù)車），智駕、座艙、底盤是“各管各的”，數(shù)據(jù)不通、模型割裂，這種結(jié)構(gòu)導(dǎo)致了跨域融合的困難。

而全域AI 2.0的核心使命，是構(gòu)建一個(gè)統(tǒng)一的“整車大腦”，實(shí)現(xiàn)智駕域、座艙域、底盤域、動(dòng)力域等跨越的感知、數(shù)據(jù)、信息共享。

需要指出的是，這里的整車大腦，并非指單一模型對所有執(zhí)行鏈路的直接控制，而是指在更高層級實(shí)現(xiàn)統(tǒng)一意圖理解與跨域決策約束的系統(tǒng)框架。

要實(shí)現(xiàn)這一構(gòu)想，離不開一個(gè)強(qiáng)大的“數(shù)字大腦”——

WAM（世界模型）。

當(dāng)然在更廣泛的人工智能研究領(lǐng)域，“世界模型（World Model）”與“行為模型（Action Model）”早已不是新概念。

清華大學(xué)自動(dòng)化系教授、人工智能領(lǐng)域?qū)＜覐堚撛赋觯?/p>

真正高級的智能系統(tǒng)，必須具備對環(huán)境的整體建模能力，并能夠在模型中進(jìn)行行為預(yù)演和價(jià)值評估，而非僅依賴規(guī)則或即時(shí)反應(yīng)。

將這一思路映射到智能汽車領(lǐng)域，意味著系統(tǒng)需要理解的不再只是“下一步怎么操作”，而是“當(dāng)前這一系列行為，將把整車帶向怎樣的狀態(tài)”。

這也被業(yè)內(nèi)視為自動(dòng)駕駛邁向更高階智能體形態(tài)的重要技術(shù)前提。

1）解剖 WAM：一個(gè)模擬生物神經(jīng)的“數(shù)字大腦”

吉利WAM（World Action Model，世界行為模型），并非一個(gè)空洞的概念，仔細(xì)拆解其技術(shù)架構(gòu)，我們會(huì)發(fā)現(xiàn)吉利幾乎是在用 AI 復(fù)刻生物的神經(jīng)反射機(jī)制。

根據(jù)吉利發(fā)布的技術(shù)文檔，WAM 的內(nèi)核由四個(gè)關(guān)鍵角色協(xié)同構(gòu)成，形成了一個(gè)完整的閉環(huán)：

• 決策大腦（MLLM 多模態(tài)模型）：這是系統(tǒng)的“額葉”。它像一位經(jīng)驗(yàn)豐富的“老教練”，能看懂復(fù)雜的路況和艙內(nèi)情景。當(dāng)用戶下達(dá)一個(gè)模糊指令，比如“送我回家”或“我累了”，它能將這個(gè)宏觀意圖分解成一系列具體的子任務(wù)（如：規(guī)劃路線、調(diào)整座椅、改變駕駛風(fēng)格）。
• 執(zhí)行小腦（Action Expert 動(dòng)作專家）：這是系統(tǒng)的“運(yùn)動(dòng)神經(jīng)”。它利用前沿的流匹配技術(shù)，負(fù)責(zé)將大腦的意圖，瞬間轉(zhuǎn)化為方向盤轉(zhuǎn)角、油門開度、懸架阻尼乃至座艙氛圍燈的具體動(dòng)作序列。請注意，這里的動(dòng)作不再局限于駕駛，而是涵蓋了底盤和座艙。
• 預(yù)測模擬器（World Model 世界模型）：這是系統(tǒng)的“想象力中心”。它能在毫秒間對上述動(dòng)作序列進(jìn)行物理推演，提前“想象”不同選擇會(huì)帶來的未來狀態(tài)。比如，過一個(gè)減速帶，它會(huì)推演“快速通過”和“慢速通過”兩種情況下，車身姿態(tài)和乘客舒適度的不同后果。
• 體驗(yàn)評價(jià)官（Value Function 價(jià)值函數(shù)）：這是系統(tǒng)的“價(jià)值觀”。基于人類駕駛數(shù)據(jù)（Human-in-the-loop），它對推演出的各種未來進(jìn)行安全、舒適、高效的綜合打分，選擇那個(gè)最優(yōu)解，完成端到端的自我修正。

