近日，九识技术交流会现场，九识 CTO、联合创始人庄立与技术团队接受媒体群访。过去五年，九识把无人车规模从几百台做到近 3 万台，业务边界也跳出无人货运，尝试成为城市综合 AI 治理的技术底座。交流会上，团队聊透了算力投入、群体智能架构，以及行业规模化落地的现实卡点。
回顾这五年的业务成果，庄立认为一切的根基来自线下实打实跑出来的积累。早期车队规模很小，随着车辆扩充到两三万台，路上跑出来的数据价值慢慢显现。这些数据不只是用来迭代自动驾驶模型，在和各地城市运营方打交道的过程中，团队摸透了真实的城市运行逻辑，跑通商业闭环，也完成了对社会运行规则的理解沉淀。正是这套从业务里磨出来的认知，支撑公司向城市 AI 治理基座转型，对外输出数据与技术能力，配合政府搭建各类 AI 智能体。
聊到公司的优势，庄立说得很直白：一是万卡级算力集群，二是贴近真实现实世界的运营数据，两者互相驱动形成飞轮。遇到数据解决不了的场景，就从海量真实样本里挖掘素材优化模型；模型效果变好，产品竞争力提升，市场进一步打开，又能拿到更多算力和数据反哺研发。
万卡算力投入高昂，不少媒体关心这笔开销会不会成为沉重负担。在庄立眼里，算力不算单纯成本。目前集群负载常年处于高位，算法团队的训练任务经常要排队。随着市场盘子做大，算力成本占比会持续被营收摊薄，公司也已经把目光投向十万卡的算力量级，做面向未来的长期投入。面对不同主机厂底盘、数据标准参差不齐的问题，九识的解法是保留统一的底层世界认知基座，只针对油门、刹车、转向等硬件特性做微调，降低合作厂商的接入成本。
和行业不少单一大模型路线不一样，九识走的是 “中央模型 + 多个子 Agent” 的群体智能路线。核心 APEX 模型，一边吸收 L4 真实路测工况，一边引入互联网人类社会知识，自上而下先理解物理世界和社会规则，再通过模型蒸馏，分化出车端 VLA、云端安全员等独立智能体，分别承担行车决策、远程监管等不同工作。据技术负责人介绍，多智能体协同不会带来推理延迟，兼顾运行效率与系统安全。
巨额算力投入，最终要落到实际运营效果上。依托万卡集群挖掘 2.7 亿公里的路测数据，九识的安全事故、接管率相关指标下降 5 倍；AI 安全员 Agent 替代部分人工，做到秒级处理，相比传统人工安全员，处置效率提升 6 倍以上。
行业最受关注的，还是规模扩张：从现在 3 万台，到未来 30 万台还要多久？庄立直言，最大瓶颈不在技术，而在全国统一的行业政策。各地现行规则并不统一，资质、权责还没有完全厘清。他透露相关部门已经在关注行业现状，如果配套政策落地，两到三年就有望完成这一量级跨越。乡村物流已经看到苗头，东北有合作网点用上无人车之后，短期货量直接翻了二十多倍，实实在在激活下沉市场的流通。
当然落地难题依旧不少，乡村道路路况复杂、GPS 信号干扰、地图更新不及时，都不能完全靠传统地图解决，需要模型对环境拥有原生认知。技术团队提到，车端算力会长期存在上限，后续会依靠 MoE 稀疏激活方案榨干硬件潜力，下一代期待 2000TOPS 级别车端算力，支撑 10B 量级车端模型，应对更多非标准化的复杂场景。
在庄立的判断里，大规模无人车队的价值远不止送货。在路上跑的车辆相当于流动感知节点，可以帮助交管部门发现车道损坏、红绿灯故障等城市问题，深度对接 “十五五” 规划的物流网建设。技术底座已经就位，剩下就等待政策、市场需求共振，推动无人货运迎来真正的商业化爆发。
