给AI提一项要求，它能在几秒钟内生成数千字的文章，这就是被大模型改变的速度。
同样的改变，也正在智能驾驶领域发生。
极氪品牌继9X之后的第二款旗舰车型8X，提供千里浩瀚H7与H9两种硬件方案可选，其中本次测试车型为H7方案，并首搭G-ASD 4.0，背后支持的架构也升级为WAM 2.0。
WAM 2.0架构的特点之一，就是含模量高，包括VLA 、WM世界模型和专门优化智能体的阶跃 Step 3.5语言大模型。
众多大模型的协作，能带来怎样的体验？我们首测了极氪8X的千里浩瀚 G-ASD 4.0，通过完整的一镜到底跟大家分享。
含模量高能带来什么
云端的世界模型遵循物理逻辑，训练在各种预设条件下车辆的动线，它让极氪8X“见多识广”，比如系统会反复演练在单车道、内部路等各种狭窄场景中掉头，并加入来车、行人等随机干扰元素。
每一次训练都在预演完整的决策链条，包括判断对方意图、规划车身轨迹、验证可行性。
当实际碰到这种情况，在窄路中需要掉头时，极氪8X会先让行公交车，在旁边借道倒一把，再驶入主路。
有了经验，想要面对各不相同的场景都能实现“不迟疑”，车端VLA模型的端到端架构就派上了用场。
传统方案需要经过感知、规划、控制的分步传递，就像每个部门都得开一次会再向上出一份报告，中间传递的失误概率更高，效率也更低。
而VLA直接将感知到的场景映射为驾驶动作，整个决策过程更快。
当遇到锥桶摆出的新车道时，极氪8X没有犹豫，顺着锥桶指引平稳穿行，最终回归正常车道。
既能抗其它障碍物干扰，又能快速输出结果，所以即使在人车混流的窄路中，极氪8X也能左右变通。
在绕行两边障碍的同时，极氪8X还关注到了对向驶来的车，防御性停下，等对方跟在其他车后让行了空间，极氪8X就立马起步，顺利通行。
在辅助驾驶的状态中，车机屏幕会时不时呈现一些决策逻辑的图片文字。
系统能做到开车时展示自己的思维链条，就离不开阶跃 Step 3.5语言大模型，是它打通驾舱，让车的驾驶动作和车内的智能体EVA共同为我们服务，后续EVA也会迭代更多的服务型功能。
大模型的结合，让WAM 2.0架构下的千里浩瀚 G-ASD 4.0，理解、思考和执行非常快，表现更类人。
一镜到底
点进视频，大家可以看到被加速过的一段原50多分钟的一镜到底，从车位到车位，面对危险大车、人车混流等情况，极氪8X都选择了最合预期的动作，全程没有失误。
比如出发时，它考虑车位左侧有柱容易剐蹭，所以先向右调车身，再左转驶出车位。
识别公交车道都是基操，它还能识别会变化的可变车道标志，走进支持左转的可变车道，这条路上的车更少，效率也更高。
当前车切出露出大车时，极氪8X迅速向右变道。
这时候前车也在向右变，这时候右车道离前车更近，所以极氪8X并不是追求空间效率，而是深谙大车危险，优先选择安全。
而且极氪8X这套系统的思维非常连贯，比如有一处路口比较特殊，需要出闸机后就停下等红灯。
在过闸机前系统就识别到了红灯，它仍然是选择过闸机后再等红灯，而不是停在闸机前等红灯，思路清晰。
AI终点领航，人和系统谁更快
新版本还带了新的功能体验，它的车位到车位功能升级了识别兴趣点功能，目前包括电梯口附近以及极充站的充电位，系统可以直接AI领航过去。
如果我们选择的是极充站，当预约的车位感应到车辆临近，地锁提前自动下降，大家不用手动降地锁。
我们做了个小实验，在首次去极充站时，系统和人驾谁更快呢？
在陌生区域，人驾可能要在充电站里转几圈，而且要手动扫码落锁。
而系统会选择最优路径并联动自动落锁，居然速度更快，体验更好。
写在最后
以上是我们的一次小实验，本质上并不是在比谁开得更快，而是在证明：AI已经能把那些耗时、耗神、充满不确定性的驾驶负担，接过去、处理好。
极氪8X这次的新版本，正是大模型的高频思考在背后核心发力。
上一代由数据驱动的G-ASD 3.0，本质上还是在模仿人类的行为决策，而G-ASD 4.0又引入了千亿级语言大模型，打通辅助驾驶、 座舱、底盘等多域融合，完成了到AI驱动的进阶，EVA作为AI智能体具备云端传授的经验，还能统一调动思维和行动。
同时打通驾舱的智能体EVA，也开启了AI参与出行的新方式，接下来会有更省心的玩法。比如我们直接口述要去某网红打卡点，让系统领航抵达。
体验从类人到超人，拥有23.5EFLOPS云端算力，850万辆车数据积累，2500万clips优质数据喂养，接下来系统将持续高速迭代。行业地位上，千里浩瀚G-ASD 4.0已稳居行业第一梯队。
智能车，开始越来越像移动机器人了。
