【深度】吉利G-ASD，让“汽车智能机器人”的想象更进一步

来自华为乾崑ADS 4（参数丨图片）.0发布会来自华为乾崑ADS 4.0发布会来自华为乾崑ADS 4.0发布会

当地时间1月5日，在2026 CES的现场，吉利汽车集团发布了全域AI 2.0技术体系。不同于以往聚焦于单点功能的迭代，吉利此次通过引入WAM（世界行为模型），打破车内各域的物理壁垒。

与之同步亮相的，还有进化为“整车智能中枢”的Eva超拟人情感智能体，以及正式命名的全新一代千里浩瀚辅助驾驶系统——G-ASD。

在详细复盘吉利此次发布的技术路线后，多位行业观察人士向寰球汽车指出：

“从底层逻辑来看，吉利G-ASD并非只是智驾能力的升级，而是在华为的技术高墙之外，利用AI另辟蹊径——它不再局限于‘培训好司机’，而是通过全域融合，让吉利真正触及了‘汽车智能生命体/机器人’的终极形态变革。”

作为新汽车革命的终极构想，“汽车机器人”的概念虽迷人，却因对整车协同的极高要求，一度被严肃的工程师们束之高阁。在底层技术路线尚未收敛、未来形态未有定论的迷茫期，绝大多数企业选择了更为务实的路径——聚焦于高阶辅助驾驶的功能性堆叠，而非整车智能的系统性重构。

但站在2026年的节点，情况发生了质的变化。随着大算力芯片的持续迭代量产上车以及通信协议的高效统一，让车内多个曾经独立的智能系统开始具备了被统一讨论的物理基础。

当然，更重要的是，AI迸发出来的强劲竞争力，让这一畅想开始具备现实的讨论基础。

因此，本文将试图剥离复杂技术语言的迷雾，聚焦于当下——在通往“汽车智能机器人”的十字路口，究竟是哪些技术路径正在把汽车推向“更像一个整体智能体”的方向？在这一轮明显的技术分化中，吉利所选择的“全域融合”路径，究竟成色几何？

大分流：智能驾驶走向“系统级分化”

要理解吉利此次发布G-ASD的深层逻辑，我们首先需要将视野拉长，审视整个智能驾驶产业正在经历的、从“功能实现”到“系统重构”的深刻转型。

对于这一阶段性的变化，产业界并非毫无共识。

中国工程院院士、清华大学车辆与运载学院教授李克强在多个公开场合指出，当前智能驾驶技术已经从“单点功能比拼”逐步进入到“系统架构能力竞争”的新阶段。其核心矛盾，不再只是感知是否足够精准，而在于不同子系统之间是否具备统一的决策逻辑与协同能力。

在他看来，随着高阶辅助驾驶逐渐成为底座能力，真正拉开差距的，将是整车智能系统在复杂场景下的整体行为表现，而非某一个算法模块的参数领先。

基于此，我们回顾一下最近几年智能驾驶领域，大家都在干什么，可能会更明白为什么今天我们如此聚焦吉利G-ASD。

1）智能驾驶的上半场：把“车开好”的军备竞赛

回顾过去5到8年的智能驾驶发展史，其实是一部各大厂商努力“把车开好”的血泪奋斗史。

无论是特斯拉激进的纯视觉路线，还是中国智驾方案坚守的激光雷达融合路线，实际上整个行业的共识高度统一：

一切围绕“感知—决策—控制”这根核心链条展开。在这一阶段，所有的技术投入都指向了显性的驾驶指标。感知算法在拼命提高对障碍物的识别率，试图看清每一个雪糕筒和每一只横穿马路的小狗；决策算法在不断优化变道和超车的逻辑，试图在繁忙的高架桥上像老司机一样见缝插针；控制算法则致力于让方向盘转得更顺滑，刹车更线性。

所以可以看到的是，过去很长一段时间，L2+辅助驾驶和NOA（导航辅助驾驶）成为了主战场。工程师们夜以继日地解决“Corner Case”（长尾场景）：如何识别侧翻的卡车？如何应对鬼探头？如何处理雨雪天气的传感器噪点？

