L4時代需要什么樣的智駕模型？階躍和千里給出了答案

文｜魏琳華

編｜王一粟

2026年的北京車展，AI已經不是一個噱頭，而是無處不在的底層能力。

在本場展會上，最有看點的是很多品牌都推出融合了Agent和Skills能力的智能座艙，將此前Chatbot式的反饋進化成執行復雜任務的整車智能體。用戶一句話就能讓汽車規劃路線、下外賣訂單、智駕回家。

打通智駕和智艙的AI到底上限有多高？階躍星辰舉過這樣一個例子：

“導航里，我們一般告訴地圖我要去哪里，軟件會為你導航；但有了AI的導航，你不需要告訴AI你的目的地，只需要講自己的意圖，比如去挑一件生日禮物，大模型就會根據你的喜好、歷史記錄去挑選，這一切都是需要我們的智能體、多模態大模型作為背后的支撐�！�

AI+車的提升，已經不僅僅局限于交互體驗的改善。更關鍵的是，AI大模型不僅要上車，更要進入整車系統的更底層，提升智駕、座艙智能水平的上限。

譬如，日前千里科技聯合階躍星辰，宣布將打造全新的原生智駕模型。這意味著在模型訓練的底層階段開始，結合數據、技術和工程優勢，共同打造一個“為智駕而生”的模型——讓AI在智駕模型中的權限更高、從更多智駕數據中學習。這樣訓練出來的智駕模型，才能更理解物理世界的規律，從容應對各種突發情況。

汽車智能化的下一程，正在加速到來。但這一次，決定勝負的不是誰的模型更大，而是誰的模型能夠更懂汽車、更懂物理世界。

L4需要什么樣的智駕模型？

當前，智駕行業的技術發展已經來到沖刺L3的階段。用千里科技聯席董事長趙明的話說，我們現在已經突破了‘好用’的臨界點。接下來，所有廠商都在全力以赴，向L4的目標狂奔。

但在“如何通向L4”這件事上，趙明給出了自己的觀點：現階段，不是所有模型都適合成為晉升L4階段的底座。

過往的智駕模型問題，就出在了模型訓練的方式上。

長期以來，智駕行業的主流技術路徑，是先訓練一個通用大語言模型，再將車端數據“喂”到模型里，通過后訓練微調的方式打造智駕模型。

這樣做出來的模型，雖然已經足夠應付一些簡單、標準化場景的問題，比如識別紅綠燈信號、和車的間距問題，但針對一些突發情況，它難以根據具體情況給出好的應對策略。

為了進一步提升模型的泛化性，讓智駕模型能夠解決更多突發問題。千里科技的答案是引入世界模型體系，提供各種海量極限數據訓練智駕模型。用趙明的話說，各種復雜場景與對物理世界的理解結合，才構成了走向L4智駕時代最為合適的方式。

原生AI模型的好處，在智駕領域已經得到過證明。

以VLA模型為例，與此前模型不同的是，VLA的邏輯本質上是用AI重寫底層邏輯。它不僅讓AI模型擁有了“看、聽、說”一體的能力，結合海量駕駛數據學習，AI模型的能力放大的同時，也能根據數據訓練出應對一些復雜場景的方式，從而對沒有預設過的問題，也能給出恰當的應對。

階躍星辰和千里科技的聯手，為的就是合作訓練一個“原生智駕模型”，提高智駕模型能力上限，這改變了“先做模型再適配”的方式，在預訓練階段，就同時給到通識數據和智駕數據，后訓練階段繼續用智駕特訓和通用能力加持，讓模型天然能夠應對物理世界中各種復雜命題。

具體而言，一是大量智駕數據接入訓練，讓AI模型能夠提前針對各種復雜情況進行特訓，從而提升模型本身對非標準場景應對的泛化能力。比如，遇到極端天氣、交通管制等特殊情況，更多時候能夠讓AI自己做應對，比如識別各種障礙、自動采取減速、繞行操作。

二是底層模型智能的提升，讓智駕在響應人的需求時“更聰明”。通過引入階躍星辰的系列模型，比如Agentic模型、多模態模型，既能讓AI“看”得更清楚，又能讓AI讀懂人的復雜需求。

以現場演示的一個場景為例，用戶要求“回家同時找順路的花店、蛋糕店購買花和蛋糕”，一般AI難以拆解的長難句，交給智能體能力更強的AI模型，任務的拆分和執行不再是難題。

手握高質量基礎模型矩陣的階躍星辰，聯手智駕模型能力領先的千里科技，正在試圖聯手打開智駕模型的能力上限。

模型+工程能力打通 “Grok+FSD”的中國方案

在“大模型上車”競爭白熱化的2026年，國內一部分車企正在通過大模型能力的引入，講出類似Grok+FSD的故事。

階躍星辰和千里科技的戰略合作，從基因上看，是沖擊中國版Grok+FSD最有可能性的樣本，除了智能駕駛和智能座艙，未來或將繼續探索出具身智能系統。

兩家公司的聯合，背后站著一位關鍵人物：印奇。

同時擔任階躍星辰和千里科技的董事長，印奇也在媒體群訪環節中回應，自己的工作更多關注技術和產品相關的方向，兩者之間的合作，是模型到終端的能力整合。

“作為AI創業的老兵，我們一直在尋求中國AI的商業閉環�！庇∑嬲f，“階躍和千里，從我的角度來看是一個最優解，階躍在構建AI模型，未來是從車、手機到未來更多的終端的大腦，而千里則是大腦的‘容器’，車則是高價值的載體�！�

從能力圖譜來看，階躍是大模型公司中少見擁有全模態模型布局的企業。

以車企最近密集部署的智能座艙產品為例，它需要集感知-識別-交互能力為一體，除了在平板上的文字交互外，更需要攝像頭來識別車輛內部和外部的場景和人物狀態，通過語音和人對答如流。

在這方面，階躍星辰已經通過合作，加速把各類模型的能力搬上了車，提供最適合Agent場景的各種基座模型。從登頂OpenRouter全球調用榜單的基座模型Step 3.5 Flash，到端到端語音模型Step Audio系列，都接入極氪8X的超級智能體“超級Eva”，都成為了智駕能力的底座技術支撐。

基于Step 3.5 Flash，“超級Eva”能夠聽懂人類的模糊意圖，并拆解復雜任務推動執行。比如，當用戶說"帶我去接孩子放學，順便找一家麥當勞，5點我要到學校"，超級Eva自主規劃導航路線，啟動智能輔助駕駛，并完成途中訂餐、臨停取餐、學校門口自動泊車等全鏈路操作。

AI找好滿足條件的商場后，自動設置好導航路線

千里科技則聚焦打造智駕模型，提供軟硬結合的全棧工程能力，快速把智駕方案落地量產。

兩者聯合，可以把模型能力真正轉成可工程化的車端能力，解決“模型很強，但上不了車；上了車，但調不動整車系統”的行業難題，并且快速推動模型從研發階段到量產上車：Step 3.5 Flash從全面開源到正式上車只用了40天，更早之前雙方聯手推出業內首個搭載端到端語音模型的AgentOS智能座艙，這套方案半年內搭載在吉利銀河M9量產。這種速度驗證了這一強耦合模式的可行性。

結語

讓“大模型上車”只是一個開始，更重要的是，量產規模還會為模型訓練提供大量真實數據，形成數據飛輪，持續反哺智駕模型本身的迭代效果，形成“越跑越快”的正向循環。

在行業智駕能力向著L4進階的情況下，誰能讓這個飛輪先轉起來、轉得更快，誰就掌握了通往終局的“加速度”。