九识CEO孔旗与CTO庄立宣布建成业内首个L4级万卡集群，总规模近1.5万卡以支撑其城市级物理AI战略升级。
9月10日，九识CEO孔奇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庄力揭示了支撑这一转型的底层基础设施：九识已建成业界首个L4级万卡加速卡集群，总算力接近1.5万张。这使得九识成为首家实现万卡集群的L4自动驾驶团队。在这庞大算力背后，是九识的APEX多模态基础模型，其参数量正从数百亿向数千亿规模扩展。
自动驾驶领域长期存在一种固有偏见：认为乘用车自动驾驶属于高科技，而城市货运机器人面临的AI门槛较低。现实却证明并非如此。九识成立于2021年8月，创始团队是中国自动驾驶领域的先驱，此前曾主导百度硅谷研究院的Robotaxi和Robotruck研发工作，并为第一代Apollo开源平台做出了重要贡献。自成立之初，公司便专注于RoboVan（无人物流车）这一新兴领域。过去五年间，九识在技术、场景和商业模式三个核心领域深耕细作。
在这五年中，九识实现了三大关键里程碑：第一，通过发明全球首款RoboVan交付了切实的技术成果；第二，将自动驾驶拓展至多样化的真实应用场景，利用L4技术在物流以外的多个行业落地；第三，建立了以车辆销售、服务和运力提供为核心的成熟商业框架。自2023年售出首辆车以来，九识的全球车队规模已超过3万辆，运营覆盖20多个国家及300多个城市，累计实际运营里程突破2.7亿公里。
然而，一旦规模得到验证，一个更根本的问题随之浮现：当自动驾驶汽车面对真实城市中那些 vast、打破规则的长尾场景——如未标记的乡村道路、临时施工障碍、不规则障碍物、人车混行的混乱局面以及恶劣天气下的突发光线变化时，领先者与追随者的区别究竟何在？九识现在通过披露其算力集群已突破“万卡”门槛，从新维度回答了这一问题，巩固了其作为业界首家构建此类基础设施的L4企业的地位。这标志着自动驾驶行业进入由多模态基础模型驱动的新范式。
所谓万卡集群，是指由超过10,000张加速卡组成的高性能计算系统，旨在训练基础模型。虽然单个AI加速卡充当高速计算单元，但万卡集群则像一座“AI超级工厂”，将复杂的模型训练任务分解为并行流程。关键在于，算力层级从根本上决定了一家自动驾驶企业的智能上限。真实的城市场景中充斥着大量长尾且非标准化的路况，无法通过人工规则穷尽编码。九识的解决方案是利用基础模型学习物理世界，而万卡集群则是训练这些模型的硬性前提，也是支撑九识千亿参数模型演进的坚实基石。
据九识介绍，其APEX多模态基础模型正从数百亿参数向数千亿参数迈进。APEX整合了海量的真实L4驾驶数据、基于互联网的语言和视频知识语料库，以及真实的运营人类决策数据。在完成基座训练后，APEX赋能下游的数据、模型和评估管线，形成闭环迭代系统。万卡集群赋予了九识“自我进化”的能力。每天，分布在300多个城市、行驶超过2.7亿公里的3万辆车的真实L4运营数据源源不断地输入该算力基础设施。更强的算力加速了模型迭代；更强的模型降低了运营成本，吸引了更多客户，并通过增加部署量产生更多稀缺数据。正如孔奇所言：“复杂的城市开放道路能产生高价值数据，商业模式本身必须盈利，才能持续获取数据并推动技术进步。”算力不是成本，而是飞轮的起点。
