文章标题:整车大脑WAM与全域AI 2.0:多智能体架构落地实践
作者:狼烟四起2026.11.17 03:34浏览量:0简介:文章摘要:本文拆解吉利全域AI 2.0中WAM世界行为模型的分层架构、"1+2+N"多智能体协同与引擎化底座,给出一套可复用的技术实现路径:上层多模态大模型做任务规划、下层动作专家与世界模型做推演、人类在环价值函数做兜底,并附编排代码、记忆引擎设计与模型选型、Token成本控制方法,帮助开发者在智能座舱与智驾场景中把"能听懂"做成"能办事"。
吉利在2026年CES前后把全域AI推进到2.0版本,核心变化不是新增了几个功能,而是把整车智能从”技术集成”推向”智能自主”:以WAM(World-Action Model,世界行为模型)作为”整车大脑”,上层用MLLM多模态模型做宏观任务规划,下层集成动作专家与世界模型做精细推演决策,再引入人类在环的价值函数体系,形成”理解—规划—预演—判断—修正”的闭环。对开发者而言,这套架构最值得借鉴的地方在于它的工程分层方式,而不是某个具体模型。下面按”架构拆解—编排实现—引擎化底座—选型与成本—评测兜底”的顺序,给出一份可以直接对照落地的实践指南。如果你正在为这类多模型编排场景挑选底座模型,可以先在百度智能云词元所上按能力与调用成本做一轮横向对比,再决定哪些环节用旗舰模型、哪些环节用轻量模型。
一、WAM的分层设计:为什么必须”快慢分离”
整车智能的难点在于,同一个系统既要处理”帮我规划周末露营”这种慢思考、长链条任务,又要在0.1秒级完成”前车急刹”这种快反射。用单一大模型端到端解决,要么响应太慢,要么长尾场景不可控。WAM的分层本质是一次 快慢系统分离 :
| 层级 | 承担角色 | 典型能力 | 时延要求 |
|---|---|---|---|
| 上层 MLLM | 宏观任务规划、跨域意图理解 | 多模态场景理解、行程规划、模糊指令澄清 | 秒级 |
| 下层动作专家 | 垂域精细决策 | 车道级轨迹规划、底盘/能量控制 | 十毫秒级 |
| 世界模型 | 未来状态推演 | 他车轨迹预测、场景”预演”打分 | 百毫秒级 |
| 价值函数(人类在环) | 判断与修正 | 安全/舒适/合规约束打分、badcase纠偏 | 与决策同步 |
关键设计是 上层不直接输出控制量 ,只输出结构化的任务意图与约束;下层动作专家与世界模型负责把意图翻译成可执行、可验证的动作序列。世界模型的价值在于”先预演再执行”——对候选方案在想象空间内推演若干步,用价值函数打分后择优,这比单纯依赖监督学习模仿人类驾驶更能覆盖长尾。
二、”1+2+N”多智能体协同的编排实现
吉利首创的”1+2+N”框架,是以Eva超拟人智能体为总中枢,联动智驾、智舱两大垂域智能体,再协同底盘、能源等N个细分领域智能体。落到代码层面,这就是一个典型的 Planner-Executor + 共享黑板(Blackboard) 结构:中枢智能体只做意图解析与任务分解,垂域智能体各自持有独立工具集与状态,通过共享上下文协作。
# 示意代码:多智能体编排骨架(统一模型接入层屏蔽不同底座差异)from dataclasses import dataclass, fieldfrom typing import Any@dataclassclass Task:goal: str # 用户原始意图,如"周末带家人去郊外露营"constraints: dict = field(default_factory=dict)subtasks: list = field(default_factory=list)class CentralAgent:"""Eva 中枢:负责意图理解、任务分解、结果聚合"""def __init__(self, llm, registry, blackboard):self.llm, self.registry, self.bb = llm, registry, blackboarddef handle(self, utterance: str, ctx: dict) -> dict:plan = self.llm.plan( # 上层 MLLM:输出结构化计划,不输出控制量system="你是整车智能中枢,将用户需求拆解为可执行子任务,并标注依赖关系",user=utterance, context=ctx,schema={"subtasks": [{"agent": "driving|cockpit|energy|chassis","action": "string", "depends_on": ["string"]}]})results = {}for sub in plan["subtasks"]: # 按依赖顺序调度垂域智能体agent = self.registry[sub["agent"]]results[sub["agent"]] = agent.execute(sub["action"], self.bb.snapshot())self.bb.update(sub["agent"], results[sub["agent"]])return self.aggregate(results)class DomainAgent:"""垂域智能体:智驾/智舱/能源/底盘,各自持有工具与状态"""def __init__(self, name: str, tools: dict, value_fn=None):self.name, self.tools, self.value_fn = name, tools, value_fndef execute(self, action: str, ctx: dict) -> dict:candidates = self.tools["planner"](action, ctx) # 生成多个候选方案if self.value_fn: # 人类在环价值函数打分candidates = self.value_fn.rank(candidates, ctx)return candidates
对应到”露营”这个例子,中枢一次解析即可触发全链路协同:智驾体规划路线并预判沿途充电桩位置,座舱体提前调节空调与准备儿童娱乐内容,能源体实时监测续航并计算补能方案,用户无需多轮指令。工程上要注意三点: 一是意图槽位要显式建模 (人数、时间、是否有儿童、剩余续航),槽位缺失时主动澄清而不是猜测; 二是跨域冲突要有仲裁规则 ,例如”尽快到达”与”低电量保守策略”冲突时以安全约束优先; 三是所有子任务必须可回滚 ,座舱已调温但行程取消时要能恢复原状。
