问题——智能驾驶要做到“可用、好用、敢用”，仍是行业共同难题。近几年，智能驾驶国内热度快速上升，但在城市道路复杂、交通参与者密集、长尾场景频繁出现的情况下，系统稳定性、能力边界是否清晰以及安全冗余是否足够，仍经受考验。，跨国企业在华推进对应的功能也会受到数据合规、适配效率等因素影响。如何在合规框架内持续迭代，并在真实道路上提升可靠性，正成为车企竞争的关键变量。 原因——中国道路更复杂、用户更看重安全，推动技术路线更偏“稳健”。吉利此次提出的G-ASD，没有简单押注单一路线，而是将核心逻辑概括为“理解—规划—预演”的闭环：在“理解”环节，通过激光雷达、毫米波雷达、摄像头等多源传感器融合，提升对目标类别、运动状态和潜在意图的识别；在“规划”环节，结合实时路况生成多套路径与动作备选；在“预演”环节，把风险评估前置，在动作执行前通过虚拟推演进行毫秒级冲突预测，在不确定行为出现前提前采取降速、让行等更保守的策略。该思路针对“无车道线道路、非机动车穿行、临停与逆行等高频扰动场景”给出回应，也更贴近家庭用户对安全确定性的诉求。 影响——竞争从“功能对标”转向“体系能力”，行业分化或将加速。业内人士认为，智能驾驶竞争正在从单点能力比拼，转向“数据—算法—算力—工程化—合规”的全链条建设。吉利在提出对标目标的同时强调在“绝对安全”前提下提升效率，显示其产品策略更重视风险控制与边界管理。若这个闭环体系能在大规模量产与多城市道路中验证有效，国内智能驾驶或将从“体验驱动”更转向“安全与合规驱动”，并形成示范效应：谁能在复杂场景下保持稳定、谁能在规模交付中把成本和一致性控制住，谁就更可能在下一轮竞争中占据主动。 对策——补齐软件算法短板，打通算力底座与落地场景，建立可持续迭代机制。发布信息显示，吉利已完成与千里科技的整合，意在强化视觉感知、决策规划等核心算法团队与工程化能力，改善传统车企在软件侧相对薄弱的结构性问题。同时，吉利宣布与英伟达围绕新一代车载计算平台推进合作，指向更高算力与更强的模型承载能力。智能驾驶从“能跑”到“跑得稳”，对计算能力、能耗、散热与成本提出系统性要求，提前布局算力平台有助于缩短后续功能升级周期。更值得关注的是其“分阶段、分场景”的落地路径：先在高速、城市快速路等相对可控场景逐步提升能力，同时在泊车、拥堵跟车等低速场景推进更高等级自动化，利用可控环境积累数据与口碑，再向更复杂的城市道路扩展，以降低一次性跨越带来的风险与不确定性。 前景——本土化能力与合规体系将成为关键，智能驾驶进入“长期赛”。从趋势看，智能驾驶的胜负不再取决于发布会上的参数对比，而在于持续的数据闭环、严格的安全验证、清晰的能力边界告知与完善的合规机制。随着法规、数据治理与道路测试规范健全，企业需要在“技术进步”和“安全底线”之间建立可审计、可追溯、可迭代的体系。吉利此次提出对标目标，既释放加速追赶的信号，也意味着其必须在规模交付、用户教育、售后保障与责任界定等同步补齐。业内预计，未来一段时期内，国内车企竞争焦点将集中在三上：复杂场景稳定性、成本可控的冗余安全方案，以及跨车型、跨区域的一致性交付能力。
智能驾驶的竞争不仅是企业之间的比拼，也是不同市场环境与技术路线的碰撞。吉利此次加码布局，既展示了其推进节奏，也反映出中国汽车工业在智能化浪潮中的进取姿态。技术主张能否最终转化为市场优势仍需时间验证，但这场更强调本土化与体系能力的竞争，无疑为行业带来了新的变量与思路。