承泰科技CTO周珂：AI雷達的時代已經到來

近年來，"AI雷達"成為行業熱詞。圍繞它是什麼、為何現在出現、將如何改變毫米波雷達產業，業界正在形成越來越多的討論。本文基於公開研究、產業實踐及超級雷達社區的行業討論，對其中的核心觀點進行梳理。超級雷達社區由承泰科技發起，面向雷達產業鏈、科研機構與開發者開放，關注技術交流、工具共建、數據協作與標準討論。AI雷達 vs 傳統雷達AI雷達，簡單說是AI賦能的雷達，準確說是支持AI模型部署、由模型定義功能的雷達（Model-Defined Radar, MDR）。

傳統雷達的功能由工程師把人工設計的算法和硬性規則寫進固件，出廠即定格；AI雷達的功能則由可訓練、可迭代的AI模型實現，模型可部署、替換、持續升級，由開發者自行定義。技術底層看，傳統雷達遵循幾十年不變的級聯信號處理鏈：ADC採樣、2D-FFT、CFAR檢測、DOA測角、聚類、跟蹤、分類。每一級處理都是對物理世界的"簡化假設"（點模型、高斯噪聲、多徑可濾除），而真實世界從不按假設運行，逐級丟失信息、累積誤差，形成能力天花板。AI雷達走另一條路：讓數據自己說話。模型直接從原始信號中學習最優表徵，信息無損傳遞、特徵自學習，追求全局最優。

類比上，網絡有SDN、汽車有SDV，雷達則從SDR（軟件定義雷達）進一步發展為MDR（模型定義雷達）。AI的引入降低了雷達開發門檻，把雷達從少數算法專家的專業技術變成可廣泛參與的通用技術。相互成就：從4D到AI雷達4D成像雷達與AI雷達不是一回事。4D成像雷達解決"看得清"，是硬件能力升級；AI雷達解決"看得懂、迭代得快"，是開發範式變革。兩者相互成就——高清數據為模型提供養料，模型讓高清數據產生價值。“4D成像雷達把路修寬，AI雷達讓路上跑起車來。

”承泰科技近年來持續探索中央計算雷達、超級雷達等技術路線，本質上也是在嘗試解決同一個問題：如何讓雷達保留更多原始信息，並讓這些數據真正進入後端AI計算體系。軟硬件解耦打破封閉生態讓更多人參與雷達開發，需要軟硬件解耦，這是AI雷達的另一支柱。軟件與模型開發者面向應用獨立開發，硬件交給專業廠家，形成類似PC產業的分層分工——在通用硬件基礎上開發面向不同場景的應用模型，雷達從封閉生態走向開放生態。過去研發一款雷達須同時具備硬件、軟件、射頻、算法能力，只有少數企業和科研機構玩得起；解耦後不必組建全領域團隊、不必購置昂貴射頻環境，更多團隊和個人得以參與。

在這一過程中，承泰希望通過超級雷達開發平臺、SDK以及相關開發工具，把過去相對封閉的雷達開發環境逐步開放出來，讓更多AI開發者能夠以更接近視覺AI的方式理解和使用雷達數據。天時地利：AI雷達時代已到來AI雷達直到現在才出現，是因為幾股力量此刻才匯聚，可總結為"一個需求牽引，三個技術拐點"。• 需求牽引：物理AI爆發。具身智能、機器人發展使感知需求從"看得見"升級為"看得懂"，而跨越門檻的鑰匙正是AI模型。物理AI必然遭遇雨霧煙塵、逆光閃光、透明障礙物等複雜環境感知挑戰，把雷達感知推到臺前。• 數據拐點。

毫米波雷達近年探測精度與分辨率實現數量級飛躍，點雲可達每幀數千至數萬點，成為真正的成像雷達，單幀數據量達激光雷達級別。高清數據是AI的口糧。• 算力拐點。一端在雷達本體，內存與算力提升千百倍，端側具備部署AI模型的硬件環境；另一端在系統架構，如汽車從分佈式ECU走向中央計算+區域控制，整車演化為"移動數據中心"，中央計算單元提供數百乃至上千TOPS算力，雷達原始數據可經車載高速網絡直傳域控，多節點原始數據甚至可相干融合、聯合處理，實現虛擬孔徑擴展與全局優化。• 算法拐點。AI技術平民化與基礎模型跨模態能力。

