从舱驾融合到具身驾驶，千里科技用全栈闭环重新定义 “AI + 车” 变革

在 2026 世界人工智能大会上，千里科技联合阶跃星辰、吉利汽车的集中亮相，远不止一次常规的产品发布 —— 它更像是国内智能汽车行业首次对 “AI + 车” 终局形态的完整作答。

当行业仍在争论“大模型上车是不是座舱语音的换皮”“智驾的天花板是不是堆数据” 时，千里科技已经交出了从底层基座模型、智能体操作系统，到舱驾一体化量产方案的全链路答卷。其背后折射的，是智能汽车正从 “电子化、数字化” 全面迈入 “通用智能原生” 的范式拐点，而汽车也将成为首个真正跑通 “智能体走进物理世界” 的规模化终端。

物理 AI 破局：智驾的核心矛盾，早已不是 “认不认得清”

过去十年，自动驾驶的演进始终围绕 “感知精度” 打转：从摄像头到激光雷达，从 2D 检测到 3D 感知，本质都是在教机器 “看清楚路”。但行业越往前走越清晰：真正的瓶颈从来不是识别率，而是对物理世界的理解与泛化能力。

这正是千里智驾 CEO 陈奇提出 “物理 AI 驱动智驾进化” 的核心背景。传统智驾依赖标线、红绿灯、清晰车道线的规则化环境，本质是图形识别逻辑；一旦遇到无标线道路、极端天气、异形障碍物、加塞博弈等开放场景，系统就容易进入 “降维兜底” 状态。其根源在于，传统方案只有 “数据飞轮”，没有 “认知飞轮”—— 机器能记住见过的场景，但无法推理没见过的场景。

千里科技的解法，是将大模型的通用智能注入智驾底层，构建 “数据 + 认知” 双轮驱动体系。这一转变的标志性指标，是千里首次提出的“含模量”：用 AI 模型在智驾全链路中的覆盖广度与深度，定义系统的智能化水平。当行业还在比拼传感器数量、算力 TOPS 数时，“含模量” 的提出，相当于重新定义了智驾的评价坐标系 —— 真正决定智能上限的，不是硬件堆料，而是模型在感知、预测、决策、规划全链路中替代规则代码的比例。

基于这一技术路线，千里同步披露的ASD 迭代路径便有了清晰的产业指向：ASD 4.1 实现全场景零断点 D2D 通行，解决的是 “物理空间连续性” 问题；对小动物、特种车辆、弱势交通参与者的语义级识别，解决的是 “泛化理解” 问题；而语音直控车辆的舱驾融合，则是 “大脑与小脑打通” 的初步验证。年底即将推出的 ASD 5.0，本质是物理 AI 能力的全面释放，标志着智驾正式从 “感知智能” 跨入 “认知智能” 阶段。

“大脑 + 躯干” 范式：真正的深度协同，从预训练阶段就已开始

大模型上车是近两年行业热词，但绝大多数方案仍停留在 “座舱外挂一个对话模型” 的拼接模式：智驾是一套独立系统，座舱大模型是另一套系统，二者通过接口浅层次联动。这种 “两张皮” 的架构，天然决定了智能体无法真正调动车辆能力，更谈不上主动服务。

千里科技与阶跃星辰的合作，恰恰打破了这一行业惯性。印奇提出的公式 “智能体能力 = 模型能力 × 智能体操作系统能力”，并非营销话术，而是双方技术合作的底层逻辑：模型决定智能上限，操作系统决定硬件调用边界，二者相乘才是智能体的真实能力。

二者的协同深度，体现在两个关键维度： 其一，训练底层打通。不同于通用大模型后期用智驾数据微调的 “流水线装配” 模式，双方从预训练阶段就启动联合研发，将千里的专业智驾物理数据与阶跃的通用多模态、常识数据按科学比例配比，在模型基因层面就植入物理世界认知。这种深度化学反应，让车端模型既具备通用通识能力，又对行车场景有原生理解力。 其二，端云协同分层。针对端侧算力与时延的行业痛点，双方没有走 “一味做大端侧模型” 的弯路，而是建立了分级响应机制：简单安全指令由端侧模型毫秒级闭环，保障行车安全与实时性；复杂检索、长周期规划、常识推理等任务交由云端异步处理。这一架构既守住了智驾的安全底线，又让通用智能的能力边界不被端侧算力锁死。

