CES國際消費電子展，從來都是科技巨頭潮流秀場；雖然它不是車展平替，但車企們卻非常重視這一舞臺。說白了，皆為打樁自家公司科技屬性，誰也不愿呆在傳統制造業里被外界鼻孔，一副“拜拜，諾基亞”的既視感。或許，仍有不少人會將中國車企前去參會看作是出口轉對內營銷之舉。假若了解此次吉利汽車參展的口氣，這你敢信嗎？真是不客氣，就是和要特斯拉一較高低！
會不會吉利真有點東西？往下看
吉利汽車非常明確：它這次來不是秀某個智艙智駕的功能點，亦或者某個突出場景應用。來都來了，吉利汽車作為中國車企智能化研發杰出代表，早就按耐不住想要借2026 CES讓外界完整了解其全域AI的內核，并且現場可以通過“上車驗真”（銀河 M9、 9X/009 等）的方式體會什么叫做整車智能研發“代差”。
所謂“整車智能”就是從功能拼圖，升級成一套統一的大腦 + 多智能體協同 + 數據飛輪的體系：
即WAM 世界行為模型（整車大腦）+ 全域AI 2.0（跨域融合）+ Eva 超擬人情感智能體（整車中樞）+ 千里浩瀚 G-ASD（高含模量智駕）。
一、WAM到底是什么？它怎么讓車“更像人”？
WAM（World Action Model）世界行為模型，這個模型不新鮮。但是，吉利要講的不是“我們也有一樣的大模型”，它講的其實是一個多層拼裝——像一個組合變形金剛，身處沙盒大模型的世界里，一切就像在拍電影。
1）上層 MLLM：像“總導演”，負責定目標和大方向
你可以將其中的 MLLM（多模態大模型）理解成“總導演”，比如張藝謀。
它負責看懂用戶想要什么，例如：目的地、路線偏好、時間要求、路況，來做宏觀規劃。比方說：該快還是該穩、要不要繞行、要不要順路充電？
2）Action Expert：像“執行小腦”，將導演意圖變成一串動作
動作專家（Action Expert）是“執行小腦”，你可以把它看做是袁和平，袁詳仁那樣的動作指導。當導演發指令說“穩一點、別嚇到乘客”，它們就把這句話翻譯成或者說拆接為：方向盤怎么打、油門怎么給、剎車怎么收、跟車距離怎么留。
3）World Model：像“腦內沙盤”，先在腦子里把未來跑一遍
世界模型（World Model）是“腦內沙盤 / 預測模擬器”：它的作用不妨比作效果監制：邁克爾·貝。
它會在毫秒級將“如果我這樣或者那樣打方向、這樣或者那樣加速”推演一遍，提前想象“下一秒、下一個畫面會發生什么”。
4）Human-in-the-loop 的價值函數：像“體驗評委”，給每個未來打分
這個概念最容易把人繞暈：Human-in-the-loop 的價值函數體系（Value Function）。想象一下，奧運會跳水裁判團里的郭晶晶，熟悉嗎？
對，你可以把它理解成一個“體驗評委團”：這些評委不是憑空來的，而是用大量人類駕駛數據訓練出來的——它會對沙盤里推演出的多種未來場景進行安全、舒適、效率綜合打分，選最優解，并“自我修正”。
說白了：WAM=導演（規劃）+小腦（動作）+沙盤（預測）+評委（打分糾錯）。
當大多數消費者還沒怎么弄懂“端到端”的概念，吉利卻“像拍一部拳拳到肉招招過命的動作片”那般，拆解成了可以工程化的鏈路。
講到這兒，是不是我們很熟悉的味道：你們負責想，中國人負責落地。同樣地，還有車載的那個“chatgpt”。
Eva：不止“會聊天”，而是“能托付”
吉利的智艙AI如果還是那個初級語音助手就敢奔CES上秀，那豈不是貽笑大方！當然不會，它已變身一個智能體架構，做成 “1+2+N”：
• 1：EVA = 整車級超級智能體，全局總指揮 + 用戶唯一交互中樞