這套機(jī)制的革命性在于：汽車的決策對象不再僅僅是“怎么開”，而是“整輛車該如何行動(dòng)”。它讓車輛對于距離、速度、物體行為、社會(huì)常識的理解保持一致，相當(dāng)于賦予汽車統(tǒng)一的“世界觀”和“常識庫” 。

2）智能體化：Eva 不再只是語音助手

基于WAM模型，這一次吉利提出了一個(gè)極具生物學(xué)色彩的架構(gòu)——“1+2+N”全域多智能體協(xié)同框架。

在這個(gè)框架中，Eva（吉利的智能形象）的角色發(fā)生了質(zhì)變。它不再只是一個(gè)負(fù)責(zé)切歌、調(diào)空調(diào)的語音助手，而是升級為——

“整車級超級智能體”和跨域資源調(diào)度總指揮。

最直觀的改變體現(xiàn)在“托管感”上。

吉利描繪了這樣一個(gè)場景：“未來，你可以將‘幫我充電’、‘接上朋友’等完整任務(wù)直接托付給 Eva” 。

在傳統(tǒng)的架構(gòu)中，這需要用戶分步操作：先在座艙側(cè)發(fā)起查詢與導(dǎo)航（例如獲取朋友位置并生成目的地），再把目的地交給智駕系統(tǒng)執(zhí)行駕駛?cè)蝿?wù)。

但在吉利全域AI 2.0中，Eva接收用戶意圖后，會(huì)在系統(tǒng)層面完成任務(wù)拆解與跨域資源調(diào)度：

明確“去哪接、以什么策略開、如何兼顧舒適與效率”，并將駕駛執(zhí)行交由G-ASD，車輛姿態(tài)與舒適性由底盤域協(xié)同配合，能耗與補(bǔ)能相關(guān)任務(wù)由能源域聯(lián)動(dòng)完成。

Eva不再只是“傳話筒”，而更像是整車意圖層的調(diào)度中樞。

例如用戶說“我累了”，Eva可以聯(lián)動(dòng)座艙的燈光、音樂與座椅設(shè)置，同時(shí)把“更平穩(wěn)、更少變道、更柔和加減速”的偏好傳遞給智駕策略，使整車的行為表現(xiàn)更一致、更符合乘員狀態(tài)。

這種“艙駕協(xié)同”的深度融合，使得智駕不再是唯一的、高冷的決策者，而是成為了Eva隨時(shí)調(diào)用的核心能力庫。

吉利的“暴力美學(xué)”與“安全護(hù)城河”

有了統(tǒng)一的大腦，還需要強(qiáng)壯的肢體。

這建立在吉利對智駕硬件堆料上的“暴力美學(xué)”以及在數(shù)據(jù)資產(chǎn)上的深厚底蘊(yùn)之上。

需要強(qiáng)調(diào)一點(diǎn)，G-ASD 并非吉利的獨(dú)角戲，而是吉利與千里智駕（Afari）聯(lián)合研發(fā)的結(jié)晶。

千里科技是吉利在過去兩年智駕、AI相關(guān)布局上投入最為前瞻的業(yè)務(wù)實(shí)體之一。

在此次發(fā)布中，吉利與戰(zhàn)略合作伙伴千里智駕共同拋出了一個(gè)極具顛覆性的技術(shù)度量衡——

“含模量”。

在過去的智駕競爭中，行業(yè)習(xí)慣用“算力（TOPS）”或“代碼行數(shù)”來衡量系統(tǒng)的強(qiáng)弱。但吉利指出，隨著AI進(jìn)入大模型時(shí)代，“含模量”才是決定智駕上限的關(guān)鍵指標(biāo)。