而阶跃星辰Step AOS 智能体原生操作系统的上车，则完成了最后一块拼图。它不是传统意义上的车机系统，而是一套将整车硬件、软件、服务全部转化为智能体可调用资源的底层系统。当记忆、决策、执行、安全能力全部被系统封装后，用户只需表达意图，智能体就能自主完成从路径规划、车辆控制到服务调用的全链路操作，人车交互正式从 “人操作工具” 迈向 “人机共生”。

超级 Eva 量产落地：舱驾协同的终极形态，是一个统一的智能体

此次搭载极氪 8X 亮相的超级智能体 “超级 Eva”，之所以被视为行业标杆，不在于它能多流畅地聊天，而在于它第一次让 “车端智能体” 跳出了座舱语音助手的范畴，成为真正贯穿舱驾的统一智能主体。

在传统舱驾融合方案中，用户需要分别对智驾和座舱下达指令；而在超级 Eva 的逻辑里，智驾是智能体的 “执行小脑”，座舱是智能体的 “交互大脑”，二者共享同一个记忆体系、同一个决策中枢。用户说一句 “去公司路上买杯咖啡”，智能体自动完成路线规划、智驾接管、唤醒咖啡小程序、匹配常用口味下单全流程，全程无需分步操作。

这种能力的背后，是阶跃 Step 3.7 Flash Agentic 模型的核心支撑 —— 从 “听懂话” 到 “办成事” 的跃迁。它意味着车载智能体的评价标准，已经从 “语音识别准确率” 转向 “任务完成率”。而今年 3 月就已实现量产装车的落地节奏，也让这套方案摆脱了 “概念 Demo” 的标签，成为国内首批真正跑通量产的整车级智能体方案。

更值得关注的是其可复制性。随着后续向更多合作品牌车型拓展，这套 “统一智能体 + 舱驾深度协同 + 全生态打通” 的模式，很可能成为下一代智能汽车的标准配置。正如千里智舱产品线总裁张星所言：汽车智能体的迭代窗口已经打开，舱驾融合只是起点，舱驾协同进化才是终局。

四、终局推演：汽车是具身智能的第一战场，更是物理 AI 的最佳试验田

本届 WAIC 上，“具身智能” 是全场最热的概念之一，但多数讨论仍停留在实验室阶段。而千里科技的判断非常明确：智能汽车是当下商业化最成熟、规模最大的具身智能载体，是通往具身智能最务实的路径。

陈奇提出的自动驾驶三阶段演进，本质上勾勒出了汽车向 “轮式机器人” 进化的完整路径：

• 第一阶段是当下的智能化阶段，L2+/L3 辅助驾驶与座舱智能体协同演进，车辆仍是接受指令的工具；
• 第二阶段是共享化阶段，L4 规模化落地后，汽车从私人消费品变为移动出行服务载体；
• 第三阶段是具身驾驶阶段，车辆彻底摆脱被动执行，主动理解、主动预判、主动行动，成为与人共处的智能实体。

这一路径的价值在于，它没有空谈具身智能的遥远概念，而是锚定了清晰的商业化节奏。汽车每天行驶在真实物理世界中，每一公里都在积累对物理规律的认知，每一次决策都在优化与环境的交互 —— 这种天然的闭环数据优势，是任何人形机器人实验室都无法比拟的。

从这个意义上说，千里科技与阶跃星辰打造的 “AI + 车” 全栈技术闭环，验证的不只是一个汽车方案，更是 “智能体走进物理世界” 的通用方法论：以通用大模型突破认知边界，以智能体操作系统打通终端链路，以量产规模释放技术红利。

结语

当行业还在为 “智能汽车的下半场是什么” 争论不休时，千里科技已经用一套完整的技术体系给出了答案：下半场不是电动化的延续，不是座舱的内卷，而是通用智能深度注入物理载体后，整个出行产业的重构。

从辅助驾驶到具身驾驶，从舱驾融合到统一智能体，从规则驱动到模型驱动，WAIC 2026 上的这场亮相，更像是一次行业分水岭的宣告。智能体不再是数字世界里的聊天机器人，它已经通过汽车这个 “轮式机器人”，真正驶入了真实的物理世界。而这场由物理 AI 驱动的产业变革，才刚刚开始。