• 2：智駕/智艙 兩個垂域智能體
• N：底盤、能源、車身等子域智能體
直白講，EVA可以看做是代理模式：未來乘員不用再點屏幕、點菜單，完全去中介化，想到什么就直接說——
“幫我去充電”“接上我朋友”“今晚回家路上順路取個快遞”，EVA這個智能體會做任務分解、資源調度、艙駕協同，把整段出行鏈路全部做完。
別忘了，車展現場有銀河 M9那樣的車型，驗真可以上車就試。可以說，吉利這回去CES是真的不怯場，指名要和特斯拉的FSD站一塊兒。
G-ASD：盯著特斯拉 FSD “正面對標”？
話說回來，吉利要沒點真東西，敢去FSD的北美主場？
所以，把吸睛的戲劇層面拋開，究其本源，吉利想贏的不僅是路試，例如在“某一段路開得誰比誰漂亮”，誰能更好的應對交通環境，真正的關鍵在：含模量。
含模量？可以把它理解為：一套智駕系統里，有多少決策是“模型算出來的”，而不是“規則由工程師寫死的”。含模量越高，系統越像“會學習的司機”；含模量越低，越像“會背題的考生”。舉個例子：集萬千工程師寫規則的第一代智能駕駛系統巔峰杰作，通用汽車的Super Cruise就是典型代表。
而第二代，決策是“模型算出來的”，當下G-ASD 與 FSD 是“行業唯二具備超高含模量”的方案。
“唯二”？吹牛嗎？所謂善者不來，來者不善。吉利汽車此次在展會上對外界的闡釋很“清晰”也非常“硬核”——數據、算力、硬件、閉環一整套證據鏈：
• 850 萬車搭載輔助駕駛、累計百億智駕里程、2500s萬clips、百萬級事故安全數據集；并強調“全生命周期數據閉環”。
• 車端：H7方案采用 Thor + 雙 Orin；H9方案采用雙 Thor、標配 5 顆激光雷達，總共 1400 TOPS。
• 云端：星睿智算中心 2.0 綜合算力 23.5 EFLOPS；這個綜合算力還給出一個工程口徑——每提升 1 EFLOPS，一次迭代周期內可多學習近 10 萬個場景。
• 規劃：在法規允許下，今年推送高速 L3和低速 L4，并提到 Robotaxi 運營。
①：數據閉環（看誰在“越開越聰明”這件事上更有底氣？）
吉利：直接給出規模口徑 + 閉環承諾：
• 850 萬車輛、百億里程、2500 萬clips、百萬級事故數據集 + 全生命周期閉環。
特斯拉：官方信息目前能查到的“車隊遙測與安全報告”：
• Tesla 車輛安全報告解釋其如何基于車隊數據統計“Autopilot/手動駕駛里程”。
• Tesla FSD 安全頁面提到 Q3 2025 單季收到25 億遙測數據包（不含中國）。
這個數據對比有些出乎人意料：吉利反而給出更令人信服的數據：“有一整池可訓練數據，并且把事故數據納入安全閉環”。沒錯，吉利的背后有沃爾沃，無論是事故數據的第一時間收集整理，還是全生命周期閉環的策略，都能看到沃爾沃為安全所付出的多年探索努力。可以說：吉利是站在了同行與同儕巨人的肩膀上。
當然，討論數據這事，永遠不是單一維度，比誰更多；而是比‘閉環速度 + 長尾覆蓋率’。總之，clips的標注體系、長尾場景占比、合成數據與真實數據的配比，這些才決定“含模量”的真實性。
②：算力與工具鏈（誰更像“有工廠的AI公司”？）
先把 EFLOPS 得搞清楚概念：FLOPS就是“每秒能做多少次浮點運算”；而EFLOPS是“Exa FLOPS”，也就是 10~18 量級（百萬萬億級）運算/秒。