所謂“含模量”，是指AI模型在整個(gè)智駕系統(tǒng)中的覆蓋廣度與深度。

在“低含模量”的傳統(tǒng)系統(tǒng)中，工程師需要編寫數(shù)十萬行規(guī)則代碼（Rule-based）來告訴車子“看見紅燈停、看見綠燈行”。這種方式不僅笨重，而且永遠(yuǎn)無法窮盡現(xiàn)實(shí)世界中千奇百怪的“長尾場景”（Corner Case）。

而在G-ASD這種“超高含模量”的系統(tǒng)中，吉利利用Scaling Law（尺度定律）的效應(yīng)，通過Smart AI Agent架構(gòu)將模型范式全面升級。系統(tǒng)融合了 VLM（視覺語言模型）、VLA（視覺語言動(dòng)作模型）以及世界模型等前沿范式，用端到端的神經(jīng)網(wǎng)絡(luò)大規(guī)模替代了人工規(guī)則。

這意味著，G-ASD 不再是一個(gè)只會(huì)死記硬背交規(guī)的“做題家”，而是一個(gè)具備通用認(rèn)知能力的“觀察者”。它能通過視覺語言模型“看懂”復(fù)雜的施工路牌，通過世界模型“腦補(bǔ)”出被遮擋的行人。“含模量”越高，意味著規(guī)則寫得越少，系統(tǒng)的泛化能力越強(qiáng)，面對未知場景的應(yīng)變能力也就越接近人類直覺。

當(dāng)然，更加接近人類直覺還應(yīng)該有底層的邏輯作支撐。

吉利在G-ASD的旗艦方案（H9）上選擇了目前市面上最昂貴的“軍火”。

根據(jù)披露的信息，G-ASD H9方案配備了兩顆NVIDIA Thor芯片，車端算力高達(dá)1400 TOPS。

作為對比，目前主流的高階智駕芯片算力通常在200-500TOPS之間。此外，該方案還標(biāo)配了5顆激光雷達(dá)，實(shí)現(xiàn)了3重360度感知覆蓋。

由此看出其實(shí)吉利的邏輯很直接：

既然要跑通一個(gè)囊括智駕、座艙、底盤的龐大“世界模型”，既然要做實(shí)時(shí)推演，那就必須要有最強(qiáng)的算力。

這種“算力冗余”的打法，雖然成本高昂，但也為 L3 乃至 L4 級別的演進(jìn)留足了空間。

因此，吉利計(jì)劃在今年（2026年）法規(guī)允許下，推送高速L3和低速L4功能，并實(shí)現(xiàn)Robotaxi運(yùn)營。

如果說算力可以用錢買到，那么數(shù)據(jù)，尤其是高質(zhì)量的失效數(shù)據(jù)（Failure Data），則是吉利手中最獨(dú)特的王牌。

在端到端大模型時(shí)代，AI的上限取決于數(shù)據(jù)的質(zhì)量。大家都有海量的正常駕駛數(shù)據(jù)，但AI最難學(xué)的是“怎么處理事故”。

吉利反復(fù)強(qiáng)調(diào)，其WAM模型的數(shù)據(jù)來源中，融合了沃爾沃55年來持續(xù)收集和分析的超5萬起真實(shí)交通事故數(shù)據(jù)、涵蓋8萬多名相關(guān)人員。

坦率來說，這是一筆難以復(fù)制的資產(chǎn)。吉利將其稱為“行業(yè)第一的安全事故數(shù)據(jù)集” 。

通過將這些帶有血淚教訓(xùn)的真實(shí)事故數(shù)據(jù)喂給WAM模型，AI能夠?qū)W習(xí)到真正的物理邊界和安全底線。

這使得吉利的智駕系統(tǒng)在性格上可能與激進(jìn)的“方案”不同。它不僅通過仿真學(xué)習(xí)（AI 訓(xùn)練 AI），更通過真實(shí)事故學(xué)習(xí)（歷史訓(xùn)練未來）。