概括来讲，这一阶段/时期的核心任务，是解决“车能不能在复杂环境下完成驾驶任务”的问题。这是一场关于“及格线”的战争，谁能处理的场景多，谁的接管率低，谁就是王者。

智能驾驶专家表示，在这种思考的逻辑中，车辆本质上还是一个

“被程序控制的机械工具”。

它的智能是局部的、功能性的，就像一个装了摄像头的扫地机器人，虽然能避障，但它并不理解“驾驶”的深层次含义，更不懂得如何配合主人的生活节奏。

一位长期从事自动驾驶系统研究的高校教授在接受行业媒体采访时曾直言：“当前很多高阶辅助驾驶系统，在技术上已经非常接近‘优秀司机’，但这并不意味着车辆已经具备真正的智能性。”

在其看来，现阶段多数方案依然停留在驾驶任务本身的最优解，而缺乏对整车状态、乘员体验以及跨域目标的统一理解。“从系统工程角度看，这更像是一个性能极强的子系统，而不是一个具备整体判断力的智能体。”

2）当“能开”逐渐成为底座能力，割裂感开始浮现

然而，随着行业头部厂商的能力逐渐逼近实用边界，行业开始出现一种“边际效应递减”的焦虑。

当一辆车已经能够在99%的路况下自己开得不错时，用户开始对那剩下的1%以及整体的乘坐体验提出了更高的要求。

此时，旧的分布式架构问题开始暴露，一种深层的“割裂感”开始困扰用户。

最典型的场景莫过于“晕车”。当智驾系统为了避让前方突然出现的障碍物而进行急刹车时，它只管下达“减速”指令。但此时，负责车身姿态的底盘系统（悬架、减震）对此一无所知，只能在车辆出现“点头”动作后，被动地进行物理阻尼调整。这就导致了即便智驾很安全，但乘客却感到晕车、不适。

这就好比两个系统在极限的撕扯中互相抱怨：

智驾系统觉得自己很冤：“我明明安全刹停了，怎么还说我不好”；底盘系统也很委屈：“你没提前告诉我，我怎么配合？”

针对当前高阶辅助驾驶中频繁被用户提及的“晕车”“不适感”等问题，多位底盘与车辆动力学领域的专家指出，其根本原因并不在于智驾技术的成熟与否，而在于决策层与执行层之间缺乏足够前瞻的协同。

一位曾参与多家主机厂智能底盘项目的技术负责人表示——

如果驾驶决策无法提前与悬架、制动、车身控制系统形成统一规划，即便算法本身再精准，车辆在动态响应上的“生硬感”也难以彻底消除。这类问题，本质上已经超出了单一驾驶系统能够独立解决的范畴。因为在传统的架构里，座舱域和智驾域是两个独立的王国，彼此之间只有极其有限的信号握手，不存在深度的意图共享。

这种割裂感的存在，意味着单纯堆砌智驾算法的深度，已经无法解决整车体验的瓶颈。讨论的焦点，开始从“单一功能的强弱”，转向了“系统组织的合理性”。

3）从“驾驶系统”到“整车智能”的分水岭

这正是当前技术路径出现分水岭的时刻。

一旦我们将优化的目标，从单一维度的“驾驶动作（转向、加减速）”，扩展到多维度的“整车状态（姿态、能耗、交互、安全、驾驶）”，技术问题的层级就发生了本质变化。

行业专家指出，面对这一变化，行业路径大概开始分化：

路径A：追求极致的“模范司机”。继续深挖驾驶任务，追求在驾驶技术上超越人类，通过极其强大的驾驶能力来掩盖系统间的割裂。这就像是雇佣了一个拥有F1赛车手技术的司机，虽然他不怎么和你说话，但他开得实在太好了，让用户挑不出来毛病。

