九识建成L4万卡集群，无人驾驶迈入多模态大模型新范式

事件概述

2026年9月17日，九识智能CTO庄立披露公司已完成业内首个L4级万卡算力集群建设，总规模近1.5万张加速卡。此举旨在支撑其核心AI底座——APEX多模态基座大模型从百亿参数规模向千亿参数规模迈进，标志着无人驾驶技术正式进入多模态大模型驱动的新阶段。

核心信息

1. 算力基础设施突破

• 集群规模：九识建成由超过一万张加速卡组成的高性能计算系统，成为首家达成此规模的L4无人驾驶团队。
• 战略意义：算力层级决定智能上限。面对城市货运中无法用人工规则穷尽的长尾非标路况（如无标识乡村道路、临时施工、异形障碍物等），万卡集群是训练能够“理解物理世界”的大模型的硬性前提。

2. APEX多模态基座大模型能力跃升

• 参数演进：APEX模型融合海量真实L4驾驶数据、互联网语言/视频语料及人类决策数据，正向千亿级参数规模发展。
• 四大质变：
  • 场景推理与决策：具备预测推演能力，大幅提升长时序博弈预判，提高行驶平顺性与安全性。
  • 知识融合：统一理解交通灯、交警手势、道路标识及本地通行规则，实现跨城市通用性，支撑无图L4在陌生道路的当日部署。
  • 仿真业务：离线仿真高度还原动力学与人车行为，百万级工况并行仿真可信，可在云端验证边缘危险场景，降低实车风险。
  • 模型蒸馏：一站式蒸馏端到端智驾大脑，感知、预测、规划统一权重，一套基座适配多款车型，降低迭代成本。

3. 车云协同与自进化机制

• 分层部署架构：
  • 5-30km/h复杂场景：车端VLA进行本地实时推理，同时调用云端VLA模型进行理解增强。
  • 0-5km/h末端场景：引入“安全员Agent”，自主完成极端场景下的救援脱困、绕行或重新规划路线等高阶决策。
• 闭环迭代逻辑：真实数据回流至APEX基座 -> 基座能力提升支撑云端模型升级 -> 云端模型通过蒸馏输出更优车端模型。这种机制使车辆具备“自我进化”能力，而非被动等待接管。
• 决策逻辑创新：九识的VLA模型不强制翻译为人类语言指令，而是模拟人类行动前的“念头”，先思考因果再执行，比语言指令更快且更抽象压缩。

4. 数据壁垒与商业逻辑

• 稀缺数据资源：九识全球车队超3万台，覆盖20多个国家、300多座城市，累计真实运营里程超2.7亿公里。这些数据包含大量实验室无法复现的物理世界稀缺场景（如交警手势、人车混行等）。
• 飞轮效应：商业模式盈利确保持续获取高价值数据，数据反哺模型迭代，模型优化降低运营成本并提升客户体验，进而扩大规模获取更多数据。九识本质上已转型为拥有稀缺物理世界数据资源的大模型公司。

值得关注

九识此次升级的核心在于打破了“载人自动驾驶技术壁垒高，城市货运无人车壁垒低”的传统认知。通过构建“万卡算力+千亿大模型+2.7亿公里真实数据”的四重自增强壁垒，九识试图将无人车从单纯的运输工具升级为城市治理的能力延伸，探索从“运货”到“城市级物理AI服务”的商业边界。