吉利千里浩瀚 G-ASD 4.0，把动态记忆带进智能出行

汽车智能化过去很长一段时间，解决的是“单次响应”。用户说一句话，车机执行一个动作；系统看到一个目标，辅助驾驶做一次判断。这种能力已经很实用，但在连续出行场景里，汽车需要的不只是听懂当下，还要理解前后文。

吉利千里浩瀚 G-ASD 4.0融合阶跃Step 3.5大模型，其具备超长上下文理解、动态记忆与复杂推理能力。这个点很容易被技术参数掩盖，但实际上，它对智能汽车体验有很重要的意义。因为车上的很多需求，本来就是连续发生的，而不是孤立出现的。

比如用户进入陌生园区，先说“找出口”，中途又说“左转”，车辆要理解这些指令之间的关系，而不是把每一句都当作完全独立的命令。无图园区漫游能够基于WAM 2.0架构识别文字与箭头标识，自主找出口、寻车位，并响应语音指令，这种体验背后就需要场景连续理解能力。

AI终点领航同样如此。车辆不是只知道一个目的地坐标，而是要理解用户可能需要更靠近电梯口或充电站的车位，并在停车场内完成任意两点间领航。从路线、停车位置到用户实际下车需求，这些信息共同构成了一个连续任务。

动态记忆也会影响主动服务。阶跃Step 3.5大模型让车辆不仅能被动响应指令，更能进行情感理解、自主规划与主动服务。也就是说，车辆不只是机械接收一句话，而是结合当前场景和此前信息，判断下一步怎样更符合用户需求。

当然，场景记忆感并不是让车辆过度表现，而是让它在合适的时候更懂上下文。用户不必每一步都重复说明，车辆也不必每次都从零开始判断。尤其在停车场、园区、复杂路口这样的连续场景里，理解前后文会明显提升体验连贯性。

WAM 2.0架构负责打通辅助驾驶域、座舱域、底盘域，让不同智能体可以对话、协商与深度协作；阶跃Step 3.5大模型则提供更强的上下文理解与动态记忆能力。两者结合，让“对话即执行”不只是听懂一句话，而是更好地理解一段出行过程。

未来智能汽车会越来越像一个能记住场景、理解任务、连续协作的出行伙伴。吉利千里浩瀚 G-ASD 4.0把动态记忆带进汽车大脑，也让高阶辅助驾驶从单次执行走向连续理解。