路径B：统一的“智能生命”。尝试重构整车决策逻辑，试图打造一个统一的“大脑”，将智驾、座舱、底盘纳入同一个决策闭环，通过系统的整体协调来提升体验。这就像是培养了一个贴身的“大管家”，他不仅会开车，还懂得察言观色，能在你皱眉的一瞬间就把车开稳。

需要强调，其实这两条路径没有绝对的优劣之分，也没有绝对的对立之分，但它们指向了完全不同的未来形态。目前从行业来看，也有部分的企业在此之间进行探索。

不过，在行业技术的权威趋势报告看来，随着技术方案从功能堆叠走向统一架构、系统效率优化，自动驾驶技术正在跨越传统感知—控制链条，向更高阶整车智能化架构进化。

特斯拉Autopilot

此前某国内高级驾驶技术负责人也对寰球汽车表示，通过多模态融合与世界模型等技术推动“汽车智能体”进化，是当前产业发展的关键。

抛开理论的探讨，回到吉利此时此刻的全域AI多模态融合的现实技术路径，想要看清吉利的选择，必须先理清行业内另外一个智能驾驶代表企业华为对这一问题的思考。

参照系：将“驾驶智能”推向工程极限的华为

聚焦国内市场，在高阶智能驾驶领域，华为是领军企业之一，代表了“专业化分工”与“极致工程化”的巅峰。

理解华为的技术逻辑，可能是理解吉利G-ASD的最佳参照系。

来自华为乾崑ADS 4.0发布会

若要提炼华为高阶智驾体系的精髓，其核心指向十分明确：将驾驶任务进行极致的工程化拆解。

华为 ADS 的演进史，实则是一部贯彻‘工程师实用主义’的进化史。

从ADS 1.0到4.0，其战略定力从未动摇——死磕中国复杂的真实路况，攻克每一个长尾难题。正是这种对工程边界的极致探索，构成了华为智驾在用户端实现“全场景覆盖”与“高鲁棒性”的底层逻辑。在面对红绿灯倒计时、外卖小哥逆行、无保护左转等高难度博弈场景时，致力于让“驾驶自动化”这件事在现实物理世界中尽可能地可靠。

根据行业公开信息显示，华为最新的ADS 4.0架构采用了WEWA（World Engine + World Action Model）架构。

不过需要注意的是，虽然也提到了World Action Model（世界行为模型），但其核心应用场景被极其聚焦地定义在“驾驶”本身。华为利用云端的World Engine（世界引擎）生成各种极端场景（如鬼探头、前车急刹）来训练AI，再用车端的模型来执行。这是一种典型的“刷题战术”——通过在模拟题库里做海量的难题，来提升AI司机在现实考试中的通过率。

这一技术策略的本质上，还是为了提升极致的驾驶能力。

所以在华为的技术架构中，智驾系统（ADS）拥有极高的独立性和权威性。这导致了行为决策中心是高度聚焦的。

ADS系统的决策目标高度锚定于“如何开得安全、顺畅、高效”。它会调用激光雷达、摄像头等一切感知资源来服务于“驾驶”这一个核心任务。虽然华为也有强大的鸿蒙座舱（HarmonySpace），但在底层的决策逻辑上，座舱系统更像是一个服务员，它负责展示智驾的信息，负责娱乐，但在关键的动态决策上，它不干预智驾的逻辑。

这种架构的好处是显而易见的：

智驾系统的边界清晰，安全性更容易验证，且不受其他系统故障的干扰。对于追求“把车开好”这一目标来说，这是最高效的解法。

当然，华为并非没有做跨域协同。华为推出的“途灵底盘”以及iTRACK动态扭矩控制系统。这些系统确实实现了智驾与底盘的联动。

不过，根据目前的技术架构方案，这种协同更多是“单向服务”。

比如，智驾系统预判到了前方有减速带，它会提前通知底盘系统“准备干活”。底盘系统接收到信号后，调整悬架软硬。这是一种“增强式”的协同——底盘的存在是为了让智驾开得更稳，是为了服务于“驾驶”这个核心目标，而非改变决策的主体对象。底盘系统本身并不具备对整车行为的最高定义权，它依然是执行机构的智能化延伸。

