一家做无人车的公司，为什么需要一万多张GPU？
9月10日，九识CEO孔旗在广州宣布战略升级为“城市级物理AI”。一周后的9月17日，CTO庄立首次披露支撑这次升级的底层能力：九识已建成业内首个L4级万卡集群，算力集群总规模近1.5万卡。九识也成为首个建成万卡集群的L4团队。
而万卡算力的背后，是一个正在从百亿级迈向千亿级的九识APEX多模态基座大模型。
无人驾驶下半场：迈入多模态大模型新范式
在智能驾驶圈子里，长期存在一个顽固的偏见：载人自动驾驶是高科技，城市货运无人车，AI壁垒更低。但事实显然不是如此。
九识成立于2021年8月，创始团队是中国无人驾驶的拓荒者，曾在百度硅谷研究院主导了Robotaxi、Robotruck的研发工作，并为第一代Appollo开源平台作出了重要贡献。而创业之初，就选择了崭新的领域RoboVan，过去五年，这家企业围绕技术、场景、商业模式三大核心方向深耕布局。
这五年，九识干了三件事：第一件事，把技术真正做出来，发明了全球第一台Robovan；第二件事：让无人驾驶走进更多真实场景，从聚焦物流到L4技术赋能千行百业；第三件事：跑出了无人驾驶的成熟商业范式——卖车、服务、运力。
从2023年卖出第一台车，到如今，九识全球车队超过3万台，覆盖20多个国家、300多座城市，累计真实运营里程超过2.7亿公里。
但规模跑通之后，一个更根本的问题浮出水面：当无人车面对真实城市里那些无法用规则穷尽的大量长尾场景——无标识乡村道路、临时施工围挡、异形障碍物、人车无序混行、恶劣天气光影突变——分水岭到底是什么？
今天，九识从另一个维度回答了这个问题——正式披露其算力集群突破“万卡”规模，成为业内首家建成L4万卡集群的L4无人驾驶企业。
这也意味着无人驾驶开始迈入多模态大模型的新范式。
万卡算力集群，让车拥有“自我进化”的能力
万卡集群，指的是由超过一万张加速卡组成的高性能计算系统，用以训练基础大模型。
单张AI加速卡像一个高速计算单元，万卡集群则像一座由上万台计算设备组成的‘AI超级工厂’，能够把一个复杂的大模型训练任务拆解后并行处理。
更重要的是，算力的层级，将在基础设施上决定一家智驾企业的智能上限。真实的城市货运场景，充满了长尾非标路况，根本无法用人工规则穷尽。
九识的解法是用大模型去学习物理世界，而万卡集群就是训练这些模型的硬性前提。万卡算力集群，是支撑千亿大模型演进的硬核底座。
据九识披露，其APEX多模态基座大模型正在由百亿级参数规模向千亿级迈进。APEX融合了海量真实L4驾驶数据与互联网语言、视频等知识语料和真实运营的人类决策数据，通过APEX 基座训练完成后，向下赋能数据、模型、评测，实现迭代闭环。
万卡集群赋予九识的，是“自我进化”的能力。3万台车、300多座城市、2.7亿公里真实L4运营数据，每天都在喂养这套算力体系。算力越强，模型迭代越快。模型越强，运营成本越低，更多客户愿意用，车跑起来又产生更多稀缺数据。
孔旗说过一句话：“复杂城市开放道路能够产生高价值数据，而商业模式本身需要赚钱，才能持续获取数据、推动技术进步。”算力不是成本，是飞轮的起点。
APEX九识基座世界模型，让车“理解物理世界”
九识此次战略升级的核心，落在“九识大脑”上——它是九识无人车实现服务与城市治理生态的核心基座。而九识大脑的核心，是正从百亿迈入千亿的APEX多模态基座大模型。
APEX赋予九识的，是“理解物理世界的变化”。
这种能力带来四个层面的质变。
场景推理与决策能力更强，具备预测推演能力，长时序博弈预判大幅提升行驶平顺性与安全性。