模型能力增強、算力成本下降，PyTorch、ONNX等開源工具鏈成熟；GPT、ViT、Occupancy Network等已證明端到端學習在感知任務上的壓倒性優勢，遷移到雷達數據域路徑清晰。需求在牽引，數據、算力、算法三個條件同時具備，AI雷達順勢而生。AI雷達正迎來"ImageNet"時刻類比視頻AI：2012年AlexNet在ImageNet一鳴驚人，開啟視覺AI十年突破。但爆發的前提是兩個——高質量標註數據積累（ImageNet本身）與工具鏈普及（千萬開發者可參與）。雷達正站在類似門檻。

學術界早有嘗試：卡內基梅隆用100萬幀原始雷達數據預訓練出首個毫米波雷達"基礎模型"，可微調複用於檢測、分割等任務；谷歌Soli把毫米波雷達裝進手機實現隔空操控；近年還有學者用雷達無接觸測出心電信號；頂級機器人會議工作已能讓自然語言直接指揮4D雷達。這些說明雷達與AI結合的天花板遠高於想象。但需強調：學術演示到產業爆發之間，隔著數據、工具和生態。視覺AI爆發不是模型某天突然變聰明，而是千萬開發者手裡有了數據、工具和平臺。在承泰科技看來，雷達行業當前缺少的正是這樣的基礎設施，而這也是承泰科技希望長期投入並聯合產業各方共同補上的環節。

更開放的雷達開發模式AI雷達開發將分三個階段：• 初級·點雲外置處理： 雷達經標準接口輸出點雲，開發者在外置處理器上訓練部署模型，門檻最低。• 中級·模型上機部署： 開發者直接在雷達內置計算單元部署模型，數據經API獲取，集成度更高、成本更低、實時性更好。• 高級·原始信號開放： 開發者經高速接口獲取原始信號，探索微動特徵、非視距感知等前沿方向，面向科研機構與深度研發團隊。生態越成熟，走向深水區的開發者越多，如同視覺領域大多數調用成熟模型、少數研究底層架構，兩者相互支撐。AI雷達的核心能力1.信息利用。

傳統雷達只用人工特徵（距離、速度、角度、RCS）；AI雷達利用原始信號全部電磁信息，包括微多普勒、極化、散射中心分佈等工程無法觸及的維度，數量級提升。2.角分辨率。傳統受物理孔徑（瑞利極限）限制；AI可通過超分辨學習突破，提升數倍，直接價值是小目標檢測——大目標旁也能看清小目標。3.輸出能力升維。傳統輸出"點目標"（距離/速度/角度）；AI輸出"語義實體"——不是"這裡有反射點"，而是"一輛正在減速的轎車""一個奔跑的兒童，預計1.2秒後進入車道"，甚至判斷"這是被風吹動的灌木叢，可通行"。4.Free Space可通行區域。

傳統告訴你"前面有東西"，AI告訴你"哪裡可以走"——區分低矮障礙與路面起伏避免誤剎，識別積水結冰沙石並估計附著係數，在黑暗或暴雨中繪製可通行走廊，端到端原生輸出。5.語義SLAM。雷達開始具備"記憶"，把回波紋理（護欄樣式、路面接縫、建築立面）編碼為語義路標，在GPS拒止環境高精度定位；回到同一場景能"認出"並調取歷史語義地圖融合，自動標記施工區、臨時障礙，讓語義地圖實時演化。6.工程效率。傳統調參以周計，AI數據驅動訓練以天計；新增功能從重新設計信號處理鏈變為新增任務頭做遷移學習，即插即用。惡劣天氣下傳統性能下降、虛警增加，數據驅動讓雷達對雨雪自適應，魯棒性成倍提升。

物理AI時代：AI雷達蓄勢待發充分發展後，AI雷達將帶來四方面改變：• 感知更豐富高階。弱信號、離散信號、多次反射、雜散信號過去被過濾丟棄，如今大算力大內存使其可被保留累積利用，支持語義輸出、Free Space、SLAM定位建圖、Occupancy佔用網格建圖。• 更多人參與。做雷達不再硬件軟件射頻算法樣樣自己來，解耦後開發者專注模型與應用，硬件交專業廠家——就像PC產業沒人為了寫軟件去造電腦，開發從獨門手藝變通用技能。• 一鍵部署、多場景適用。雷達全天候工作、直接測速、不採集圖像天然保護隱私，是視覺感知不可或缺的補充，在具身智能、工業智能中需求將爆發。• 成本與週期下降。

