超越特斯拉FSD雄心背后，千里智駕要開啟“含模量”無限戰爭

過去幾年，大模型推動了多個產業的能力躍遷，智能駕駛是其中變化最為劇烈的一個。

如果說早期智駕競爭更多集中在傳感器配置、規則工程與算力堆疊，那么隨著大模型進入車端，行業的核心變量正在發生轉移——模型能力本身，正在成為決定智駕上限的關鍵因素。

大模型驅動意味著：模型越大、算力越強、學習數據越多，系統的泛化能力與決策質量就越接近人類經驗。大模型的Scaling Law 似乎在智駕領域顯現出同等效用。

但一個長期懸而未決的問題始終存在：

智駕系統“更智能”到底該如何衡量？

行業此前缺乏統一、有效的評價尺度。end to end 的概念最早來自大模型，在智駕上還衍生出一段式、多段式的端到端，VLA、VLM、World Model 不同技術路線和模型架構誰優誰劣，芯片算力、模型參數量、特定功能這些指標，其實難以真正反映系統的智能化程度。

如今，這一問題正在被重新定義。

在日前舉行的2026 年國際消費類電子展（CES 2026）上，千里智駕與吉利共同宣布，面向全球市場發布全新輔助駕駛品牌——千里浩瀚G-ASD（Geely Afari Smart Driving，千里浩瀚）。

其中，“G”代表吉利，“ASD”代表千里智駕。G-ASD 是雙方聯合研發的高含模量智能輔助駕駛解決方案，覆蓋從 L2 到 L4 的完整能力區間。

相比品牌發布本身，更值得關注的是，千里智駕在此次發布中提出了一個新的判斷框架：

以“含模量”，作為衡量智能駕駛系統智能化水平的核心指標。

在千里智駕看來，含模量越高，意味著智駕系統全鏈路中由AI 模型承擔的決策與控制比例越大，智能能力的上限也隨之抬升。智駕提升含模量需要極其扎實的技術底座，以及前瞻的模型路線選擇，再通過持續的數據驅動與仿真測試進化。

不斷提升系統含模量，才是智駕能力從“接近人類”走向“超越人類”的關鍵路徑。這個過程中，大量回傳數據的篩選、抽象，超大規模且以指數極增長的真實車端場景數據，如何進行關鍵Token壓縮，以及構建世界模型進行物理仿真的推演和驗證，都是門檻極高。

G-ASD這一高含模量智能輔助駕駛方案，不僅標志著千里智駕完成了一次明確的技術卡位，也為智能駕駛行業提供了一種新的理解和評估坐標。

當智能輔助駕駛開始像“老司機”一樣決策

含模量，是千里科技CTO 楊沐對自動駕駛技術演進給出的一個核心判斷。

如果把AI 的發展拉長來看，這是一條從感知，到認知，再到行動與推理逐步融合的路線。

在ResNet 之前，深層網絡難以穩定訓練，視覺系統更多停留在特征提取層面；ResNet 出現后，深度模型得以規模化訓練，視覺對象開始被更穩定地映射為語義信息，為復雜場景理解提供基礎。

隨后，Transformer 架構與以 AlphaGo 為代表的強化學習路徑結合，模型不再只“看懂世界”，而是開始在行為空間中進行博弈和決策，第一次真正跨出了感知的邊界。

到了ChatGPT 之后，人類知識以語義形式被系統性地映射進模型特征空間，推理能力與行為模式學習顯著增強，模型具備了更完整的“理解—推導—行動”能力。

回到智能輔助駕駛的邏輯里，“含模量”并不是一個抽象口號，而是一種工程化判斷：

在一個復雜系統中，讓模型覆蓋更多行為與子系統，讓盡可能多的決策邏輯進入同一套數據驅動范式。

含模量越高，系統可學習、可演化的空間就越大；只要數據驅動能夠持續推進，系統能力的理論上限就會不斷抬升，最終體現出對人類駕駛的系統性超越。

這一邏輯與特斯拉的FSD類似。通過不斷削減人為規則，把感知、預測、規劃、控制壓縮進更少、更統一的模型中，通過數據規模來拉高系統上限。

在工程實現上，千里智駕采用的是全軌跡端到端訓練范式，即從多傳感器輸入，到最終車輛控制輸出，全部在一套統一模型框架中完成訓練與推理。

相較于傳統分段式架構，這一步解決的并不是單點性能，而是感知、預測、規劃、控制之間長期存在的割裂問題，也是含模量提升最關鍵的一環。

而端到端能夠跑通，前提并不只是模型結構的變化，而是數據供給與迭代效率的根本性變化。

在過去，智能輔助駕駛高度依賴人工標注，效率低、成本高，且難以支撐高頻迭代。針對這一行業瓶頸，千里智駕構建了自動標注與數據閉環體系，實現了從“人工驅動”向“模型驅動”的轉型。

截至目前，該體系已積累包括國賓級司機軌跡數據、超過2500萬條高價值視頻 clips、百萬級事故數據集、百億公里級行駛數據，并形成覆蓋全生命周期的數據閉環。

這意味著，系統能夠持續生成已標注的高質量訓練數據，逐步擺脫對人工標注和機械化采集的依賴，從根本上解決模型訓練中最難的“第一步”。

除了高質量數據外，如何迭代也是另一個關鍵問題。

原因很簡單，智能輔助駕駛并非單純的軟件問題，模型最終控制的是物理世界中的車輛，過去對模型的驗證高度依賴上車調試，周期長、成本高，也限制了迭代速度。

為此，千里智駕在仿真與世界模型上進行了大量布局，讓模型能夠在虛擬環境中完成驗證與驗收，推動更高頻的訓練和演進。在部分難以真實采集的場景中，還可以通過模型生成進行案例構造，大幅降低數據獲取成本。

