会懂网AI资讯，9月18日，自动驾驶企业九识近日披露，已建成业内首个面向L4级自动驾驶的万卡算力集群，总规模接近1.5万卡。此前一周，公司宣布战略升级为城市级物理AI，全球车队规模已超过3万台，覆盖20多个国家与300多座城市，累计真实运营里程突破2.7亿公里。实践表明，越早把评估体系建立起来的团队，越能在规模化阶段避免返工与浪费。
一家无人车公司为何需要上万张加速卡，是外界最直接的疑问。答案在于技术范式的转变：自动驾驶正从模块化流水线走向多模态大模型，感知、预测与决策被统一到端到端框架之中，训练所需的数据量与算力随之呈数量级增长，车队回传的真实里程成为核心燃料。对用户而言，体验的连续性与可靠性，往往比单点功能的惊艳更能形成长期依赖。
九识的战略表述从造车转向城市级物理AI，反映出商业边界的扩展。无人车积累的感知与调度能力，可以外溢到城市治理、运力组织与政府监管等层面，形成运力管理、运营监测与能力输出的多层结构。这种定位让公司的想象空间从单一产品延伸到城市基础设施服务。随着生态逐步成熟，相关标准的统一与接口的开放，将成为下一阶段竞争的关键变量。
从竞争角度看，自动驾驶赛道正在经历一轮洗牌。早期比拼的是路测里程与牌照数量，如今则转向算力储备、数据闭环效率与单位运营成本。头部企业纷纷自建或租用大规模集群，训练基础设施的门槛被迅速抬高，中小团队的生存空间相应收窄。在实际应用中，细节体验与稳定性往往比纸面指标更能影响用户的最终选择。
挑战同样明显。万卡集群的折旧与能耗开支巨大，若商业化进度跟不上，现金流压力会快速累积。此外，不同国家的监管要求差异显著，海外运营需要在数据合规与本地化改造上持续投入，这些都考验着企业的资金耐力与组织能力。相关推进节奏也受到供应链、能耗与合规等多重因素制约，短期难以出现爆发式增长。
综合来看，L4万卡集群的落成，是自动驾驶进入大模型范式的一个标志性信号。业内普遍认为，随着端到端架构成为主流，算力与数据的规模效应会更加突出。能否把里程优势转化为模型优势，再转化为成本优势，将决定下一阶段的行业座次。业内共识是，只有在真实业务指标上形成可量化的改善，相关投入才具备持续的正当性。
暂无评论内容