九識建成首個L4萬卡集群，無人駕駛進入多模態大模型新範式

一家做無人車的公司，為什麼需要一萬多張GPU？9月10日，九識CEO孔旗在廣州宣佈戰略升級為“城市級物理AI”。一週後的9月17日，CTO莊立首次披露支撐這次升級的底層能力：九識已建成業內首個L4級萬卡集群，算力集群總規模近1.5萬卡。九識也成為首個建成萬卡集群的L4團隊。而萬卡算力的背後，是一個正在從百億級邁向千億級的九識APEX多模態基座大模型。無人駕駛下半場：邁入多模態大模型新範式在智能駕駛圈子裡，長期存在一個頑固的偏見：載人自動駕駛是高科技，城市貨運無人車，AI壁壘更低。但事實顯然不是如此。

九識成立於2021年8月，創始團隊是中國無人駕駛的拓荒者，曾在百度硅谷研究院主導了Robotaxi、Robotruck的研發工作，併為第一代Appollo開源平臺作出了重要貢獻。而創業之初，就選擇了嶄新的領域RoboVan，過去五年，這家企業圍繞技術、場景、商業模式三大核心方向深耕佈局。這五年，九識幹了三件事：第一件事，把技術真正做出來，發明了全球第一臺Robovan；第二件事：讓無人駕駛走進更多真實場景，從聚焦物流到L4技術賦能千行百業；第三件事：跑出了無人駕駛的成熟商業範式——賣車、服務、運力。

從2023年賣出第一臺車，到如今，九識全球車隊超過3萬臺，覆蓋20多個國家、300多座城市，累計真實運營里程超過2.7億公里。但規模跑通之後，一個更根本的問題浮出水面：當無人車面對真實城市裡那些無法用規則窮盡的大量長尾場景——無標識鄉村道路、臨時施工圍擋、異形障礙物、人車無序混行、惡劣天氣光影突變——分水嶺到底是什麼？今天，九識從另一個維度回答了這個問題——正式披露其算力集群突破“萬卡”規模，成為業內首家建成L4萬卡集群的L4無人駕駛企業。這也意味著無人駕駛開始邁入多模態大模型的新範式。

萬卡算力集群，讓車擁有“自我進化”的能力萬卡集群，指的是由超過一萬張加速卡組成的高性能計算系統，用以訓練基礎大模型。單張AI加速卡像一個高速計算單元，萬卡集群則像一座由上萬臺計算設備組成的‘AI超級工廠’，能夠把一個複雜的大模型訓練任務拆解後並行處理。更重要的是，算力的層級，將在基礎設施上決定一家智駕企業的智能上限。真實的城市貨運場景，充滿了長尾非標路況，根本無法用人工規則窮盡。九識的解法是用大模型去學習物理世界，而萬卡集群就是訓練這些模型的硬性前提。萬卡算力集群，是支撐千億大模型演進的硬核底座。據九識披露，其APEX多模態基座大模型正在由百億級參數規模向千億級邁進。

APEX融合了海量真實L4駕駛數據與互聯網語言、視頻等知識語料和真實運營的人類決策數據，通過APEX 基座訓練完成後，向下賦能數據、模型、評測，實現迭代閉環。萬卡集群賦予九識的，是“自我進化”的能力。3萬臺車、300多座城市、2.7億公里真實L4運營數據，每天都在餵養這套算力體系。算力越強，模型迭代越快。模型越強，運營成本越低，更多客戶願意用，車跑起來又產生更多稀缺數據。孔旗說過一句話：“複雜城市開放道路能夠產生高價值數據，而商業模式本身需要賺錢，才能持續獲取數據、推動技術進步。”算力不是成本，是飛輪的起點。

APEX九識基座世界模型，讓車“理解物理世界”九識此次戰略升級的核心，落在“九識大腦”上——它是九識無人車實現服務與城市治理生態的核心基座。而九識大腦的核心，是正從百億邁入千億的APEX多模態基座大模型。APEX賦予九識的，是“理解物理世界的變化”。這種能力帶來四個層面的質變。場景推理與決策能力更強，具備預測推演能力，長時序博弈預判大幅提升行駛平順性與安全性。知識融合能力更強，融合全網視頻、交通文本、人類駕駛經驗，統一理解交通燈、交警手勢、道路標識、本地通行規則，跨城市通用性更強——這正是無圖L4在陌生道路當日部署、全場景泛化通行的底氣。