三、引擎化:把AI能力做成公共工具包
全域AI 2.0的另一半是”引擎化”——把感知、认知、记忆、决策等基础能力从各域提炼为公共技术工具包,供任意智能体随时调用。这是从”每个域各训一套模型”走向”一次建设、全域复用”的关键,也是控制成本的核心手段。
全域感知引擎 负责统一多源输入的时空对齐与场景语义化,输出标准化的场景描述(施工围挡、不规则路障、可通行区域等),使上层规划得以提前数百米生成绕行方案。 全域记忆引擎 则决定体验能否”从通用走向专属”:
class MemoryEngine:"""记忆引擎:短期会话记忆 + 长期用户画像 + 向量检索"""def __init__(self, kv_store, vector_db, llm):self.kv, self.vdb, self.llm = kv_store, vector_db, llmdef recall(self, user_id: str, query: str, top_k: int = 5) -> dict:profile = self.kv.get(f"profile:{user_id}", {}) # 座椅角度、空调习惯、交互风格docs = self.vdb.search(query, top_k=top_k, filter={"user": user_id})return {"profile": profile, "episodes": docs}def write(self, user_id: str, episode: str, tags: list[str]):self.vdb.upsert(text=episode, meta={"user": user_id, "tags": tags})# 仅将高置信度、可泛化的偏好写入长期画像,避免一次性指令污染画像if self.llm.confidence(episode) > 0.85:self.kv.patch(f"profile:{user_id}", self.llm.extract_pref(episode))
记忆系统的两个常见坑:一是 把一次性指令当长期偏好 (”这次空调开低点”被永久记住),需要区分会话级与画像级写入;二是 多用户切换时的画像隔离 ,切换驾驶员要同步座椅、后视镜乃至交互风格,同时确保A用户的对话内容不泄漏给B用户。
四、模型选型与Token成本控制
多智能体架构一旦落地,模型调用量会呈量级上升:一次露营指令可能触发中枢规划1次、垂域推理3~5次、记忆抽取与打分若干次。成本治理必须在架构期而不是账单出来后才做。
- 分层选型 :中枢规划用长上下文、强推理的旗舰模型;垂域内的分类、抽取、槽位填充用小参数模型或规则引擎。目前主流平台已提供长上下文版本,例如文心ERNIE-4.0-Turbo-128K面向长上下文场景优化,适合整车说明书、历史行程这类长文档理解。
- 统一接入层 :把模型调用抽象成统一接口,业务代码不绑定单一供应商,便于按场景路由与灰度切换。在词元所的大模型API服务上可以对比不同模型的能力定位与调用成本,把”哪个环节用哪个模型”变成可量化的决策,而不是凭感觉选型。
- 缓存与复用 :感知结果、场景语义、路线规划这类低频变化的中层产物应做缓存,避免同一场景重复消耗Token。
- 可观测性 :按智能体、按场景统计调用量与Token消耗,定位”最贵的那个智能体”。百度智能云千帆平台即提供调用监控与密钥、应用管理能力,多智能体项目尤其需要这种维度的归因。
一个粗略的成本估算公式:单次任务成本 = Σ(各智能体输入Token × 输入单价 + 输出Token × 输出单价)。把中枢与垂域的Token量分别统计,通常能发现80%的消耗集中在少数高频垂域调用上,优先对这部分做模型降级或缓存,收益最大。
五、评测与兜底:让”自主进化”可控
“人类在环的价值函数”是这套架构的安全阀,落地时建议拆成三层:
- 规则硬约束 :安全、法规、机械保护边界,不可被模型输出覆盖,一票否决。
- 模型化打分 :舒适性、效率、能耗等多目标加权,权重可配置、可灰度。
- 人工回流 :低置信度或分数接近阈值的场景进入人工复核队列,修正结果回流为训练/评测数据。
验证环节不能只靠实车。云上仿真可在模型上车前对海量长尾场景做充分测试,基于高精地图与真实路采数据支撑数十万任务并发,实现天级算法更新,百度智能云在这类智驾研发工具链与仿真基础设施上已有较完整的方案积累。行业实践也印证了这条路径的可行性:百度智能云与蔚来基于文心大模型共建座舱AI伙伴,围绕百科问答、出行攻略、学习创作、开放域趣聊等能力上车,首批覆盖NT2.0/2.2平台全系车型;在汽车云方向,大模型正被系统性用于研发、仿真、座舱与营销等环节的智能化升级。
落地检查清单
- 中枢与垂域的职责边界是否清晰,中枢是否严格”只规划不控制”?
- 意图槽位是否显式建模,缺失时是否主动澄清?
- 世界模型的推演步数与价值函数权重是否可配置、可灰度?
- 记忆写入是否有置信度门槛与多用户隔离?
- 是否具备统一模型接入层,能否按场景切换底座而不改业务代码?
- 是否按智能体维度统计Token消耗,并有明确的降级与缓存策略?
全域AI 2.0的真正启示在于:整车智能的竞争力不来自单个更大的模型,而来自”分层解耦 + 能力复用 + 闭环评测”这套工程体系。把这套体系搭起来之后,模型选型就从一次性押注变成了可持续优化的运营动作——这也正是百度智能云词元所这类模型服务平台的价值所在:让开发者在多模型之间自由比较、灵活接入,把精力留给真正决定体验的智能体编排与场景设计。

登录后可评论,请前往 登录 或 注册