九识战略升级的核心在于“九识大脑”——这是使其自动驾驶车辆既能服务于商业运营，又能融入城市治理生态的基础支柱。其核心是正在向千亿参数扩展的APEX模型，它赋予九识“理解物理世界变化”的能力。这一能力推动了四个质的飞跃。首先，增强了场景推理与决策能力，通过预测性模拟显著提升了乘坐平顺性和安全性，得益于长远的战略预判。其次，实现了卓越的知识融合，整合网络视频、交通文本和人类驾驶经验，统一解读红绿灯、交警手势、路标及当地交通规则，从而具备更强的跨城市泛化能力——这正是九识无图L4部署及对陌生道路全场景适应能力的信心来源。第三，具备先进的仿真能力，高度还原离线动态和人车行为，确保数百万种场景下的平行仿真可信度。许多边缘案例隐患可在云端验证，降低了实车测试风险。第四，提高了模型蒸馏和边缘部署的价值。一站式蒸馏过程创建了完整的端到端自动驾驶大脑，拥有统一的感知、预测和规划权重。单一基础模型可适配多种RoboVan变体，实现批量轻量化，大幅降低多模型迭代成本。
基于APEX多模态基础模型，九识构建了车云协同机制。其逻辑直白明了：场景越复杂，云模型的介入程度越深。虽然目前主流的边缘端到端模型能有效覆盖时速30公里以上的常规道路驾驶，但它们已触及能力边界。九识的车云联动架构根据路况和速度范围分层部署模型。对于时速5-30公里的复杂道路，系统依赖边缘视觉-语言-动作（VLA）模型进行本地实时推理，同时调用云端VLA模型以增强理解。在0-5公里的终端场景中，除了边缘和云端VLA模型外，九识创新性地引入了“安全员Agent”，能够在极端条件下自主执行救援机动，做出绕行、重新规划路线或靠边停车等高级决策。通过结合边缘基础算力和云端增强能力，九识超越了传统L2的限制，实现了涵盖正常道路、复杂条件及紧急救援的全场景覆盖。
九识与L2系统的本质区别不在于速度，而在于主动性：车辆能够识别何时“无法应对”，主动减速或停车，请求云端分析并执行指令，而非被动等待人类接管。这种协同通过闭环迭代不断演进：真实世界数据反馈至APEX基座，基座的改进支持云端模型升级，云端模型则蒸馏出优化版本供边缘使用。通过知识蒸馏和物理仿真，APEX构建了涵盖边缘VLA、云端VLA和安全员Agent的模型矩阵。每个模型生成的场景数据不断回流以完善基座。值得注意的是，九识的VLA并未强制在车辆控制前将其转化为人类语言。它更像人类行动前的“思维”——看到前方有车辆，本能地决定刹车和让行。这种“思维”比口头表达“我需要刹车”更快、更抽象、更压缩。通过与人类语言模式对齐，九识使模型能够在决策前先进行因果推理。
边缘确保实时安全，云端设定认知上限，Agent保障极端场景。万卡集群充当硬件工厂，APEX充当软件大脑，2.7亿公里的真实L4运营里程构成场景基础。它们共同铸就了涵盖数据、算力、模型和工程四大维度的自我强化壁垒。九识的战略升级建立在已验证的商业规模之上：运营覆盖20多个国家及300多个城市，实际L4里程超过2.7亿公里，车队规模超3万辆，三年内容量增长百倍。然而，这些数字的真正价值不在于规模本身，而在于2.7亿公里所产出的通用AI公司无法获取的东西：稀缺的真实世界物理数据。每天，每辆车都会在开放的街道上遭遇交警手势、施工障碍、临时管制和人车混行，为APEX提供训练燃料。这些场景无法在实验室中穷尽列举，也无法完全通过仿真复现，它们必须来自真实的城市运营。这正是九识从自动驾驶汽车制造商演变为城市级物理AI提供商的底层逻辑，其业务从“货物运输”延伸至“城市治理”，使自动驾驶车辆成为市政管理能力的延伸。通用AI公司缺乏物理世界数据，传统车企缺乏大规模真实运营数据，而九识两者兼备。当每天3万辆车为基础模型提供稀缺的物理世界数据时，规模不再是一个终点，而是成为了燃料。在实现大规模商业化之后，九识本质上是一家拥有独特稀缺数据资源的基础模型公司。