在智能驾驶的讨论中，“含模量”正成为一个关键指标。这个词听起来有些技术化，但理解它，就能理解为何吉利的千里浩瀚G-ASD敢于宣称能提供“更类人”的体验。所谓“含模量”，简而言之，就是系统中AI模型驱动决策的占比。占比越高，意味着预设的规则条框越少，系统更像一个通过学习来掌握驾驶技能的“学徒”，而非仅仅执行命令的“机器”。
吉利千里浩瀚G-ASD，正是一款以高含模量为核心设计方向的解决方案。它的目标，是让车辆的决策逻辑无限接近人类的思维模式——具备理解、推理和预判能力。那么，这种“更像人”的特质，具体是如何被工程实现的呢？其核心在于一套独特的“双脑”架构。
这套架构在行业内首次将车端的VLA大模型与云端的世界模型置于同一框架下协同工作。你可以这样理解：车端的VLA模型，赋予了车辆“情景感知”与“常识推理”的能力。它不仅能识别物体是什么，更能结合环境信息理解“正在发生什么”。例如，通过感知半个车轮的细微动态，预判侧向车辆有冲出的风险，从而提前减速避让。这种基于理解的预判，正是人类驾驶者经验与直觉的体现。
而云端的世界模型，则像一个永不疲倦的“驾驶特训营”。它基于真实的物理规律构建虚拟世界，让G-ASD的“基座大模型”在其中进行海量的强化学习，通过AI训练AI，不断优化在无数极端、复杂场景下的应对策略。无论是罕见的交通事故形态，还是刁钻的泊车场景，系统都能在虚拟世界中先行演练，从而在实际道路上遇到时，做出更优、更安全的决策。
为了让这套“双脑”足够聪明，吉利为其提供了惊人的“养分”。云端基座大模型的参数达到千亿级别，车端VLA大模型的参数也达到百亿级别。更重要的是，它们背后还有阶跃星辰万亿通用参数大模型的加持。这意味着，G-ASD的AI不仅学习驾驶，还能理解更广泛的语义、图像和声音信息，从而能识别交警手势、理解复杂交通标识牌，甚至能辨识特种车辆的鸣笛声。
高含模量带来的“像人”体验，最终会体现在每一个驾驶细节中。根据实测数据，它让系统在视野受限路段的通过率提升了30%，决策速度加快了15%，选路准确率提高了50%。这些数字的背后，是系统更像一个“老司机”：在盲区前懂得提前收油，在复杂路口能快速选择最优路径，在拥堵车流中能进行流畅而安全的博弈。
因此，吉利千里浩瀚G-ASD所追求的“更像人”，并非一个模糊的营销概念。它是通过高达23.5 EFLOPS的云端算力去训练，依托百亿公里真实数据去验证，最终经由VLA与世界模型的“双脑”协同，将海量知识转化为行车、泊车、安全等全域场景下，那种更精准、更流畅、更具预判性的驾驶表现。这，正是高含模量智驾所指向的、可被真切感知的未来。
全部评论 （0）