从技术逻辑上来看，这种“模块化最强”的打法，使得华为可以迅速赋能不同的车企（问界、智界、享界等），只要装上华为的ADS单元和鸿蒙座舱单元，就能立刻获得顶级的体验。

但这同时也划定了一个隐形的边界：在华为目前的架构叙事中，讨论的重点依然被严格限定在“驾驶系统”的范畴内。它是在造一个完美的“驾驶员”和一个完美的“座舱”，并将它们塞进车里。这种物理上的组合固然强大，但在系统生物学的层面上，它依然是离散的。尤其是在未来对AI强大赋能的利用畅想空间上，这样的离散逻辑显然是不科学的。

我们假设认为，华为是在攀登“驾驶技术”的珠峰，那么吉利此次G-ASD的发布，则是在尝试绘制一张全新的“系统地图”。

重构下一代智驾底层逻辑

如果说华为代表了“专业分工”的极致，那么吉利全域 AI 2.0 以及G-ASD的核心，则在于“统一”。

在吉利这次CES的技术发布中，我们看到了一个非常关键的转折点：

决策层级的上移。

吉利认为，全域AI 1.0时代（也就是现在的大多数车），智驾、座舱、底盘是“各管各的”，数据不通、模型割裂，这种结构导致了跨域融合的困难。

而全域AI 2.0的核心使命，是构建一个统一的“整车大脑”，实现智驾域、座舱域、底盘域、动力域等跨越的感知、数据、信息共享。

需要指出的是，这里的整车大脑，并非指单一模型对所有执行链路的直接控制，而是指在更高层级实现统一意图理解与跨域决策约束的系统框架。

要实现这一构想，离不开一个强大的“数字大脑”——

WAM（世界模型）。

当然在更广泛的人工智能研究领域，“世界模型（World Model）”与“行为模型（Action Model）”早已不是新概念。

清华大学自动化系教授、人工智能领域专家张钹曾指出：

真正高级的智能系统，必须具备对环境的整体建模能力，并能够在模型中进行行为预演和价值评估，而非仅依赖规则或即时反应。

将这一思路映射到智能汽车领域，意味着系统需要理解的不再只是“下一步怎么操作”，而是“当前这一系列行为，将把整车带向怎样的状态”。

这也被业内视为自动驾驶迈向更高阶智能体形态的重要技术前提。

1）解剖 WAM：一个模拟生物神经的“数字大脑”

吉利WAM（World Action Model，世界行为模型），并非一个空洞的概念，仔细拆解其技术架构，我们会发现吉利几乎是在用 AI 复刻生物的神经反射机制。

根据吉利发布的技术文档，WAM 的内核由四个关键角色协同构成，形成了一个完整的闭环：

• 决策大脑（MLLM 多模态模型）：这是系统的“额叶”。它像一位经验丰富的“老教练”，能看懂复杂的路况和舱内情景。当用户下达一个模糊指令，比如“送我回家”或“我累了”，它能将这个宏观意图分解成一系列具体的子任务（如：规划路线、调整座椅、改变驾驶风格）。
• 执行小脑（Action Expert 动作专家）：这是系统的“运动神经”。它利用前沿的流匹配技术，负责将大脑的意图，瞬间转化为方向盘转角、油门开度、悬架阻尼乃至座舱氛围灯的具体动作序列。请注意，这里的动作不再局限于驾驶，而是涵盖了底盘和座舱。
• 预测模拟器（World Model 世界模型）：这是系统的“想象力中心”。它能在毫秒间对上述动作序列进行物理推演，提前“想象”不同选择会带来的未来状态。比如，过一个减速带，它会推演“快速通过”和“慢速通过”两种情况下，车身姿态和乘客舒适度的不同后果。
• 体验评价官（Value Function 价值函数）：这是系统的“价值观”。基于人类驾驶数据（Human-in-the-loop），它对推演出的各种未来进行安全、舒适、高效的综合打分，选择那个最优解，完成端到端的自我修正。