知识融合能力更强，融合全网视频、交通文本、人类驾驶经验，统一理解交通灯、交警手势、道路标识、本地通行规则，跨城市通用性更强——这正是无图L4在陌生道路当日部署、全场景泛化通行的底气。
仿真业务能力提升，离线仿真动力学、人车行为高度还原，百万级工况并行仿真可信，大量边缘危险场景可在云端仿真完成验证，减少实车安全风险。
模型蒸馏与车端部署价值更高，一站式蒸馏完整端到端智驾大脑，感知、预测、规划统一权重；一套基座适配多款RoboVan车型，批量轻量化，大幅降低多车型迭代成本。
车云协同：车端跑日常，云端解难题，模型自进化
基于APEX多模态基座大模型，九识构建了一套车云协同机制。核心逻辑很简单：场景越复杂，云端大模型介入越深。
当前主流的车端端到端模型，可以较好覆盖覆盖30+km/h的一般道路行驶场景，但存在能力边界。九识打造的车云联动大模型架构，会针对不同路况与速度区间分层部署模型：在5-30km/h复杂道路场景，依托车端VLA进行本地实时推理的同时，会调用云端VLA模型进行理解增强。而在0-5km/h末端场景，除了车端VLA模型和云端VLA理解增强模型，更创新推出了安全员Agent，能够自主完成极端场景下的救援脱困，作出绕行、重新规划路线、靠边停车等高阶决策。通过车端基础算力与云端增强能力的有机结合，九识突破传统L2方案的场景局限，实现常规道路、复杂路况、救援脱困的全场景覆盖。
九识和L2的本质区别不在于车速，而在于车端知道自己“不行了”时会主动降速或停车，呼叫云端分析并给出指令，而不是被动等待接管。
这套协同能持续进化，靠的是闭环迭代：真实数据回流至APEX基座，基座能力提升后支撑云端模型升级，云端模型再通过蒸馏输出更优的车端模型。APEX通过知识蒸馏和物理推演，构建起覆盖车端VLA、云端VLA、安全员Agent等模型矩阵，各模型产出的场景数据持续回流，反哺基座迭代优化。
一个细节值得注意：九识的VLA并不强制翻译成人类语言再去操控车。它更像人类行动前的“念头”——看到前方有车决定刹车让行，这个“念头”比说出“我要刹车”快得多，也更抽象、更压缩。九识用对齐人类语言的方式，让模型在决策前先思考因果。
车端保证实时安全，云端提供认知上限，Agent兜底极端场景。万卡算力是硬件工厂，APEX多模态基座大模型是软件大脑，2.7亿公里L4真实运营里程是场景底座。三者形成数据、算力、模型、工程四重自增强壁垒。
商业规模不是终点，是燃料
九识此次战略升级的底气，来自已经跑通的商业化规模：覆盖20多个国家、300多座城市，真L4实际运营里程超过2.7亿公里，运营车队规模3万多台，三年运力增长100倍。
但这些数字真正的价值，不在于规模本身。而在于2.7亿公里背后，是一个通用大模型公司拿不到的东西：真实物理世界的稀缺数据。每一台车每天在开放城市道路上遇到的交警手势、施工围挡、临时管制、人车混行，都在为APEX多模态基座大模型提供训练燃料。这些场景无法在实验室里穷举，也无法靠仿真完全复现。它们只能从真实的城市运营中来。
这正是九识从无人车公司走向城市级物理AI服务商的底层逻辑。从“运货”延伸到“城市治理”，无人车成为城市管理的能力延伸。
通用大模型公司没有物理世界的数据，做自动驾驶的公司没有足够规模的真实运营数据。九识同时拥有两者。
当3万台车每天都在为一个大模型提供稀缺的物理世界数据，规模本身就不再是终点，而是燃料。 在实现大规模商业化后，九识本质上是一家具有稀缺数据资源的大模型公司。
雷峰网 雷峰网