全網首測極氪8X千里浩瀚G-ASD 4.0，1小時路程0失誤？

給AI提一項要求，它能在幾秒鐘內生成數千字的文章，這就是被大模型改變的速度。

同樣的改變，也正在智能駕駛領域發生。

極氪品牌繼9X之后的第二款旗艦車型8X，提供千里浩瀚H7與H9兩種硬件方案可選，其中本次測試車型為H7方案，并首搭G-ASD 4.0，背后支持的架構也升級為WAM 2.0。

WAM 2.0架構的特點之一，就是含模量高，包括VLA 、WM世界模型和專門優化智能體的階躍 Step 3.5語言大模型。

眾多大模型的協作，能帶來怎樣的體驗？我們首測了極氪8X的千里浩瀚 G-ASD 4.0，通過完整的一鏡到底跟大家分享。

含模量高能帶來什么

云端的世界模型遵循物理邏輯，訓練在各種預設條件下車輛的動線，它讓極氪8X“見多識廣”，比如系統會反復演練在單車道、內部路等各種狹窄場景中掉頭，并加入來車、行人等隨機干擾元素。

每一次訓練都在預演完整的決策鏈條，包括判斷對方意圖、規劃車身軌跡、驗證可行性。

當實際碰到這種情況，在窄路中需要掉頭時，極氪8X會先讓行公交車，在旁邊借道倒一把，再駛入主路。

有了經驗，想要面對各不相同的場景都能實現“不遲疑”，車端VLA模型的端到端架構就派上了用場。

傳統方案需要經過感知、規劃、控制的分步傳遞，就像每個部門都得開一次會再向上出一份報告，中間傳遞的失誤概率更高，效率也更低。

而VLA直接將感知到的場景映射為駕駛動作，整個決策過程更快。

當遇到錐桶擺出的新車道時，極氪8X沒有猶豫，順著錐桶指引平穩穿行，最終回歸正常車道。

既能抗其它障礙物干擾，又能快速輸出結果，所以即使在人車混流的窄路中，極氪8X也能左右變通。

在繞行兩邊障礙的同時，極氪8X還關注到了對向駛來的車，防御性停下，等對方跟在其他車后讓行了空間，極氪8X就立馬起步，順利通行。

在輔助駕駛的狀態中，車機屏幕會時不時呈現一些決策邏輯的圖片文字。

系統能做到開車時展示自己的思維鏈條，就離不開階躍 Step 3.5語言大模型，是它打通駕艙，讓車的駕駛動作和車內的智能體EVA共同為我們服務，后續EVA也會迭代更多的服務型功能。

大模型的結合，讓WAM 2.0架構下的千里浩瀚 G-ASD 4.0，理解、思考和執行非常快，表現更類人。

一鏡到底

點進視頻，大家可以看到被加速過的一段原50多分鐘的一鏡到底，從車位到車位，面對危險大車、人車混流等情況，極氪8X都選擇了最合預期的動作，全程沒有失誤。

比如出發時，它考慮車位左側有柱容易剮蹭，所以先向右調車身，再左轉駛出車位。

識別公交車道都是基操，它還能識別會變化的可變車道標志，走進支持左轉的可變車道，這條路上的車更少，效率也更高。

當前車切出露出大車時，極氪8X迅速向右變道。

這時候前車也在向右變，這時候右車道離前車更近，所以極氪8X并不是追求空間效率，而是深諳大車危險，優先選擇安全。

而且極氪8X這套系統的思維非常連貫，比如有一處路口比較特殊，需要出閘機后就停下等紅燈。

在過閘機前系統就識別到了紅燈，它仍然是選擇過閘機后再等紅燈，而不是停在閘機前等紅燈，思路清晰。

AI終點領航，人和系統誰更快

新版本還帶了新的功能體驗，它的車位到車位功能升級了識別興趣點功能，目前包括電梯口附近以及極充站的充電位，系統可以直接AI領航過去。

如果我們選擇的是極充站，當預約的車位感應到車輛臨近，地鎖提前自動下降，大家不用手動降地鎖。

我們做了個小實驗，在首次去極充站時，系統和人駕誰更快呢？

在陌生區域，人駕可能要在充電站里轉幾圈，而且要手動掃碼落鎖。

而系統會選擇最優路徑并聯動自動落鎖，居然速度更快，體驗更好。

以上是我們的一次小實驗，本質上并不是在比誰開得更快，而是在證明：AI已經能把那些耗時、耗神、充滿不確定性的駕駛負擔，接過去、處理好。

極氪8X這次的新版本，正是大模型的高頻思考在背后核心發力。

上一代由數據驅動的G-ASD 3.0，本質上還是在模仿人類的行為決策，而G-ASD 4.0又引入了千億級語言大模型，打通輔助駕駛、 座艙、底盤等多域融合，完成了到AI驅動的進階，EVA作為AI智能體具備云端傳授的經驗，還能統一調動思維和行動。

同時打通駕艙的智能體EVA，也開啟了AI參與出行的新方式，接下來會有更省心的玩法。比如我們直接口述要去某網紅打卡點，讓系統領航抵達。

體驗從類人到超人，擁有23.5EFLOPS云端算力，850萬輛車數據積累，2500萬clips優質數據喂養，接下來系統將持續高速迭代。行業地位上，千里浩瀚G-ASD 4.0已穩居行業第一梯隊。

智能車，開始越來越像移動機器人了。