这套机制的革命性在于：汽车的决策对象不再仅仅是“怎么开”，而是“整辆车该如何行动”。它让车辆对于距离、速度、物体行为、社会常识的理解保持一致，相当于赋予汽车统一的“世界观”和“常识库” 。

2）智能体化：Eva 不再只是语音助手

基于WAM模型，这一次吉利提出了一个极具生物学色彩的架构——“1+2+N”全域多智能体协同框架。

在这个框架中，Eva（吉利的智能形象）的角色发生了质变。它不再只是一个负责切歌、调空调的语音助手，而是升级为——

“整车级超级智能体”和跨域资源调度总指挥。

最直观的改变体现在“托管感”上。

吉利描绘了这样一个场景：“未来，你可以将‘帮我充电’、‘接上朋友’等完整任务直接托付给 Eva” 。

在传统的架构中，这需要用户分步操作：先在座舱侧发起查询与导航（例如获取朋友位置并生成目的地），再把目的地交给智驾系统执行驾驶任务。

但在吉利全域AI 2.0中，Eva接收用户意图后，会在系统层面完成任务拆解与跨域资源调度：

明确“去哪接、以什么策略开、如何兼顾舒适与效率”，并将驾驶执行交由G-ASD，车辆姿态与舒适性由底盘域协同配合，能耗与补能相关任务由能源域联动完成。

Eva不再只是“传话筒”，而更像是整车意图层的调度中枢。

例如用户说“我累了”，Eva可以联动座舱的灯光、音乐与座椅设置，同时把“更平稳、更少变道、更柔和加减速”的偏好传递给智驾策略，使整车的行为表现更一致、更符合乘员状态。

这种“舱驾协同”的深度融合，使得智驾不再是唯一的、高冷的决策者，而是成为了Eva随时调用的核心能力库。

吉利的“暴力美学”与“安全护城河”

有了统一的大脑，还需要强壮的肢体。

这建立在吉利对智驾硬件堆料上的“暴力美学”以及在数据资产上的深厚底蕴之上。

需要强调一点，G-ASD 并非吉利的独角戏，而是吉利与千里智驾（Afari）联合研发的结晶。

千里科技是吉利在过去两年智驾、AI相关布局上投入最为前瞻的业务实体之一。

在此次发布中，吉利与战略合作伙伴千里智驾共同抛出了一个极具颠覆性的技术度量衡——

“含模量”。

在过去的智驾竞争中，行业习惯用“算力（TOPS）”或“代码行数”来衡量系统的强弱。但吉利指出，随着AI进入大模型时代，“含模量”才是决定智驾上限的关键指标。

所谓“含模量”，是指AI模型在整个智驾系统中的覆盖广度与深度。

在“低含模量”的传统系统中，工程师需要编写数十万行规则代码（Rule-based）来告诉车子“看见红灯停、看见绿灯行”。这种方式不仅笨重，而且永远无法穷尽现实世界中千奇百怪的“长尾场景”（Corner Case）。

而在G-ASD这种“超高含模量”的系统中，吉利利用Scaling Law（尺度定律）的效应，通过Smart AI Agent架构将模型范式全面升级。系统融合了 VLM（视觉语言模型）、VLA（视觉语言动作模型）以及世界模型等前沿范式，用端到端的神经网络大规模替代了人工规则。

这意味着，G-ASD 不再是一个只会死记硬背交规的“做题家”，而是一个具备通用认知能力的“观察者”。它能通过视觉语言模型“看懂”复杂的施工路牌，通过世界模型“脑补”出被遮挡的行人。“含模量”越高，意味着规则写得越少，系统的泛化能力越强，面对未知场景的应变能力也就越接近人类直觉。

