当友商还在卷城市NOA开城数量、比拼智驾“开城榜单”时，吉利却抛出了“世界行为模型”和“AI越野架构”这些听起来更科幻的概念。2026年上半年，吉利研发投入达90.6亿元，同比提升8%，持续攀高的研发开支到底换来了什么硬核技术？在行业整体承压的背景下，这家连续六年保持营收正增长的车企，正在用一套截然不同的技术逻辑，重新定义智能驾驶的竞争维度。
WAM世界行为模型：从“记住规则”到“理解意图”
传统智能驾驶系统的核心困境在于：规则模型难以应对复杂长尾场景。路上突然窜出的行人、施工区域临时改道的车辆、无划线乡村道路上的会车博弈——这些场景在预设规则库里几乎不可能穷举。
吉利WAM（World Action Model）世界行为模型试图解决的核心痛点，正是这种对物理世界动态行为的理解缺失。通俗来说，这套模型像一位“老司机”一样，不仅看到前方有车，还能预判这辆车可能变道、可能减速、可能因避让障碍物而偏移轨迹。它不再靠预设规则来“猜”，而是基于对环境的主动建模与预测来做决策。
与华为ADS强调“全栈自研+黑盒方案”、小鹏XNGP注重“数据驱动快速迭代”的技术路线相比，吉利WAM更接近端到端加强化学习的技术路径，而非单纯依赖感知-决策-执行的管道式处理。这套模型不仅理解道路，更理解道路上每一个参与者的行为逻辑。
千里浩瀚G-ASD升级：从“描红式跟随”到“轨迹自由生成”
传统辅助驾驶更像是在沿着既有道路和既定轨迹行驶——车道线在哪里，车辆就跟着走；前车怎么动，车辆就跟随调整。这种“描红式”的驾驶方式在标准场景下尚可，但一旦进入窄路绕行、多把掉头、无划线道路等复杂场景，就会出现动作生硬、频频顿挫的体验问题。
吉利千里浩瀚G-ASD 4.0的升级，核心在于推出了横纵一体控车模型，实现100%一体化轨迹自由生成，轨迹模态覆盖率超95%，控车自由度提升200%，操作精度可达厘米级。系统搭载1960亿总参数的阶跃Step3.5大模型，配合WAM 2.0架构，具备更强的场景理解与跨域协同能力。这意味着车辆不再被动沿着一条路走，而是可以根据当前空间、障碍、车身姿态和通行目标，自主生成更合适的行驶轨迹。
窄路绕行场景最能体现这套系统的价值。面对占道障碍物，车辆需要判断障碍位置、旁侧空间、车身宽度、速度变化和回正时机。G-ASD 4.0可以基于世界模型能力提前识别并发起绕行，在允许空间内丝滑通过。多把掉头场景中，系统能够自主判断，实现类人多点借位掉头，成功率达到95%。
AI越野架构：吉利独有的差异化护城河
城市NOA的赛道已经拥挤，但非结构化路面的智能驾驶则是另一片蓝海。吉利银河战舰700搭载的AI越野架构，正是针对这一场景的独特布局。
越野场景中，路面识别、底盘自适应、脱困策略等难题，传统算法几乎无法解决。银河战舰700搭载的AI智能四驱系统可实现前驱、后驱、四驱模式的自动切换，集成蟹行模式、原地掉头、爆胎行驶及障碍物连续自动避让等功能。这套系统配备三电机四驱技术，系统综合功率830kW，搭配100%锁止的电控机械差速锁，沙地陷车可瞬间锁止。智能攀爬模式开启后，悬架升至最高，提供低速稳定性。AI全地形智能模式可根据地形自动调整动力输出与底盘设定，让越野车像“智能生物”一样感知地形、预判风险。
与城市NOA的本质区别在于，AI越野架构专为非结构化路面设计，融合物理模型与AI决策，是吉利独有的差异化优势。当其他品牌还在卷城市领航的开城数量时，吉利已经将触角延伸到了沙漠、戈壁和山地。
技术之外，吉利更大的底牌在于其“车-星-芯-云”的生态闭环。
卫星布局：解决智驾“信号盲区”
吉利旗下时空道宇自主建设运营的低轨卫星星座，截至2025年9月已在轨卫星达52颗，一期组网部署即将完成。在南北纬60°区域内可实现1至2重卫星通信实时覆盖，系统具备每天3.4亿次通信能力，可支持全球2000万用户。这套系统不仅解决了智能驾驶中高精定位的“信号盲区”问题，更实现了实时地图更新与应急通信能力。与华为、小鹏依赖外部高精地图或第三方通信的方案相比，吉利的“天地一体化”形成了闭环优势。
芯片自研：软硬一体的成本控制
吉利自研的龙鹰一号7nm车规级芯片已大规模量产装车，在银河星耀6、星耀7等车型上实现了从座舱到智驾的全栈覆盖。自研芯片降低了对Mobileye、英伟达等外部供应商的依赖，实现了软硬一体的深度优化。与华为昇腾芯片的路径不同，吉利更强调芯片与旗下多品牌车型的适配性以及成本控制，这在规模化量产后将成为显著的竞争优势。
AI大模型与机器人：技术反哺的协同效应
吉利自研的星睿AI大模型已与DeepSeek完成深度融合，能够在车端与云端协同实现语音交互、场景理解、个性化服务的统一。此外，吉利计划设立2030实验室，重点布局声学、光学、全域安全、功率半导体、数字底盘、具身智能、大模型及智能体等前沿领域。机器人技术积累——行走、抓取、交互——可反哺汽车智能驾驶的感知决策与运动控制，形成跨领域的技术协同。
极氪、领克、吉利等品牌共用技术栈，摊薄了研发成本，加速了迭代节奏。上半年极氪品牌总销量超17.8万辆，占总销量12.5%，营收占比却达31.7%，高端化效应显著。领克品牌上半年销量超14.4万辆，吉利银河销量近52万辆，跻身全球新能源前三。多品牌协同下的技术复用，正在形成其他车企难以短期复制的生态壁垒。
技术蓝图足够宏大，但从实验室到量产，挑战同样不容忽视。
技术稳定性是第一道坎。 WAM模型等前沿技术需要在海量真实路测中验证可靠性。吉利的测试体系横跨4至9月，范围覆盖全球100多个国家，每年投入近1万台测试车辆进行耐久测试，年度累计测试里程超1亿公里。即便如此，如何解决仿真环境与真实世界之间的“语义鸿沟”，仍是行业共同面对的难题。
用户体验验证是第二道坎。 不同品牌——极氪偏运动、领克偏豪华——的调校差异，如何确保AI系统在不同车型上有一致且优化的体验？用户对“全域智能”的接受度也需要时间检验。越野架构等小众功能是否值得买单，取决于用户能否在实际场景中感知到价值。
成本与效率是第三道坎。 自研高投入——卫星、芯片、大模型——如何平衡单车成本？上半年吉利资金储备达695.6亿元，居于历史高位，但自研的“重资产”模式需要规模化后才能摊薄。技术迭代速度能否跟上华为、小鹏等竞品，避免“起大早赶晚集”，将决定这套技术蓝图能否真正落地。
与华为“黑盒方案”的快速上车能力相比，吉利全栈自研的模式在速度上未必占优；与小鹏“数据驱动”的敏捷迭代相比，吉利“天地一体化”的生态协同则更具抗风险能力。两种路线孰优孰劣，最终要看谁能更快、更稳地将技术转化为用户可感知的体验。
在智能驾驶的竞争中，你更看好全栈自研的吉利，还是跨界合作的华为？来聊聊你的选择。