通用硬件規模化量產攤薄成本；模型可複用迭代，產品從"一次性工程"變"持續演進"，售出後還能OTA升級——一次硬件部署，長期能力增長。物理AI需要多模態融合感知需求側：雨霧煙塵、逆光閃光、透明障礙需毫米波全天候能力；高響應場景需直接測速；隱私場景需不採集圖像。更重要的是，物理AI多與人類協同，安全需求要求增加感知多樣性——不只攝像頭，還要雷達等，如同人類不只靠眼睛，還有耳朵鼻子。融合感知：物理AI擁有超強中央算力。攝像頭、雷達前端是感知單元，計算單元是中央處理器，感知與計算分離。

汽車智駕中毫米波雷達必配，新名詞"衛星雷達/中央計算雷達"即實現感知計算分離——前端將電磁信號ADC採樣數據直傳中央域控，與光學信號做多模態融合。承泰科技已實現中央計算架構雷達的規模化量產交付，並持續推進原始雷達數據在中央計算平臺上的統一處理、模型訓練和多平臺適配。在此基礎上，承泰進一步提出AI超級雷達架構，將天線、射頻和計算模塊進行解耦，使邊緣AI雷達與衛星AI雷達能夠共享更開放的開發基礎。第一性原理：人類大腦統一處理多感官，物理AI中央處理器也應統一處理多傳感器。

產品形態：若AI雷達獨立處理並出結果，含前端+計算單元，即"邊緣雷達"；若做多模態融合，只保留前端感知單元，信號交中央計算統一處理，即"衛星雷達"。無論哪種，只要部署AI模型做信號處理，就是AI雷達。推動AI雷達的初心推動AI雷達，既有理性也有情懷。理性上，雷達結合AI能做過去做不了的事，物理AI大發展必然產生大量雷達感知需求，供需相互促進；但供給端跟不上——雷達研發過去是小眾行業，傳統模式難度大、週期長、投入高，行業需要生力軍，而開放生態恰恰能動員它。情懷上，對這門技術有感情。推動AI雷達是情懷，更是行業領軍者的責任：承泰希望做長期主義者，與生態夥伴一起擴大AI與雷達行業邊界。

從企業實踐走向行業共建：建設AI雷達生態基座基於近十年的毫米波雷達研發、量產於中央計算架構實踐，承泰科技把推動AI雷達從概念走昂可開發、可驗證、可應用，歸納為三項基本工作：建設開發開發平臺、運營超級雷達社區、推動訓練數據與評測協作。三折分別解決“用什麼開發”“與誰交流”“用什麼訓練與驗證”的問題。超級雷達社區是承泰發起的開發連接平臺，承泰則作為技術與工程資源的首批投入者和共建者之一。超級雷達開發平臺。

承泰科技推出面向AI模型開發與部署的超級雷達架構和開發平臺，實現天線、射頻、計算三模塊分離、獨立替換組合，支持大算力大內存以滿足模型上機部署，開放SDK、文檔與示例，支持從點雲讀取到模型部署全流程；並進一步將前端拆分為天線模塊與射頻模塊，三分離架構可支撐邊緣與衛星兩類AI雷達開發。平臺基於CUDA工具鏈，讓雷達信號處理像圖像一樣便捷，輸出標準數據快速接入AI模型；未來將推出多廠家多算力規格計算單元。開發者社區。社區圍繞AI雷達、4D成像雷達、中央計算、機器人感知等共同議題，連接芯片企業、雷達廠商、整車及機器人企業、高校和獨立開發者。

運營AI雷達開發者社區，聚合行業內外力量共建生態，推動點雲數據格式與模型接口標準化，降低集成遷移成本。社區的公信力將來自持續產出有價值的技術內容，以及越來越多外部專家和生態夥伴的共同參與。AI訓練數據集。這是當前最要害的一環。有綜述判斷，毫米波感知下一個瓶頸不在模型架構，而在高質量數據集與標準化評測。承泰科技正在從軟硬件兩端推進：硬件上開發雷視融合一體機，用視頻模型輔助雷達標註——以視覺長板補雷達數據短板；軟件上訓練雷達數據標註模型實現自動化標註，並搭建雷達標註數據開源平臺，帶動各方參與，提供統一標準數據集。

結語視覺AI用十年讓機器"看懂"平面世界；AI雷達將讓機器"看懂"立體的物理世界——全天候、可測速、懂語義。其終極形態不是更精確的雷達，而是更聰明的雷達：不再是一臺測量儀器，而是一個感知智能體——理解場景、預測行為、記憶地圖、適應環境，讓電磁波擁有語義、毫米波擁有智慧。當行業爭論"激光雷達還是純視覺"時，AI雷達開闢第三條道路：不是用更多傳感器，而是用更智能的傳感器；不是堆疊硬件，而是釋放數據的全部潛能。道阻且長，行則將至。