仿真業務能力提升，離線仿真動力學、人車行為高度還原，百萬級工況並行仿真可信，大量邊緣危險場景可在雲端仿真完成驗證，減少實車安全風險。模型蒸餾與車端部署價值更高，一站式蒸餾完整端到端智駕大腦，感知、預測、規劃統一權重；一套基座適配多款RoboVan車型，批量輕量化，大幅降低多車型迭代成本。車雲協同：車端跑日常，雲端解難題，模型自進化基於APEX多模態基座大模型，九識構建了一套車雲協同機制。核心邏輯很簡單：場景越複雜，雲端大模型介入越深。當前主流的車端端到端模型，可以較好覆蓋覆蓋30+km/h的一般道路行駛場景，但存在能力邊界。

九識打造的車雲聯動大模型架構，會針對不同路況與速度區間分層部署模型：在5-30km/h複雜道路場景，依託車端VLA進行本地實時推理的同時，會調用雲端VLA模型進行理解增強。而在0-5km/h末端場景，除了車端VLA模型和雲端VLA理解增強模型，更創新推出了安全員Agent，能夠自主完成極端場景下的救援脫困，作出繞行、重新規劃路線、靠邊停車等高階決策。通過車端基礎算力與雲端增強能力的有機結合，九識突破傳統L2方案的場景侷限，實現常規道路、複雜路況、救援脫困的全場景覆蓋。九識和L2的本質區別不在於車速，而在於車端知道自己“不行了”時會主動降速或停車，呼叫雲端分析並給出指令，而不是被動等待接管。

這套協同能持續進化，靠的是閉環迭代：真實數據迴流至APEX基座，基座能力提升後支撐雲端模型升級，雲端模型再通過蒸餾輸出更優的車端模型。APEX通過知識蒸餾和物理推演，構建起覆蓋車端VLA、雲端VLA、安全員Agent等模型矩陣，各模型產出的場景數據持續迴流，反哺基座迭代優化。一個細節值得注意：九識的VLA並不強制翻譯成人類語言再去操控車。它更像人類行動前的“念頭”——看到前方有車決定剎車讓行，這個“念頭”比說出“我要剎車”快得多，也更抽象、更壓縮。九識用對齊人類語言的方式，讓模型在決策前先思考因果。車端保證實時安全，雲端提供認知上限，Agent兜底極端場景。

萬卡算力是硬件工廠，APEX多模態基座大模型是軟件大腦，2.7億公里L4真實運營里程是場景底座。三者形成數據、算力、模型、工程四重自增強壁壘。商業規模不是終點，是燃料九識此次戰略升級的底氣，來自已經跑通的商業化規模：覆蓋20多個國家、300多座城市，真L4實際運營里程超過2.7億公里，運營車隊規模3萬多臺，三年運力增長100倍。但這些數字真正的價值，不在於規模本身。而在於2.7億公里背後，是一個通用大模型公司拿不到的東西：真實物理世界的稀缺數據。每一臺車每天在開放城市道路上遇到的交警手勢、施工圍擋、臨時管制、人車混行，都在為APEX多模態基座大模型提供訓練燃料。

這些場景無法在實驗室裡窮舉，也無法靠仿真完全復現。它們只能從真實的城市運營中來。這正是九識從無人車公司走向城市級物理AI服務商的底層邏輯。從“運貨”延伸到“城市治理”，無人車成為城市管理的能力延伸。通用大模型公司沒有物理世界的數據，做自動駕駛的公司沒有足夠規模的真實運營數據。九識同時擁有兩者。當3萬臺車每天都在為一個大模型提供稀缺的物理世界數據，規模本身就不再是終點，而是燃料。在實現大規模商業化後，九識本質上是一傢俱有稀缺數據資源的大模型公司。