芝能科技出品

NVIDIA GTC 2026 上，英伟达和吉利深度合作，很容易被理解成一次常规操作：车企提供场景，芯片公司提供算力，双方各取所需。

过去几年的“智能化”是在一台汽车上不断打补丁。语音助手是一个补丁，辅助驾驶是另一个补丁，可以同时存在，但彼此之间并不真正理解对方，车上有很多AI，但车本身，并不是一个AI系统。

吉利联合阶跃星辰、千里科技，推出基于WAM世界行为模型的超级智能体Eva，搭配千里浩瀚G-ASD 4.0智驾系统，实现座舱、智驾、数字生态三位一体。

01

从“打补丁”到“换大脑”：全域 AI 到底在全什么？

汽车行业对智能化的路径依赖很强：先搞座舱，再搞智驾。

结果导致现在的智能车更像是一个“器官捐献者拼接出来的怪兽”：视觉是视觉，听觉是听觉，彼此之间甚至不共用一套底层逻辑。

吉利提出“全域 AI 2.0”是对这种路径的倒戈，最核心的中枢，叫 WAM（World Action Model，世界行为模型）。很多人把它误解成那种只会对话的大语言模型，但 WAM 实际上更像是一个“整车操作系统的大脑”。

它分三层：

◎ 上层： 负责多模态理解，也就是听懂、看懂你的真实意图；

◎ 中层： 负责任务规划，决定怎么拆解这个意图；

◎ 下层： 直接下达指令给底盘、电控和执行器。

最关键的一点是，WAM 引入了“预演—判断—修正”的闭环。

传统的规则驱动系统是“死板执行”，前方有障碍物就刹车，而 WAM 是在执行动作之前，先在虚拟世界里疯狂“推演”几百遍。

它会预判如果我左转，侧方的车流会如何反应；如果我加速，后方的空位是否安全。

这种从“按章办事”到“先推演后执行”的跨越，就是自动化和智能的分水岭。

这套复杂的推演极其吃算力。英伟达给的不是几颗 Thor 芯片，而是一整套生产工具。

从 DRIVE Thor 的车端执行，到 Cosmos 平台的仿真训练，再到 NeMo 的模型优化，这其实是把自动驾驶那套“数据飞轮”，扩展到了整车的每一个神经末梢。

02

超级 Eva + G-ASD：当“想”和“动”不再是两家人

第一步是开始，那接下来的 超级 Eva 和 G-ASD 4.0（千里浩瀚） 才是真正落地的“舱驾融合”。很多人觉得“舱驾融合”就是把两块主板焊在一起，或者省掉一个盒子。

超级 Eva：它不是在聊天，它是在“指挥”

传统的语音助手是个翻译官，它把你的话变成文字，再变成指令发给系统。超级 Eva 走的是“原生多模态”的路子：

◎ 可聊性： 声音直接变成模型识别的 token，省掉了中间的转化层。这意味着延迟极低，它甚至能听出你的情绪和潜台词。

◎ 深规划： 你说一句“接完孩子顺便去买份麦当劳，赶在 5 点前到校”，Eva 的动作不是回个话，而是直接拆解成导航路径、自动寻找麦当劳、同步车辆剩余续航、并调整后续的行驶节奏。

◎ 强记忆： 通过长期记忆和关系图谱，它知道你接孩子的时间习惯，知道你对麦当劳的偏好。车开始具备“连续性认知”，而不是每次启动都像个初次见面的陌生人。

G-ASD 4.0：一个有“含模量”的执行引擎

如果 Eva 负责“想”，G-ASD 负责的就是“动”。这一代智驾最硬核的地方在于它的“高含模量”。

◎ 模型规模： 云端模型冲到了千亿级，车端模型也到了百亿级。这有什么用？它让车的驾驶行为更像人，而不是一个只会画直线的机器人。

◎ 数据厚度： 依托吉利全球 850 万辆车的底数，再加上沃尔沃几十年的事故数据库。这种基于真实物理世界的“负面案例”训练出来的模型，泛化能力远超那些只会在实验室跑 Demo 的公司。

◎ 硬件冗余： 双 Thor 芯片带来的 1400 TOPS 算力，配合 5 颗激光雷达，这不是为了堆参数，而是为了给 AI 的“推演”留够容错空间。

真正的突破点在于：超级 Eva 产生的意图，直接流入 G-ASD 的规划。 这不是两个系统的握手，而是一个整体的协调。用户的一个意图，直接带起一整条任务链的自动化执行，这才是舱驾融合的终局。

吉利正在尝试复制一套“AI 工业体系”，不仅仅是让车变聪明，而是让整个公司都变成一个 AI 组织。

这套体系分三层：

◎ 物理 AI（车端）： 也就是前面说的 WAM、Eva 和 G-ASD，解决车怎么“动”的问题。

◎ 企业 AI（云端）： 利用英伟达的 NeMo 和 AI Enterprise，解决公司怎么处理海量数据、怎么自动生成代码的问题。

◎ 工业 AI（制造）： 利用 Omniverse 数字孪生和 Vision AI，解决车怎么被更快、更完美地造出来。

这三层合在一起，形成了一个从设计到生产，再到用户反馈，最后回到设计端的完整闭环。

以往汽车研发，一个 CAE 仿真要跑几天。现在通过 AI 驱动的仿真，几分钟就能跑出结果。这意味着吉利的迭代速度不再受限于物理实验的周期，而是受限于算力和算法的迭代速度。

小结

汽车行业正在经历它的“iPhone 时刻”，回顾智能手机的发展，真正的转折点不是那块触控屏，而是当底层 SoC、操作系统和应用生态完全打通的那一刻。

现在的汽车也走到了这一步。过去十年，大家拼的是电动化，拼的是电池续航。但接下来十年，核心变量只有一个，就是 AI 系统能力。