“安全基因”的注入，讓 G-ASD 在面對極端工況時(shí)，不僅有計(jì)算的理性，更有一種近乎本能的“避險(xiǎn)直覺” 。

而這些成果，也來自于早前發(fā)布的吉利全域安全2.0體系。

智駕戰(zhàn)爭的下半場或?qū)⒋蝽?/strong>

至此，我們可以清晰地看到由吉利率領(lǐng)的另外一條不同于華為的2026年智能駕駛產(chǎn)業(yè)技術(shù)路徑：

華為，作為“技術(shù)特種兵”，正在將“駕駛”這件事做到工程學(xué)的極致。它像一位絕世劍客，追求快、準(zhǔn)、穩(wěn)，致力于成為所有車企最好的“外掛大腦”。

吉利，作為“整車架構(gòu)師”，正在嘗試構(gòu)建一個(gè)“生命體”。

它利用WAM模型打破了系統(tǒng)的物理邊界，用Eva串聯(lián)起感知與執(zhí)行，試圖打造一個(gè)有統(tǒng)一意志的“汽車機(jī)器人”。

吉利G-ASD及全域AI 2.0的發(fā)布，其意義不在于吉利是否在某一個(gè)彎道的通過速度上超越了友商，而在于它提供了一種系統(tǒng)級的解題思路，并向行業(yè)拋出了一個(gè)問題：

未來的汽車，究竟應(yīng)該是一個(gè)“裝了超級駕駛的冰箱彩電大沙發(fā)”，還是一個(gè)“會(huì)移動(dòng)的智能生命體”？

吉利并未宣稱已經(jīng)完美實(shí)現(xiàn)了后者，但或許我們已經(jīng)可以從吉利的技術(shù)發(fā)布中，窺探到了這一構(gòu)想。

在多家國際咨詢機(jī)構(gòu)的研究中，智能駕駛被反復(fù)強(qiáng)調(diào)為一項(xiàng)“長期系統(tǒng)工程”，其競爭焦點(diǎn)將從單一功能領(lǐng)先，逐步轉(zhuǎn)向平臺級與架構(gòu)級能力。

麥肯錫在相關(guān)報(bào)告中指出：

隨著自動(dòng)駕駛技術(shù)復(fù)雜度不斷提高，整車系統(tǒng)的統(tǒng)一設(shè)計(jì)能力，將直接影響技術(shù)演進(jìn)的上限。

這也意味著，不同企業(yè)在這一階段所做出的架構(gòu)選擇，可能并不會(huì)立刻體現(xiàn)在接管率或某一次測試成績上，卻會(huì)在更長周期內(nèi)，深刻影響其向更高階智能演進(jìn)的空間。

在此次的CES上，吉利仍然給出了一個(gè)較為清晰的時(shí)刻表：

G-ASD該系統(tǒng)首版本已搭載于極氪、領(lǐng)克兩大品牌旗下共16款車型，覆蓋車輛超30萬輛，并計(jì)劃在未來逐步在吉利汽車旗下更多車型上搭載。

不可否認(rèn)的是，吉利的路徑重構(gòu)，拓展了我們對“汽車智能”的定義邊界。

當(dāng)汽車開始擁有統(tǒng)一的“世界觀”，當(dāng)它能感知你的疲憊并主動(dòng)接管駕駛，當(dāng)它能像管家一樣處理充電瑣事時(shí)，“汽車智能機(jī)器人”這個(gè)曾經(jīng)虛無縹緲的概念，終于在現(xiàn)實(shí)產(chǎn)品邏輯上，向前邁出了堅(jiān)實(shí)的一步。

在通往未來“汽車智能機(jī)器人”的曠野上，吉利正在以不同于華為的方式，定義著中國汽車工業(yè)的智能高度。