例如，碰撞類數據在真實道路中極難獲取，但在仿真環境里，可以主動構造對抗場景。在車輛正常行駛過程中，修改旁車軌跡，使其快速切入本車前方，生成高風險樣本，再結合強化學習進行訓練，用以提升模型對危險博弈行為的抑制能力。

這類訓練在安全兜底層面能帶來即時收益，同時也隨著持續迭代不斷強化系統整體能力。構建世界模型進行仿真訓練和模型驗證，需要很強的技術底蘊，車企和智駕都很少有千里團隊“大模型原生的技術品味”，一般也只有專注于基礎模型公司才具備這樣的前沿跟蹤能力。

從最終效果看，高含模量的千里智駕ASD，讓車輛的駕駛行為更接近經驗豐富的“老司機”，更絲滑更安全。

在全場景防御性NOA 中，面對盲區、施工路段、臨停車輛，系統并非機械剎停，而是提前控速、預判變道，呈現出更符合人類駕駛直覺的處理方式。

同時，其還能深度模擬人類司機的判斷邏輯和操控方式，顯著減少傳統智駕中常見的急剎與頓挫，在復雜路況下也能更從容地繞障、變道。

歸根結底，提升“含模量”的本質，是把原本由人類規則維系的駕駛邏輯，徹底交付給AI驅動的統一范式。

這種交付，換來的是系統上限的不斷抬升。當AI 開始在物理世界中學會像人一樣博弈與思考，千里智駕跨越的不僅僅是技術架構的鴻溝，更是從“輔助駕駛”走向“智慧生命體”的關鍵一步。

走出“吉利樣板”，邁向全球智駕開放平臺

如果只看技術參數，千里浩瀚G-ASD是一次含模量顯著抬升的系統升級。

但如果放在產業坐標里，它更像是千里智駕角色的一次轉向——從單一車企的“深度定制伙伴”，走向面向行業的通用智能駕駛平臺。

此次CES 2026上發布的千里浩瀚G-ASD，本質上是一套由吉利全棧自研軟硬件體系承載、由千里智駕提供核心 AI 能力的高含模量輔助駕駛方案。

G 代表吉利，ASD 則是千里智駕對外統一的高階智能駕駛方案品牌。

這一命名背后，其實隱含著一條清晰的分層邏輯。

其中，千里浩瀚G-ASD，是千里智駕交付給吉利的“定制精裝版”：軟硬件強耦合、與吉利車型架構深度綁定，是在單一集團體系內，把含模量與工程化做到極致的樣本。

而ASD 本身，則是千里智駕面向全行業的通用智能駕駛底座。

這意味著，其定位將不止是供應商，而是更接近“原生安卓”的角色，通過整合技術、研發及產業資源，為海內外車企提供L2+至L4全棧端到端方案的開放平臺。

為什么千里智駕能夠實現這樣的角色轉變？

第一，過硬的技術能力。千里智駕選擇從吉利這樣一個多品牌、多架構、工程標準極高的體系里起步，本身就是一種壓力測試。如果一套系統能夠在這樣復雜的組織和產品矩陣中跑通，并且持續OTA迭代，才有資格談“通用性”。

截至目前，G-ASD的OTA已在極氪、領克兩大品牌的16款車型上落地，覆蓋車輛超過30萬輛，。今年預期能達到100萬，在國內Tier 1 智駕企業中非常突出，讓 G-ASD 躋身高階智駕量產方案的“第一梯隊”。如此大的落地規模，足以證明千里智駕ASD的技術實力。

第二，通過與吉利的深度合作，千里智駕打造了與車企深度協同的規模化模板。

吉利龐大的車隊規模為千里智駕提供了海量數據（10W clips/day），反哺算法迭代；算法的進步又反過來提升吉利車型的競爭力。

這形成了一種典型的正反饋閉環：車輛規模擴張，帶來了更多數據，推動模型進步；模型進步，反哺智駕體驗進一步優化，推動車輛規模繼續放大。

在OEM拓展方面，目前奔馳也成為千里的第五大股東，雙方建立的戰略性項目正在推進中，吉利做成“樣板間也將應用在奔馳之上。預計在2026年，除吉利和奔馳之外，千里預計還有大概兩家戰略性客戶，繼續形成深度協同的規模化“朋友圈”。

在此基礎上，千里智駕的生態邊界也開始進一步外延。2025年12月3日，千里智駕宣布與吉利集團旗下出行平臺曹操出行達成合作，推進 Robotaxi的商業化落地。

此次合作的意義顯而易見，主要體現在兩個方面：

首先，是高質量、可持續的真實駕駛數據。曹操出行擁有500萬司機，每天行駛里程超3000萬公里，這些真實路況下的實時數據，能持續反哺千里智駕團隊，優化算法模型。

其次，是天然貼近自動駕駛商業化的應用場景。網約車本身就是對安全性、穩定性和運營效率要求最高的出行形態之一，也被業內視為Robotaxi 最現實的落地土壤。

此前，曹操出行已明確提出Robotaxi 戰略，并與吉利聯合推出楓葉 80V、曹操 60 等定制車型。在這一過程中，智駕能力將決定商業模型是否成立的關鍵變量。

在這一框架下，千里智駕的技術能力獲得了更廣闊、也更具實際約束力的應用空間，其技術迭代與商業落地之間的距離，正在被進一步縮短。

展望未來，智駕競爭的核心是，誰能把真實世界的數據持續納入模型閉環，誰才有機會把技術優勢轉化為長期優勢。

G-ASD的意義，也正在于此。它不只是一次產品發布，更是千里智駕從單點交付，邁向平臺化、規模化、生態化的關鍵一步。

文/林白

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。