因此，吉利的“綜合算力 23.5 EFLOPS”，它更像一個“算力中心”的總盤子——將多類計算資源（不同集群、不同精度、不同任務）統在一起報一個“綜合規模”。不過，應當看到“綜合”≠“訓練某個模型時的真實有效吞吐”，有效吞吐取決于模型結構、并行策略、數據管線、精度（FP16/FP8等）和通信效率。
這就非常考驗吉利對于算力歸攏工程干地是否漂亮，不妨就叫“AI工程施工”。吉利的做法是通過云端大模型訓練（千億級智駕基座模型），再通過世界模型生成式能力補 Corner Case，再通過強化學習與仿真訓練；最后將云端能力通過知識蒸餾帶到車—終端多模態 VLA 模型。
特斯拉的則是圍繞 Dojo + 訓練系統展開，外界已經比較熟悉。兩者對比起來，持平而論：吉利的優勢是“把世界模型、合成數據、蒸餾上車”這條鏈路干的明明白白；而特斯拉的優勢“車隊數據 + 自研訓練系統”。長期迭代里已證明效率驚人，效果炸裂。
至于誰更強，還是往前看吧。未來就提一樣最簡單的：OTA 的有效迭代速度。等著看，往后誰迭代出新版本更快，效果更為炸裂。
③：上車覆蓋與訂閱空間（誰更會把AI變成“持續現金流”？）
說到底，AI的重度投入離不開消費者認可。對于特斯拉而言：訂閱這件事“明牌”了，接受度非常高。FSD（Supervised）訂閱 $99/月（不同基礎版本升級路徑略有區別）。并且，有一次性購買與訂閱選項。
至于吉利：G-ASD 首版本已在極氪、領克多款車型上搭載，并給出 H1/H3/H5/H7/H9 的硬件分層邏輯。而Eva 則以銀河 M9 為錨點，強調“未來一句話調度跨端生態”。簡單說：“上車覆蓋與分層方案”是做好了，但是訂閱機制與定價，吉利似乎還糾結于中國市場的卷法，估計還要再等等看。
總的來說，特斯拉已經把“智駕訂閱”跑成一個商業模型；對于后來者吉利而言：它有302萬銷量的品牌矩陣（極氪/領克/銀河），更適合做“硬件分層 + 軟件訂閱分層 + 生態服務分層”的組合拳。這么看的話，其實吉利的商業想象空間比肩特斯拉起來，各有千秋。
EVA vs Grok：不比“誰更會聊天”
在汽車華爾街看來：特斯拉的Grok 實則是“你車里的AI聊天搭子”；而吉利的EVA 卻想當“你車的總經理”。
大家先別噴，實事求是：Grok 是 xAI 的 AI companion（Beta），可以免手操作對話，能發起導航命令（找目的地、開始導航），但它仍是“伴侶型AI”，并沒有被定義為整車控制中樞。而吉利的 EVA 則是：整車級超級智能體、用戶唯一交互中樞、能做任務分解與資源調度，強調“艙駕協同”，甚至就像“幫我去充電/接朋友”這種復雜多項的完整任務鏈作為目標體驗。
所以，這么看就很清楚了，真正比的不是人格、不是語音交互真人感，而是——誰能從“聊天入口”升級成“任務入口”，再升級成“執行入口”。入口嘛，很容易做熱鬧：你給它幾種人格、后臺多整幾句金句，尤其擇機蹦出來短視頻它就爆了；但是做絲滑跳轉，流轉執行，這就很難做可信了。
總之，倘若 EVA 只做到“比 Grok 更會聊”，那就沒啥要拎出來說的；只有當 EVA 真能“托付式完成任務”，并且絲滑可靠不翻車，當然有資格說代差。
最后，我們來做個總結：吉利此次參展2026 CES，其實未來就看三件事：
1. EVA 的管家鏈路：從你一句話到任務分解、再到跨域執行，能做幾成？失敗時怎么交接？
2. G-ASD 的城市體驗：含模量高不高，最后還是要體現在“像不像人、穩不穩、會不會突然抽風”。
3. 商業化定價與責任邊界：訂閱空間不是“收不收費”，而是“收多少、包什么、出了事怎么界定”。
特斯拉已經明牌，吉利也必須跟牌——“管上”。