千里浩瀚G-ASD，凭什么定义“高含模量”智能驾驶？
随着智能汽车竞争的深入，行业共识逐渐清晰：决定未来高度的，不是硬件参数的简单罗列，而是软件与AI的深度。在2026CES上，吉利发布的千里浩瀚G-ASD，其核心宣传点之一便是“超高含模量”。这个词或许对普通消费者有些陌生，但它恰恰可能成为未来评判一套智能驾驶系统是否“聪明”的关键标尺。
何为“含模量”？通俗来说，它可以理解为智能驾驶系统中，由AI模型进行决策的占比。含模量越高，意味着系统更多地依赖于深度学习模型对复杂场景的理解和反应，而非工程师预先编写的大量“如果-那么”规则。前者更灵活、更拟人，具备持续进化的潜力；后者则相对僵化，难以应对层出不穷的“长尾”场景。千里浩瀚G-ASD，正是吉利朝着高含模量路线迈出的坚定一步。
这份坚定的底气，首先来自其独特的架构。G-ASD完整应用了吉利最新发布的WAM世界行为模型。这个模型可以看作是一个统一的“整车大脑”，旨在打通智驾、座舱、底盘等不同域之间的数据与感知壁垒。WAM模型的技术内核由多模态大模型、动作专家、世界模型和价值函数协同构成，形成了一个从环境感知、任务规划、动作生成到效果评估与修正的完整智能闭环。这相当于为汽车赋予了初步的“世界观”和“判断力”，使其从执行固定指令的工具，开始向能进行自主决策的伙伴进化。
为了支撑如此复杂的模型运行，吉利的投入是巨大的。在云端，基于星睿智算中心2.0高达23.5 EFLOPS的综合算力，吉利训练出了参数规模达千亿级的智驾基座大模型。同时，通过世界模型的生成式能力，可以合成海量高价值、高难度的场景数据，针对性解决现实世界中罕见“角落案例”数据不足的难题，加速模型进化。
在车端，通过知识蒸馏技术，云端大模型的能力得以保留在车载的多模态视觉-语言大模型中，其参数也达到近百亿级别。这使得系统不仅能看到障碍物，更能尝试看懂交通标志的含义，甚至理解周边交通参与者的可能意图，从而做出更拟人、更安全的决策。
高含模量的道路，离不开海量高质量数据的喂养。吉利在此领域的积累构成了另一道护城河：累计850万辆搭载辅助驾驶的车辆、百亿公里的实际智驾里程、2500万段用于模型训练的视频片段，以及宝贵的百万级车辆事故安全数据集。这些真实世界的数据，是任何仿真都无法完全替代的财富。
由此可见，千里浩瀚G-ASD所追求的“高含模量”，是一个系统工程。它不仅仅是采用了更大的模型参数，更是从架构设计、数据生态、算力基础到工程化落地的一整套技术路线的选择。这条路径意味着更高的研发门槛和更持续的投入，但也预示着系统更强大的泛化能力和进化上限。在智能驾驶这场马拉松中，吉利通过G-ASD，表明了自己选择了一条看似更艰难、但可能更接近终点的道路。