当然，更加接近人类直觉还应该有底层的逻辑作支撑。

吉利在G-ASD的旗舰方案（H9）上选择了目前市面上最昂贵的“军火”。

根据披露的信息，G-ASD H9方案配备了两颗NVIDIA Thor芯片，车端算力高达1400 TOPS。

作为对比，目前主流的高阶智驾芯片算力通常在200-500TOPS之间。此外，该方案还标配了5颗激光雷达，实现了3重360度感知覆盖。

由此看出其实吉利的逻辑很直接：

既然要跑通一个囊括智驾、座舱、底盘的庞大“世界模型”，既然要做实时推演，那就必须要有最强的算力。

这种“算力冗余”的打法，虽然成本高昂，但也为 L3 乃至 L4 级别的演进留足了空间。

因此，吉利计划在今年（2026年）法规允许下，推送高速L3和低速L4功能，并实现Robotaxi运营。

如果说算力可以用钱买到，那么数据，尤其是高质量的失效数据（Failure Data），则是吉利手中最独特的王牌。

在端到端大模型时代，AI的上限取决于数据的质量。大家都有海量的正常驾驶数据，但AI最难学的是“怎么处理事故”。

吉利反复强调，其WAM模型的数据来源中，融合了沃尔沃55年来持续收集和分析的超5万起真实交通事故数据、涵盖8万多名相关人员。

坦率来说，这是一笔难以复制的资产。吉利将其称为“行业第一的安全事故数据集” 。

通过将这些带有血泪教训的真实事故数据喂给WAM模型，AI能够学习到真正的物理边界和安全底线。

这使得吉利的智驾系统在性格上可能与激进的“方案”不同。它不仅通过仿真学习（AI 训练 AI），更通过真实事故学习（历史训练未来）。

“安全基因”的注入，让 G-ASD 在面对极端工况时，不仅有计算的理性，更有一种近乎本能的“避险直觉” 。

而这些成果，也来自于早前发布的吉利全域安全2.0体系。

智驾战争的下半场或将打响

至此，我们可以清晰地看到由吉利率领的另外一条不同于华为的2026年智能驾驶产业技术路径：

华为，作为“技术特种兵”，正在将“驾驶”这件事做到工程学的极致。它像一位绝世剑客，追求快、准、稳，致力于成为所有车企最好的“外挂大脑”。

吉利，作为“整车架构师”，正在尝试构建一个“生命体”。

它利用WAM模型打破了系统的物理边界，用Eva串联起感知与执行，试图打造一个有统一意志的“汽车机器人”。

吉利G-ASD及全域AI 2.0的发布，其意义不在于吉利是否在某一个弯道的通过速度上超越了友商，而在于它提供了一种系统级的解题思路，并向行业抛出了一个问题：

未来的汽车，究竟应该是一个“装了超级驾驶的冰箱彩电大沙发”，还是一个“会移动的智能生命体”？

吉利并未宣称已经完美实现了后者，但或许我们已经可以从吉利的技术发布中，窥探到了这一构想。

在多家国际咨询机构的研究中，智能驾驶被反复强调为一项“长期系统工程”，其竞争焦点将从单一功能领先，逐步转向平台级与架构级能力。

麦肯锡在相关报告中指出：

随着自动驾驶技术复杂度不断提高，整车系统的统一设计能力，将直接影响技术演进的上限。

这也意味着，不同企业在这一阶段所做出的架构选择，可能并不会立刻体现在接管率或某一次测试成绩上，却会在更长周期内，深刻影响其向更高阶智能演进的空间。

在此次的CES上，吉利仍然给出了一个较为清晰的时刻表：

G-ASD该系统首版本已搭载于极氪、领克两大品牌旗下共16款车型，覆盖车辆超30万辆，并计划在未来逐步在吉利汽车旗下更多车型上搭载。

不可否认的是，吉利的路径重构，拓展了我们对“汽车智能”的定义边界。

当汽车开始拥有统一的“世界观”，当它能感知你的疲惫并主动接管驾驶，当它能像管家一样处理充电琐事时，“汽车智能机器人”这个曾经虚无缥缈的概念，终于在现实产品逻辑上，向前迈出了坚实的一步。

在通往未来“汽车智能机器人”的旷野上，吉利正在以不同于华为的方式，定义着中国汽车工业的智能高度。